CN110569760A - 一种基于近红外和远程光电体积描记术的活体检测方法 - Google Patents
一种基于近红外和远程光电体积描记术的活体检测方法 Download PDFInfo
- Publication number
- CN110569760A CN110569760A CN201910794798.4A CN201910794798A CN110569760A CN 110569760 A CN110569760 A CN 110569760A CN 201910794798 A CN201910794798 A CN 201910794798A CN 110569760 A CN110569760 A CN 110569760A
- Authority
- CN
- China
- Prior art keywords
- detected
- detection
- image
- vital sign
- visible light
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于近红外和远程光电体积描记术的活体检测方法,属于计算、推算、计数的技术领域。该方法:定位待检测对象的面部区域进行人脸识别;对通过人脸识别的对象获取面部的近红外光图像,通过检测近红外光图像获取红外光图像为翻拍自屏幕介质的评分;获取通过屏幕翻拍检测的对象的面部图像序列,利用远程光电体积描记术对待测图像序列进行生命体征信号的提取,辨别待检测对象是否为活体人脸。本发明提高了活体检测的鲁棒性,具备更强的分类和学习能力,能较好地应对三维面具、视频、照片翻拍等表示攻击,区分结果准确率较高。叠加最短周期信号提取生命特征信号的改进型远程光电体积描记术则无需先验知识,能够适应实际使用场景的需求。
Description
技术领域
本发明公开了一种基于近红外和远程光电体积描记术的活体检测方法,涉及人脸识别技术,属于计算、推算、计数的技术领域。
背景技术
随着神经网络的发展,基于特征学习的人脸识别技术日益成熟。如今,人脸识别技术已被广泛应用于门禁系统、电子支付、车站等诸多需要身份认证的场景中。然而,传统的人脸识别算法只关注于识别人脸所属对象的身份信息,对于待检测人脸是否来源于真实的对象关注程度不高。在面对如合法用户的照片、预先录制的视频和三维面具等攻击手段时,传统的人脸识别系统无法判别待测对象是否来源于真人,仅能根据待测对象判断身份信息,这将为用户的财产乃至生命安全埋下隐患。因而,活体检测方法的开发对健全人脸识别系统起着至关重要的作用。
目前,常见的人脸活体检测方法主要包含基于纹理分析的人脸活体检测方法、基于动作配合的方法、基于神经的活体检测方法这三种。
基于纹理分析分析的人脸活体检测方法利用不同传播媒介成像中纹理差异,人工选择用于判别真人与非真人的特征进行活体检测。这种方法很大程度上依赖于特征的选择,随着图像拍摄以及打印技术的发展,这种方法在实际场景下的应用空间被进一步缩小,识别的准确程度差。
基于动作配合的方法需要待测对象按系统要求完成一个或者一系列指定的动作,如摇头、眨眼等,来检测是否为活体。这种方法检测效果较好,被广泛应用于手机等移动终端,但是基于动作配合的活体检测方法需要频繁的人机交互,效率低,用户体验差。
基于神经的活体检测方法利用神经网络从大量的样本中自动学习可以用于判别活体的特征,对待测对象进行特征分析从而实现活体检测。但是这种方法依赖于大量的数据集、复杂的网络结构和大量的计算资源,在移动终端中难以部署,难以适应当前的潮流趋势。
目前,还有利用远程光电体积描记术用以实现人脸活体检测的方案,这种方案在面对例如翻拍视频的图像序列攻击时存在错误识别生命体征信号的缺陷,会造成错误识别的问题。
综上所述,已有人脸活体检测方法具有各自的缺陷,存在导致活体检测效果较差的问题,无法满足实际使用的需求。
发明内容
本发明的发明目的是针对上述背景技术的不足,提供了一种基于近红外和远程光电体积描记术的活体检测方法,充分利用人脸图像信息进行无感的人脸活体检测,提高人脸活体检测准确性和用户友好性,解决了传统活体检测方法难以同时对视频和面具攻击进行鲁棒检测的技术问题。
本发明为实现上述发明目的采用如下技术方案:
一种基于近红外和远程光电体积描记术的活体检测方法,包括如下三大步骤。
