CN110555364A - 面部识别中的多次注册 - Google Patents
面部识别中的多次注册 Download PDFInfo
- Publication number
- CN110555364A CN110555364A CN201910465799.4A CN201910465799A CN110555364A CN 110555364 A CN110555364 A CN 110555364A CN 201910465799 A CN201910465799 A CN 201910465799A CN 110555364 A CN110555364 A CN 110555364A
- Authority
- CN
- China
- Prior art keywords
- template
- user
- image
- threshold
- match score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/469—Contour-based spatial representations, e.g. vector-coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/50—Maintenance of biometric data or enrolment thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及面部识别中的多次注册。本发明公开了具有相机的设备上的面部识别认证可使用设备上的多个注册配置文件来操作。多个注册配置文件可包括针对用户的不同外观的单独配置文件和/或针对被授权使用设备的不同用户的单独配置文件。可使用注册过程来生成注册配置文件,在该过程中单独操作注册过程以生成每个不同的注册配置文件。在面部识别认证过程期间,用户可通过具有超过针对注册配置文件中的至少一个的解锁阈值的一个或多个所捕获用户图像的匹配分数来将设备解锁。用户可能具有超过多个注册配置文件的解锁阈值的匹配分数。可以使用对于每个注册配置文件独立运行的模板更新过程来更新为用户解锁设备的每个注册配置文件。
Description
技术领域
本文所述的实施方案涉及用于在由设备上的相机所捕获的图像中进行面部检测和识别的方法与系统。更具体地讲,本文所述的实施方案涉及使用多个配置文件进行面部识别以及在设备使用期间更新配置文件的方法。
背景技术
生物识别认证过程正被越来越频繁地使用,以允许用户更容易地访问其设备而无需密码或口令认证。生物识别认证过程的一个示例为使用指纹传感器的指纹认证。面部识别为可用于认证设备的授权用户的另一种生物识别过程。面部识别过程通常用于识别图像中的个体和/或将图像中的个体与个体数据库进行比较,以匹配个体的面部。
为了使用面部识别进行认证,面部识别系统一般努力适应授权用户的面部特征随时间的变化,使得即使用户的面部特征改变并且在用户图像中形成差异,用户也可继续使用面部识别来访问该设备。例如,用户的面部特征可能由于面部毛发改变、理发、增重/减肥、和/或年龄增长而随时间推移改变。
也可能期望设备允许在设备上的多个(两个或更多个)注册配置文件。在一些情况下,如果用户具有两个或更多不同(或多种)外观样貌,可能希望有多个注册配置文件。不同的外观样貌可包括(例如)通过戴或不戴眼镜、有胡子的面部和剃须的面部和/或化浓妆的面部与没化妆的面部来区分的外观。此外,如果希望超过一个用户能够使用面部识别来访问设备,则可以利用多个注册配置文件。
然而,面部识别系统需要使用多个注册配置文件保持安全,同时允许面部识别系统适应不同注册配置文件的每一个中的一个或多个用户外观的变化。因此,面部识别系统需要适应变化,同时还要确保差异被识别为特定注册配置文件的变化。
发明内容
多个注册配置文件可用于具有相机的设备上的面部识别认证。注册配置文件可包括针对用户的不同外观和/或针对被授权使用设备的不同用户的配置文件。注册过程可用于为设备上的每个注册配置文件生成模板。
当用户尝试使用面部识别认证来获得对设备的访问时,可将来自一个或多个所捕获用户图像的特征与设备上的每个注册配置文件进行比较。用户可通过具有超过针对面部识别认证过程的解锁阈值的与注册配置文件中的至少一个的匹配分数而获得对设备的访问。可以使用模板更新过程利用来自一个或多个所捕获用户图像的特征来更新用于解锁设备的注册配置文件的模板。如果用户具有高于多个注册配置文件的解锁阈值的匹配分数,则可使用在设备上并行操作的独立模板过程来更新每个注册配置文件中的模板。因此,在用于注册配置文件的用户特征随时间改变时,设备可以更新每个注册配置文件的模板。
附图说明
当与附图结合时,通过参考根据本公开中描述的实施方案的目前优选的但仅为示例性实施方案的以下详细描述,将更充分地理解在本公开中描述的实施方案的方法与装置的特征和优点,在附图中:
图1描绘了包括相机的设备的实施方案的表示。
图2描绘了相机的实施方案的表示。
图3描绘了设备上的处理器的实施方案的表示。
图4描绘了用于设备的授权用户的图像注册过程的实施方案的流程图。
图5描绘了注册过程之后具有特征矢量的特征空间的实施方案的表示。
图6描绘了用于设备的存储器中的注册配置文件的模板空间的实施方案的表示。
图7描绘了在设备上注册多个注册配置文件的实施方案的流程图。
图8描绘了设备的存储器中两个模板空间的实施方案的表示。
图9描绘了面部识别认证过程的实施方案的流程图。
图10描绘了模板更新过程的实施方案的流程图。
图11描绘了表示为特征空间的模板空间的实施方案的表示。
图12描绘了模板更新子过程的实施方案的流程图。
图13描绘了模板更新过程的附加实施方案的流程图。
图14描绘了表示为特征空间的模板空间的附加实施方案的表示。
图15描绘了用于与多个注册配置文件一起使用的面部识别认证过程的实施方案的流程图。
图16描绘了锁定协议的实施方案的流程图。
图17描绘了具有两组动态模板的模板空间的实施方案的表示。
图18描绘了用于与多个注册配置文件一起使用的面部识别认证过程的实施方案的流程图。
图19描绘了锁定协议的另一个实施方案的流程图。
图20描绘了锁定协议的另一个实施方案的流程图。
图21描绘了示例性计算机系统的一个实施方案的框图。
图22描绘了计算机可访问存储介质的一个实施方案的框图。
尽管本公开中所述的实施方案可受各种修改形式和另选形式的影响,但其具体实施方案在附图中以举例的方式示出并将在本文中详细描述。然而,应当理解,附图和对其的详细描述不旨在将实施方案限制为所公开的特定形式,而相反,本发明旨在涵盖落入所附权利要求书的实质和范围内的所有修改、等同物和另选方案。本文所使用的标题仅用于组织目的,并不旨在用于限制说明书的范围。如在整个本申请中所使用的那样,以允许的意义(即,意味着具有可能性)而非强制的意义(即,意味着必须)使用“可能”一词。类似地,字词“包括”、“包含”是指包括但不限于。
各种单元、电路或其他部件可被描述为“被配置为”执行一个或多个任务。在此类上下文中,“被配置为”为通常表示“具有”在操作期间执行一个或多个任务的“电路”的结构的宽泛表述。如此,即使在单元/电路/部件当前未接通时,单元/电路/部件也可被配置为执行任务。一般来讲,形成与“被配置为”对应的结构的电路可包括硬件电路和/或存储可执行以实现该操作的程序指令的存储器。该存储器可包括易失性存储器,诸如静态或动态随机存取存储器和/或非易失性存储器,诸如光盘或磁盘存储装置、闪存存储器、可编程只读存储器等。硬件电路可包括组合式逻辑电路、时钟存储设备(诸如触发器、寄存器、锁存器等)、有限状态机、存储器(诸如静态随机存取存储器或嵌入式动态随机存取存储器)、定制设计电路、可编程逻辑阵列等的任意组合。类似地,为了描述方便,可将各种单元/电路/部件描述为执行一个或多个任务。此类描述应当被解释为包括短语“被配置为”。表述被配置为执行一个或多个任务的单元/电路/部件明确地旨在对该单元/电路/部件不调用35U.S.C.§112(f)的解释。
在一个实施方案中,可通过以硬件描述语言(HDL)诸如Verilog或VHDL对电路的描述进行编码来实现根据本公开的硬件电路。可针对为给定集成电路制造技术设计的单元库来合成HDL描述,并可出于定时、功率和其他原因而被修改,以获得可被传输到工厂以生成掩模并最终产生集成电路的最终的设计数据库。一些硬件电路或其部分也可在示意图编辑器中被定制设计并与合成电路一起被捕获到集成电路设计中。该集成电路可包括晶体管并还可包括其他电路元件(例如,无源元件,诸如电容器、电阻器、电感器等),以及晶体管和电路元件之间的互连件。一些实施方案可实现耦接在一起的多个集成电路,以实现硬件电路,和/或可在一些实施方案中使用离散元件。
本公开的范围包括本文(明确或暗示)公开的任意特征或特征组合或其任意推广,而无论其是否减轻本文解决的任何或所有问题。因此,在本专利申请(或要求享有其优先权的专利申请)进行期间可针对特征的任何此类组合作出新的权利要求。具体地,参考所附权利要求书,可将从属权利要求的特征与独立权利要求的特征进行组合,并可通过任何适当的方式而不是仅通过所附权利要求书中所列举的特定组合来组合来自相应独立权利要求的特征。
具体实施方式
本说明书包括参考“一个实施方案”或“实施方案”。短语“在一个实施方案中”或“在实施方案中”的出现不一定是指相同的实施方案,尽管通常设想包括特征的任何组合的实施方案,除非在本文明确地否认。特定特征、结构或特性可以与本公开一致的任何合适的方式被组合。
如本文所述,本技术的一个方面在于收集和使用得自各种来源的数据,以改善操作和对设备的访问。本公开预期,在一些实例中,这些所采集的数据可包括唯一地识别或可用于联系或定位特定人员的个人信息数据。此类个人信息数据可包括图像数据(例如,来自用户图像的数据)、人口统计数据、基于位置的数据、电话号码、电子邮件地址、家庭地址或任何其他识别信息。对于图像数据而言,个人信息数据可仅包括来自用户图像的数据而不包括图像本身。
本公开认识到在本发明技术中使用此类个人信息数据可用于使用户受益。例如,个人信息数据可用于使用面部识别来控制对设备的解锁和/或授权。因此,使用此类个人信息数据使得能够对设备的访问进行计算控制。此外,本公开还预期个人信息数据有益于用户的其他用途。
本公开还设想负责此类个人信息数据的收集、分析、公开、传输、存储或其他用途的实体将遵守已确立的隐私政策和/或隐私做法。具体地,此类实体应当实行并坚持使用被公认为满足或超出对维护个人信息数据的隐私性和安全性的行业或政府要求的隐私政策和做法。例如,在使用面部识别来对设备进行解锁和/或授权的情况下,来自用户的个人信息应被收集用于实体的合法且合理的用途,因为这样的使用仅涉及设备的操作,并且不在这些合法使用之外共享或出售。另外,此类收集应仅在收到用户知情同意之后发生,且应在收集个人信息的设备上保持个人信息数据的安全。另外,此类实体应采取任何所需的步骤,以保障和保护对此类个人信息数据的访问,并且确保能够访问个人信息数据的其他人遵守他们的隐私政策和程序。另外,这种实体可使其本身经受第三方评估以证明其遵守广泛接受的隐私政策和做法。
不管前述情况如何,本公开还预期用户选择性地阻止使用或访问个人信息数据的实施方案。即本公开预期可提供硬件元件和/或软件元件,以防止或阻止对此类个人信息数据的访问。例如,本发明的技术可被配置为在注册服务期间允许用户选择“加入”或“退出”参与对个人信息数据的收集。
图1描绘了包括相机的设备的实施方案的表示。在某些实施方案中,设备100包括相机102、处理器104、存储器106和显示器108。设备100可为小型计算设备,在一些情况下,其可足够小以便手持(因此,还被统称为手持式计算机或被简称为手持式设备)。在某些实施方案中,设备100为各种类型的计算机系统设备的任一种类型的计算机系统设备,其为移动的或便携的并且使用WLAN通信来执行无线通信(例如,“移动设备”)。移动设备的示例包括移动电话或智能电话,以及平板电脑。如果包括无线或RF通信能力(例如,Wi-Fi、蜂窝和/或蓝牙),则各种其他类型的设备可落在这个类别中,诸如膝上型计算机、便携式游戏设备、便携式上网设备和其他手持设式备,以及可穿戴设备诸如智能手表、智能眼镜、耳机、吊坠、耳塞等。通常,可宽泛地定义术语“移动设备”以涵盖容易被用户转移并能够使用例如WLAN、Wi-Fi、蜂窝和/或蓝牙来进行无线通信的任何电子、计算和/或电信设备(或设备的组合)。在某些实施方案中,设备100包括由用户使用的具有处理器104、存储器106和显示器108的任何设备。例如,显示器108可为LCD屏或触摸屏。在一些实施方案中,显示器108包括用于设备100的用户输入界面(例如,显示器允许用户的交互输入)。
相机102可用于捕获设备100的外部环境的图像。在某些实施方案中,相机102被定位成捕获显示器108前方的图像。相机102可被定位成在用户与显示器108进行交互时捕获用户的图像(例如,用户的面部)。图2示出了相机102的实施方案的表示。在某些实施方案中,相机102包括一个或多个镜头和用于捕获数字图像的一个或多个图像传感器103。由相机102所捕获的数字图像可包括例如静止图像、视频图像、和/或逐帧图像。
