CN110826486A - 人脸识别辅助检测方法及装置 - Google Patents
人脸识别辅助检测方法及装置 Download PDFInfo
- Publication number
- CN110826486A CN110826486A CN201911072414.4A CN201911072414A CN110826486A CN 110826486 A CN110826486 A CN 110826486A CN 201911072414 A CN201911072414 A CN 201911072414A CN 110826486 A CN110826486 A CN 110826486A
- Authority
- CN
- China
- Prior art keywords
- frame rate
- high frame
- face recognition
- rate mode
- module
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000005070 sampling Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000009471 action Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000003128 head Anatomy 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241001025261 Neoraja caerulea Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
Images
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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本公开实施例公开了一种人脸识别辅助检测方法及装置。其中，该方法包括：启动摄像装置，确定当前采集区域范围内存在待检测人体，进入人脸识别模式；在高帧率模式下连续采集至少3张所述人体面部的RGB图像，其中，所述高帧率模式为每秒60帧以上的采样频率；按时间顺序依次两两比对所述RGB图像，在至少一次比对结果的相似程度满足预设条件时，确定发现非活体的视频攻击。
Description
技术领域
本公开涉及图像识别技术领域，具体涉及一种人脸识别辅助检测方法、装置、电子设备及存储介质。
背景技术
近年来，随着认知智能技术的发展，人脸识别被应用到越来越多的场合中，由于人脸识别涉及到用户生物信息、同时多被应用于个人验证等场景，对识别的准确性和系统的安全性均有较高的要求。典型地，任何用户身份验证的安全性最重要的要求之一就是防止身份伪冒，对于生物特征识别来说，防伪冒的一个关键技术就是活体检测。
现有的人脸识别活体检测方案通常分为硬件检测和软件检测两类：其中，硬件检测主要依赖3D结构光摄像头、TOF(Time of Flight)摄像头或者是红外双目摄像头等设备，采用这些设备可以得到3D图像，然后通过3D图像能直接进行比较准确的活体检测。软件检测则是采用普通2D摄像头结合脸部动作的方式来进行活体检测，脸部动作通常包括用户人脸左转、右转、抬头、低头、眨眼和张嘴等。
然而，发明人在实现本公开实施例相关技术方案的过程中发现，现有技术至少存在以下问题：硬件检测的成本非常高，3D结构光摄像头价格通常在500元以上，TOF摄像头通常在300元以上，红外双目摄像头也通常在250元以上，因而硬件检测方式只能在大型设备或高端设备中应用，中低端设备显然无法承受硬件检测的成本。而软件检测方式虽然降低了成本，但是需要与用户交互并让用户按指示完成一系列动作，这严重依赖于用户的配合程度且一组动作下来通常至少需要2分钟，检测不成功时还要重来，导致活体检测的操作复杂且时间长，用户体验很不好。
发明内容
针对现有技术中的上述技术问题，本公开实施例提出了一种人脸识别辅助检测方法、装置、电子设备及计算机可读存储介质，以解决现有技术中人脸识别的活体检测很难兼顾成本和检测效率的问题。
本公开实施例的第一方面提供了一种人脸识别辅助检测方法，包括：
启动摄像装置，确定当前采集区域范围内存在待检测人体，进入人脸识别模式；
在高帧率模式下连续采集至少3张所述人体面部的RGB图像，其中，所述高帧率模式为每秒60帧以上的采样频率；
按时间顺序依次两两比对所述RGB图像，在至少一次比对结果的相似程度满足预设条件时，确定发现非活体的视频攻击。
在一些实施例中，所述方法还包括：在要求所述人体进行指定动作和/或控制设备使所述采集区域出现指定的动态变化时启动所述高帧率模式。
在一些实施例中，所述高帧率模式为每秒120帧以上的采样频率。