步骤一:对待检测图像进行人脸检测,截取待检测图像中检测到的人脸区域,将截取的人脸图像输入至用于人脸识别的算法中,输出该人脸图像中的个体是否为人脸识别库内的用户;若输出该用户不属于人脸识别库内用户,则判定当前检测对象为非法用户,输出人脸识别不通过,停止后续步骤;若输出该用户属于人脸识别库内用户,则判定当前检测对象通过人脸识别。
步骤二:近红外图像检测。采用近红外摄像头对通过步骤一人脸识别的当前检测对象进行拍摄,获得近红外光人脸图像。将近红外光图像输入用于检测图像成分的算法中,输出该图像来自于屏幕翻拍的评分s,并根据预先设置的阈值对评分s进行判断,若评分s的值高于预先设置的阈值,则判定当前检测对象为非法用户,输出屏幕翻拍检测不通过,停止后续步骤;若评分s低于预先设置的阈值,则判定当前检测对象通过屏幕翻拍检测。
步骤三:生命体征检测。对于通过屏幕翻拍检测的当前检测对象,获取包含检测对象面部区域的可见光图像序列,输入至用于获取生命体征信号的计算机算法中,输出获得当前检测对象的生命体征信号hr,若hr在预先确定的信号阈值范围内,则判定当前检测对象为合法真人,人脸活体检测通过;若hr不在预先确认的信号阈值范围内,则判定当前检测对象为非真人,人脸活体检测不通过。
优选地,步骤二中使用近红外光源对通过人脸识别的当前待检测对象的人脸区域进行照射,以保证近红外相机接收到足够的近红外光成分。
优选地,步骤二中增加使用可见光相机对通过人脸识别的当前待检测对象的人脸区域进行拍摄,将可见光相机的成像输入至检测图像摩尔纹的算法中,输出可见光相机成像是否包含摩尔纹成分的评分v,对评分v和s进行加权计算得出是否来源于屏幕翻拍的评分p,并根据预先设置的阈值对评分p进行判断,若评分p的值高于预先设置的阈值,则判定当前检测对象为非真人,屏幕翻拍检测不通过;若评分p低于预先设置的阈值,则判定当前检测对象通过屏幕翻拍检测。
可选地,将获取的可见光图像序列输入至训练好的用于实现基于远程光电体积描记术算法的递归神经网络,递归神经网络输出待检测对象的生命体征信号h2,若h2在预先确定的信号阈值范围内,则判定当前检测对象为合法真人,人脸活体检测通过;若h2不在预先确认的信号阈值范围内,则判定当前检测对象为非真人,人脸活体检测不通过。
可选地,步骤三中获取的包含检测对象面部区域的可见光图像序列通过从可见光相机成像中截取多个包含面部皮肤的子区域和背景中不包含人脸区域的多个子区域形成,利用该可见光图像序列进行人脸活体检测能够获得受外界光照强度变化影响较小的生命体征信号。
本发明采用上述技术方案,具有以下有益效果:
(1)本申请提出的活体检测方法基于近红外光对屏幕介质与人脸所成图像中反射成分的差异,以及传统的表示攻击(Presentation Attack)中的三维面具攻击和照片翻拍攻击与真实人脸在远程光电体积描记术获取的生命体征信号上的差异,综合利用近红外成像识别视频攻击效果好的优点以及远程光电体积描记术对翻拍照片和三维面具攻击识别准确率高的优点,提高了活体检测的鲁棒性,具备更强的分类和学习能力,提高了对翻拍照片、视频和三维面具的表示攻击识别效果,区分结果准确率较高。
(2)本申请提出了通过叠加最短周期信号获取生命体征信号改进型远程光电体积描记术算法,不需要事先知道血容量脉搏方向和标准化肤色的先验知识即可检测生命体征信号,事先确定光照方向与实际光照方向随时间产生的一致性差异对生命体征信号检测的影响较小,基于该改进型远程光电体积描记术算法的活体检测方法能够适应实际使用场景的需求。
(3)本申请提出的活体检测方法是是无交互的活体检测过程,能够实现无感检测,用户友好性高。
(4)本申请涉及的红外图像检测算法、远程光电体积描记术可以根据检测终端的性能选择占用计算资源少的传统计算机视觉算法和精度高的神经网络算法,可迁移性高。
(5)采用传统的计算机视觉方法实现本申请的活体检测方法时,不需要大量的存储空间和计算资源,降低了系统的复杂程度,易于在手机、平板等移动终端中实现。
附图说明
图1为本发明提供的基于近红外成像和远程光电体积描记术的人脸活体检测方法的流程示意图。
具体实施方式
为更加清楚地阐述本发明的发明目的、技术方案和技术效果,下面将结合本图1对本发明中的技术方案进行清楚、详细地示例性描述,显然,所描述的实施例是本发明技术方案的一种具体实现方式而非包含全部可实现方式。基于本发明中所列举的实施例,本领域技术人员在本申请发明构思的指导下获得的所有其他实施例均落入本发明保护的范围。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“一些示例”等示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何一个或多个实施例或示例中以合适的方式结合。