在某些实施方案中,相机102包括图像传感器103。图像传感器103可为例如传感器阵列。传感器阵列中的传感器可包括但不限于用于捕获红外图像(IR)或其他不可见电磁辐射的电荷耦合器件(CCD)和/或互补金属氧化物半导体(CMOS)传感器元件。在一些实施方案中,相机102包括用于捕获多种类型的图像的多于一种图像传感器。例如,相机102可包括IR传感器和RGB(红、绿和蓝)传感器两者。在某些实施方案中,相机102包括用于利用由图像传感器103检测到的不同类型的光来对表面(或被摄体)进行照明的照明器105。例如,相机102可包括用于可见光的照明器(例如,“闪光”照明器)、用于RGB光的照明器和/或用于红外光的照明器(例如,泛光IR光源和光斑图案投影仪)。在一些实施方案中,泛光IR光源和光斑图案投影仪为其他波长的光(例如,非红外)。在某些实施方案中,照明器105包括光源阵列,诸如但不限于VCSEL(垂直腔面发射激光器)。在一些实施方案中,图像传感器103和照明器105被包括在单个芯片封装中。在一些实施方案中,图像传感器103和照明器105位于独立芯片封装上。
在某些实施方案中,图像传感器103为IR图像传感器,并且该图像传感器用于捕获红外图像以用于进行面部检测、面部识别认证和/或深度检测。也可设想图像传感器103(例如,RGB图像传感器)的其他实施方案用于如本文所述的面部检测、面部识别认证和/或深度检测。为了进行面部检测,照明器105A可提供泛光IR照明,以利用IR照明(例如,IR闪光灯)来对被摄体进行泛光,并且图像传感器103可捕获泛光IR照明被摄体的图像。泛光IR照明图像可为例如由IR光照明的被摄体的二维图像。为了进行深度检测或生成深度图图像,照明器105B可提供具有光斑图案的IR照明。光斑图案可为具有已知且可控配置的光点的图案(例如,点的图案)和投射到被摄体上的图案。照明器105B可包括被配置为形成光斑图案的VCSEL阵列或被配置为形成光斑图案的光源和图案化幻灯片。由照明器105B提供的光斑图案的构型和图案可例如基于被摄体处的所期望的光斑图案密度(例如,点密度)而被选择。图像传感器103可捕获由光斑图案照明的被摄体的图像。可由成像和处理系统(例如,本文所述的图像信号处理器(ISP))来评估(例如,分析和/或处理)所捕获的被摄体上的光斑图案的图像,以产生或估计被摄体的三维图(例如,被摄体的深度图或深度图图像)。在授予Freedman等人的美国专利8,150,142、授予Pesach等人的美国专利8,749,796和授予Shpunt等人的美国专利8,384,997(在此通过引用并入,如同本文完全阐述的一样)以及授予Mor等人的美国专利申请公开2016/0178915(在此通过引用并入,如同本文完全阐述的一样)中描述了深度图成像的示例。
在某些实施方案中,由相机102捕获的图像包括具有用户的面部的图像(例如,用户面部被包括在图像中)。具有用户面部的图像可包括具有在图像的框架内示出的用户面部的至少某个部分的任何数字图像。此类图像可仅包括用户的面部或可在图像的较小分部或部分中包括用户的面部。可在图像中以足够的分辨率来捕获用户的面部,以允许对图像中的用户的面部的一个或多个特征的图像处理。
由相机102捕获的图像可由处理器104来处理。图3示出了设备100中包括的处理器104的实施方案的表示。处理器104可包括被配置为执行在由处理器实施的指令集架构中定义的指令的电路。处理器104可执行设备100的主控制软件,诸如操作系统。通常,由处理器104在使用期间执行的软件可控制设备100的其他部件,以实现设备的所期望的功能。处理器还可执行其他软件。这些应用可提供用户功能并可依赖于操作系统,以进行低级设备控制、调度、存储器管理等。
在某些实施方案中,处理器104包括图像信号处理器(ISP)110。ISP 110可包括适用于处理从相机102接收的图像的电路(例如,图像信号处理电路)。ISP 110可包括能够处理或分析由相机102捕获的图像的任何硬件和/或软件(例如,程序指令)。
在某些实施方案中,处理器104包括安全区域处理器(SEP)112。在一些实施方案中,在面部识别认证过程中涉及SEP 112,该过程涉及由相机102捕获并由ISP 110处理的图像。SEP 112可为被配置为对被授权使用设备100的活动用户(例如,当前正在使用设备100的用户)进行认证的安全电路。“安全电路”可为保护被隔离的内部资源免受外部电路直接访问的电路。内部资源可为存储敏感数据诸如个人信息(例如,生物识别信息、信用卡信息等)、加密密钥、随机数生成器种子等的存储器(例如,存储器106)。内部资源也可为执行与敏感数据相关联的服务/操作的电路。如本文所述,SEP 112可包括能够使用面部识别认证过程来认证用户的任何硬件和/或软件(例如,程序指令)。面部识别认证过程可通过利用相机102捕获用户的图像并且将所捕获的图像与设备100的授权用户的先前收集的图像进行比较来认证用户。在一些实施方案中,ISP 110和SEP 112的功能可由单个处理器来执行(例如,ISP 110或SEP 112可执行两种功能,并且另一个处理器可省略)。
在某些实施方案中,处理器104执行注册过程(例如,图像注册过程200,如图4所示,或注册过程),以针对设备100的授权用户捕获图像(例如,先前收集的图像)。在注册过程期间,相机模块102可从授权用户捕获(例如,收集)图像和/或图像数据,以便允许SEP112(或另一安全过程)随后使用面部识别认证过程来认证用户。在一些实施方案中,来自注册过程的图像和/或图像数据(例如,来自图像的特征矢量数据)被用于在设备100中生成模板。模板可被存储在例如设备100的存储器106中的模板空间中。在一些实施方案中,可通过从模板空间添加和/或减去模板来更新模板空间。模板更新过程(例如,本文所述的第一模板更新过程300和/或第二模板更新过程400)可由处理器104执行,以从模板空间添加和/或减少模板。例如,模板空间可利用附加模板而被更新,以适应授权用户的外观随时间推移的变化和/或硬件性能随时间推移的变化。当用于存储模板的模板空间已满时,可从模板空间中减去模板以补偿模板的添加。
在一些实施方案中,相机模块102捕获用于面部识别会话的多对图像。每对可包括使用二维捕获模式所捕获的图像(例如,泛光IR图像)和使用三维捕获模式所捕获的图像(例如,深度图图像)。在某些实施方案中,在对用户作出最终认证决定之前,ISP 110和/或SEP 112彼此独立地处理泛光IR图像和深度图图像。例如,ISP 110可独立处理图像,以分别确定每个图像的特征。然后,SEP 112可将每个类型图像的单独图像特征与所存储的模板进行比较,以生成每个单独图像的认证分数(例如,所捕获的图像和所存储的模板中的用户之间的匹配分数或匹配的其他排名)。单独图像(例如,泛光IR图像和深度图图像)的认证分数可组合,以对用户的身份作出决定,并且如果被认证,则允许用户使用设备100(例如,对设备进行解锁)。
在一些实施方案中,ISP 110和/或SEP 112组合每对中的图像,以提供用于面部识别的合成图像。在一些实施方案中,ISP 110处理合成图像,以确定图像的特征,SEP 112可将其与所存储的模板进行比较,以对用户的身份作出决定,并且如果被认证,则允许用户使用设备100。
在一些实施方案中,泛光IR图像数据和深度图图像数据的组合可允许SEP 112在三维空间中比较面部。在一些实施方案中,相机模块102经由安全通道来将图像数据传送到SEP 112。例如,安全信道可为用于传送数据的专用路径(即,仅由预期的参与者共享的路径),或者可为用于使用仅预期的参与者知道的密码密钥来传送加密的数据的专用路径。在一些实施方案中,相机模块102和/或ISP 110可在将图像数据提供至SEP 112之前对图像数据执行各种处理操作,以便促进由SEP来执行该比较。
在某些实施方案中,处理器104操作一个或多个机器学习模型。机器学习模型可使用位于处理器104和/或设备100上的硬件和/或软件的任何组合(例如,程序指令)来操作。在一些实施方案中,使用一个或多个神经网络模块114来操作设备100上的机器学习模型。神经网络模块114可位于ISP 110和/或SEP 112中。
神经网络模块114可包括位于处理器104中和/或设备100上的硬件和/或软件的任何组合(例如,程序指令)。在一些实施方案中,神经网络模块114为多尺度神经网络或者其中在网络中所使用的内核的尺度可变化的另一神经网络。在一些实施方案中,神经网络模块114为重复性神经网络(RNN),诸如但不限于门控重复性单元(GRU)重复性神经网络或长短期记忆(LSTM)重复性神经网络。
神经网络模块114可包括安装或配置有已由该神经网络模块或类似的神经网络模块(例如,在不同的处理器或设备上操作的神经网络模块)学习的操作参数的神经网络电路。例如,可使用训练图像(例如,参考图像)和/或其他训练数据来训练神经网络模块,以生成神经网络电路的操作参数。随后可将从训练中生成的操作参数提供至被安装在设备100上的神经网络模块114。将从训练中生成的操作参数提供至允许神经网络模块使用编程到神经网络模块中的训练信息进行操作的设备100上的神经网络模块114(例如,训练生成的操作参数可被神经网络模块用于操作并评估由设备捕获的图像)。
图4描绘了用于设备100的授权用户的图像注册过程200的实施方案的流程图。过程200可用于为存储在设备(例如,耦接到SEP 112的存储器)中的设备100的授权用户创建注册配置文件。注册配置文件可包括使用过程200为授权用户创建的一个或多个模板。注册配置文件和与注册配置文件相关联的模板可用于面部识别过程中以允许(例如,授权)用户使用设备和/或对设备执行操作(例如,对设备进行解锁)。
在一些实施方案中,授权用户可创建多个注册配置文件,其中由图像注册过程200创建的每个注册配置文件都与在注册过程中获得的用户的特定图像相关联。例如,授权用户可创建与用户的第一不同外观(例如,用户戴眼镜的面部)相关联的第一注册配置文件。授权用户还可创建与用户的第二不同外观(例如,用户不戴眼镜的面部)相关联的第二注册配置文件。在一些实施方案中,多个注册配置文件可包括设备的附加用户的一个或多个注册配置文件(例如,主要授权用户可允许次级授权用户在设备上注册配置文件)。如果使用在设备上创建的任何注册配置文件来认证用户,则可在面部识别过程中并行地使用多个注册配置文件,其中用户被授权使用设备(例如,对设备进行解锁)。
在某些实施方案中,在授权用户第一次使用设备100时和/或在用户选择在面部识别过程中创建注册配置文件时,使用过程200。例如,在授权用户首次获得设备100(例如,被授权用户购买)并由授权用户首次打开设备时,发起过程200。在一些实施方案中,可在用户希望在面部识别过程中注册,更新设备100的安全设置,在设备上重新注册和/或添加注册配置文件时,可由授权用户发起过程200。
在某些实施方案中,过程200开始于在202中对用户进行认证。在202中,可使用非面部认证过程在设备100上对用户进行认证。例如,可通过输入密码,输入口令,或使用除面部识别之外的另一种用户认证协议来将用户认证为授权用户。在202中认证用户之后,在204中捕获用户的一个或多个注册(例如,参考或注册)图像。注册图像可包括被泛光照明器105A照明的用户的图像(例如,泛光IR图像)和/或被光斑照明器105B照明的用户的图像(例如,深度图图像)。如本文所述,可在设备100上的面部识别过程中独立和/或组合使用泛光IR图像和深度图图像(例如,可独立地使用图像,以提供认证决定,并可组合该决定以确定对用户认证的最终决定)。
可在用户与设备100进行交互时使用相机102来捕获注册图像。例如,可在用户遵循设备100的显示器108上的提示时捕获注册图像。该提示可包括在捕获注册图像时用户作出不同运动和/或姿态的指令。在204期间,相机102可针对由用户执行的每种运动和/或姿态来捕获多个图像。在图像仍然具有用户的较清晰绘示的情况下针对用户的不同动作和/或不同姿态捕获图像可能在提供更多样的注册图像时是有用的,这使得能够认证用户而不必相对于设备100上的相机102处于受限或约束的位置。
在204中捕获多个注册图像之后,可在206中选择注册图像,以用于进一步的图像处理。对注册图像206的选择以及对图像的进一步处理可由ISP 110和/或SEP 112来执行。对用于进一步处理的注册图像的选择可包括选择适合用于生成模板的图像。例如,在206中选择适合用于生成模板的图像可包括评估针对图像的一个或多个所选择的标准并选择满足所选择的标准的图像。可将所选择的图像用于为用户生成模板。所选择的标准可包括但不限于:用户的面部位于相机视场中、用户面部姿态为适当的(例如,用户的面部未在任何方向上从相机转动过远(即,面部的俯仰、偏转、和/或翻滚不高于特定水平)),相机102和用户面部之间的距离在所选择的距离范围内,用户的面部具有低于最小值的遮挡(例如,用户的面部未被另一物体遮挡(遮盖)超过最小量)、用户注意到相机(例如,用户的眼睛看着相机)、用户的眼睛未闭合,以及图像中的适当的光照(照明)。在一些实施方案中,如果在注册图像中检测到超过一个面部,则拒绝该注册图像并且不用于(例如,不选择)进一步的处理。可基于满足特定数量的所选择的标准或所有所选择的标准的图像进行管理来对适用于进行进一步处理的图像进行选择。在一些实施方案中,在识别图像中的用户特征(例如,诸如眼睛、鼻子和嘴的面部特征)并评估图像中的所选择的标准时使用遮挡图和/或地标特征图。
在206中选择图像之后,可在208中对所选择的(模板)图像中的用户特征进行编码。对所选择的图像进行编码可包括对用户的特征(例如,面部特征)进行编码,以将图像中的特征定义为特征空间中的一个或多个特征矢量。特征矢量210可为208中的编码的输出。特征空间可为n维特征空间。特征矢量可为数值的n维矢量,其在特征空间中定义来自图像的特征(例如,特征矢量可为定义图像中的用户的面部特征的数值矢量)。