在一些实施例中，所述方法还包括：根据应用场景、安全要求和合法用户反馈信息的统计结果中的至少一项来动态设定或调整所述预设条件。
在一些实施例中，所述比对包括：比对所述RGB图像整体、核心区域和背景区域中至少一个的相似度。
本公开实施例的第二方面提供了一种脸识别辅助检测装置，包括：
人脸识别启动模块，用于启动摄像装置，确定当前采集区域范围内存在待检测人体，进入人脸识别模式；
采集模块，用于在高帧率模式下连续采集至少3张所述人体面部的RGB图像，其中，所述高帧率模式为每秒60帧以上的采样频率；
比对判断模块，用于按时间顺序依次两两比对所述RGB图像，在至少一次比对结果的相似程度满足预设条件时，确定发现非活体的视频攻击。
在一些实施例中，所述装置还包括：高帧率采样启动模块，用于在要求所述人体进行指定动作和/或控制设备使所述采集区域出现指定的动态变化时启动所述高帧率模式。
在一些实施例中，所述高帧率模式为每秒120帧以上的采样频率。
在一些实施例中，所述装置还包括：条件设定/调整模块，用于根据应用场景、安全要求和合法用户反馈信息的统计结果中的至少一项来动态设定或调整所述预设条件。
在一些实施例中，所述比对判断模块包括：按需比对模块，用于比对所述RGB图像整体、核心区域和背景区域中至少一个的相似度。
本公开实施例的第三方面提供了一种电子设备，包括：
存储器以及一个或多个处理器；
其中，所述存储器与所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行时，所述电子设备用于实现如前述各实施例所述的方法。
本公开实施例的第四方面提供了一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被计算装置执行时，可用来实现如前述各实施例所述的方法。
本公开实施例的第五方面提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，可用来实现如前述各实施例所述的方法。
本公开实施例使用成本较低的2D摄像头、在无需复杂软件处理的情况下快速进行活体检测，可以高效快捷地检测视频攻击，防止用户身份的假冒，有效增强了人脸识别的安全性。
附图说明
通过参考附图会更加清楚的理解本公开的特征和优点，附图是示意性的而不应理解为对本公开进行任何限制，在附图中：
图1是根据本公开的一些实施例所示的一种人脸识别辅助检测方法流程示意图；
图2是根据本公开的一些实施例所示的一种人脸识别辅助检测装置模块结构示意图；
图3是根据本公开的一些实施例所示的一种电子设备的结构示意图。
具体实施方式
在下面的详细描述中，通过示例阐述了本公开的许多具体细节，以便提供对相关披露的透彻理解。然而，对于本领域的普通技术人员来讲，本公开显而易见的可以在没有这些细节的情况下实施。应当理解的是，本公开中使用“系统”、“装置”、“单元”和/或“模块”术语，是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而，如果其他表达式可以实现相同的目的，这些术语可以被其他表达式替换。
应当理解的是，当设备、单元或模块被称为“在……上”、“连接到”或“耦合到”另一设备、单元或模块时，其可以直接在另一设备、单元或模块上，连接或耦合到或与其他设备、单元或模块通信，或者可以存在中间设备、单元或模块，除非上下文明确提示例外情形。例如，本公开所使用的术语“和/或”包括一个或多个相关所列条目的任何一个和所有组合。
本公开所用术语仅为了描述特定实施例，而非限制本公开范围。如本公开说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的特征、整体、步骤、操作、元素和/或组件，而该类表述并不构成一个排它性的罗列，其他特征、整体、步骤、操作、元素和/或组件也可以包含在内。
参看下面的说明以及附图，本公开的这些或其他特征和特点、操作方法、结构的相关元素的功能、部分的结合以及制造的经济性可以被更好地理解，其中说明和附图形成了说明书的一部分。然而，可以清楚地理解，附图仅用作说明和描述的目的，并不意在限定本公开的保护范围。可以理解的是，附图并非按比例绘制。
本公开中使用了多种结构图用来说明根据本公开的实施例的各种变形。应当理解的是，前面或下面的结构并不是用来限定本公开。本公开的保护范围以权利要求为准。
生物特征识别中很重要的一项安全任务就是活体检测，对于人脸识别来说，常见的仿冒身份应对人脸识别的手段主要是照片攻击和视频攻击，活体检测的目的就是根据摄像装置采集的人脸图像来判断是否是真实的人体在进行识别。现有技术中通常采用硬件检测、软件检测或两者结合的方式进行活体检测，其中硬件检测的方式虽然成功率和效率均比较高，但其成本同样极高，无法在中低端设备中应用；而软件检测成本低，但效率和用户体验均较差，而且软件检测虽然可以有效对抗照片攻击，但对准备比较充分的视频攻击仍然难以防范。