如图1所示,本申请提出的一种基于近红外成像和远程光电体积描记术的人脸活体检测方法,包括以下三大步骤。
(一)对待检测对象进行人脸识别
采用人脸检测算法检测出待检测图像中的人脸位置,若未检测到人脸则判定人脸识别失败;若检测到人脸,则根据检测的人脸位置,比对待检测图像相应位置包含的人脸区域进行与人脸库中已注册的用户。根据比对结果进行判断:若待检测图像中包含的人脸不属于人脸库中已注册用户,则判定人脸识别不通过;若待检测图像中包含的人脸属于人脸库中某一注册用户,则判定人脸识别通过。
(二)对待检测对象进行屏幕翻拍检测
获取通过人脸识别的待检测对象的近红外人脸图像,输入至用于检测图像成分算法中。比对检测图像成分算法输出的该图像来自于屏幕翻拍的评分s和预先设置的阈值:若评分s的值高于预先设置的阈值,则判定当前检测对象为非法用户,输出屏幕翻拍检测不通过,停止后续步骤;若评分s低于预先设置的阈值,则判定当前检测对象通过屏幕翻拍检测。
还可以结合可见光相机成像是否包含摩尔纹成分的评分v,对评分v和s进行加权计算得出是否来源于屏幕翻拍的评分p,比对评分p和预先设置的阈值来判断待检测对象是否通过屏幕翻拍检测。
(三)利用改进型远程光电体积描记术进行活体检测
获取包含通过屏幕翻拍的待检测对象的面部及部分背景的可见光图像序列,利用最短周期信号叠加的远程光电体积描记术算法对待测可见光图像序列进行生命体征信号的检测。
利用最短周期信号叠加的远程光电体积描记术检测生命体征信号的算法流程如下:
以fps为帧率获取可见光图像序列,时间为T,共获得fps*T张图像;
使用检测皮肤的算法获取每张可见光图像中所有可见的皮肤区域的像素点颜色分量,t时刻图像包含的皮肤像素点颜色分量由以式(1)表示,其中,n表示构成皮肤区域像素点的总数:
计算t时刻图像中构成皮肤区域的所有像素点在r、g、b三个通道的平均值,如式(2)所示:
对[m,t0]这一时间段内获得的图像序列的所有像素点颜色分量进行如下时域均值归一化处理:
其中,t0表示当前时刻,m=t0-l+1>0,l为计算h的图像序列长度,选择的l的长度必须大于远程光电体积描记术最短周期信号的一个周期: 均为1*(t0-m)的向量,[m,t0]这一时间段内图像中所有皮肤像素点的r通道值、g通道值、b通道值的平均值向量,中的第k个元素表示在(m+k)时刻的图像中所有皮肤像素点的r通道值的平均值;为[m,t0]这一时间段内图像中所有皮肤像素点r通道值的期望值,为[m,t0]这一时间段内图像中所有皮肤像素点g通道值的期望值,为[m,t0]这一时间段内图像中所有皮肤像素点b通道值的期望值。
用投影矩阵Porthogonal对均值归一化处理后得到的的t时刻像素强度向量Ct进行投影变换,投影矩阵的两个行向量相互正交:
S=Porthogonal·Ct (4),
式(4)中,Ct是一个3*q的矩阵,q为(或或)所包含的元素个数,S1和S2分别为S的第一行向量和第二个行向量,并计算每个最短周期信号h,σ(S1)、σ(S2)分别为S1和S2的标准差,
对每个最短周期信号h进行零均值化处理,以步长为1的最短周期信号叠加到根据前一最短周期信号计算的生命体征信号中直至获得长度为fps*T的生命体征信号序列H:
最终输出的H的序列可以用于计算如心率、血氧饱和度等生命体征信号,用于活体检测的判断。
其中,上述利用Hm→n的序列计算心率的具体步骤包括:
使用快速傅里叶变换计算最大频率,使用Welch法进行功率谱密度估计,以[0.8,3.0]为阈值范围获取频率中感兴趣的区间,并获取属于该区间中功率谱密度最大的频率,该频率即为每秒心率,可以用作活体检测的判断。
为降低噪声频谱的影响,可预先确定功率谱密度次大的频率相对于功率谱密度最大的频率确定的最小谱密度比值,若实际测得功率谱密度次大的频率与最大的频率的比值大于该预先确定的比值,则继续实行后续步骤,若小于该比值,则判定活体检测不通过。
其中,上述判断待识别对象为活体人脸的步骤具体包括:根据实际活体检测的场景,预先确定一个活体的生命体征信号的阈值范围,将输出的心率与阈值范围比对,若输出心率属于该范围内,则判定为活体,若不属于该范围内,则判定活体检测不通过。
Claims (10)
1.一种基于近红外和远程光电体积描记术的活体检测方法,其特征在于,对待检测对象进行人脸识别,对通过人脸识别的待检测对象进行基于近红外图像检测的屏幕翻拍检测,对通过屏幕翻拍图像检测的待检测对象进行基于远程光电体积描记术的生命体征信号序列检测,根据生命特征信号序列计算待检测对象的生命特征信号,生命特征信号在阈值范围内的待检测对象通过活体检测。