图5示出了具有特征矢量210的特征空间212的实施方案的表示。每个特征矢量210(黑点)可定义来自单个图像、来自复合图像(例如,由几幅图像构成的图像)或来自多个图像的用户的面部特征。特征矢量210从单一用户的面部特征生成,该特征矢量可彼此类似,因为该特征矢量与同一个人相关联并可具有某些“聚类”,如图5中的圆211所示的。如下所述,特征矢量256A和256B(开放菱形)为从面部识别过程250获得的特征矢量。
如图4所示,过程200可包括在214中将特征矢量210存储在设备100的存储器(例如,由SEP 112保护的存储器)中。在某些实施方案中,在存储器的模板空间(例如,下述模板空间220)中将特征矢量210存储为静态模板216(例如,注册模板或参考模板)。静态模板216可用于由过程200创建的注册配置文件。在一些实施方案中,静态模板216(和本文描述的其他模板)包括针对从注册泛光IR图像获得的特征矢量和针对从注册深度图图像获得的特征矢量的独立模板。应当理解,可在本文描述的附加过程期间独立和/或组合地使用从泛光IR图像和深度图图像获得的独立模板。在本公开中为了简单起见,静态模板216被一般性地描述,并且应当理解,静态模板216(和模板的使用)可指从泛光IR图像获得的模板或从深度图图像获得的模板。在一些实施方案中,可使用泛光IR图像和深度图图像的组合来生成模板。例如,可将从泛光IR图像和深度图图像获得的特征矢量对存储在静态模板216中,以在设备100上的一个或多个面部识别过程中使用。
图6示出了用于设备100的存储器106中的注册配置文件的模板空间220的实施方案的表示。在某些实施方案中,模板空间220位于由SEP 112保护的设备100的存储器106的一部分中。在一些实施方案中,模板空间220包括静态部分222和动态部分224。静态模板216可例如被添加到模板空间220的静态部分222(例如,模板被永久添加到存储器,除非设备被重置,否则不被删除或改变)。在一些实施方案中,静态部分222包括特定数量的静态模板216。例如,对于图6中所示的模板空间220的实施方案,在静态部分222中允许六个静态模板216。在一些实施方案中,可以在静态部分222中允许九个静态模板216。还可设想静态部分222中其他数量的静态模板216。在完成用于注册配置文件的注册过程并向静态部分222添加静态模板216之后,向用于注册配置文件的模板空间220的动态部分224添加附加动态模板226(例如,在不需要设备重置的情况下可向其添加和从其删除模板的部分)。
因此,静态模板216可以是通过针对与注册过程相关联的注册配置文件的注册过程200生成的注册模板(或参考模板)。在完成注册过程200之后,将所选择数量的静态模板216存储在用于注册配置文件的模板空间220的静态部分222中。在注册过程200之后被存储在静态部分222中的静态模板216的数量可根据例如注册过程期间获得的不同特征矢量的数量而改变,该不同特征矢量的数量可基于被选择为适合用作模板图像的图像的数量或针对该设备的模板的期望数量。在注册过程200之后,静态模板216包括可用于与注册配置文件相关联的授权用户的面部识别的特征矢量210(例如,注册或参考特征矢量)。因此,模板空间220可用于面部识别认证过程以授权与注册配置文件相关联的用户。
在设备100上具有多个注册配置文件的实施方案中,可针对每个注册配置文件单独操作注册过程200,以针对每个注册配置文件生成单独的(不同的)和独立的模板空间(例如,独立的静态模板)。图7描绘了在设备上注册多个注册配置文件的实施方案的流程图。可操作注册过程200A以在设备100上生成第一注册配置文件。第一注册配置文件可与设备100的授权用户(例如,设备的主要授权用户)相关联。注册过程200A可为第一注册配置文件生成模板空间220A。
在生成模板空间220A之后,授权用户可选择在230中创建第二注册配置文件。然后可操作注册过程200B以在设备100上生成第二注册配置文件。如本文所述,可针对授权(主要)用户的第二不同外观或设备100的附加(例如,次要)用户创建第二注册配置文件。注册过程200B可为第二注册配置文件生成模板空间220B。注册过程200A和注册过程200B可根据图4中所描绘的注册过程200来操作。
图8描绘了设备100的存储器106中两个模板空间220A、220B的实施方案的表示。模板空间220A可与设备100上的第一注册配置文件相关联,并且模板空间220B可与设备100上的第二注册配置文件相关联。虽然在图7和图8中示出了这两个模板空间(用于两个注册配置文件),但应当理解,考虑到设备的可用存储器和处理能力,基于设备的期望操作,可在设备100上根据需要利用任意数量的模板空间(以及任何对应数量的注册配置文件)。
如图8中所示,独立的模板空间220A、220B可位于设备100的存储器106中不同的独立空间中。例如,模板空间220可存储在用于存储器106中的模板的存储器空间的分区部分中。在某些实施方案中,模板空间220A、220B位于由SEP 112保护的设备100的存储器106的一部分中。模板空间220A和220B可包括它们各自不同且独立的静态部分222A和224A,分别具有单独的静态模板216A和216B。模板空间220A和220B还可包括它们各自不同且独立的动态部分224A和224B,分别具有单独的动态模板226A和226B。模板空间220A、220B可分别(例如,独立地)由设备100上的处理器104访问和/或操作。例如,模板空间220A、220B可通过面部识别认证过程独立地访问,并且通过如本文所述的模板更新过程独立地操作。
在具有存储在设备100上的多个注册配置文件(例如,设备上的多个模板空间220)的某些实施方案中,当设备被重置时,所有注册配置文件(以及模板空间中的所有模板)被从设备删除或移除。当在设备上做出仅删除至少一个注册配置文件的请求时,也可从设备100删除所有注册配置文件。可删除所有注册配置文件,以防止任何剩余的注册配置文件意外地允许与所请求的注册配置文件相关联的用户被从访问设备100删除。例如,在可允许第一用户访问设备100的注册配置文件和用于第二用户的注册配置文件之间可能有交叠。
图9描绘了面部识别认证过程250的实施方案的流程图。过程250可用于使用用户的面部识别来将用户认证为设备100的授权用户。在某些实施方案中,过程250用于使用设备100上的单个注册配置文件(例如,单个模板空间220)来认证用户。如果设备100上有多个注册配置文件,过程250的一个或多个部分可被并行操作(如本文所述)以认证尝试访问并使用该设备的用户。认证授权用户可允许用户访问并使用设备100(例如,对设备进行解锁)和/或具有对设备的所选择的功能的访问权限(例如,对运行于设备上的应用的功能进行解锁,支付系统(即,进行支付),访问个人数据,通知的扩展视图等)。在某些实施方案中,过程250被用作针对设备100的基本生物识别认证过程(在注册授权用户之后)。在一些实施方案中,过程250被用作除另一认证过程(例如,指纹认证、另一生物识别认证、密码输入、口令输入、和/或图案输入)之外的认证过程。在一些实施方案中,如果用户不能使用过程250而被认证,则可使用另一种认证过程(例如,密码输入、图案输入、其他生物识别认证)来访问设备100。
在252中,相机102捕获试图被认证以用于访问设备100的用户的面部图像(例如,相机捕获用户的“解锁尝试”图像)。应当理解,解锁尝试图像可为用户的面部的单个图像(例如,单个泛光IR图像或单个深度图图像)或者解锁尝试图像可为在短时间内(例如,一秒或更少)拍摄的用户的面部的一系列若干个图像。在一些实施方案中,用户的面部的一系列若干个图像包括泛光IR图像和深度图图像对(例如,相继的泛光IR和深度图图像对)。在一些具体实施中,解锁尝试图像可为由泛光照明器和光斑图案照明器照明的用户的几个图像的复合。
相机102可响应于用户的提示来捕获该解锁尝试图像。例如,可在用户试图通过按下设备100上的按钮(例如,home按钮或虚拟按钮),通过将设备移动到相对于用户的面部的所选择的位置(例如,用户移动设备,使得相机指向用户的面部或从桌上提起设备),和/或相对于设备作出特定姿态或移动(例如,轻击显示器或挤压设备)而访问设备100时捕获该解锁尝试图像。应当理解,如本文所述,该解锁尝试图像可包括泛光IR图像、或深度图图像、或它们的组合。此外,可根据需要,独立地或组合地与其对应模板(例如,具有用于泛光IR注册图像的模板的泛光IR图像)相关联地处理解锁尝试图像。
在254中,对解锁尝试图像进行编码,以将用户的面部特征定义为特征空间中的一个或多个特征矢量。在一些实施方案中,针对解锁尝试图像来定义一个特征矢量。在一些实施方案中,针对解锁尝试图像定义多个特征矢量。一个或多个解锁特征矢量256可为对254中的解锁尝试图像的编码的输出。
在某些实施方案中,在258中,将一个或多个解锁特征矢量256与模板空间220的模板中的特征矢量进行比较,以得到针对解锁尝试图像的匹配分数260。在某些实施方案中,模板空间220是设备100上的单个注册配置文件的模板空间。匹配分数260可为一个或多个特征矢量256和模板空间220中的特征矢量(例如,如本文所述,静态模板216中的特征矢量和/或添加到模板空间的其他动态模板226)之间的差异分数。一个或多个特征矢量256和模板空间220中的特征矢量越接近(例如,距离越小或差异越小),匹配分数260可能越高。例如,如图5所示,特征矢量256A(开放菱形)距特征矢量210比特征矢量256B(开放菱形)更近(例如,特征矢量256B比特征矢量256A更靠外)。因此,特征矢量256A比特征矢量256B具有更高的匹配分数。由于特征矢量256B距特征矢量210比特征矢量256A更远,因此针对特征矢量256B的更低匹配分数表示与特征矢量256B相关联的解锁尝试图像中的面部为与注册配置文件和模板空间220相关联的授权用户的面部的更小置信度。
在一些实施方案中,对一个或多个特征矢量256和来自模板空间220的模板进行比较,以获得匹配分数260,包括使用一个或多个分类器或支持分类的网络以对一个或多个特征矢量256和来自模板空间220的模板之间的差异进行分类和评估。可被使用的不同分类器的示例包括但不限于线性、分段线性、非线性分类器、支持矢量机和神经网络分类器。在一些实施方案中,使用一个或多个特征矢量256和来自模板空间220的模板之间的距离分数来评估匹配分数260。
在262中,将匹配分数260与针对设备100的解锁阈值264进行比较。解锁阈值264可表示设备100要求的授权用户的面部和解锁尝试图像中的用户的面部之间的特征(由特征矢量定义的)的最小差异(例如,特征空间中的距离),以便对设备进行解锁(或对设备上的特征进行解锁)。例如,解锁阈值264可为确定解锁特征矢量(例如,特征矢量256)是否与和授权用户的面部相关联的模板(例如,模板空间220中的静态模板216)足够类似(例如,足够接近)的阈值。又如,解锁阈值264可以由图5中所示的特征空间212中的圆265表示。如图5中所示,特征矢量256A在圆265内部,并且因此特征矢量256A将具有高于解锁阈值264的匹配分数260。然而,特征矢量256B在圆265外部,并且因此特征矢量256B将具有低于解锁阈值264的匹配分数260。在某些实施方案中,在制造期间和/或由设备100的固件来设置解锁阈值264。在一些实施方案中,如本文所述,在设备操作期间,由设备100更新(例如,调节)该解锁阈值264。
如图9所示,在262中,如果匹配分数260高于解锁阈值264(即,解锁尝试图像中的用户的面部基本上匹配授权用户的面部),则将解锁尝试图像中的用户认证为设备100上的注册配置文件的授权用户并在266中对设备进行解锁。在某些实施方案中,在266中对设备100进行解锁之后,将解锁特征矢量256和匹配分数260提供给第一模板更新过程300,如图10所示,这可在模板空间220中添加或替换模板。在262中,如果匹配分数260低于解锁阈值264(例如,不等于或高于解锁阈值),则在268中不对设备100进行解锁(例如,设备保持锁定)。应当指出,如果匹配分数260等于解锁阈值264,根据解锁阈值的期望设置(例如,更紧或更松的限制),则可对设备100进行锁定或解锁。此外,对于本文描述的其他实施方案,也可根据需要应用针对相等匹配分数进行比较的任一选项。
在某些实施方案中,在270中将解锁尝试与阈值进行比较。该阈值可为例如允许的最大解锁尝试次数或用于解锁尝试的最大分配时间。在某些实施方案中,对解锁尝试的数量(例如,利用在252中所捕获的不同解锁尝试图像尝试对设备100进行解锁的数量)进行计数并将解锁尝试的数量与允许的最大解锁尝试次数进行比较。
在某些实施方案中,如果解锁尝试达到阈值(例如,解锁尝试次数达到允许的最大尝试次数),则在272中,设备100被锁定而不进一步尝试使用面部认证。在一些实施方案中,在272中锁定设备时,可(例如,在显示器108上)显示用于指示面部识别认证过程250已失败和/或设备100的期望操作被限制或阻止执行的错误消息。在指定时间段内可在272中锁定设备100,而不允许进一步尝试使用面部认证,和/或直到使用另一种认证协议对设备进行解锁。例如,可使用解锁选项274来对设备100进行解锁。