有鉴于此，本公开实施例提供了一种人脸识别辅助检测方法，使用成本较低的2D摄像头、在无需复杂软件处理的情况下快速进行活体检测，可以高效快捷地检测视频攻击，防止用户身份的假冒，有效增强了人脸识别的安全性。如图1所示，在本公开的一个实施例中，人脸识别辅助检测方法包括步骤：
S101，启动摄像装置，确定当前采集区域范围内存在待检测人体，进入人脸识别模式；
S102，在高帧率模式下连续采集至少3张所述人体面部的RGB图像，其中，所述高帧率模式为每秒60帧以上的采样频率；
S103，按时间顺序依次两两比对所述RGB图像，在至少一次比对结果的相似程度满足预设条件时，确定发现非活体的视频攻击。
在本公开的实施例中，核心目标是在降低人脸识别设备的硬件成本的同时高效地进行活体检测，以合理的代价对抗视频攻击，保证人脸识别的安全性和可靠性。其中，鉴于目前的视频攻击主要是通过播放视频来仿冒用户身份应付人脸识别，而现有的视频播放通常帧率不超过30帧/秒，播放每一帧图像的时间虽然相对于人眼来说非常短暂，但对传感器设备来说却是比较长的，足够进行非常多的操作。因此，在本公开的实施例中，利用高帧率摄像装置的快速采集能力，在仿冒者使用的视频播放设备播放一帧图像的时间内对其采集至少两张图像，这两张针对同一帧图像的采集图像显然具有极高的相似度(甚至有可能是完全相同的)，只需通过直接比对即可确认。而正常用户在人脸识别过程中不可能是完全静止的，尤其是在按指示完成脸部动作时肯定是连续运动的，这样在高帧率摄像装置连续采集的图像中也必然是存在明显差异的，比对结果与视频攻击的情况正好相反。
这样，本公开的实施例可使用2D摄像头进行活体检测，软件处理只用进行图片的直接比对，硬件成本低且软件计算量非常小，能够以极低的代价对抗视频攻击。采用本公开实施例的方法，通过快速拍照并按照时序进行对比分析，可以有效降低假冒用户人脸带来的人脸识别安全风险；而且识别速度快，自动识别无需配合动作，用户体验好。
具体地，在本公开的一个实施例中，所述确定当前采集区域范围内存在待检测人体进一步包括：确定可采集到所述待检测人体的清晰面部图像。此外，在进入人脸识别模式后，为保证检测的准确性，减少误判的发生，优选仅在要求用户进行指定动作时才启动所述高帧率模式，如此可避免对用户静止状态的拍照产生错误的判断结果。当然，采用其他方式使采集区域出现指定的动态变化也同样可适用于本公开的实施例，比如配合采样频率使环境/背景光线发生变化等，这种变化在正常用户身上会有比较明显的体现(比如面部高亮、阴影、眼睛或头发反光、瞳孔大小等发生变化)，并可被高帧率采样所捕捉；而在视频播放设备中则很难及时反应(变化频率高于系统自动调节的反应速度，系统反应滞后或无反应)，仍会以原有模式播放视频而使采集的图像未能体现出应有的变化。通过这种方式，可以很直观地区分正常用户图像和视频攻击图像，因而使得本公开实施例的方法能简单快速的完成活体检测，在此不对高帧率模式的控制方式做出更具体限制。
如前所述，普通视频播放的帧率在30帧/秒以下，因而理论上说高帧率模式的采样频率高于30帧/秒就有可能对同一帧图像进行两次采集，但在帧率接近的情况下可能需要很多次采样才可保证实现。因而，在本公开的一个实施例中，所述高帧率模式的采样频率优选在60帧/秒以上；更优选地，所述高帧率模式的采样频率在120帧/秒以上。这样，只需连续采集少量的图像即可保证其中至少有两张是针对同一帧的采样，进一步降低了控制和数据处理的计算量和存储量，降低软硬件成本和处理时间，提升系统性价比。与3D采样的摄像装置相比，高帧率摄像装置的硬件成本比较低，比如通常200万像素的120帧摄像头价格在120元左右，60帧摄像头的成本则更低，完全可满足中低端设备的成本要求。同时本公开实施例通过快速拍照并按照时序进行对比分析，识别速度快，软件成本又极低，综合成本非常有竞争力。
在本公开的一个优选实施例中，由于是对同一帧播放图像的采集，理论上说两张采集图像应该是完全相同的，因而优选当前后两张采集图像相似度100％(即完全相同)时才认为发现了视频攻击。但现场情况可能存在多种不可预测、不能完全控制的事件，比如播放设备手持抖动、采样环境细微变化、其他真实背景人物的动作等，都有可能导致采集图像产生少量差异，进而影响检测的成功率或正确率。为避免这些情况导致检测失败，优选地，本公开的实施例中对比对结果的相似度降低部分要求，仅要求绝大部分相同或主体部分相同即可确认发生视频攻击。典型地，所述预设条件至少包括相似度大于预设阈值，该预设阈值可以根据应用场景或安全要求来进行设定；比如在相对封闭的环境中或是较低的安全性要求时，可以设置一个较高的阈值(比如98％)；在开放环境中或是较高的安全性要求时，可以设置一个较低的阈值(比如95％)。进一步地，为减少无关因素的影响，还可以只比对核心区域的图像相似度，忽略无关区域的图像，比如所述相似度为ROI(region of interest，感兴趣区域)图像或人体面部图像的相似度。此外，考虑到正常用户在核心区域的变化情况理论上应该大于背景区域，因而对核心区域的图像相似度要求应该高于背景区域，也可以比较核心区域和背景区域/图像整体的相似度差异，当核心区域的图像相似度明显大于背景区域时(比如差异超过2％)，确认发生视频攻击。当然，本领域相关技术人员可以理解，上述预设条件还可任意组合使用，在此不应理解为对本公开具体实施例的限制。