2.根据权利要求1所述一种基于近红外和远程光电体积描记术的活体检测方法,其特征在于,对通过人脸识别的待检测对象进行基于近红外图像检测的屏幕翻拍检测的方法为:获取通过人脸识别的待检测对象的近红外人脸图像,对获得的近红外人脸图像进行图像成分检测获得近红外图像为翻拍自屏幕介质的评分,在评分超过设定阈值时判定待检测对象未通过屏幕翻拍检测并结束活体检测,在评分未超过设定阈值时判定待检测对象通过屏幕翻拍检测。
3.根据权利要求2所述一种基于近红外和远程光电体积描记术的活体检测方法,其特征在于,对通过人脸识别的待检测对象进行基于近红外图像检测的屏幕翻拍检测的方法为:获取通过人脸识别的待检测对象的可见光图像,对获取的可见光图像进行摩尔纹检测获得摩尔纹成分的评分,对翻拍自屏幕介质的评分与摩尔纹成分的评分进行加权获得屏幕翻拍的评分,在屏幕翻拍的评分超过设定阈值时判定待检测对象未通过屏幕翻拍检测并结束活体检测,在评分未超过设定阈值时判定待检测对象通过屏幕翻拍检测。
4.根据权利要求1所述一种基于近红外和远程光电体积描记术的活体检测方法,其特征在于,对通过屏幕翻拍图像检测的待检测对象进行基于远程光电体积描记术的生命体征信号序列检测的方法为:获取通过屏幕翻拍检测的待检测对象的可见光图像序列,根据计算生命体征信号所需的最短周期将可见光图像序列分为若干可见光子图像序列,根据可见光图像子序列像素强度向量投影变换后的矩阵构建最短周期信号,叠加最短周期信号得到生命体征信号序列。
5.根据权利要求4所述一种基于近红外和远程光电体积描记术的活体检测方法,其特征在于,所述待检测对象的可见光图像序列通过从可见光相机成像中截取多个包含面部皮肤的子区域和背景中不包含人脸区域的多个子区域形成。
6.根据权利要求4所述一种基于近红外和远程光电体积描记术的活体检测方法,其特征在于,根据计算生命体征信号所需的最短周期将可见光图像序列分为若干可见光图像子序列的方法为:计算最短周期信号所需的可见光图像子序列长度大于远程光电体积描记术最短周期信号的一个周期,且满足m=t0-l+1>0,[m,t0]为获取可见光图像子序列的时间段。
7.根据权利要求4所述一种基于近红外和远程光电体积描记术的活体检测方法,其特征在于,所述最短周期信号的表达式为:h为最短周期信号,S1、S2分别为可见光图像子序列像素强度向量Ct投影变换后的矩阵S的第一行向量和第二个行向量,σ(S1)、σ(S2)分别为S1和S2的标准差,=Porthogonal·Ct,Porthogonal为投影矩阵,Ct为t时刻可见光图像子序列像素强度向量, 为t时刻可见光图像子序列像素强度向量在r通道、g通道值、b通道的分量,为[m,t0]这一时间段内图像中所有皮肤像素点的r通道值、g通道值、b通道值的平均值向量,为[m,t0]这一时间段内图像中所有皮肤像素点r通道值的期望值,为[m,t0]这一时间段内图像中所有皮肤像素点g通道值的期望值,为[m,t0]这一时间段内图像中所有皮肤像素点b通道值的期望值。
8.根据权利要求4所述一种基于近红外和远程光电体积描记术的活体检测方法,其特征在于,根据生命特征信号序列计算待检测对象的生命特征信号的方法为:对生命体征信号序列进行快速傅里叶变换获得最大频率,估计功率谱密度并在功率谱密度设定阈值范围内获取功率谱的感兴趣区间,提取感兴趣区间中功率谱密度最大的频率为心率,以心率为生命特征信号进行后续的活体检测。
9.根据权利要求8所述一种基于近红外和远程光电体积描记术的活体检测方法,其特征在于,以功率谱密度次大频率相对于功率谱密度最大频率确定的最小谱密度比值为生命特征信号进行后续的活体检测。
10.一种移动终端,其特征在于,包括:存储器、处理器及存储在存储器上并可以在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1所述活体检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910794798.4A CN110569760B (zh) | 2019-08-27 | 2019-08-27 | 一种基于近红外和远程光电体积描记术的活体检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910794798.4A CN110569760B (zh) | 2019-08-27 | 2019-08-27 | 一种基于近红外和远程光电体积描记术的活体检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110569760A true CN110569760A (zh) | 2019-12-13 |