解锁选项274可以包括向用户呈现一个或多个选项,以用于进行不同类型的认证,从而对设备100上的特征进行解锁或访问(例如,向用户呈现进行第二认证协议的选项)。呈现选项可包括例如在设备100的显示器108上显示一个或多个选项,并通过听觉和/或视觉通信提示用户选择所显示的选项中的一个选项,以继续进行对设备的解锁或对设备上的特征的访问。用户然后可使用所选择的选项并根据需要遵循附加听觉和/或视觉提示来继续进行对设备100的解锁/访问。在使用所选择的选项成功认证之后,可允许对设备100进行解锁/访问的用户的初始请求。解锁选项274可包括但不限于使用密码、口令、图案输入、不同形式的生物识别认证、或另一种认证协议来对设备100进行解锁。在一些实施方案中,解锁选项274包括提供“用户密码/口令/图案”示能表示,在该示能表示被选择时,使得显示密码/口令/图案输入用户界面、或密码/口令/图案输入用户界面、或“用户指纹”提示,在该提示被显示时,提示用户在设备的指纹传感器上放置手指。在一些实施方案中,在274中使用解锁选项来对设备100进行解锁之后,将解锁特征矢量256和匹配分数260提供给第二模板更新过程400,如图13所示。
在270中如果解锁尝试低于阈值(例如,解锁尝试次数低于允许的最大尝试次数),则过程250可再次运行(重新发起),利用在252中捕获的用户的新解锁尝试图像开始。在一些具体实施中,设备100自动捕获用户面部的新解锁尝试图像而不提示用户(例如,新图像的捕获被自动实现和/或向用户隐藏)。在一些具体实施中,设备100(在视觉上和/或听觉上)通知用户过程250正在重新发起。在一些实施方案中,设备100可提示用户提供输入以重新发起过程250。例如,可提示用户确认或以其他方式确认(在视觉上和/或听觉上)重新发起过程250的尝试。
图10描绘了第一模板更新过程300的实施方案的流程图。过程300可用于基于来自过程250的一个或多个特征矢量256利用一个或多个附加动态模板226来更新模板空间220(图6中所示)。在某些实施方案中,过程300用于更新设备100上的单个注册配置文件(例如,过程250中使用的注册配置文件)的模板空间220。如果设备100上存在多个注册配置文件,则可针对每个注册配置文件单独操作过程300以独立地更新设备上的不同注册配置文件(如本文所述)。过程300可用于针对与注册配置文件相关联的授权用户外观的逐渐变化来更新模板空间220。例如,过程300可针对头发的逐渐变化(例如,头发颜色、头发长度和/或头发样式)、体重增加、体重减少、所佩戴眼镜的改变或小的缺陷变化(例如,黑眼圈、疤痕等)来更新模板空间220。使用过程300更新模板空间220允许授权用户使用面部识别认证过程250继续成功地访问设备100,尽管用户的外观在逐渐变化。
如果匹配分数260高于阈值304,则过程300可开始于评估302。阈值304可为用于确定一个或多个特征矢量256是否足够类似(例如,接近)于特征矢量210(来自静态模板216)的阈值分数,该足够类似使得一个或多个特征矢量256可潜在地被用作另一模板(例如,阈值分数可确定特征矢量256是否在特征矢量210的特定距离内)。在某些实施方案中,阈值304大于(高于)解锁阈值264(例如,阈值304需要比解锁阈值264更高的匹配分数)。因此,针对变成模板的一个或多个特征矢量256的阈值可能比用于对设备进行解锁的阈值更严格。可在制造期间和/或由设备100的固件设定阈值304。如本文所述,在设备操作期间,可由设备100来更新(例如,调节)阈值304。
在一些实施方案中,如果匹配分数260低于阈值304,则停止过程300并从设备100检测到一个或多个特征矢量256。在一些实施方案中,如果匹配分数260低于阈值304,则如图12中所示利用模板更新子过程301来继续过程300。如果匹配分数260高于阈值304,则继续过程300。在一些实施方案中,在评估302之后,在306中评估解锁尝试图像中的一个或多个质量。例如,可在306中评估解锁尝试图像中的姿态(例如面部的俯仰、偏转和翻滚)、遮挡、注意力、视场、和/或距离。可使用本文所述的地标和/或遮挡图来评估解锁尝试图像中的姿态和/或遮挡。在308中,如果不满足适当的资格,则可停止过程300。在某些实施方案中,满足适当的资格包括满足图像中的针对上述评估质量的一个或多个评估质量的所选择的标准。例如,所选择的标准可包括但不限于用户的面部位于相机视场中、用户面部姿态适当(例如,用户的面部未在任何方向上从相机转动过远(即,面部的俯仰、偏转和/或翻滚不高于特定水平)),到用户的面部的距离在特定距离内,用户的面部具有低于最小值的遮挡(例如,用户的面部未被另一物体遮挡(遮盖)超过最小量)、用户注意到相机(例如,用户的眼睛看着相机)、用户的眼睛未闭合,以及图像中的适当的光照(照明)。在一些实施方案中,在306和308中评估质量可在过程300内的不同位置中发生。例如,如下所述,在306和308中评估质量可在将匹配分数324与阈值326进行比较之后或在336中将置信度分数332与置信度分数334进行比较之后发生。
如果在308中满足适当的资格,则在310中继续过程300,其中将一个或多个特征矢量256存储在设备100的存储器中的备份空间中。存储器中的备份空间可为例如存储器中包括可读/可写存储器和/或短期存储器的第二空间或临时空间。可在存储器中将一个或多个特征矢量256存储为临时模板312。
在某些实施方案中,在将临时模板312存储在存储器中的备份空间中之后,通过为设备100针对授权用户捕获的附加解锁尝试图像将临时模板与特征矢量进行比较来继续过程300。在314中,在一个或多个用户在设备100的附加(将来)解锁尝试期间捕获用户(或者,如果尝试未授权的访问,则为多个用户)的附加解锁尝试图像。在316中对附加解锁尝试图像中的用户的面部的特征进行编码,以生成特征矢量318。在320中,将特征矢量318与临时模板312进行比较,以得到匹配分数322。
然后可在324中将匹配分数322与阈值326进行比较。在一些实施方案中,阈值326为解锁阈值264。在一些实施方案中,阈值326为阈值304。如果在324中匹配分数322高于阈值326,则在328中对成功尝试进行计数。如果在324中匹配分数322低于阈值326,则在330中对不成功尝试进行计数。可继续计数328和330,直到进行期望数量的解锁尝试(例如,匹配分数322和阈值326的期望数量的比较)。一旦进行了期望数量的尝试,便可使用解锁尝试的总数(例如,计数328和330之和)中的328中的成功尝试的数量来评估临时模板312的置信度分数332。例如,可能在总共50次解锁尝试中有45次成功尝试,因此置信度分数332为45/50或90%。如图6所示,置信度分数332可用于评估是否向模板空间220添加作为动态模板226的模板312。
如上所述,在注册之后初始地向模板空间220的静态部分222添加注册模板(例如,静态模板216,图6中所示)。在注册过程和向静态部分222添加静态模板216之后,可使用图10所示的过程300来向模板空间220添加附加模板。可向动态部分224(例如,不需要重置设备便可添加和删除模板的部分)添加作为动态模板226的附加模板。可结合模板空间220中的静态模板216来将动态模板226用于面部识别认证过程250,如图9所示。
在某些实施方案中,在针对临时模板312的置信度分数332高于静态部分222中的静态模板216的最低置信度分数时,如图6所示,可将图10中所示的由过程300生成的临时模板312添加到动态部分224作为动态模板226。置信度分数334可等于在用于针对临时模板312评估置信度分数332的相同解锁尝试期间评估的静态部分222中的静态模板216的最低置信度分数(例如,在使用临时模板312的相同解锁尝试期间具有最低数量的成功解锁尝试的模板的置信度分数)。可使用用于置信度分数332的同一阈值(例如,阈值326)来评估置信度分数334。
在某些实施方案中,如果在336中置信度分数332大于置信度分数334,则在338中添加作为动态部分224中的动态模板226的临时模板312。例如,如果临时模板312在总共50次解锁尝试中具有45次成功解锁尝试,而一个静态模板216在相同50次总解锁尝试中仅具有40次成功解锁尝试,则可向动态部分224添加作为动态模板226中的一个动态模板的临时模板312。如果在336中置信度分数332低于置信度分数334,则在340中忽略或删除临时模板312。可添加临时模板312,直到将最大数量的被允许的动态模板226存储在动态部分224中。
一旦动态部分224达到其动态部分224中的动态模板226的最大数量,临时模板312便可在338中替换动态模板226中的一个动态模板。例如,如果临时模板比动态模板226中的一个动态模板更不是异常值,则临时模板312可替换动态模板226中的一个动态模板。在某些实施方案中,使用对表示动态模板226和临时模板312的特征矢量的统计分析来评估临时模板312是否比动态模板226中的一个动态模板更不是异常值。统计分析可包括例如在针对模板的特征矢量上操作的分类算法。
图11描绘了表示为特征空间的模板空间220的实施方案的表示。在该特征空间中,由特征矢量表示了模板空间220、静态模板216、动态模板226和临时模板312的图示。例如,静态模板216由圆表示,动态模板226由菱形表示,并且临时模板312由星形表示。在某些实施方案中,如上所述,不允许静态模板216被临时模板312替换。因此,如果动态部分224已达到其动态模板226的最大数量,如果临时模板312比动态模板226中的一个动态模板更不是异常值,则临时模板312可替换动态模板226中的一个动态模板。
对特征空间中的与模板空间220相关的特征矢量进行统计分析可生成最密切地定义最大数量特征矢量的圆(例如,圆342)。如图11中所示,圆342将针对动态模板226’的特征矢量定义为圆的异常值。用于动态模板226’的特征矢量比用于临时模板312的特征矢量更是异常值。因此,临时模板312可替换模板空间220中的动态模板226’。如果临时模板312比动态模板226中的每个动态模板更是异常值,则临时模板可不替换动态模板226中的任一个动态模板。
在某些实施方案中,在临时模板312替换模板空间220中的动态模板226’时,可重新计算设备100的一个或多个阈值。由于临时模板312比动态模板226’更不是异常值,因此重新计算一个或多个阈值可进一步限制阈值(例如,提升用于匹配分数的阈值,以要求更接近的匹配)。在一些实施方案中,在临时模板312替换模板空间220中的动态模板226’时,使得解锁阈值(例如,解锁阈值264,图9所示)更严格。在一些实施方案中,在临时模板312替换模板空间220中的动态模板226’时,使得模板更新阈值(例如,阈值304,图10所示)更严格。
图12描绘了模板更新子过程301的实施方案的流程图。如上所述,如果匹配分数260低于阈值304但高于解锁阈值264,则子过程301可继续。具有在此类范围中(高于解锁阈值264但低于阈值304)的匹配分数260的图像可能比高于阈值304的图像在匹配中具有更大不确定性(然而仍然能够对设备100进行解锁)。因此,可使用子过程301来处理这些更不确定的图像。
在子过程301中,在350中评估解锁尝试图像中的一个或多个质量。在350中评估解锁尝试图像的质量可基本上类似于在306和308中评估质量,如图10所示。如图12所示,如果解锁尝试图像在350中通过质量的评估(例如,满足资格要求),则可在352中确定用于临时模板312的备份空间中是否有空间(space)(例如,空间(room))存储另一临时模板(例如,确定备份空间中是否存储最大数量的临时模板312)。
如果备份空间中没有空间(“否”),则可对解锁尝试图像(及其对应的特征矢量)应用删除策略354,如图12所示。在删除策略354中,可在备份空间中替换被选择为现有特征的冗余(例如,最冗余的)的备份空间(例如,用于临时模板312的空间)中的一个或多个特征矢量。
如果备份空间中有空间(“是”),则在356中向备份空间添加用于解锁尝试图像的作为临时模板(例如,临时模板312)的特征矢量。一旦在356中向备份空间添加来自子过程301的临时模板,便可基本上像临时模板312那样来处理该临时模板(例如,与图10中所示的附加解锁尝试图像相比)。在某些实施方案中,来自子过程301的临时模板在所选择的时间量中被用作模板(例如,临时模板312和/或动态模板226)。例如,因为初始以比其他模板更高的不确定度添加来自子过程301的临时模板,所以允许用于使用来自子过程301的临时模板的时间量可能受到限制(例如,临时模板具有有限的寿命)。在一些实施方案中,所选择的时间量为使用来自子过程301的临时模板的成功解锁尝试的最大量。
如上所述,第一模板更新过程300可用于在使用面部认证识别过程250对设备100进行解锁或访问时更新注册配置文件(例如,模板空间中的模板)。例如,第一模板更新过程300可用于响应于用户外观的逐渐变化(例如,体重增加/减小)而更新注册配置文件。
然而,在一些实施方案中,授权用户的面部特征(例如,用户的面部外观)可能会显著变化,或者至少变化足够大的程度,使得用户会在使用图9所示的面部认证识别过程250对设备100上的特征(或操作)进行解锁或访问时遇到困难。用户的面部外观的巨大或很大程度的改变可包括例如刮胡子或胡须,脸上有大的伤疤或其他缺陷,化妆做出很大改变,发型做出很大改变。在一些情况下,如果在注册过程期间有错误和/或在解锁尝试期间与注册时用户环境之间有大的差异,则用户在使用面部认证识别过程250对设备100进行解锁/访问时也可能遇到困难。对于用户而言,在使用面部认证识别过程250对设备100进行解锁时遇到困难可能为一种挫折性体验。在由于上述变化/问题而在使用面部认证识别过程250对设备100进行解锁时遇到困难时,在使用第二认证协议验证用户的身份之后,可使用第二模板更新过程(例如,如下所述的第二模板更新过程400),以至少暂时允许用户即使有问题/变化也能使用面部认证识别过程来对设备进行解锁/访问。