此外，在本公开的实施例中，进行RGB图像的比对是考虑到RGB图像的采集和比对是现有设备最容易实现的方式，在其他可选的方式中，采用其他形式的图像比对也是同样可适用于本公开的实施例的。比如采集黑白图像并比对，或者对RGB图像处理后比对灰度、亮度、对比度、结构、纹理、边缘等的相似度，或是计算图像的数据相似度等(比如余弦相似度、直方图相似度或互信息相似度等等)，还可对图像进行压缩后再进行比对，这些不同的采集和/或比对方式均可适用于本公开的是实施例中，在此不对采集图像和相似度比对方式做出更具体的限制。
进一步地，在本公开的实施例中，在发现非活体的视频攻击后，结束本次人脸识别，记录检测结果并上报系统，可视情况对用户进行标记。可选地，为避免误判影响用户认证或是为增强系统安全性，还可同时反馈给用户，包括但不限于要求当前用户重新进行认证和/或向合法用户发送警告提示等。优选地，还可接收合法用户的反馈来确认本次人脸识别是否合法，比如向合法用户发送提示消息后，接收合法用户通过可信渠道反馈的信息来进一步确认是否发生不安全的认证事件。更优选地，可根据一段时间内合法用户的反馈信息的统计结果来动态调整预设条件，比如在误判率较高时，适当降低安全性要求(提高相似度阈值)等，从而保证系统性能可满足各方面的需求。
图2是根据本公开的一些实施例所示的一种人脸识别辅助检测装置示意图。如图2所示，人脸识别辅助检测装置200包括人脸识别启动模块201、采集模块202和比对判断模块203；其中，
人脸识别启动模块201，用于启动摄像装置，确定当前采集区域范围内存在待检测人体，进入人脸识别模式；
采集模块202，用于在高帧率模式下连续采集至少3张所述人体面部的RGB图像，其中，所述高帧率模式为每秒60帧以上的采样频率；
比对判断模块203，用于按时间顺序依次两两比对所述RGB图像，在至少一次比对结果的相似程度满足预设条件时，确定发现非活体的视频攻击。
在一些实施例中，所述装置还包括：高帧率采样启动模块，用于在要求所述人体进行指定动作和/或控制设备使所述采集区域出现指定的动态变化时启动所述高帧率模式。
在一些实施例中，所述高帧率模式为每秒120帧以上的采样频率。
在一些实施例中，所述装置还包括：条件设定/调整模块，用于根据应用场景、安全要求和合法用户反馈信息的统计结果中的至少一项来动态设定或调整所述预设条件。
在一些实施例中，所述比对判断模块包括：按需比对模块，用于比对所述RGB图像整体、核心区域和背景区域中至少一个的相似度。
参考附图3，为本申请一个实施例提供的电子设备示意图。如图3所示，该电子设备300包括：
存储器330以及一个或多个处理器310；
其中，所述存储器330与所述一个或多个处理器310通信连接，所述存储器330中存储有可被所述一个或多个处理器执行的指令332，所述指令332被所述一个或多个处理器310执行，以使所述一个或多个处理器310执行本申请前述实施例中的方法。
具体地，处理器310和存储器330可以通过总线或者其他方式连接，图3中以通过总线340连接为例。处理器310可以为中央处理器(Central Processing Unit，CPU)。处理器310还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器330作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的级联渐进网络等。处理器310通过运行存储在存储器330中的非暂态软件程序、指令以及功能模块332，从而执行处理器的各种功能应用以及数据处理。
存储器330可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器310所创建的数据等。此外，存储器330可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器330可选包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络(比如通过通信接口320)连接至处理器310。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请的一个实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被执行后执行本申请前述实施例中的方法。