CN110569760B CN110569760B (zh) | 2023-05-26 |
Family
ID=68776347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910794798.4A Active CN110569760B (zh) | 2019-08-27 | 2019-08-27 | 一种基于近红外和远程光电体积描记术的活体检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110569760B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767788A (zh) * | 2020-05-12 | 2020-10-13 | 贵阳像树岭科技有限公司 | 一种非交互式单目活体检测方法 |
CN112801057A (zh) * | 2021-04-02 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113907733A (zh) * | 2020-07-10 | 2022-01-11 | 四川瑞蓝智博科技有限公司 | 博纳希ai |
CN117994865A (zh) * | 2024-04-01 | 2024-05-07 | 杭州海康威视数字技术股份有限公司 | 一种双目面部匹配方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122709A (zh) * | 2017-03-17 | 2017-09-01 | 上海云从企业发展有限公司 | 活体检测方法及装置 |
CN108154111A (zh) * | 2017-12-22 | 2018-06-12 | 泰康保险集团股份有限公司 | 活体检测方法、系统、电子设备及计算机可读介质 |
-
2019
- 2019-08-27 CN CN201910794798.4A patent/CN110569760B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122709A (zh) * | 2017-03-17 | 2017-09-01 | 上海云从企业发展有限公司 | 活体检测方法及装置 |
CN108154111A (zh) * | 2017-12-22 | 2018-06-12 | 泰康保险集团股份有限公司 | 活体检测方法、系统、电子设备及计算机可读介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767788A (zh) * | 2020-05-12 | 2020-10-13 | 贵阳像树岭科技有限公司 | 一种非交互式单目活体检测方法 |
CN113907733A (zh) * | 2020-07-10 | 2022-01-11 | 四川瑞蓝智博科技有限公司 | 博纳希ai |
CN112801057A (zh) * | 2021-04-02 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
WO2022206319A1 (zh) * | 2021-04-02 | 2022-10-06 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备、存储介质计算机程序产品 |
CN117994865A (zh) * | 2024-04-01 | 2024-05-07 | 杭州海康威视数字技术股份有限公司 | 一种双目面部匹配方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110569760B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Hierarchical cross-modal talking face generation with dynamic pixel-wise loss | |