如图9所示,用户可使用面部认证识别过程250不成功尝试若干次解锁尝试,直到在270中不成功解锁尝试的数量达到所选择的值,并锁定设备100以防止进一步尝试使用面部认证识别过程。在这样的时间,可向用户呈现一个或多个选项,以用于进行不同类型的认证,从而在解锁选项274中对设备100上的特征进行解锁或访问。在使用所选择的选项成功认证用户之后,设备100可至少临时更新用户的注册配置文件(例如,使用下文所述的第二模板更新过程400),以允许用户能够使用面部认证识别过程250在将来的解锁尝试中对该设备进行解锁/访问,尽管用户的面部外观的改变此前阻止用户使用面部认证识别过程来对该设备进行解锁/访问。因此,通过使用所选择的选项成功完成认证,用户可自动地能够使用面部认证识别过程250在将来的解锁尝试中在至少短时间内访问设备100。
图13描绘了第二模板更新过程400的实施方案的流程图。可在面部识别认证过程250不能够对设备100进行解锁但能够使用密码或其他认证协议对设备进行解锁时,使用过程400,如图9所示。在一些实施方案中,在解锁尝试失败之后立即使用密码来对设备100进行解锁时,或在解锁尝试失败之后的指定时间段内(例如,在时间上接近解锁尝试),可使用过程400。在某些实施方案中,过程400用于更新设备100上的单个注册配置文件(例如,过程250中使用的注册配置文件)的模板空间220。如果设备100上存在多个注册配置文件,则可仅在与来自所捕获的解锁尝试图像的特征矢量最接近匹配的注册配置文件上操作过程400(如本文所述)。
在某些实施方案中,在授权用户的面部特征改变程度达到阻止从解锁尝试图像生成的特征矢量(例如,特征矢量256)与静态模板216和/或动态模板226足够接近(例如,在解锁阈值距离内)从而允许使用面部识别认证过程250来对设备100进行解锁时,使用过程400来更新注册配置文件的模板空间220,如图9所示。例如,可以为特征矢量256B使用过程400,这被示为在图5中的圆265(解锁阈值圆)外部。用户能够使用面部识别认证过程250来对设备100进行解锁的可能原因包括但不限于如果授权用户刮胡子或胡须,脸上有大伤疤或其他缺陷,化妆做出大的改变,大的发型改变,或在面部特征中具有另一种重大改变,则这些改变可为授权用户的面部特征的立即改变或“阶跃变化”,而不允许第一模板更新过程300随时间来逐渐更新模板空间220。
如果匹配分数260高于阈值404,则第二模板更新过程400可开始于在402中进行评估。阈值404可为用于确定一个或多个特征矢量256是否足够类似(例如,接近)特征矢量210(来自静态模板216)的阈值分数,该足够类似使得一个或多个特征矢量256可潜在地被用作另一模板。在某些实施方案中,用于过程400的阈值404低于解锁阈值264。阈值404可低于解锁阈值264(例如,特征矢量和模板之间允许更大的距离),因为已在开始过程400之前输入密码(或其他认证)。因此,在过程400中变成模板的一个或多个特征矢量256的阈值可不如用于对设备进行解锁的阈值和用于过程300的阈值严格,如图10所示。然而,可将阈值404设置在设置用于解锁尝试图像的特征矢量256和用于模板空间220的特征矢量之间的最大允许距离的值处。设置最大允许距离可用于防止未被授权但具有设备100的密码的用户能够在设备上进行面部识别认证。可在制造期间和/或由设备100的固件设定阈值404。如本文所述,在设备操作期间(例如,在模板空间220中添加或替换模板之后),可由设备100来更新(例如,调节)阈值404。
如果匹配分数260低于阈值404,则可停止过程404并从设备100删除一个或多个特征矢量256。如果匹配分数260高于阈值404,则继续过程400。在一些实施方案中,在评估404之后,在406中评估解锁尝试图像中的一个或多个质量。例如,可在406中评估解锁尝试图像中的姿态(例如面部的俯仰、偏转和翻滚)、遮挡、注意力、视场和/或距离。在一些实施方案中,使用本文所述的地标和/或遮挡图来评估解锁尝试图像中的姿态和/或遮挡。在408中,如果(如上所述)不满足适当的资格,则可停止过程400。
如果在408中满足适当的资格,则在410中继续过程400,其中将一个或多个特征矢量256存储在设备100的存储器中的备份空间中。用于过程400的存储器中的备份空间可为与用于过程300的备份空间不同的备份空间。例如,用于过程400的存储器中的备份空间可为存储器中的包括从用于过程300的备份空间分割出来的可读/可写存储器的临时空间。可在存储器中将一个或多个特征矢量256存储为临时模板412。
在某些实施方案中,在将临时模板412存储在备份空间中之后,可将临时模板412与来自设备100的失败面部识别认证解锁尝试的附加图像的特征矢量进行比较。例如,在过程400中,可在414中捕获附加解锁失败尝试图像。如果在416中输入正确的密码,则可对在418中对414中捕获的图像的特征矢量进行编码,以生成特征矢量420。
在某些实施方案中,在422中,将特征矢量420与用于临时模板412的一个或多个特征矢量进行比较。特征矢量420和用于临时模板412的一个或多个特征矢量的比较可提供匹配分数424。可在426中将匹配分数424与阈值428进行比较。阈值428可为例如相似阈值、或至少定义用于临时模板412的一个或多个特征矢量与从来自在输入设备100的密码之后的失败面部识别认证尝试的附加图像获得的特征矢量420之间的最低水平的匹配的阈值。因此,阈值428可被设置在确保至少最小概率量导致失败解锁尝试以及所生成的临时模板412的用户特征的改变仍然存在于来自使用面部识别认证的附加失败解锁尝试的图像中的值处。
如果在426中匹配分数424高于阈值428,则在430中对成功匹配进行计数。如果在426中匹配分数424低于阈值428,则在432中对不成功匹配进行计数。可继续计数430和432,直到使用面部识别认证进行期望数量的失败解锁尝试(例如,匹配分数424和阈值428的期望数量的比较)。一旦进行期望数量的尝试,便可使用失败解锁尝试总数(例如,计数430和432之和)中的430中的成功匹配的数量来评估临时模板412的置信度分数434。例如,在总共20次失败解锁尝试中可能有匹配分数424和阈值428的18次成功匹配(例如,进行比较)。如图6所示,置信度分数434可用于评估是否向注册配置文件的模板空间220添加作为动态模板226的模板412。
在一些实施方案中,可假设如果在授权用户的面部特征中出现阶跃变化,则可在使用面部识别认证的若干次相继解锁尝试内保持阶跃变化。例如,如果用户刮胡子,则阶跃变化应当保持至少一定长度的时间(例如,至少一星期)。在此类实施方案中,如果在达到所选择数量的相继解锁尝试(例如,10或15次解锁尝试)之前使用面部识别认证实现成功解锁尝试(或期望数量的成功解锁尝试),则可从存储器中的备份空间删除临时模板412。在一些实施方案中,阶跃变化可保持若干次相继解锁尝试的假设可能不适用(例如,如果用户的阶跃变化是由于临时化妆造成的)。
在某些实施方案中,在436中,将置信度分数434与阈值438进行比较,以评估置信度分数是否大于阈值。阈值438可为被选择以确保在允许向模板空间220添加模板412之前达到匹配分数424和阈值428之间的最小数量的成功比较的阈值。在436中,如果置信度分数434大于阈值438,则在440中,可向模板空间220添加临时模板412,或者临时模板412可替换模板空间220中的模板(例如,替换动态模板226中的一个动态模板)。如果置信度分数434小于阈值438,则可在442中忽略或删除临时模板412。
如上所述,如图6所示,可将过程400生成的临时模板412添加到注册配置文件的模板空间220的动态部分224作为动态模板226中的一个动态模板。对于过程400,如图13所示,已使用密码(或其他认证)验证临时模板412为用于授权用户的。因此,在某些实施方案中,在440中向模板空间220添加临时模板412,而无需与动态部分224中的已有的动态模板226进行比较。如果未达到动态部分224中的被允许动态模板226的最大数量,则向动态部分添加作为动态模板226中的一个动态模板的临时模板412。
如果已达到动态部分224中的被允许动态模板226的最大数量,则临时模板412可替换动态部分中的动态模板226中的一个动态模板。由于已使用密码(或其他认证)验证临时模板412为用于授权用户的,即使临时模板比动态模板226中的每个动态模板更是异常值,临时模板也可替换动态部分224中的动态模板226中的一个动态模板。在某些实施方案中,不论临时模板相对位于(例如,异常)哪里,临时模板412均替换动态模板226的最大异常值。在一些实施方案中,即使临时模板比动态模板中的每个动态模板更是异常值,临时模板412也可替换对于现有动态模板而言冗余(例如,最冗余)的动态模板。
图14描绘了表示为具有用于临时模板412的特征矢量的特征空间的模板空间220的实施方案的表示。在图14的特征空间220的特征空间描述中,由特征矢量表示了静态模板216、动态模板226和临时模板412。静态模板216由圆表示,动态模板226由菱形表示,并且临时模板412由星形表示。如上所述,静态模板216可不被临时模板412替换。因此,如果动态部分224已达到其动态模板226的最大数量,则临时模板412便可替换动态模板226中的一个动态模板。
对特征空间中的与模板空间220相关的特征矢量进行统计分析可生成最密切地定义最大数量特征矢量的圆(例如,圆444)。如图14所示,用于动态模板226’的特征矢量为用于动态模板226的特征矢量中的每个特征矢量的最大异常值。因此,不论用于临时模板的特征矢量位置在哪里,临时模板412均可替换模板空间220中的动态模板226’。在图14中所示的示例中,添加用于临时模板412的特征矢量使圆444向着用于临时模板412的特征矢量偏移,并可使得用于动态模板226’的特征矢量变成圆的最大异常值。在一些实施方案中,在临时模板412替换模板空间220中的动态模板226’时,可重新计算设备100的一个或多个阈值。
在一些实施方案中,可使用临时模板(例如,临时模板312或临时模板412)在所选择的时间段内对设备100进行解锁,同时临时模板位于存储器的备份空间中(例如,在向模板空间220添加临时模板之前)。在结合临时模板使用密码(或其他用户认证协议)之后,可使用临时模板来对设备100进行解锁。例如,对于临时模板412,在临时模板412被生成并被存储在设备存储器的备份空间中之前,已输入密码,以对设备100进行解锁。然后可使用临时模板412以允许在所选择的时间段内(例如,几天或一星期)使用面部识别认证来对设备100进行解锁。在所选择的时间段到期之后,如果尚未向模板空间220添加临时模板412,如果用户的面部识别认证失败,则可提示用户输入密码。
在某些实施方案中,如上所述,在设备100上生成多个注册配置文件。例如,可生成多个注册配置文件以在设备100上注册多个用户和/或为单个用户注册多个样貌(例如,外观)。通过使用注册过程200为设备的附加用户生成注册配置文件,可在设备100上注册多个用户。例如,主要用户(例如,家长)可允许次要用户(例如,儿童)使用注册过程200在设备100上生成第二注册配置文件,以使用面部识别为次要用户提供对设备的访问。
单个用户的多个外观可包括基本上不同的外观,并且不能使用单个注册配置文件来识别。例如,单个用户可具有不同的外观,佩戴眼镜和不佩戴眼镜、带胡子的面部和刮胡子的面部、化浓妆的面部和没有化妆的面部和/或在一天/一周的不同时间的其他剧烈变化。对于不同外观,单个用户可第一次执行注册过程200以创建针对第一外观的第一注册配置文件(例如,在带妆时),并且第二次执行注册过程以创建针对第二外观的第二注册配置文件(例如,在不带妆时)。用户可使用面部识别来访问设备,该面部识别用第一注册配置文件或第二注册配置文件来认证用户。
在具有多个注册配置文件的实施方案中,可使用图像注册过程200来将每个注册配置文件(例如,第一注册配置文件和第二注册配置文件)生成作为设备100上的独立注册配置文件。例如,过程200可用于为每个注册配置文件创建独立的模板空间(例如,图8中所示的模板空间220A和220B)。在面部识别认证过程中,可将独立的模板空间独立地与来自解锁尝试图像的特征进行比较,以便对设备100的用户进行认证。如果确定任何一个注册配置文件的模板空间与解锁尝试图像中的特征密切匹配(例如,匹配分数高于解锁阈值),则设备100可被解锁。
在一些实施方案中,如果在设备100上存储多个注册配置文件,则增大解锁阈值(例如,匹配解锁尝试图像中的特征的要求更严格)。在生成新的注册配置文件时,解锁阈值增大的量可基于特征空间中的与针对新注册配置文件的模板相关联的特征矢量和与一个或多个现有注册配置文件中的模板相关联的特征矢量之间的距离(例如,针对新注册配置文件的模板中的特征矢量和现有注册配置文件中的特征矢量之间的距离越大,解锁阈值增大得越大)。在一些实施方案中,还可基于现有注册配置文件的匹配历史来调节新的解锁阈值(例如,现有配置文件的历史中匹配越多,阈值便可越严格)。
