CN110826535A - 一种人脸识别方法、系统及装置 - Google Patents
一种人脸识别方法、系统及装置 Download PDFInfo
- Publication number
- CN110826535A CN110826535A CN201911215267.1A CN201911215267A CN110826535A CN 110826535 A CN110826535 A CN 110826535A CN 201911215267 A CN201911215267 A CN 201911215267A CN 110826535 A CN110826535 A CN 110826535A
- Authority
- CN
- China
- Prior art keywords
- face
- light sources
- curved surface
- image
- different 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
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
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本说明书公开了一种人脸识别方法、系统及装置,在接收人脸识别请求后,控制至少两个光源的开启和关闭,采集在启动不同光源的状态下的人脸图像,根据不同光源对应的人脸图像,确定图像特征。由于不同光源对应的人脸图像不完全相同,人脸信息在光照下被有效的放大,因此图像特征包含了较多的人脸特征,根据图像特征,确定待识别的人脸是否属于活体的人脸。由于各种材质对光照的反射不同,照片、视频等恶意攻击载体对应的重构特征曲面与标准人脸曲面差别较大,本说明书在人脸识别时可有效的拦截恶意攻击。另外,在对用户进行人脸识别时,无需用户主动配合,极大地改善了用户体验。
Description
技术领域
本申请涉及人脸识别技术领域,尤其涉及一种人脸识别方法、系统及装置。
背景技术
随着科技的不断进步,人脸识别技术广泛应用到生活的各个领域,例如,电子设备解锁、车站检票等。
在人脸识别技术中,主要包括人脸检测和活体检测两个部分。对于活体检测,在现有技术中,一般方法是随机生成动作指令序列(例如,眨眨眼,摇摇头等),并使用户按照生成的动作指令序列作出相应的动作,将用户作出的动作与动作指令序列进行匹配,根据匹配结果确定活体检测的结果。若活体检测通过,则继续进行人脸检测。
然而,在现有技术的活体检测中,由于随机生成的动作指令较少,很容易通过视频的方式提前生成与动作指令对应的动作。因此,使用现有技术对通过照片、视频进行恶意攻击的拦截效果较差,导致最终的人脸识别结果准确性较低。另外,在使用现有技术进行人脸识别时,也需要用户主动配合,作出相应的动作,导致用户体验较差。
发明内容
本说明书实施例提供一种人脸识别方法、系统及装置,以部分解决现有技术存在的上述问题。
本说明书实施例采用下述技术方案:
本说明书提供的一种人脸识别方法,所述方法包括:
接收人脸识别请求;
响应于所述人脸识别请求,控制至少两个光源的开启和关闭;
采集在启动不同光源的状态下的人脸图像,作为该光源对应的人脸图像;
根据不同光源对应的人脸图像,确定图像特征;
根据所述图像特征,确定待识别的人脸是否属于活体的人脸。
可选地,所述至少两个光源的发光颜色各不相同、所述至少两个光源相对于采集人脸图像的区域的相对位置各不相同;
控制至少两个光源的开启和关闭,具体包括:
根据预设的时间间隔,控制至少两个光源的开启和关闭,每次开启的光源不完全相同。
可选地,确定图像特征之前,所述方法还包括:
判断采集的人脸图像中是否存在至少两个不同光源对应的人脸图像;
若存在,则根据不同光源对应的人脸图像,确定图像特征;
若不存在,则重新控制至少两个光源的开启和关闭,并重新采集人脸图像。
可选地,根据不同光源对应的人脸图像,确定图像特征,具体包括:
针对任意两帧不同光源对应的人脸图像,确定该两帧人脸图像之间在相同像素点位置的像素差值;
将所述像素差值作为根据该两帧人脸图像确定出的在相同像素点位置的像素值;
汇总每个像素点的像素值,确定图像特征。
可选地,根据所述图像特征,确定待识别的人脸是否属于活体的人脸,具体包括:
根据所述图像特征,重构特征曲面;
将重构出的所述特征曲面与预存的标准人脸曲面进行对比,识别是否属于活体的人脸。
可选地,在识别属于活体的人脸之后,所述方法还包括:
根据所述特征曲面与预存的标准人脸曲面的对比结果,确定人脸识别结果。
可选地,根据所述图像特征,重构特征曲面,具体包括:
将所述图像特征输入预先训练的识别模型,通过所述识别模型重构特征曲面;
将所述特征曲面和预存的标准人脸曲面进行对比,识别是否属于活体的人脸,具体包括:
通过所述识别模型,将所述特征曲面和预存的标准人脸曲面进行对比,识别是否属于活体的人脸。
可选地,预先训练识别模型,具体包括:
分别采集不同光源对应的用户图像以及干扰图像;
根据不同光源对应的用户图像,确定用户图像特征作为正样本,根据不同光源对应的干扰图像,确定干扰图像特征作为负样本;
将正样本和负样本输入待训练识别模型;
根据各样本,分别重构各样本对应的样本特征曲面;
对比样本特征曲面与样本对应的真实曲面;
根据对比结果,以正样本属于活体的人脸、负样本不属于活体的人脸为训练目标,对所述待训练识别模型进行训练。
本说明书提供一种人脸识别系统,所述系统包括:电子设备、至少两个光源;
所述电子设备具体用于,接收人脸识别请求,响应于所述人脸识别请求,控制所述至少两个光源的开启和关闭,采集在启动不同光源的状态下的人脸图像,作为该光源对应的人脸图像;根据不同光源对应的人脸图像,确定图像特征;根据所述图像特征,确定待识别的人脸是否属于活体的人脸;
所述光源具体用于,根据所述电子设备发送的控制信号开启或关闭。
本说明书提供一种人脸识别装置,所述装置包括:
接收模块,用于接收人脸识别请求;
控制模块,用于响应于所述人脸识别请求,控制至少两个光源的开启和关闭;
采集模块,用于采集在启动不同光源的状态下的人脸图像,作为该光源对应的人脸图像;
确定模块,用于根据不同光源对应的人脸图像,确定图像特征;
识别模块,用于根据所述图像特征,确定待识别的人脸是否属于活体的人脸。
本说明书提供的一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述人脸识别方法。
本说明书提供的一种电子设备,包括存储器、处理器及存储在存储器上并可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上述人脸识别方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
本说明书中,在接收人脸识别请求后,控制至少两个光源的开启和关闭,采集在启动不同光源的状态下的人脸图像,根据不同光源对应的人脸图像,确定图像特征。由于不同光源对应的人脸图像不完全相同,人脸信息在光照下被有效的放大,因此图像特征包含了较多的人脸特征,根据图像特征,确定待识别的人脸是否属于活体的人脸。由于各种材质对光照的反射不同,照片、视频等恶意攻击载体对应的重构特征曲面与标准人脸曲面差别较大,本说明书在人脸识别时可有效的拦截恶意攻击。另外,在对用户进行人脸识别时,无需用户主动配合,极大地改善了用户体验。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提供的一种人脸识别方法的流程图;
图2为本说明书实施例提供的光源相对于采集人脸图像的区域的相对位置的示意图;
图3为本说明书实施例提供的不同光源对应的人脸图像示意图;
图4为本说明书实施例提供的预先训练识别模型的方法流程图;
图5为本说明书实施例提供的一种人脸识别装置的结构示意图;
图6为本说明书实施例提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例提供的一种人脸识别方法的流程图,具体可包括以下步骤:
S100:接收人脸识别请求。
在本说明书中,当需要进行人脸识别时,可通过电子设备自身触发人脸识别请求,也可以通过其他设备触发人脸识别请求,以便于后续电子设备接收并响应人脸识别请求。其中,人脸识别请求的触发方式可以是人为进行的,例如,用户可点击电子设备显示界面上的诸如“采集人脸图像”按钮触发人脸识别请求,也可以是自动进行的,例如,电子设备获取并检测用户信息后,根据用户信息自动跳转至人脸识别请求。
S102:响应于所述人脸识别请求,控制至少两个光源的开启和关闭。
响应于步骤S100接收到的人脸识别请求,电子设备可控制至少两个光源的开启或关闭。其中,不同光源的发光颜色各不相同、不同光源相对于采集人脸图像的区域的相对位置各不相同。
图2为本说明书实施例提供的光源相对于采集人脸图像的区域的相对位置的示意图。在图2中,采集人脸图像的区域周围有四个光源,分布在采集人脸图像的区域的左上方、右上方、左下方、右下方,四个光源分别从不同方向上,向采集人脸图像的区域发出光线。图2中的每个光源的发光颜色各不相同。