Gideon et al. | The way to my heart is through contrastive learning: Remote photoplethysmography from unlabelled video | |
CN110569760B (zh) | 一种基于近红外和远程光电体积描记术的活体检测方法 | |
CN110991281B (zh) | 一种动态人脸识别方法 | |
Savvides et al. | Efficient design of advanced correlation filters for robust distortion-tolerant face recognition | |
US20110299774A1 (en) | Method and system for detecting and tracking hands in an image | |
Raghavendra et al. | Exploring the usefulness of light field cameras for biometrics: An empirical study on face and iris recognition | |
CN108197586A (zh) | 脸部识别方法和装置 | |
JP2008501172A (ja) | 画像比較方法 | |
CN111274928A (zh) | 一种活体检测方法、装置、电子设备和存储介质 | |
JP2014184002A (ja) | 生体検知装置、顔認証装置、撮像装置、生体検知方法及び生体検知プログラム | |
Kim et al. | Exposing fake faces through deep neural networks combining content and trace feature extractors | |
Li et al. | Video is all you need: Attacking PPG-based biometric authentication | |
Li et al. | Image reflection removal via contextual feature fusion pyramid and task-driven regularization | |
Chen et al. | Sound to visual: Hierarchical cross-modal talking face video generation | |
Bhattacharya et al. | Visual saliency detection using spatiotemporal decomposition | |
Peng et al. | Presentation attack detection based on two-stream vision transformers with self-attention fusion | |
Waseem et al. | DeepFake on Face and Expression Swap: A Review | |
Chen et al. | Hierarchical cross-modal talking face generationwith dynamic pixel-wise loss | |
Ma et al. | Multi-perspective dynamic features for cross-database face presentation attack detection | |
CN110321782B (zh) | 一种检测人体特征信号的系统 | |
CN109325905A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
Sun et al. | Multimodal face spoofing detection via RGB-D images | |
Alanazi | Comparative Analysis of Deep Fake Detection Techniques | |
CN114219868A (zh) | 一种护肤方案推荐方法和系统 |
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 |