前述的计算机可读取存储介质包括以存储如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方式或技术来实现的物理易失性和非易失性、可移动和不可移动介质。计算机可读取存储介质具体包括，但不限于，U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、可擦除可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM)、闪存或其他固态存储器技术、CD-ROM、数字多功能盘(DVD)、HD-DVD、蓝光(Blue-Ray)或其他光存储设备、磁带、磁盘存储或其他磁性存储设备、或能用于存储所需信息且可以由计算机访问的任何其他介质。
尽管此处所述的主题是在结合操作系统和应用程序在计算机系统上的执行而执行的一般上下文中提供的，但本领域技术人员可以认识到，还可结合其他类型的程序模块来执行其他实现。一般而言，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、组件、数据结构和其他类型的结构。本领域技术人员可以理解，此处所述的本主题可以使用其他计算机系统配置来实践，包括手持式设备、多处理器系统、基于微处理器或可编程消费电子产品、小型计算机、大型计算机等，也可使用在其中任务由通过通信网络连接的远程处理设备执行的分布式计算环境中。在分布式计算环境中，程序模块可位于本地和远程存储器存储设备的两者中。
本领域普通技术人员可以意识到，结合本文中所本申请的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对原有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
综上所述，本公开实施例提出了一种人脸识别辅助检测方法、装置、电子设备及其计算机可读存储介质。本公开实施例使用成本较低的2D摄像头、在无需复杂软件处理的情况下快速进行活体检测，可以高效快捷地检测视频攻击，防止用户身份的假冒，有效增强了人脸识别的安全性。
应当理解的是，本公开的上述具体实施方式仅仅用于示例性说明或解释本公开的原理，而不构成对本公开的限制。因此，在不偏离本公开的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。此外，本公开所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种人脸识别辅助检测方法，其特征在于，包括：
启动摄像装置，确定当前采集区域范围内存在待检测人体，进入人脸识别模式；
在高帧率模式下连续采集至少3张所述人体面部的RGB图像，其中，所述高帧率模式为每秒60帧以上的采样频率；
按时间顺序依次两两比对所述RGB图像，在至少一次比对结果的相似程度满足预设条件时，确定发现非活体的视频攻击。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在要求所述人体进行指定动作和/或控制设备使所述采集区域出现指定的动态变化时启动所述高帧率模式。
3.根据权利要求1所述的方法，其特征在于，所述高帧率模式为每秒120帧以上的采样频率。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据应用场景、安全要求和合法用户反馈信息的统计结果中的至少一项来动态设定或调整所述预设条件。
5.根据权利要求1所述的方法，其特征在于，所述比对包括：
比对所述RGB图像整体、核心区域和背景区域中至少一个的相似度。
6.一种人脸识别辅助检测装置，其特征在于，包括：
人脸识别启动模块，用于启动摄像装置，确定当前采集区域范围内存在待检测人体，进入人脸识别模式；
采集模块，用于在高帧率模式下连续采集至少3张所述人体面部的RGB图像，其中，所述高帧率模式为每秒60帧以上的采样频率；
比对判断模块，用于按时间顺序依次两两比对所述RGB图像，在至少一次比对结果的相似程度满足预设条件时，确定发现非活体的视频攻击。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
高帧率采样启动模块，用于在要求所述人体进行指定动作和/或控制设备使所述采集区域出现指定的动态变化时启动所述高帧率模式。
8.根据权利要求6所述的装置，其特征在于，所述高帧率模式为每秒120帧以上的采样频率。
9.根据权利要求6所述的装置，其特征在于，所述装置还包括：
条件设定/调整模块，用于根据应用场景、安全要求和合法用户反馈信息的统计结果中的至少一项来动态设定或调整所述预设条件。
10.根据权利要求6所述的装置，其特征在于，所述比对判断模块包括：