图15描绘了用于与多个注册配置文件一起使用的面部识别认证过程250’的实施方案的流程图。图15描绘了用于与两个注册配置文件一起使用的过程250’。然而,应当理解,过程250'可用于存储在设备100上的任何数量的注册配置文件。过程250'可开始于相机102在252中捕获尝试被认证以访问设备100的用户的面部的解锁尝试图像。在254中,对解锁尝试图像进行编码,以将用户的面部特征定义为特征空间中的一个或多个特征矢量。在一些实施方案中,针对解锁尝试图像来定义一个特征矢量。在一些实施方案中,针对解锁尝试图像定义多个特征矢量。一个或多个解锁特征矢量256可为对254中的解锁尝试图像的编码的输出。
在258A中,将一个或多个解锁特征矢量256与第一模板空间220A(用于第一注册配置文件的模板空间)的模板中的特征矢量进行比较,以获得解锁尝试图像的第一匹配分数260A。在258B中,将一个或多个解锁特征矢量256与第二模板空间220B(用于第二注册配置文件的模板空间)的模板中的特征矢量进行比较,以获得解锁尝试图像的第二匹配分数260A。匹配分数260A和260B可分别为一个或多个特征矢量256和模板空间220A和220B中的特征矢量之间的差值的分数。在分别针对第一注册配置文件和第二注册配置文件确定第一匹配分数260A和第二匹配分数260B之后,可在262A中将第一匹配分数与解锁阈值264进行比较,并且可在262B中将第二匹配分数与解锁阈值进行比较。
在某些实施方案中,如图15所示,解锁阈值264对于第一匹配分数260A(与主要授权用户相关联的第一注册配置文件的匹配分数)和第二匹配分数260B(第二注册配置文件的匹配分数)可以是相同的解锁阈值。然而,在一些实施方案中,对于不同的注册配置文件,解锁阈值可以不同。例如,针对第二注册配置文件的解锁阈值可高于针对与主要授权用户相关联的第一注册配置文件的解锁阈值(例如,第二注册配置文件的匹配比第一注册配置文件的匹配更严格)。
在某些实施方案中,258A中第一匹配分数260A的生成和258B中第二匹配分数260B的生成,连同第一匹配分数260A和第二匹配分数260B与解锁阈值264的比较可以并行进行(例如,独立且基本上同时生成匹配分数并将其与解锁阈值进行比较)。在一些实施方案中,第一匹配分数260A和第二匹配分数260B的生成和与解锁阈值264的比较是串行进行的(例如,生成第一匹配分数260A并将其与解锁阈值进行比较,然后生成第二匹配分数260B并将其与解锁阈值进行比较)。
如图15所示,如果第一匹配分数260A或第二匹配分数260B任一个高于解锁阈值264(即,解锁尝试图像中的用户面部基本上匹配第一注册配置文件或第二注册配置文件的授权用户的面部),则解锁尝试图像252中的用户被认证为设备100的授权用户,并且在266中设备被解锁。如果第一匹配分数260A和第二匹配分数260B都低于解锁阈值264(例如,不等于或高于解锁阈值),则设备100保持锁定并且过程250'继续执行锁定协议450(图16中所示)。
当在266中设备100被解锁之后,根据高于解锁阈值264的匹配分数,向模板更新过程提供解锁特征矢量256以及第一匹配分数260A和/或第二匹配分数260B。如图15所示,如果第一匹配分数260A高于解锁阈值264,则在266中设备100被解锁,并且第一匹配分数连同特征矢量256一起被提供给过程300A。过程300A可以是根据过程300(图10中所示)更新第一模板空间220A的模板更新过程。类似地,如果第二匹配分数260B高于解锁阈值264,则在266中设备100被解锁,并且第二匹配分数连同特征矢量256一起被提供给过程300B。过程300B可以是根据过程300更新第二模板空间220B的模板更新过程。
过程300A和过程300B可仅在其对应匹配分数(例如,第一匹配分数200A或第二匹配分数200B)高于解锁阈值264时运行。如果第一匹配分数200A和第二匹配分数200B都高于解锁阈值264,则过程300A和过程300B都可操作以更新对应的模板空间220A和220B。过程300A和300B可与来自一个或多个相同捕获图像的特征矢量(例如,用于解锁尝试图像252的特征矢量256)并行操作(例如,过程同时且独立地操作)。
图16描绘了锁定协议450的实施方案的流程图。如上所述,当第一匹配分数260A和第二匹配分数260B均低于解锁阈值264并且设备100保持锁定时,锁定协议450在面部识别认证过程250'中开始。锁定协议450可包括图9中所描绘的来自面部识别认证过程250的一些操作。例如,如图16所示,锁定协议450可从在268中设备未被解锁开始。在270中,可对解锁尝试的数量(例如,利用在252中所捕获的不同解锁尝试图像尝试对设备100进行解锁的数量)进行计数。如果270中的解锁尝试的数量低于所选择的值(例如,阈值),则可利用另一解锁尝试图像(例如,捕获并处理用户的新图像)来再次运行过程250’。
如果解锁尝试的数量高于所选择的值,则在272中对设备100进行锁定,而不允许进一步尝试使用面部认证。在一些实施方案中,可(例如,在显示器108上)显示用于指示面部识别认证过程250’已失败和/或设备100的期望操作被限制或阻止执行的错误消息。在指定时间段内可在272中锁定设备100而不允许进一步尝试使用面部认证,和/或直到使用另一种认证协议对设备进行解锁。在一些实施方案中,使用解锁选项274来对设备100进行解锁。
在某些实施方案中,在设备100被使用274中的解锁选项中的一个解锁之后,可在452中比较第一匹配分数260A和第二匹配分数260B。如果第一匹配分数260A高于第二匹配分数260B,第一注册配置文件(和第一模板空间220A)可具有最靠近解锁尝试图像252的特征矢量256(例如,距离最小)的特征矢量。如果第一匹配分数260A低于第二匹配分数260B,第二注册配置文件(和第二模板空间220B)可具有最靠近解锁尝试图像252的特征矢量256(例如,距离最小)的特征矢量。
如图16中所示,当第一匹配分数260A高于第二匹配分数260B时,解锁特征矢量256和第一匹配分数260A可被提供给针对第一模板空间400A的第二模板更新过程。过程400A可以是根据过程400更新第一模板空间220A的模板更新过程。当第一匹配分数260A低于第二匹配分数260B时,可将解锁特征矢量256和第二匹配分数260B提供给过程400B。过程400B可以是根据过程400更新第二模板空间220B的模板更新过程。如图16所示,在实施锁定协议450时,仅可更新最靠近特征矢量256的模板空间。仅更新最靠近特征矢量256的模板空间可防止设备上的模板空间(和注册配置文件)之间的混淆,以防止注册配置文件之间对设备不希望的访问。
在一些实施方案中,本文所述的模板空间(例如,模板空间220、220A和/或220B)被更新为包括用于设备100相对于用户面部的多个取向或角度的动态模板(例如,用户面部相对于设备的多个姿态)。例如,可针对用户面部相对于设备100的第一姿态生成第一组动态模板,同时可针对用户面部相对于设备的第二姿态生成第二组动态模板。在一些实施方案中,用户面部的第一姿态是正常姿态(例如,用户的面部相对于设备正常竖直定位,其中用户的整个面部(或面部的大部分)定位在相机的前方)。用户面部的第二姿态可以是(例如)倒置姿态(例如,用户的面部从正常姿态旋转约180°)。
在一些实施方案中,在第二姿态中,用户的面部可相对于相机具有低的俯仰角度,因为相机相对于用户的面部被倒置。在低俯仰角度和用户面部倒置的情况下,用户的下巴可能会遮挡或遮盖用户面部的一些特征。例如,下巴可能遮盖或遮挡用户眼睛的一部分。在低俯仰角度和倒置姿态中,用户鼻子也可能遮盖或遮挡用户眼睛的部分。
由于用户通常可以任何取向拾取或抓取设备100(例如,用户可能不知道设备的取向或具有将设备旋转到正确取向的任何意图),允许设备使用具有多个姿态角度(例如,正常姿态和低俯仰角度(倒置)姿态)的面部认证解锁可为用户提供设备更大的可用性。增加设备100的可用性可增加用户对设备上的面部认证操作的满意度。
在某些实施方案中,用于注册配置文件的模板空间(例如,模板空间220)包括用于不同姿态角度的独立动态模板集合。例如,模板空间可包括用于第一(正常或正面)姿态的第一组动态模板和用于第二(倒置或低俯仰角度)姿态的第二组动态模板。图17描绘了具有两个动态部分224和224’的模板空间220’的实施方案的表示。动态部分224可包括第一组动态模板226,并且动态部分224'可包括第二组动态模板226'。在某些实施方案中,动态模板226用于第一(正常或正面)姿态,而动态模板226'用于第二(倒置或低俯仰角度)姿态。应当理解,也可设想另外的动态部分和动态模板。例如,第三动态部分和第三组动态模板可用于用户面部相对于设备100的横向取向。
在某些实施方案中,使用模板更新过程300和/或模板更新过程400来生成动态模板226',其在本文中被描述为用于生成动态模板226。可基于分别如图10和图13中所示且如上文所述的模板更新过程300期间“评估质量306”或模板更新过程400期间“评估质量406”中确定的设备姿态或取向从动态模板226独立地生成动态模板226'。因此,当用户的姿态被确定为第一(正常或正面)姿态时,可通过模板更新过程300或模板更新过程400生成动态模板226,而当用户的姿态被确定为第二(倒置或低俯仰角度)姿态时,可通过模板更新过程300或模板更新过程400生成动态模板226’。
例如,如果在“评估质量306”中,模板更新过程300确定用户的姿态为第一(正常或正面)姿态,则模板更新过程将动态模板226添加至模板空间220的动态部分224。或者,如果在“评估质量306”中,模板更新过程300确定用户的姿态为第二(倒置或低俯仰角度)姿态,则模板更新过程将动态模板226’添加至模板空间220的动态部分224’。动态模板226、226'可分别被添加至动态部分224、224',直到达到每个部分中的最大模板数量。在某些实施方案中,动态部分224、224'具有相同最大数量的动态模板226、226'。在一些实施方案中,动态部分224、224'具有不同最大数量的动态模板226、226'。
在为用户的多个姿态使用多个动态部分的具体实施中,面部识别认证过程可评估用户的姿态(例如,相对于设备100的取向)来确定要用于为解锁尝试图像确定匹配分数的一组动态模板(例如,动态部分)。图18描绘了用于与多个动态部分一起使用的面部识别认证过程250”的实施方案的流程图。图18描绘了用于与两个动态部分(例如,动态部分224和224')一起使用的过程250”。然而,应当理解,过程250”可用于存储在设备100上的任何数量的动态部分。
过程250”可开始于相机102在252中捕获尝试被认证以访问设备100的用户的面部的解锁尝试图像。在254中,对解锁尝试图像进行编码,以将用户的面部特征定义为特征空间中的一个或多个特征矢量。在一些实施方案中,针对解锁尝试图像来定义一个特征矢量。在一些实施方案中,针对解锁尝试图像定义多个特征矢量。一个或多个特征矢量256(例如,解锁特征矢量)可为对254中的解锁尝试图像编码的输出。
在257中,可评估解锁尝试图像中的用户面部的姿态。评估姿态可包括评估用户面部相对于设备100的取向。例如,可评估用户面部相对于设备100处于正常取向(例如,竖直),或相对于设备处于异常取向(例如,倒置)。在某些实施方案中,使用特征矢量256来评估用户面部的姿态。例如,可训练神经网络模块以基于特征矢量256来评估用户面部的姿态。在Gernoth等人的美国专利申请15/910,551中有评估特征矢量以确定用户面部姿态的示例,在此通过引用将其并入,如同全面阐述一般。在一些实施方案中,来自设备100上的一个或多个传感器的数据可用于基于设备的取向来评估用户面部的姿态。例如,设备100上的加速度计和/或陀螺仪可用于评估设备相对于用户面部或身体的取向,并且确定用户面部在所捕获图像中的姿态。
如图18所示,过程250”可基于在257中评估的姿态(除了使用模板空间220中的静态部分222之外)使用动态部分224或动态部分224’继续。在某些实施方案中,如本文所述,当姿态被评估为第一(正常或正面)姿态时,将动态部分224与静态部分222结合使用。当姿态被评估为第二(倒置或低俯仰角度)姿态时,可将动态部分224'与静态部分222结合使用。因此,除了尝试在所捕获的解锁尝试图像中认证用户的静态部分222之外,基于所评估的姿态,过程250”继续任选使用动态部分224或动态部分224'。
在某些实施方案中,在257中评估姿态并且基于所评估的姿态来确定要使用的动态部分之后,过程250”在258(或任选地258')中继续,如图18所示。在258(或258')中,将一个或多个特征矢量256与模板空间220的模板中的特征矢量(使用动态部分224或动态部分224')进行比较,以获得解锁尝试图像的匹配分数260(对于动态部分224)或匹配分数260'(对于动态部分224')。
在确定匹配分数260(或匹配分数260’,基于所评估的姿态)之后,可在262中将匹配分数与解锁阈值264(对于匹配分数260)或在262’中将匹配分数与解锁阈值264'(对于匹配分数260')进行比较。在某些实施方案中,解锁阈值264'比解锁阈值264具有更严格的约束(例如,更严格地匹配)。由于有特征可用于在具有第二姿态的图像中进行评估,可对解锁阈值264'施加更严格的约束。如上文所述,典型地,在第二(倒置或低俯仰角度)的姿态中,用户的下巴可能是突出的特征,而用户面部上部的某些部分,包括眼睛可能被遮住或遮挡,无法在图像中被评估(例如,对于眼睛或用户面部在眼睛周围的区域可以评估更少的特征矢量)。评估用户的下巴以确定用户的身份可能比评估用户眼睛中和周围的特征更不可靠。因此,为了保持适合设备100上的面部识别认证过程的安全水平,可对解锁阈值264'施加更严格的约束。