当响应于人脸识别请求时,电子设备根据预设的时间间隔,控制至少两个光源的开启和关闭,每次开启的光源不完全相同。
具体的,在图2中,电子设备在控制光源开启或关闭时,可设置不同光源对应的标识,确定开启或关闭的光源标识,并向光源标识对应的光源发送控制信号,例如,当左上方的光源收到控制信号后,开启并发出红色光线。电子设备根据预设的时间间隔,可控制左上方的光源持续发光一段时间(持续时间小于等于预设的时间间隔)后,控制左上方的光源关闭。在下一个时间间隔内,可控制图2中的其他光源的开启和关闭,并且可控制其他光源发出除红光之外的其他颜色的光线(例如,在控制图2中右上方的光源开启和关闭时,可控制右上方光源发出蓝光)。
当然,电子设备还可同时控制两个或两个以上光源的开启和关闭,但需要注意的是,电子设备在每个预设的时间间隔内所控制的光源的位置不完全相同,发光颜色不完全相同。
S104:采集在启动不同光源的状态下的人脸图像,作为该光源对应的人脸图像。
针对每个光源,当该光源启动时,根据预设的时间间隔,采集至少一帧图像;针对采集的图像,判断该图像中是否包含人脸;若是,则确定该图像是采集到的人脸图像;否则,确定该图像不是采集到的人脸图像。
具体的,在该光源启动时间时,针对采集人脸图像的区域,采集至少一帧图像。针对采集的图像,对该图像进行预处理,例如,可对该图像进行人脸特征识别,利用人脸配准等方法确定人脸的轮廓、五官等特征信息。若在该图像中能够确定人脸特征信息,则判断该图像中包含人脸,确定该图像是采集到的人脸图像,若在该图像中不能够确定人脸特征信息,则判断该图像中不包含人脸,确定该图像不是采集到的人脸图像。
在该光源启动时采集到的所有图像中,若每一帧图像均不包含人脸,则说明在该光源启动时没有采集到人脸图像,不存在该光源对应的人脸图像,若存在至少一帧人脸图像,则将人脸图像作为该光源对应的人脸图像。
另外,针对每个光源对应的人脸图像,判断采集的人脸图像中是否存在至少两个不同光源对应的人脸图像;若存在,则根据不同光源对应的人脸图像,确定图像特征;若不存在,则重新控制至少两个光源的开启和关闭,并重新采集人脸图像。
具体的,在采集的人脸图像中,若存在至少两个不同光源对应的人脸图像,由于不同光源对应的人脸图像中包含不同的人脸特征信息,因此,可根据不同光源对应的人脸图像,确定图像特征,也即,执行步骤S106。若不存在至少两个不同光源对应的人脸图像,也即,所有的人脸图像均是在同一个光源对应的人脸图像,或者,所有采集到的人脸图像的数量至多有一帧,从而无法根据不同光源对应的人脸图像确定图像特征,则说明电子设备在接收人脸识别请求后未能成功识别是否属于活体的人脸,需要重新控制至少两个光源的开启和关闭,并重新采集人脸图像以便于后续识别是否属于活体的人脸,也即,执行步骤S102。
S106:根据不同光源对应的人脸图像,确定图像特征。
针对任意两帧不同光源对应的人脸图像,确定该两帧人脸图像之间在相同像素点位置的像素差值;将所述像素差值作为根据该两帧人脸图像确定出的在相同像素点位置的像素值;汇总每个像素点的像素值,确定图像特征。
具体的,由于不同位置的光源发出的光线在打到人脸上时,人脸较凸出的地方反射的光线强度较大,人脸图像中在该处的像素值较大。人脸较凸出的地方在人脸其他地方形成阴影,阴影区域反射的光线强度较小,人脸图像在该处的像素值较小。不同光源对应的人脸图像在相同像素点的像素值可能不同,根据不同光源对应的人脸图像确定出的图像特征,放大了人脸特征信息,有利于后续步骤中根据图像特征重构特征曲面。
图3为本说明书实施例提供的不同光源对应的人脸图像示意图,在图3中,左侧人脸为图2中左上方光源的对应的人脸图像,右侧人脸为图2中右上方的光源对应的人脸图像。以左侧人脸为例,由于鼻尖较凸出,故,在鼻尖处反射的光线强度较大,在鼻尖的右侧形成阴影区域,阴影区域反射的光线强度较小。可确定左侧人脸与右侧人脸在相同像素点的像素值差值,根据所有像素差值,确定左侧人脸与右侧人脸对应的图像特征,该图像特征放大了鼻尖区域内的特征,便于后续步骤根据该图像特征重构特征曲面。
当然,对于照片、视频等平面类型的恶意攻击载体,以照片为例,由于照片中的人脸不是以三维立体的曲面呈现的,当光线照射到照片上时,不存在诸如鼻尖等较凸出的地方,也不存在阴影区域,故,照片上人脸各处反射的光线强度在较小的范围内波动(也即,照片上人脸各处反射的光线强度基本一致),采集的图像中各点的像素值基本一致。根据不同光源对应的人脸图像,确定人脸图像在相同像素点的像素值差值作为在相同像素点的像素值,则,确定出的各点的像素值也基本一致。