按需比对模块，用于比对所述RGB图像整体、核心区域和背景区域中至少一个的相似度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911072414.4A CN110826486A (zh) | 2019-11-05 | 2019-11-05 | 人脸识别辅助检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911072414.4A CN110826486A (zh) | 2019-11-05 | 2019-11-05 | 人脸识别辅助检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110826486A true CN110826486A (zh) | 2020-02-21 |
Family
ID=69552765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911072414.4A Pending CN110826486A (zh) | 2019-11-05 | 2019-11-05 | 人脸识别辅助检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110826486A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215069A (zh) * | 2020-09-09 | 2021-01-12 | 支付宝实验室(新加坡)有限公司 | 活体检测、辅助活体检测的方法、装置和设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102742278A (zh) * | 2010-07-08 | 2012-10-17 | 松下电器产业株式会社 | 摄像装置 |
| CN104361326A (zh) * | 2014-11-18 | 2015-02-18 | 新开普电子股份有限公司 | 一种判别活体人脸的方法 |
| CN105550671A (zh) * | 2016-01-28 | 2016-05-04 | 北京麦芯科技有限公司 | 一种人脸识别的方法及装置 |
| WO2016151675A1 (ja) * | 2015-03-20 | 2016-09-29 | オリンパス株式会社 | 生体観察装置および生体観察方法 |
| CN108197929A (zh) * | 2017-11-27 | 2018-06-22 | 拉卡拉支付股份有限公司 | 一种可穿戴设备的安全支付方法和装置 |
| CN108268864A (zh) * | 2018-02-24 | 2018-07-10 | 达闼科技（北京）有限公司 | 人脸识别方法、系统、电子设备和计算机程序产品 |
| CN109871834A (zh) * | 2019-03-20 | 2019-06-11 | 北京字节跳动网络技术有限公司 | 信息处理方法和装置 |
| CN110222573A (zh) * | 2019-05-07 | 2019-09-10 | 平安科技（深圳）有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
-
2019
- 2019-11-05 CN CN201911072414.4A patent/CN110826486A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102742278A (zh) * | 2010-07-08 | 2012-10-17 | 松下电器产业株式会社 | 摄像装置 |
| CN104361326A (zh) * | 2014-11-18 | 2015-02-18 | 新开普电子股份有限公司 | 一种判别活体人脸的方法 |
| WO2016151675A1 (ja) * | 2015-03-20 | 2016-09-29 | オリンパス株式会社 | 生体観察装置および生体観察方法 |
| CN105550671A (zh) * | 2016-01-28 | 2016-05-04 | 北京麦芯科技有限公司 | 一种人脸识别的方法及装置 |
| CN108197929A (zh) * | 2017-11-27 | 2018-06-22 | 拉卡拉支付股份有限公司 | 一种可穿戴设备的安全支付方法和装置 |
| CN108268864A (zh) * | 2018-02-24 | 2018-07-10 | 达闼科技（北京）有限公司 | 人脸识别方法、系统、电子设备和计算机程序产品 |
| CN109871834A (zh) * | 2019-03-20 | 2019-06-11 | 北京字节跳动网络技术有限公司 | 信息处理方法和装置 |
| CN110222573A (zh) * | 2019-05-07 | 2019-09-10 | 平安科技（深圳）有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215069A (zh) * | 2020-09-09 | 2021-01-12 | 支付宝实验室(新加坡)有限公司 | 活体检测、辅助活体检测的方法、装置和设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210303829A1 (en) | Face liveness detection using background/foreground motion analysis | |
| Stein et al. | Fingerphoto recognition with smartphone cameras | |
| US11042725B2 (en) | Method for selecting frames used in face processing | |
| JP5991224B2 (ja) | 画像処理装置、画像処理方法、および画像処理プログラム | |
| US20150379332A1 (en) | Face authentication device and face authentication method | |
| US11256902B2 (en) | People-credentials comparison authentication method, system and camera | |
| US9594958B2 (en) | Detection of spoofing attacks for video-based authentication | |
| EP2580711A2 (en) | Distinguishing live faces from flat surfaces | |
| CN110276250A (zh) | 一种人脸活体检测方法和装置 | |
| US12033429B2 (en) | Image processing device of determining authenticity of object, image processing method of determining authenticity of object, and storage medium storing program of determining authenticity of object | |
| CN104090656A (zh) | 智能设备视力保护方法与系统 | |
| CN113837006B (zh) | 一种人脸识别方法、装置、存储介质及电子设备 | |
| CN110826486A (zh) | 人脸识别辅助检测方法及装置 | |
| JP6679373B2 (ja) | 顔検出装置、顔検出方法及び顔認識システム | |
| KR20130133676A (ko) | 카메라를 통한 얼굴인식을 이용한 사용자 인증 방법 및 장치 | |
| CN112507798A (zh) | 活体检测方法、电子设备与存储介质 | |
| CN117095470A (zh) | 活体检测的方法、装置、设备及存储介质 | |
| CN114419720A (zh) | 一种图像遮挡方法、系统及计算机可读存储介质 | |
| CN114495252A (zh) | 视线检测方法、装置、电子设备及存储介质 | |
| CN113705428A (zh) | 活体检测方法及装置、电子设备及计算机可读存储介质 | |
| US20230091526A1 (en) | Evaluation method, information processing device, and storage medium | |
| EP2725814A1 (en) | Age/content adaptation checking system | |
| CN113762156B (zh) | 观影数据处理方法、装置及存储介质 | |
| US11335123B2 (en) | Live facial recognition system and method | |
| CN118762423A (zh) | 基于智能设备的异常告警推送的方法、系统、设备及介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200221 |
|
| RJ01 | Rejection of invention patent application after publication |