如图18所示,在基于所评估的姿态使用动态部分224时,如果匹配分数260高于解锁阈值264(即,解锁尝试图像中的用户的面部基本上匹配授权用户的面部),则将解锁尝试图像252中的用户认证为设备100的授权用户,并在266中对设备进行解锁。类似地,当基于所评估的姿态使用动态部分224'时,如果匹配分数260'高于解锁阈值264',则将解锁尝试图像252中的用户认证为设备100的授权用户,并在266’中对设备进行解锁。当在266(或266')中设备100被解锁之后,将解锁特征矢量256和经处理的匹配分数(匹配分数260或匹配分数260')提供给模板更新过程300(图10中所示)。模板更新过程300然后操作以更新已操作过程250”的对应动态部分(例如,动态部分224或动态部分224')。
在某些实施方案中,如图18所示,当基于所评估的姿态使用动态部分224时,如果匹配分数260低于解锁阈值264(例如,不等于或高于解锁阈值),则设备100保持锁定并且过程250”继续执行锁定协议460(图19中所示)。当基于所评估的姿态使用动态部分224’时,如果匹配分数260’低于解锁阈值264’(例如,不等于或高于解锁阈值),则设备100保持锁定并且过程250”继续执行锁定协议460’(图20中所示)。
图19描绘了锁定协议460的实施方案的流程图。如上所述,当匹配分数260低于解锁阈值264并且设备100保持锁定时,锁定协议460在面部识别认证过程250”中开始。锁定协议460可包括图9中所描绘的来自面部识别认证过程250的一些操作。例如,如图19所示,锁定协议460可从在268中设备未解锁开始。在270中,可对解锁尝试的数量(例如,利用在252中所捕获的不同解锁尝试图像尝试对设备100进行解锁的数量)进行计数。如果270中的解锁尝试的数量低于所选择的值(例如,阈值),则可利用另一解锁尝试图像(例如,捕获并处理用户的新图像)来再次运行过程250”。
如果解锁尝试的数量高于所选择的值,则在272中对设备100进行锁定,而不允许进一步尝试使用面部认证。在一些实施方案中,可(例如,在显示器108上)显示用于指示面部识别认证过程250”已失败和/或设备100的期望操作被限制或阻止执行的错误消息。在指定时间段内可在272中锁定设备100而不允许进一步尝试使用面部认证,和/或直到使用另一种认证协议对设备进行解锁。在一些实施方案中,使用解锁选项274来对设备100进行解锁。在某些实施方案中,使用274中的解锁选项中的一个来对设备100进行解锁之后,可将特征矢量256和匹配分数260提供给第二模板更新过程400(图13中所示)以更新动态部分224。
图20描绘了锁定协议460’的实施方案的流程图。如上所述,当匹配分数260’低于解锁阈值264’并且设备100保持锁定时,锁定协议460’在面部识别认证过程250”中开始。锁定协议460’可包括图9中所描绘的来自面部识别认证过程250的一些操作。例如,如图20所示,锁定协议460’可从在268’中设备未解锁开始。在270’中,可对解锁尝试的数量(例如,利用在252中所捕获的不同解锁尝试图像尝试对设备100进行解锁的数量)进行计数。如果270’中的解锁尝试的数量低于所选择的值(例如,阈值),则可利用另一解锁尝试图像(例如,捕获并处理用户的新图像)来再次运行过程250”。
如果解锁尝试的数量高于所选择的值,则在272’中对设备100进行锁定,而不允许进一步尝试使用面部认证。在一些实施方案中,可(例如,在显示器108上)显示用于指示面部识别认证过程250”已失败和/或设备100的期望操作被限制或阻止执行的错误消息。在指定时间段内可锁定设备100,而不允许在272’中进一步尝试使用面部认证,和/或直到使用另一种认证协议对设备进行解锁。在一些实施方案中,使用解锁选项274’来对设备100进行解锁。在某些实施方案中,使用274’中的解锁选项中的一个来对设备100进行解锁之后,可将特征矢量256和匹配分数260’提供给第二模板更新过程400(图13中所示)以更新动态部分224’。
在某些实施方案中,可由执行被存储在非暂态计算机可读介质上的指令的一个或多个处理器(例如,计算机处理器)来执行本文所述的一个或多个过程步骤。例如,图4、图9、图10和图13中所示的过程200、过程250、过程300和过程400可具有由执行在计算机可读存储介质(例如,非暂态计算机可读存储介质)中被存储为程序指令的指令的一个或多个处理器执行的一个或多个步骤。
图21描绘了示例性计算机系统510的一个实施方案的框图。示例性计算机系统510可用于实现本文所述的一个或多个实施方案。在一些实施方案中,计算机系统510可由用户操作以实施本文描述的一个或多个实施方案,诸如图4、图9、图10和图13中所示的过程200、过程250、过程300和过程400。在图21的实施方案中,计算机系统510包括处理器512、存储器514和各种外围设备516。处理器512耦接到存储器514和外围设备516。处理器512被配置为执行指令,该指令包括用于过程200、过程250、过程300和/或过程400的可处于软件中的指令。在各种实施方案中,处理器512可实现任何期望的指令集(例如,Intel架构-32(IA-32,也被称为x86)、具有64位扩展的IA-32、x86-64、PowerPC、Sparc、MIPS、ARM、IA-64等)。在一些实施方案中,计算机系统510可包括多于一个处理器。此外,处理器512可包括一个或多个处理器或一个或多个处理器内核。
处理器512可以任何期望的方式而被耦接到存储器514和外围设备516。例如,在一些实施方案中,处理器512可经由各种互连件而被耦接到存储器514和/或外围设备516。另选地或除此之外,可使用一个或多个桥接芯片来耦接处理器512、存储器514和外围设备516。
存储器514可包括任何类型的存储器系统。例如,存储器514可包括DRAM,并且更具体地包括双倍数据速率(DDR)SDRAM、RDRAM等。可包括存储器控制器以与存储器514接口连接,并且/或者处理器512可包括存储器控制器。存储器514可存储在使用期间由处理器512执行的指令,以及在使用期间由处理器操作的数据等。
外围设备516可表示可被包括在计算机系统510中或与其耦接的任何种类的硬件设备(例如,存储设备,可选地包括图22所示的计算机可访问存储介质600、其他输入/输出(I/O)设备诸如视频硬件、音频硬件、用户界面设备、联网硬件等)。
现在转向图22,即计算机可访问存储介质600的一个实施方案的框图,其包括表示集成电路设计中包括的设备100(图1中所示)的一个或多个数据结构以及表示过程200、过程250、过程300和/或过程400(图4、图9、图10和图13中所示)的一个或多个代码序列。每个代码序列可包括在由计算机中的处理器执行时实现针对对应的代码序列所述的操作的一个或多个指令。一般来讲,计算机可访问存储介质可包括在使用期间可被计算机访问以向计算机提供指令和/或数据的任何存储介质。例如,计算机可访问存储介质可包括非暂态存储介质诸如磁性介质或光学介质,例如磁盘(固定的或可拆卸的)、磁带、CD-ROM、DVD-ROM、CD-R、CD-RW、DVD-R、DVD-RW或蓝光。存储介质还可包括易失性或非易失性存储器介质,诸如RAM(例如,同步动态RAM(SDRAM)、Rambus DRAM(RDRAM)、静态RAM(SRAM)等)、ROM或闪存存储器。存储介质可被物理地包括在存储介质将指令/数据提供至其的计算机中。另选地,存储介质可连接至计算机。例如,存储介质可通过网络或无线链路诸如网络附接存储装置而被连接至计算机。存储介质可通过外围接口诸如通用串行总线(USB)而被连接。一般来讲,计算机可访问存储介质600可以非暂态方式存储数据,其中在该上下文中非暂态是指不通过信号传输指令/数据。例如,非暂态存储装置可为易失性的(并且响应于断电而可能会丢失所存储的指令/数据)或非易失性的。
根据本说明书,对本公开所描述的实施方案的各个方面的其他修改和替代实施方案对于本领域的技术人员而言将为显而易见的。因此,将本说明书理解为仅为例示性的并且用于教导本领域的技术人员执行这些实施方案的一般方式。应当理解,本文所示和所述的实施方案的形式将被当作目前优选的实施方案。元素与材料可被本文所示和所述的那些元素与材料替代,可反转部件和工艺,并且可独立地利用这些实施方案的某些特征,在受益于本说明书之后,所有这些对于本领域的技术人员而言都将为显而易见的。可在不脱离以下权利要求书的实质和范围的情况下对本文所述的元素作出修改。
Claims (20)
1.一种方法,包括:
使用位于设备上的相机来获得用户的面部的第一图像,所述设备包括计算机处理器和存储器;
对所述第一图像进行编码以生成至少一个第一特征矢量,其中所述第一特征矢量表示所述第一图像中的所述用户的一个或多个面部特征;
将所述第一特征矢量与所述设备的所述存储器中存储的一个或多个第一参考模板进行比较以获得第一匹配分数,其中所述第一参考模板包括用于所述设备上的第一注册配置文件的参考模板;
将所述第一特征矢量与所述设备的所述存储器中存储的一个或多个第二参考模板进行比较以获得第二匹配分数,其中所述第二参考模板包括用于所述设备上的第二注册配置文件的参考模板;
如果所述第一匹配分数或所述第二匹配分数中的至少一者高于解锁阈值,则授权所述用户在所述设备上执行需要认证的至少一个操作;
如果所述第一匹配分数高于第一阈值:
将所述第一特征矢量作为第一临时模板存储在设备的所述存储器中;以及
使用所述第一临时模板针对所述第一参考模板操作第一模板更新过程;并且
如果所述第二匹配分数高于第二阈值:
将所述第一特征矢量作为第二临时模板存储在设备的所述存储器中;以及
使用所述第二临时模板针对所述第二参考模板操作第二模板更新过程。
2.根据权利要求1所述的方法,其中所述第一阈值与所述第二阈值基本上相同。
3.根据权利要求1所述的方法,其中所述第一阈值和所述第二阈值高于所述解锁阈值。
4.根据权利要求1所述的方法,其中所述第一图像为所述用户的面部的红外图像。
5.根据权利要求1所述的方法,其中所述第一注册配置文件包括针对所述设备的所述用户的注册配置文件,并且其中所述第二注册配置文件包括针对所述设备的另外的用户的注册配置文件。
6.根据权利要求1所述的方法,其中所述第一注册配置文件包括针对所述设备的所述用户的第一外观的注册配置文件,并且其中所述第二注册配置文件包括针对所述设备的所述用户的第二外观的注册配置文件。
7.根据权利要求1所述的方法,其中所述第一模板更新过程包括:
使用所述相机来获得所述用户的面部的第二图像;
对所述第二图像进行编码以生成至少一个第二特征矢量,其中所述第二特征矢量表示所述第二图像中的所述用户的一个或多个面部特征;
通过比较所述第二特征矢量与所述第一临时模板获得第三匹配分数;
通过评估所述第三匹配分数是否高于第三阈值来评估所述第一临时模板的置信度分数;以及
如果所评估的置信度分数高于选择的置信度分数,则向所述第一参考模板添加所述第一临时模板。
8.根据权利要求1所述的方法,其中所述第一注册配置文件中的所述第一参考模板通过以下操作生成:
使用所述相机来获得所述用户的面部的多个参考图像;
选择参考图像,以用于基于所选择的参考图像满足针对所述参考图像的选择的标准来进行编码;
对来自所选择的参考图像的所述用户的多个面部特征进行编码,以生成所述多个参考特征矢量;以及
将所述多个参考特征矢量作为所述第一参考模板存储在所述设备的所述存储器中。
9.一种方法,包括:
使用位于设备上的相机来获得用户的面部的第一图像,所述设备包括计算机处理器和存储器;
对所述第一图像进行编码以生成至少一个第一特征矢量,其中所述第一特征矢量表示所述第一图像中的所述用户的一个或多个面部特征;
将所述第一特征矢量与所述设备的所述存储器中存储的一个或多个第一参考模板进行比较以获得第一匹配分数,其中所述第一参考模板包括用于所述设备上的第一注册配置文件的参考模板;
将所述第一特征矢量与所述设备的所述存储器中存储的一个或多个第二参考模板进行比较以获得第二匹配分数,其中所述第二参考模板包括用于所述设备上的第二注册配置文件的参考模板;
如果所述第一匹配分数或所述第二匹配分数中的至少一者高于解锁阈值,则授权所述用户在所述设备上执行需要认证的至少一个操作;或者
如果所述第一匹配分数和所述第二匹配分数都低于所述解锁阈值:
向所述用户提供继续至少一个附加认证协议的选项;以及
响应于经由所述至少一个附加认证协议接收到所述用户的授权:
如果所述第一匹配分数高于所述第二匹配分数,则针对所述第一参考模板操作模板更新过程;或者
如果所述第二匹配分数高于所述第一匹配分数,则针对所述第二参考模板操作所述模板更新过程。
10.根据权利要求9所述的方法,其中所述至少一个附加认证协议包括输入用于所述设备的密码。
11.根据权利要求9所述的方法,其中所述第一注册配置文件包括针对所述设备的所述用户的注册配置文件,并且其中所述第二注册配置文件包括针对所述设备的另外的用户的注册配置文件。
12.根据权利要求9所述的方法,其中所述第一注册配置文件包括针对所述设备的所述用户的第一外观的注册配置文件,并且其中所述第二注册配置文件包括针对所述设备的所述用户的第二外观的注册配置文件。