另外,对于面具等立体类型的恶意攻击载体,以面具为例,面具的材质可能有多种类型,例如,金属、塑料等。尽管不同的材质在光线的照射下,对光线的吸收和反射均不同,但是,所有材质对光线的吸收和反射与真实人脸相比,均存在较大的差别,因此,面具对应的图像特征与真实人脸对应的图像特征并不完全相同。
S108:根据所述图像特征,确定待识别的人脸是否属于活体的人脸。
根据上述步骤S106得到图像特征后,首先,根据图像特征,可重构特征曲面。具体的,可以根据图像特征中各像素值,经过卷积、变换等方式,拟合出特征曲面,也可以将图像特征输入预先训练的重构模型,得到重构模型输出的特征曲面,其中,重构模型可以是神经网络模型等机器学习模型,关于预先对重构模型的训练,此处不再赘述。
其次,可将重构出的所述特征曲面与预存的标准人脸曲面进行对比,识别是否属于活体的人脸。
另外,在识别属于活体的人脸之后,还可以根据所述特征曲面与预存的标准人脸曲面的对比结果,确定人脸识别结果。
具体的,根据所述人脸识别请求确定用户标识;在预存的各标准人脸曲面中,查找所述用户标识对应的标准人脸曲面;将根据上述步骤S108得到的特征曲面与查找到的标准人脸曲面进行对比;根据对比结果,确定人脸识别结果。
在请求人脸识别之前,电子设备可直接存储或者与其他设备进行通信获取用户对应的标准人脸信息。例如,在利用人脸识别进行电子设备解锁之前,需要在电子设备中预存用户(也即,电子设备持有者)的标准人脸曲面,当解锁电子设备时,电子设备默认选择电子设备持有者的标准人脸曲面,并对比特征曲面与选择的标准人脸曲面,当二者的差异在一定的阈值范围内时,确定人脸识别结果为通过解锁,否则不通过解锁。又如,在用户进行车站安检时,通过用户的车票、身份证等信息,确定用户标识(例如,用户的姓名、电话、身份证号),可连接公安网络,在公安网络预存的各标准人脸曲面中,根据用户标识,查找用户的标准人脸曲面,并对比特征曲面与标准人脸曲面,确定人脸识别的结果为通过安检或不通过安检。
另外,通过步骤S104确定多个图像特征,通过步骤S106可根据每一个图像特征重构为一个特征曲面,当将多个特征曲面与标准人脸曲面进行对比时,若存在不同的人脸识别结果,则可根据每个特征曲面与标准人脸曲面的对比结果,确定每个特征曲面对应的相似度,根据所有特征曲面的相似度,确定最终的相似度,判断最终的相似度是否大于预设的相似度阈值,若大于则确定人脸识别的结果为真,否则确定人脸识别的结果为假,还可以根据少数服从多数的原则,确定人脸识别结果。
当然,在本说明书中,确定人脸识别结果可以是确定需要识别的对象的真实性,也可以是直接进行根据需要识别的对象真实性对应的动作(例如,解锁、开启安检闸机等)。
在本说明书中,在执行步骤S106确定图像特征之后,在执行步骤S108时,还可以将所述图像特征输入预先训练的识别模型,通过所述识别模型重构特征曲面;通过所述识别模型,将所述特征曲面和预存的标准人脸曲面进行对比,确定人脸识别结果。
因此,本说明书提供一种预先训练识别模型的方法,图4为本说明书实施例提供的预先训练识别模型的方法流程图,具体可包括以下步骤:
S400:分别采集不同光源对应的用户图像以及干扰图像;
S402:根据不同光源对应的用户图像,确定用户图像特征作为正样本,根据不同光源对应的干扰图像,确定干扰图像特征作为负样本;
S404:将正样本和负样本输入待训练识别模型;
S406:根据各样本,分别重构各样本对应的样本特征曲面;
S408:对比样本特征曲面与样本对应的真实曲面;
S410:根据对比结果,以正样本属于活体的人脸、负样本不属于活体的人脸为训练目标,对所述待训练识别模型进行训练
具体的,在预先训练识别模型时,电子设备根据预设的时间间隔,控制至少两个光源的开启和关闭,每次开启的光源不完全相同,不同光源的发光颜色各不相同、不同光源相对于采集人脸图像的区域的相对位置各不相同。具体内容可参考步骤S102。
由于预先训练识别模型的内容可参考上文中的具体内容,本说明书不在一一赘述。
在预先训练识别模型时,采用的是有监督学习。识别模型可以是卷积神经网络(Convolutional Neural Networks,CNN)、朴素贝叶斯模型(Naive Bayesian Model,NBM)等机器学习模型。
本说明书提供的人脸识别方法可应用于多种需要人脸识别的场景,例如,车站检票、电子设备解锁等。
例如,当本说明书提供的人脸识别方法应用于车站检票场景时,电子设备可分为图像采集模块与图像处理模块,可在图像采集模块周围不同位置设置若干个光源,当乘客需要进行安检时,将车票和/身份证放入检测区域,触发人脸识别请求,图像处理模块接收到人脸识别请求后,控制光源的开启和关闭,在光源开启时,图像采集模块采集图像并发送至图像处理模块,图像处理模块对图像进行处理,选择不同光源对应的人脸图像,并根据选择的人脸图像,确定图像特征,根据图像特征重构乘客的特征曲面,将重构的乘客特征曲面与标准人脸曲面进行对比,确定人脸识别结果。当人脸识别结果为真时,则可控制闸机使乘客通过检票,当人脸识别结果为假时,则可提示检票不通过等。
又如,当本说明书提供的人脸识别方法应用于电子设备解锁场景时,可将电子设备的屏幕作为光源,尤其是当屏幕为有机发光半导体(OrganicLight-Emitting Diode,OLED)器件时,可将屏幕分为若干个区域,每个区域可相当于一个光源。当用户需要解锁电子设备时,电子设备接收到人脸识别请求后,控制不同屏幕区域的开启和关闭,在光源开启时,采集图像并对图像进行处理,选择不同光源对应的人脸图像,并根据选择的人脸图像,确定图像特征,根据图像特征重构用户的特征曲面,将重构的用户特征曲面与标准人脸曲面进行对比,确定人脸识别结果。当人脸识别结果为真时,则可解锁电子设备,当人脸识别结果为假时,则可提示用户重新解锁等。
基于图1所示的人脸识别方法,本说明书实施例还对应提供一种人脸识别装置的结构示意图,如图5所示。
图5为本说明书实施例提供的一种人脸识别装置的结构示意图,所述装置包括:
接收模块501,用于接收人脸识别请求;
控制模块502,用于响应于所述人脸识别请求,控制至少两个光源的开启和关闭;
采集模块503,用于采集在启动不同光源的状态下的人脸图像,作为该光源对应的人脸图像;
确定模块504,用于根据不同光源对应的人脸图像,确定图像特征;
识别模块505,用于根据所述图像特征,确定待识别的人脸是否属于活体的人脸。
可选地,所述至少两个光源的发光颜色各不相同、所述至少两个光源相对于采集人脸图像的区域的相对位置各不相同;所述控制模块502具体用于,根据预设的时间间隔,控制至少两个光源的开启和关闭,每次开启的光源不完全相同。
可选地,所述装置还包括:判断模块506;
所述判断模块506具体用于,判断采集的人脸图像中是否存在至少两个不同光源对应的人脸图像;若存在,则根据不同光源对应的人脸图像,确定图像特征;若不存在,则重新控制至少两个光源的开启和关闭,并重新采集人脸图像。
可选地,所述确定模块504具体用于,针对任意两帧不同光源对应的人脸图像,确定该两帧人脸图像之间在相同像素点位置的像素差值;将所述像素差值作为根据该两帧人脸图像确定出的在相同像素点位置的像素值;汇总每个像素点的像素值,确定图像特征。
可选地,所述识别模块505具体用于,根据所述图像特征,重构特征曲面;将重构出的所述特征曲面与预存的标准人脸曲面进行对比,识别是否属于活体的人脸。
可选地,所述识别模块505还用于,根据所述特征曲面与预存的标准人脸曲面的对比结果,确定人脸识别结果。
可选地,所述识别模块505具体用于,将所述图像特征输入预先训练的识别模型,通过所述识别模型重构特征曲面;通过所述识别模型,将所述特征曲面和预存的标准人脸曲面进行对比,识别是否属于活体的人脸。
可选地,所述装置还包括:训练模块507;
所述训练模块507具体用于,分别采集不同光源对应的用户图像以及干扰图像;根据不同光源对应的用户图像,确定用户图像特征作为正样本,根据不同光源对应的干扰图像,确定干扰图像特征作为负样本;将正样本和负样本输入待训练识别模型;根据各样本,分别重构各样本对应的样本特征曲面;对比样本特征曲面与样本对应的真实曲面;根据对比结果,以正样本属于活体的人脸、负样本不属于活体的人脸为训练目标,对所述待训练识别模型进行训练。
本说明书实施例还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的人脸识别方法。
基于图1所示的人脸识别方法,本说明书实施例还提出了图6所示的电子设备的示意结构图。如图6,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的人脸识别方法。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,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、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (12)
1.一种人脸识别方法,其特征在于,所述方法包括:
接收人脸识别请求;
响应于所述人脸识别请求,控制至少两个光源的开启和关闭;
采集在启动不同光源的状态下的人脸图像,作为该光源对应的人脸图像;
根据不同光源对应的人脸图像,确定图像特征;
根据所述图像特征,确定待识别的人脸是否属于活体的人脸。
2.如权利要求1所述的方法,其特征在于,所述至少两个光源的发光颜色各不相同、所述至少两个光源相对于采集人脸图像的区域的相对位置各不相同;
控制至少两个光源的开启和关闭,具体包括:
根据预设的时间间隔,控制至少两个光源的开启和关闭,每次开启的光源不完全相同。
3.如权利要求1所述的方法,其特征在于,确定图像特征之前,所述方法还包括:
判断采集的人脸图像中是否存在至少两个不同光源对应的人脸图像;
若存在,则根据不同光源对应的人脸图像,确定图像特征;
若不存在,则重新控制至少两个光源的开启和关闭,并重新采集人脸图像。
4.如权利要求1所述的方法,其特征在于,根据不同光源对应的人脸图像,确定图像特征,具体包括:
针对任意两帧不同光源对应的人脸图像,确定该两帧人脸图像之间在相同像素点位置的像素差值;
将所述像素差值作为根据该两帧人脸图像确定出的在相同像素点位置的像素值;
汇总每个像素点的像素值,确定图像特征。
5.如权利要求1所述的方法,其特征在于,根据所述图像特征,确定待识别的人脸是否属于活体的人脸,具体包括:
根据所述图像特征,重构特征曲面;
将重构出的所述特征曲面与预存的标准人脸曲面进行对比,识别是否属于活体的人脸。
6.如权利要求5所述的方法,其特征在于,在识别属于活体的人脸之后,所述方法还包括:
根据所述特征曲面与预存的标准人脸曲面的对比结果,确定人脸识别结果。
7.如权利要求5所述的方法,其特征在于,根据所述图像特征,重构特征曲面,具体包括:
将所述图像特征输入预先训练的识别模型,通过所述识别模型重构特征曲面;
将所述特征曲面和预存的标准人脸曲面进行对比,识别是否属于活体的人脸,具体包括:
通过所述识别模型,将所述特征曲面和预存的标准人脸曲面进行对比,识别是否属于活体的人脸。
8.如权利要求7所述的方法,其特征在于,预先训练识别模型,具体包括:
分别采集不同光源对应的用户图像以及干扰图像;
根据不同光源对应的用户图像,确定用户图像特征作为正样本,根据不同光源对应的干扰图像,确定干扰图像特征作为负样本;
将正样本和负样本输入待训练识别模型;
根据各样本,分别重构各样本对应的样本特征曲面;
对比样本特征曲面与样本对应的真实曲面;
根据对比结果,以正样本属于活体的人脸、负样本不属于活体的人脸为训练目标,对所述待训练识别模型进行训练。
9.一种人脸识别系统,其特征在于,所述系统包括:电子设备、至少两个光源;
所述电子设备具体用于,接收人脸识别请求,响应于所述人脸识别请求,控制所述至少两个光源的开启和关闭,采集在启动不同光源的状态下的人脸图像,作为该光源对应的人脸图像;根据不同光源对应的人脸图像,确定图像特征;根据所述图像特征,确定待识别的人脸是否属于活体的人脸;
所述光源具体用于,根据所述电子设备发送的控制信号开启或关闭。
10.一种人脸识别装置,其特征在于,所述装置包括:
接收模块,用于接收人脸识别请求;
控制模块,用于响应于所述人脸识别请求,控制至少两个光源的开启和关闭;
采集模块,用于采集在启动不同光源的状态下的人脸图像,作为该光源对应的人脸图像;
确定模块,用于根据不同光源对应的人脸图像,确定图像特征;
识别模块,用于根据所述图像特征,确定待识别的人脸是否属于活体的人脸。
11.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1-8任一所述的方法。
12.一种电子设备,包括存储器、处理器及存储在存储器上并可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上述权利要求1-8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911215267.1A CN110826535B (zh) | 2019-12-02 | 2019-12-02 | 一种人脸识别方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911215267.1A CN110826535B (zh) | 2019-12-02 | 2019-12-02 | 一种人脸识别方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110826535A true CN110826535A (zh) | 2020-02-21 |
CN110826535B CN110826535B (zh) | 2020-12-29 |
Family
ID=69543338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911215267.1A Active CN110826535B (zh) | 2019-12-02 | 2019-12-02 | 一种人脸识别方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826535B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159227A (zh) * | 2021-05-18 | 2021-07-23 | 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) | 一种基于神经网络的痤疮图像识别方法、系统和装置 |
CN113378688A (zh) * | 2021-06-07 | 2021-09-10 | 支付宝(杭州)信息技术有限公司 | 一种人脸活体检测方法、系统、装置以及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2927841A1 (en) * | 2014-04-02 | 2015-10-07 | Atos IT Solutions and Services GmbH | Spoof prevention for face recognition |
CN105518711A (zh) * | 2015-06-29 | 2016-04-20 | 北京旷视科技有限公司 | 活体检测方法、活体检测系统以及计算机程序产品 |
CN105740778A (zh) * | 2016-01-25 | 2016-07-06 | 北京天诚盛业科技有限公司 | 一种改进的三维人脸活体检测方法及其装置 |
US20170330313A1 (en) * | 2016-05-11 | 2017-11-16 | National Kaohsiung University Of Applied Sciences | Facial Image-Processing Method and System Thereof |
CN109948399A (zh) * | 2017-12-20 | 2019-06-28 | 宁波盈芯信息科技有限公司 | 一种智能手机的人脸支付方法及装置 |
WO2019128362A1 (zh) * | 2017-12-28 | 2019-07-04 | 北京京东尚科信息技术有限公司 | 人脸识别方法、装置、系统及介质 |
-
2019
- 2019-12-02 CN CN201911215267.1A patent/CN110826535B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2927841A1 (en) * | 2014-04-02 | 2015-10-07 | Atos IT Solutions and Services GmbH | Spoof prevention for face recognition |
CN105518711A (zh) * | 2015-06-29 | 2016-04-20 | 北京旷视科技有限公司 | 活体检测方法、活体检测系统以及计算机程序产品 |
CN105740778A (zh) * | 2016-01-25 | 2016-07-06 | 北京天诚盛业科技有限公司 | 一种改进的三维人脸活体检测方法及其装置 |
US20170330313A1 (en) * | 2016-05-11 | 2017-11-16 | National Kaohsiung University Of Applied Sciences | Facial Image-Processing Method and System Thereof |
CN109948399A (zh) * | 2017-12-20 | 2019-06-28 | 宁波盈芯信息科技有限公司 | 一种智能手机的人脸支付方法及装置 |
WO2019128362A1 (zh) * | 2017-12-28 | 2019-07-04 | 北京京东尚科信息技术有限公司 | 人脸识别方法、装置、系统及介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159227A (zh) * | 2021-05-18 | 2021-07-23 | 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) | 一种基于神经网络的痤疮图像识别方法、系统和装置 |
CN113378688A (zh) * | 2021-06-07 | 2021-09-10 | 支付宝(杭州)信息技术有限公司 | 一种人脸活体检测方法、系统、装置以及设备 |
CN113378688B (zh) * | 2021-06-07 | 2022-07-01 | 支付宝(杭州)信息技术有限公司 | 一种人脸活体检测方法、系统、装置以及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110826535B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358157B (zh) | 一种人脸活体检测方法、装置以及电子设备 | |
CN112800997B (zh) | 一种活体检测方法、装置及设备 | |
Hsu et al. | Robust license plate detection in the wild | |
CN106682602B (zh) | 一种驾驶员行为识别方法及终端 | |
RU2678478C2 (ru) | Обращение с бликами в среде отслеживания движения глаз | |
CN111523438B (zh) | 一种活体识别方法、终端设备和电子设备 | |
US11106903B1 (en) | Object detection in image data | |
BR112020014184A2 (pt) | método de reconhecimento de atividade usando tubos de vídeos | |
CN110826535B (zh) | 一种人脸识别方法、系统及装置 | |
CN110084299B (zh) | 基于多头融合注意力的目标检测方法和装置 | |
CN109325462B (zh) | 基于虹膜的人脸识别活体检测方法及装置 | |
KR101139963B1 (ko) | 운전자 눈동자 검출을 이용한 졸음 운전 방지 방법 및 장치 | |
JP2013504114A (ja) | 目状態検出装置及び方法 | |
CN110688939A (zh) | 一种验证待识别证件图像的方法、系统及设备 | |
US11163994B2 (en) | Method and device for determining iris recognition image, terminal apparatus, and storage medium | |
US20200218915A1 (en) | Method for authenticating user and electronic device thereof | |
CN111340014A (zh) | 活体检测方法、装置、设备和存储介质 | |
CN111523103B (zh) | 用户身份识别方法、装置及电子设备 | |
Hu et al. | XFace: a face recognition system for android mobile phones | |
CN112949578A (zh) | 车灯状态识别方法、装置、设备及存储介质 | |
JP2021157826A (ja) | 複屈折ベースの生体認証のための方法及び装置 | |
CN110781778B (zh) | 一种门禁控制方法、装置、存储介质及家居系统 | |
US9507433B1 (en) | System and method for discerning complex gestures using an array of optical sensors | |
KR20120049605A (ko) | 동공 중심 검출 장치 및 방법 | |
CN113221594A (zh) | 虹膜识别和吸毒检测方法、装置、可读存储介质及设备 |
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 |