13.根据权利要求9所述的方法,其中所述模板更新过程包括:
如果所述第一匹配分数或所述第二匹配分数高于第一阈值,则将所述第一特征矢量作为临时模板存储在所述设备的所述存储器中;
使用所述相机来获得所述用户的面部的第二图像;
对所述第二图像进行编码以生成至少一个第二特征矢量,其中所述第二特征矢量表示所述第二图像中的所述用户的一个或多个面部特征;
将所述第二特征矢量与存储的所述临时模板进行比较,以获得第三匹配分数;
通过将所述第三匹配分数与第二阈值进行比较来评估所述临时模板的置信度分数,所述第二阈值高于所述第一阈值;以及
如果所评估的置信度分数高于选择的置信度分数,则向所述第一参考模板或所述第二参考模板添加所述临时模板。
14.根据权利要求13所述的方法,还包括使用所述临时模板来认证所述用户,以在选择的时间段内使用所述设备。
15.一种设备,包括:
相机;
至少一个照明器,所述至少一个照明器提供红外照明;
电路,所述电路耦接到所述相机和所述照明器,其中所述电路被配置为:
使用所述相机来获得用户的面部的第一图像;
对所述第一图像进行编码以生成至少一个第一特征矢量,其中所述第一特征矢量表示所述第一图像中的所述用户的一个或多个面部特征;
将所述第一特征矢量与所述设备的所述存储器中存储的一个或多个第一参考模板进行比较以获得第一匹配分数,其中所述第一参考模板包括用于所述设备上的第一注册配置文件的参考模板;
将所述第一特征矢量与所述设备的所述存储器中存储的一个或多个第二参考模板进行比较以获得第二匹配分数,其中所述第二参考模板包括用于所述设备上的第二注册配置文件的参考模板;
如果所述第一匹配分数或所述第二匹配分数中的至少一者高于解锁阈值,则授权所述用户在所述设备上执行需要认证的至少一个操作;
如果所述第一匹配分数高于第一阈值:
将所述第一特征矢量作为第一临时模板存储在设备的所述存储器中;以及
使用所述第一临时模板针对所述第一参考模板操作第一模板更新过程;并且
如果所述第二匹配分数高于第二阈值:
将所述第一特征矢量作为第二临时模板存储在设备的所述存储器中;以及
使用所述第二临时模板针对所述第二参考模板操作第二模板更新过程。
16.根据权利要求15所述的设备,其中所述电路被配置为执行注册过程以生成所述第一注册配置文件和所述第二注册配置文件。
17.根据权利要求16所述的设备,其中所述电路在执行所述注册过程时被配置为:
使用所述相机来获得所述用户的面部的多个参考图像;
选择参考图像,以用于基于所选择的参考图像满足针对所述参考图像的选择的标准来进行编码;
对来自所选择的参考图像的所述用户的多个面部特征进行编码,以生成所述多个参考特征矢量;以及
将所述多个参考特征矢量作为所述参考模板存储在所述设备的所述存储器中。
18.根据权利要求15所述的设备,其中所述第一注册配置文件包括针对所述设备的所述用户的注册配置文件,并且其中所述第二注册配置文件包括针对所述设备的另外的用户的注册配置文件。
19.根据权利要求15所述的设备,其中所述第一注册配置文件包括针对所述设备的所述用户的第一外观的注册配置文件,并且其中所述第二注册配置文件包括针对所述设备的所述用户的第二外观的注册配置文件。
20.根据权利要求15所述的设备,其中所述电路被配置为响应于移除所述第一注册配置文件的请求或移除所述第二注册配置文件的请求而移除所述第一注册配置文件和所述第二注册配置文件两者。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862679846P | 2018-06-03 | 2018-06-03 | |
US62/679,846 | 2018-06-03 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110555364A true CN110555364A (zh) | 2019-12-10 |
CN110555364B CN110555364B (zh) | 2021-04-02 |
Family
ID=66821433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910465799.4A Active CN110555364B (zh) | 2018-06-03 | 2019-05-31 | 面部识别中的多次注册 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3785166A1 (zh) |
KR (1) | KR102564951B1 (zh) |
CN (1) | CN110555364B (zh) |
WO (1) | WO2019236284A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021190133A1 (zh) * | 2020-03-24 | 2021-09-30 | 华为技术有限公司 | 图像处理方法及系统 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368721B (zh) * | 2020-03-03 | 2023-05-05 | 深圳市腾讯计算机系统有限公司 | 身份识别的处理方法、装置、电子设备及存储介质 |
CN111641640B (zh) * | 2020-05-28 | 2022-10-28 | 青岛海尔科技有限公司 | 一种设备绑定处理方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100275258A1 (en) * | 2009-03-26 | 2010-10-28 | Fujitsu Limited | Method and apparatus for processing biometric information |
CN102004908B (zh) * | 2010-11-30 | 2012-10-17 | 汉王科技股份有限公司 | 一种自适应的人脸识别方法及装置 |
US20130138657A1 (en) * | 2011-11-29 | 2013-05-30 | Nokia Corporation | Method, apparatus and computer program product for classification of objects |
CN103310181A (zh) * | 2012-03-07 | 2013-09-18 | 华晶科技股份有限公司 | 人脸辨识系统及其人脸辨识方法 |
US20170286790A1 (en) * | 2016-03-31 | 2017-10-05 | Princeton Identity, Inc. | Biometric Enrollment Systems And Methods |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8150142B2 (en) | 2007-04-02 | 2012-04-03 | Prime Sense Ltd. | Depth mapping using projected patterns |
US8384997B2 (en) | 2008-01-21 | 2013-02-26 | Primesense Ltd | Optical pattern projection |
US10054430B2 (en) | 2011-08-09 | 2018-08-21 | Apple Inc. | Overlapping pattern projector |
US8749796B2 (en) | 2011-08-09 | 2014-06-10 | Primesense Ltd. | Projectors of structured light |
US8831295B2 (en) * | 2012-03-21 | 2014-09-09 | Authentec, Inc. | Electronic device configured to apply facial recognition based upon reflected infrared illumination and related methods |
JP2016081071A (ja) * | 2014-10-09 | 2016-05-16 | 富士通株式会社 | 生体認証装置、生体認証方法及びプログラム |
JP2016081249A (ja) * | 2014-10-15 | 2016-05-16 | 株式会社ソニー・コンピュータエンタテインメント | 情報処理装置および情報処理方法 |
-
2019
- 2019-05-21 KR KR1020207034847A patent/KR102564951B1/ko active IP Right Grant
- 2019-05-21 EP EP19730008.0A patent/EP3785166A1/en not_active Withdrawn
- 2019-05-21 WO PCT/US2019/033356 patent/WO2019236284A1/en unknown
- 2019-05-31 CN CN201910465799.4A patent/CN110555364B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100275258A1 (en) * | 2009-03-26 | 2010-10-28 | Fujitsu Limited | Method and apparatus for processing biometric information |
CN102004908B (zh) * | 2010-11-30 | 2012-10-17 | 汉王科技股份有限公司 | 一种自适应的人脸识别方法及装置 |
US20130138657A1 (en) * | 2011-11-29 | 2013-05-30 | Nokia Corporation | Method, apparatus and computer program product for classification of objects |
CN103310181A (zh) * | 2012-03-07 | 2013-09-18 | 华晶科技股份有限公司 | 人脸辨识系统及其人脸辨识方法 |
US20170286790A1 (en) * | 2016-03-31 | 2017-10-05 | Princeton Identity, Inc. | Biometric Enrollment Systems And Methods |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021190133A1 (zh) * | 2020-03-24 | 2021-09-30 | 华为技术有限公司 | 图像处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
KR102564951B1 (ko) | 2023-08-07 |
WO2019236284A1 (en) | 2019-12-12 |
CN110555364B (zh) | 2021-04-02 |
KR20210003916A (ko) | 2021-01-12 |
EP3785166A1 (en) | 2021-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10430645B2 (en) | Facial recognition operations based on pose | |
CN109325327B (zh) | 用于更新在面部识别中所使用的模板的过程 | |
KR102535676B1 (ko) | 얼굴 인식을 위한 자동 재개시 | |
CN110889320B (zh) | 眼周面部识别切换 | |
CN111066025B (zh) | 用于困难生物识别认证情况的静脉匹配 | |
US11113510B1 (en) | Virtual templates for facial recognition | |
US11367305B2 (en) | Obstruction detection during facial recognition processes | |
US10769415B1 (en) | Detection of identity changes during facial recognition enrollment process | |
CN110895689B (zh) | 用于面部识别认证的混合模式照明 | |
CN110555364B (zh) | 面部识别中的多次注册 | |
AU2020100218A4 (en) | Process for updating templates used in facial recognition | |
US11935327B1 (en) | On the fly enrollment for facial recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |