CN110956114A - 人脸活体检测方法、装置、检测系统及存储介质 - Google Patents
人脸活体检测方法、装置、检测系统及存储介质 Download PDFInfo
- Publication number
- CN110956114A CN110956114A CN201911166569.4A CN201911166569A CN110956114A CN 110956114 A CN110956114 A CN 110956114A CN 201911166569 A CN201911166569 A CN 201911166569A CN 110956114 A CN110956114 A CN 110956114A
- Authority
- CN
- China
- Prior art keywords
- infrared image
- face
- face information
- image
- infrared
- 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
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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- 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
- G06V40/10—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
Abstract
本公开涉及图像识别技术领域,尤其涉及一种人脸活体检测方法、装置、检测系统及存储介质。所述方法,包括:获取目标对象的可见光图像、第一红外图像和第二红外图像,根据可见光图像中的人脸信息,确定第一红外图像中的人脸信息和第二红外图像中的人脸信息,根据第一红外图像和第二红外图像各自对应的人脸信息,确定目标对象是否为活体。本公开实施例通过目标对象的可见光图像精确定位出人脸信息,基于可见光图像中的人脸信息确定出两个红外图像中的人脸信息,结合两个红外图像各自对应的人脸信息进行活体判断,提高了人脸活体检测的准确性,并且在可见光图像和两个红外图像的拍摄过程中无需用户执行交互动作,提高了人脸活体检测的效率。
Description
技术领域
本公开涉及图像识别技术领域,尤其涉及一种人脸活体检测方法、装置、检测系统及存储介质。
背景技术
人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术。目前人脸识别技术已广泛应用于身份验证领域,通过人脸识别,可以对当前用户进行身份验证,以提高安全性。但在实际应用时,可能会有不法分子以他人的人脸照片仿冒自己的人脸,来进行身份验证。因此,为了提高安全性,需要对人脸进行活体识别。
相关技术中,基于动作指令的人脸活体检测方法包括:检测系统向被检测的用户下发多个面部动作指令,如眨眼指令、张嘴指令等,要求用户配合依次做出相应的面部动作,在检测到的人脸依次做出了与面部动作指令相应的面部动作的情况下,确定该人脸为活体人脸。
上述基于动作指令的人脸活体检测方法,需要用户按照面部动作指令依次执行多个面部动作,完成人脸活体检测的效率较低。
发明内容
有鉴于此,本公开提出了一种人脸活体检测方法、装置、检测系统及存储介质。所述方法包括:
根据本公开的一方面,提供了一种人脸活体检测方法,所述方法包括:
获取目标对象的可见光图像、第一红外图像和第二红外图像;
根据所述可见光图像中的人脸信息,确定所述第一红外图像中的人脸信息和所述第二红外图像中的人脸信息,所述人脸信息用于指示所述目标对象的人脸特征;
根据所述第一红外图像和所述第二红外图像各自对应的人脸信息,确定所述目标对象是否为活体。
在一种可能的实现方式中,用于包括可见光摄像头、第一红外摄像头和第二红外摄像头的检测系统中,所述获取目标对象的可见光图像、第一红外图像和第二红外图像,包括:
同时通过所述可见光摄像头、所述第一红外摄像头和所述第二红外摄像头,分别获取所述目标对象的所述可见光图像、所述第一红外图像和所述第二红外图像;
其中,所述可见光图像、所述第一红外图像和所述第二红外图像中均包括所述目标对象的人脸。
在一种可能的实现方式中,所述根据所述可见光图像中的人脸信息,确定所述第一红外图像中的人脸信息和所述第二红外图像中的人脸信息,包括:
获取所述可见光图像中的所述人脸信息,所述人脸信息包括所述目标对象的人脸区域和/或多个人脸特征点;
将所述可见光图像中的人脸信息映射至所述第一红外图像,得到所述第一红外图像中的人脸信息;
根据所述第一红外图像中的人脸信息,在所述第二红外图像中确定匹配的人脸信息。
在一种可能的实现方式中,所述将所述可见光图像中的人脸信息映射至所述第一红外图像,得到所述第一红外图像中的人脸信息之前,还包括:
根据预先设置的标定误差参数,对所述第一红外图像和所述第二红外图像进行行对齐处理;
所述将所述可见光图像中的人脸信息映射至所述第一红外图像,得到所述第一红外图像中的人脸信息,包括:
根据预先设置的单应矩阵参数,将所述可见光图像中的所述人脸信息映射至所述行对齐后的所述第一红外图像,得到所述第一红外图像中的所述人脸信息。
在一种可能的实现方式中,所述根据预先设置的标定误差参数,对所述第一红外图像和所述第二红外图像进行行对齐处理之前,还包括:
获取预先设置的联合标定参数,所述联合标定参数包括所述第一红外摄像头和所述第二红外摄像头对应的所述标定误差参数,以及所述可见光摄像头和所述第一红外摄像头之间的所述单应矩阵参数。
在一种可能的实现方式中,所述人脸信息包括所述目标对象的多个人脸特征点,所述根据所述第一红外图像和所述第二红外图像各自对应的人脸信息,确定所述目标对象是否为活体,包括:
根据所述第一红外图像和所述第二红外图像各自对应的多个所述人脸特征点,计算所述目标对象的多个人脸关键特征各自对应的视差;
当所述多个人脸关键特征各自对应的视差和/或所述多个人脸关键特征满足指定条件时,确定所述目标对象为所述活体。
在一种可能的实现方式中,所述多个人脸关键特征包括眼睛、鼻子和嘴巴中的至少两个,所述指定条件包括:
所述鼻子的视差大于所述眼睛的视差;和/或,
所述眼睛的视差大于预设视差;和/或,
所述眼睛的尺寸在预设尺寸范围内;和/或,
所述鼻子与所述眼睛之间的距离在第一预设距离范围内;和/或,
所述鼻子与所述嘴巴之间的距离在第二预设距离范围内。
在一种可能的实现方式中,所述人脸信息包括所述目标对象的人脸区域;
所述根据所述第一红外图像和所述第二红外图像各自对应的人脸信息,确定所述目标对象是否为活体,包括:
将所述第一红外图像中和所述第二红外图像各自对应的所述人脸区域中的多个像素点进行匹配,并计算多个像素点各自对应的深度信息值;
根据所述多个像素点各自对应的深度信息值,确定所述目标对象是否为所述活体。
根据本公开的另一方面,提供了一种人脸活体检测装置,所述装置包括:
获取模块,用于获取目标对象的可见光图像、第一红外图像和第二红外图像;
第一确定模块,用于根据所述可见光图像中的人脸信息,确定所述第一红外图像中的人脸信息和所述第二红外图像中的人脸信息,所述人脸信息用于指示所述目标对象的人脸特征;
第二确定模块,用于根据所述第一红外图像和所述第二红外图像各自对应的人脸信息,确定所述目标对象是否为活体。
在一种可能的实现方式中,用于包括可见光摄像头、第一红外摄像头和第二红外摄像头的检测系统中,所述获取模块,还用于同时通过所述可见光摄像头、所述第一红外摄像头和所述第二红外摄像头,分别获取所述目标对象的所述可见光图像、所述第一红外图像和所述第二红外图像;
其中,所述可见光图像、所述第一红外图像和所述第二红外图像中均包括所述目标对象的人脸。
在一种可能的实现方式中,所述第一确定模块,还用于获取所述可见光图像中的所述人脸信息,所述人脸信息包括所述目标对象的人脸区域和/或多个人脸特征点;
将所述可见光图像中的人脸信息映射至所述第一红外图像,得到所述第一红外图像中的人脸信息;
根据所述第一红外图像中的人脸信息,在所述第二红外图像中确定匹配的人脸信息。
在一种可能的实现方式中,所述第一确定模块,还用于根据预先设置的标定误差参数,对所述第一红外图像和所述第二红外图像进行行对齐处理;
根据预先设置的单应矩阵参数,将所述可见光图像中的所述人脸信息映射至所述行对齐后的所述第一红外图像,得到所述第一红外图像中的所述人脸信息。
在一种可能的实现方式中,所述装置,还包括:参数获取模块,所述参数获取模块,用于获取预先设置的联合标定参数,所述联合标定参数包括所述第一红外摄像头和所述第二红外摄像头对应的所述标定误差参数,以及所述可见光摄像头和所述第一红外摄像头之间的所述单应矩阵参数。
在一种可能的实现方式中,所述人脸信息包括所述目标对象的多个人脸特征点,所述第二确定模块,还用于根据所述第一红外图像和所述第二红外图像各自对应的多个所述人脸特征点,计算所述目标对象的多个人脸关键特征各自对应的视差;
当所述多个人脸关键特征各自对应的视差和/或所述多个人脸关键特征满足指定条件时,确定所述目标对象为所述活体。
在一种可能的实现方式中,所述多个人脸关键特征包括眼睛、鼻子和嘴巴中的至少两个,所述指定条件包括:
所述鼻子的视差大于所述眼睛的视差;和/或,
所述眼睛的视差大于预设视差;和/或,
所述眼睛的尺寸在预设尺寸范围内;和/或,
所述鼻子与所述眼睛之间的距离在第一预设距离范围内;和/或,
所述鼻子与所述嘴巴之间的距离在第二预设距离范围内。
在一种可能的实现方式中,所述人脸信息包括所述目标对象的人脸区域;
所述第二确定模块,还用于将所述第一红外图像中和所述第二红外图像各自对应的所述人脸区域中的多个像素点进行匹配,并计算多个像素点各自对应的深度信息值;
根据所述多个像素点各自对应的深度信息值,确定所述目标对象是否为所述活体。
根据本公开的另一方面,提供了一种检测系统,所述检测系统包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取目标对象的可见光图像、第一红外图像和第二红外图像;
根据所述可见光图像中的人脸信息,确定所述第一红外图像中的人脸信息和所述第二红外图像中的人脸信息,所述人脸信息用于指示所述目标对象的人脸特征;
根据所述第一红外图像和所述第二红外图像各自对应的人脸信息,确定所述目标对象是否为活体。
根据本公开的另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述的方法。
本公开实施例通过获取目标对象的可见光图像、第一红外图像和第二红外图像,通过目标对象的可见光图像精确定位出人脸信息,基于可见光图像中的人脸信息确定出两个红外图像中的人脸信息,结合两个红外图像各自对应的人脸信息进行活体判断,提高了人脸活体检测的准确性,并且在可见光图像和两个红外图像的拍摄过程中无需用户执行交互动作,提高了人脸活体检测的效率。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出了本公开一个实施例提供的检测系统的示意图;
图2示出了本公开一个实施例提供的人脸活体检测方法的流程图;
图3示出了本公开另一个实施例提供的人脸活体检测方法的流程图;
图4示出了本公开另一个示例性实施例提供的人脸活体检测方法涉及的原理示意图;
图5示出了本公开另一个示例性实施例提供的人脸活体检测方法涉及的原理示意图;
图6示出了本公开一个实施例提供的人脸活体检测装置的结构示意图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
相关技术中,与指纹,虹膜,心跳,脉搏等生物特性相比,人脸是比较容易获取的。目前人脸识别技术也逐渐向自动化,无人监督化的趋势发展,然而人脸识别技术能够识别人脸图像,却无法准确辨别所输入人脸的真伪与否。且由于人脸易于获取的特性,使得非法欺诈有了可乘之机。如何使得人脸识别系统自动的、准确的、高效的辨别和判断用户是否为真实活体操作,抵御照片、换脸、3D面具、遮挡以及屏幕人脸翻拍等伪造的人脸攻击,帮助用户甄别欺诈行为,已经成为人脸识别系统中一个迫切需要解决的安全问题。目前常见的人脸活体检测技术包括如下几种:
1、动作指令方法,该方法让用户执行检测系统随机发出的面部动作指令,检测系统根据获取的反馈信息来辨别该用户是否为活体。
2、纹理方法,该方法通过提取人脸的纹理特征,再结合支持向量机和/或逻辑回归等分类器进行分类。
3、静默活体检测方法,该方法无需用户执行面部动作指令,自然面对检测系统,检测系统提取面部微表情,比如眼皮眼球的律动、眨眼、嘴唇及周边面颊的伸缩等,通过此类特征来判断用户是否为活体。
4、光流法活体检测,该方法利用图像序列中的像素点强度数据的时域变化和相关性来确定各自像素点位置的运动,从而得到各个像素点点的运行信息,并采用高斯差分滤波器,结合局部二值模式(Local Binary Pattern,LBP)特性,使用支持向量机进行统计分类,进而判断用户是否为活体。
5、三维(3Dimensions,3D)结构光/飞行时间(Time of flight,TOF)方法,该方法一般是获取人脸及背景点云图以及深度图,基于这些信息再进行训练,利用训练好的分类器判断用户是否为活体。
但是在上述方法中,完成人脸活体检测的效率较低,且对于合成视频、屏幕人脸翻拍、3D面具等伪造的人脸攻击的拦截能力仍旧较弱。而本公开实施例提供了一种人脸活体检测方法、装置、检测系统及存储介质,通过获取目标对象的可见光图像、第一红外图像和第二红外图像,由于可见光图像能够精确定位出人脸信息,使得检测系统能够基于可见光图像中的人脸信息确定第一红外图像中的人脸信息和第二红外图像中的人脸信息,结合第一红外图像和第二红外图像各自对应的人脸信息确定目标对象是否为活体,提高了人脸活体检测的准确性,可以有效拦截合成视频、高清屏幕人脸翻拍、3D面具等伪造的人脸攻击,并且在可见光图像、第一红外图像和第二红外图像的拍摄过程中无需用户执行交互动作,提高了人脸活体检测的效率,安全性高,适应范围广。
在对本公开实施例进行解释说明之前,先对本公开实施例的应用场景进行说明。请参考图1,其示出了本公开一个实施例提供的检测系统10的示意图。
该检测系统10包括:处理器(图中未示出)、可见光摄像头12、第一红外摄像头13和第二红外摄像头14;可见光摄像头12、第一红外摄像头13和第二红外摄像头14分别与处理器相连。
其中,可见光摄像头12为任何类型的基于可见光进行成像、并生成可见光图像的摄像头,比如,可见光摄像头12为彩色摄像头,即RGB(Red,红;Green,绿;Blue,蓝)摄像头。第一红外摄像头13和第二红外摄像头14均为红外(Infrared Radiation,IR)摄像头。
可选的,可见光摄像头12位于第一红外摄像头13和第二红外摄像头14之间,或者,第一红外摄像头13位于可见光摄像头12与第二红外摄像头14之间。
可选的,第一红外摄像头13与第二红外摄像头14之间的距离为第一预设距离;可见光摄像头12与第一红外摄像头13之间的距离为第二预设距离,第二预设距离小于第一预设距离。
比如,第一预设距离为30mm或者40mm。比如第二预设距离为10mm。需要说明的是,图1仅示意性地示出了三个摄像头之间的位置关系,本实施例对第一预设距离和第二预设距离的具体取值不加以限定。
可选的,该检测系统10还包括:用于红外发射的点阵投射器15(英文:Projector)和用于暗光补偿的泛光器件16(英文:Flood)。
可见光摄像头12,用于采集目标对象的可见光图像;第一红外摄像头13,用于采集目标对象的第一红外图像;第二红外摄像头14,用于采集目标对象的第二红外图像。
可选的,该检测系统10还包括:用于存储处理器可执行指令的存储器。其中,处理器,被配置为:获取目标对象的可见光图像、第一红外图像和第二红外图像。即该处理器,用于同时通过可见光摄像头12、第一红外摄像头13和第二红外摄像头14,分别获取目标对象的可见光图像、第一红外图像和第二红外图像。其中。
处理器,还被配置为:根据可见光图像中的人脸信息,确定第一红外图像中的人脸信息和第二红外图像中的人脸信息,人脸信息用于指示目标对象的人脸特征;根据第一红外图像和第二红外图像各自对应的人脸信息,确定目标对象是否为活体。
下面,采用示意性的实施例对本公开提供的人脸活体检测方法进行说明。
请参考图2,其示出了本公开一个实施例提供的人脸活体检测方法的流程图,该方法用于上述实施例提供的检测系统中,该方法包括:
步骤201,获取目标对象的可见光图像、第一红外图像和第二红外图像。
检测系统获取目标对象的可见光图像、第一红外图像和第二红外图像。可选的,目标对象为人体。
可选的,可见光摄像头采集目标对象的可见光图像的同时,第一红外摄像头采集目标对象的第一红外图像,第二红外摄像头采集目标对象的第二红外图像。对应的,检测系统同时通过可见光摄像头、第一红外摄像头和第二红外摄像头,分别获取目标对象的可见光图像、第一红外图像和第二红外图像。
其中,可见光图像、第一红外图像和第二红外图像均包括目标对象的人脸。
可选的,上述的可见光摄像头为彩色摄像头,可见光图像为彩色摄像头采集的目标对象的彩色图像。
步骤202,根据可见光图像中的人脸信息,确定第一红外图像中的人脸信息和第二红外图像中的人脸信息,人脸信息用于指示目标对象的人脸特征。
可选的,检测系统获取可见光图像中的人脸信息,根据可见光图像中的人脸信息确定第一红外图像中的人脸信息和第二红外图像中的人脸信息。
可选的,人脸信息用于指示目标对象的人脸特征。人脸信息包括目标对象的人脸区域和/或人脸特征点。人脸区域表示目标对象的人脸所在的图像中的区域。人脸区域可用人脸检测框的位置坐标表示。人脸特征点用于指示目标对象的眼睛、鼻子、嘴巴和人脸轮廓中至少一个人脸关键特征的位置坐标。
可选的,检测系统根据可见光图像中的人脸信息,确定第一红外图像中的人脸信息和第二红外图像中的人脸信息,包括:检测系统根据可见光图像中的人脸区域,确定第一红外图像中的人脸区域和第二红外图像中的人脸区域。和/或,检测系统根据可见光图像中的人脸特征点,确定第一红外图像中的人脸特征点和第二红外图像中的人脸特征点。
步骤203,根据第一红外图像和第二红外图像各自对应的人脸信息,确定目标对象是否为活体。
检测系统根据第一红外图像和第二红外图像各自对应的人脸信息,确定目标对象是否为活体。
可选的,在确定出第一红外图像中的人脸区域和第二红外图像中的人脸区域之后,检测系统根据第一红外图像和第二红外图像各自对应的人脸区域,确定目标对象是否为活体。和/或,在确定出第一红外图像中的人脸特征点和第二红外图像中的人脸特征点之后,检测系统根据第一红外图像和第二红外图像各自对应的人脸特征点,确定目标对象是否为活体。
综上所述,本公开实施例通过获取目标对象的可见光图像、第一红外图像和第二红外图像,由于可见光图像能够精确定位出人脸信息,使得检测系统能够基于可见光图像中的人脸信息确定第一红外图像中的人脸信息和第二红外图像中的人脸信息,结合第一红外图像和第二红外图像各自对应的人脸信息确定目标对象是否为活体,提高了人脸活体检测的准确性,可以有效拦截合成视频、高清屏幕人脸翻拍、3D面具等伪造的人脸攻击,并且在可见光图像和两个红外图像的拍摄过程中无需用户执行交互动作,提高了人脸活体检测的效率。
请参考图3,其示出了本公开另一个实施例提供的人脸活体检测方法的流程图,该方法用于上述实施例提供的检测系统中,该方法包括:
步骤301,同时通过可见光摄像头、第一红外摄像头和第二红外摄像头,分别获取目标对象的可见光图像、第一红外图像和第二红外图像。
其中,可见光图像、第一红外图像和第二红外图像中均包括目标对象的人脸。
需要说明的是,检测设备同时通过可见光摄像头、第一红外摄像头和第二红外摄像头,分别获取目标对象的可见光图像、第一红外图像和第二红外图像的过程可参考上述实施例中的相关细节,在此不再赘述。
步骤302,获取可见光图像中的人脸信息,人脸信息包括目标对象的人脸区域和/或人脸特征点。
为了方便说明,本实施例仅以人脸信息包括人脸特征点为例进行说明。可选的,检测系统根采用预设定位算法获取该可见光图像中的多个人脸特征点。其中,预设定位算法包括级联回归算法、深度学习算法和主动外观模型中的一种。
可选的,多个人脸特征点分别分布在目标对象的多个关键特征上。关键特征可以包括目标对象的特征中,可用于活体检测的特征,例如,多个人脸关键特征包括征眼睛、鼻子、嘴巴和人脸轮廓中的至少两个。
在一个示意性的例子中,检测系统根采用级联回归算法获取可见光图像中目标对象的多个人脸特征点,如图4所示,目标对象41的人脸关键特征包括眼睛、鼻子、嘴巴和人脸轮廓,每个人脸关键特征对应分布有多个人脸特征点42。比如,该目标对象41的右眼对应分布有4个人脸特征点42,左眼对应分布有3个人脸特征点42。本实施例对目标对象所包括的人脸关键特征的数量和类型不加以限定,对每个人脸关键特征对应分布的人脸特征点的数量也不加以限定。
步骤303,将可见光图像中的人脸信息映射至第一红外图像,得到第一红外图像中的人脸信息。
可选的,在实施人脸活体检测方法之前,需要对包括三个摄像头的检测系统进行联合标定得到联合标定参数。该联合标定参数包括第一红外摄像头和第二红外摄像头对应的标定误差参数,以及可见光摄像头和第一红外摄像头之间的单应矩阵参数。
其中,标定误差参数包括第一红外摄像头和第二红外摄像头各自对应的内参和用于指示这两个红外摄像头之间的几何关系的外参。其中,内参包括内参矩阵和畸变向量,外参包括旋转矩阵和平移向量。
可选的,检测系统在将可见光图像中的人脸信息映射至第一红外图像,得到第一红外图像中的人脸信息之前,获取预先设置的联合标定参数。
可选的,检测系统根据预先设置的标定误差参数,对第一红外图像和第二红外图像进行行对齐处理;根据预先设置的单应矩阵参数,将可见光图像中的多个人脸特征点映射至行对齐后的第一红外图像,得到第一红外图像中的多个人脸特征点。
可选的,检测系统根据预先设置的标定误差参数,基于对极几何模型,对第一红外图像和第二红外图像进行行对齐处理。其中,行对齐处理也称为校正(英文:rectify)处理,对第一红外图像和第二红外图像平面重投影,使得两个红外图像精确落在同一个平面上,且这两个红外图像的行对准到前向平行的结构上,即行对齐处理后同一场景点在第一红外图像上的成像点与在第二红外图像上的成像点位于同一条水平线。
可选的,单应映射又称为射影变换。单应映射是指将一个射影平面上的点即三维齐次矢量映射到另一个射影平面上。检测系统使用联合标定参数中的单应矩阵参数,将可见光图像中的多个人脸特征点映射至行对齐后的第一红外图像,得到第一红外图像中的多个人脸特征点。
需要说明的是,下述步骤中的第一红外图像和第二红外图像为经过行对齐处理后的红外图像。
步骤304,根据第一红外图像中的人脸信息,在第二红外图像中确定匹配的人脸信息。
可选的,检测系统将第一红外图像和第二红外图像进行特征点立体匹配,在第二红外图像中查找到匹配的多个人脸特征点。其中,立体匹配是指以第一红外图像中的人脸特征点作为参考点,基于特征表达在第二红外图像中查找对应的人脸特征点。
为了快速进行特征点立体匹配,在一种可能的实现方式中,以第一红外图像中的人脸特征点为参考特征点,通过绝对误差累计(Sum of Absolute Difference,SAD)方式在第二红外图像对应的特征点周围获取该人脸特征点匹配的人脸特征点。即检测系统采用SAD窗口在第二红外图像中查找对应的人脸特征点。以第一红外图像中的一个人脸特征点为为例,将该人脸特征点作为参考特征点,在第二红外图像对应的特征点周围用SAD窗口进行匹配搜索,将绝对累计误差最小点对应的特征点确定为第一红外图像中的人脸特征点在第二红外图像中匹配的人脸特征点。
可选地,第一红外图像中的人脸特征点与第二红外图像中匹配的人脸特征点的纵坐标相同。
步骤305,根据第一红外图像和第二红外图像各自对应的人脸信息,确定目标对象是否为活体。
可选的,检测系统根据第一红外图像和第二红外图像各自对应的多个人脸特征点,计算目标对象的多个人脸关键特征各自对应的视差;当多个人脸关键特征各自对应的视差和/或多个人脸关键特征满足指定条件时,确定目标对象为活体。
可选的,人脸关键特征的视差为分布在人脸关键特征上的人脸特征点的视差。人脸特征点的视差可表示为第一红外图像中的人脸特征点与第二红外图像中匹配的人脸特征点的横坐标距离。其中,该人脸特征点为分布在人脸关键特征上的多个人脸特征点中的任意一个。
可选地,检测系统判断多个人脸关键特征各自对应的视差和/或多个人脸关键特征是否满足指定条件,当多个人脸关键特征各自对应的视差和/或多个人脸关键特征满足指定条件时确定目标对象为活体;当多个人脸关键特征各自对应的视差和/或多个人脸关键特征不满足指定条件时确定目标对象为非活体。
可选的,多个人脸关键特征包括眼睛、鼻子、嘴巴和人脸轮廓中的至少两个,指定条件包括但不限于以下几种:鼻子的视差大于眼睛的视差;和/或,眼睛的视差大于预设视差;和/或,眼睛的尺寸在预设尺寸范围内;和/或,鼻子与眼睛之间的距离在第一预设距离范围内;和/或,鼻子与嘴巴之间的距离在第二预设距离范围内。
由于视差、尺寸、距离等参数计算复杂度相对较小,基于视差、尺寸、距离等参数判断目标对象是否为活体,使得判断过程效率更高。
需要说明的是,上述的预设值(比如,预设视差、预设尺寸范围、第一预设距离范围和第二预设距离范围)可以是用户自定义设置的,也可以是检测系统默认设置的,本实施例对预设值的具体取值不加以限定。
可选的,当人脸信息包括目标对象的人脸区域时,检测系统根据可见光图像中的人脸区域,确定第一红外图像中的人脸区域和第二红外图像中的人脸区域,包括:获取可见光图像中的人脸区域时,将可见光图像中的人脸区域映射至第一红外图像,得到第一红外图像中的人脸区域;根据第一红外图像中的人脸区域,在第二红外图像中确定匹配的人脸区域。相关细节可类比参考上述实施例中当人脸信息包括人脸特征点时的相关步骤的实现方式,在此不再赘述。
可选的,当人脸信息包括目标对象的人脸区域时,检测系统将第一红外图像中和第二红外图像各自对应的人脸区域中的多个像素点进行匹配,并计算多个像素点各自对应的深度信息值;根据多个像素点各自对应的深度信息值,确定目标对象是否为活体。
可选的,检测系统计算第一红外图像和第二红外图像中的多个像素点对应的视差,根据多个像素点各自对应的视差,计算得到多个像素点各自对应的深度信息值。
示意性的,通过如下公式计算像素点的深度信息值:其中,Z为像素点的深度信息值,T为第一红外摄像头与第二红外摄像头投影中心的距离,f为第一红外摄像头与第二红外摄像头的焦距,f和T均是预先标定好的值,d为该像素点的视差。本公开实施例对深度信息值的计算方式不加以限定。
可选的,检测系统根据多个像素点各自对应的深度信息值,确定目标对象是否为活体,包括:检测系统获取多个像素点各自对应的深度信息值中的最小深度信息值,将多个像素点各自对应的深度信息值与最小深度信息值相减得到多个像素点各自对应的相对深度信息值。检测系统计算多个像素点各自对应的相对深度信息值的平方和,当计算得到的平方和大于或者等于预设阈值时,确定目标对象为活体;当计算得到的平方和小于预设阈值时确定目标对象为非活体。
需要说明的是,本公开实施例对根据多个像素点各自对应的深度信息值,确定目标对象是否为活体的实现方式不加以限定。
综上所述,本实施例还通过检测系统同时通过可见光摄像头、第一红外摄像头和第二红外摄像头,分别获取目标对象的可见光图像、第一红外图像和第二红外图像,在可见光图像、第一红外图像和第二红外图像的拍摄过程中无需用户执行交互动作,提高了后续进行人脸活体检测的效率,安全性高,适应范围广。
本实施例还通过检测系统根据第一红外图像和第二红外图像各自对应的多个人脸特征点,计算目标对象的多个人脸关键特征各自对应的视差;当多个人脸关键特征各自对应的视差和/或多个人脸关键特征满足指定条件时,确定目标对象为活体;使得人脸活体检测的算法运算量较少,达到了易于在各个平台上实时进行计算,且易于移植的效果。
在一个示意性的例子中,以可见光图像为通过彩色摄像头采集的彩色图像为例进行说明,本公开实施例提供的人脸活体检测方法包括但不限于以下几个实现阶段:(1)、三个摄像头联合标定阶段。在实施人脸活体检测方法之前,对彩色摄像头、第一红外摄像头和第二红外摄像头进行联合标定,得到联合标定参数。该联合标定参数包括第一红外摄像头和第二红外摄像头对应的标定误差参数,以及彩色摄像头和第一红外摄像头之间的单应矩阵参数。(2)、多个人脸特征点进行精确定位阶段。在实施人脸活体检测时,如图5所示,步骤1,检测系统同时获取第一红外图像、第二红外图像和彩色图像;步骤2,采用预设定位算法定位该彩色图像中的多个人脸特征点。(3)、两个红外图像进行矫正阶段。步骤3,检测系统根据预先设置的标定误差参数,对第一红外图像和第二红外图像进行行对齐处理。(4)、彩色图像的人脸特征点的单应映射阶段。步骤4,检测系统根据预先设置的单应矩阵参数,将彩色图像中的人脸特征点单应映射至行对齐后的第一红外图像,得到第一红外图像中的多个人脸特征点。(5)、两个红外图像各自对应的人脸特征点的立体匹配阶段。步骤5,检测系统将第一红外图像和第二红外图像进行特征点立体匹配,在第二红外图像中查找到匹配的多个人脸特征点。(6)、检测系统将基于两个红外图像各自对应的多个人脸特征点进行活体判断阶段。步骤6,检测系统将根据第一红外图像和第二红外图像各自对应的多个人脸特征点,判断目标对象是否为活体。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参考图6,其示出了本公开一个实施例提供的人脸活体检测装置的结构示意图。该人脸活体检测装置可以通过专用硬件电路,或者,软硬件的结合实现成为图1中的计算机设备的全部或一部分,该人脸活体检测装置包括:获取模块610、第一确定模块620和第二确定模块630。
获取模块610,用于获取目标对象的可见光图像、第一红外图像和第二红外图像;
第一确定模块620,用于根据可见光图像中的人脸信息,确定第一红外图像中的人脸信息和第二红外图像中的人脸信息,人脸信息用于指示目标对象的人脸特征;
第二确定模块630,用于根据第一红外图像和第二红外图像各自对应的人脸信息,确定目标对象是否为活体。
在一种可能的实现方式中,用于包括可见光摄像头、第一红外摄像头和第二红外摄像头的检测系统中,获取模块610,还用于同时通过可见光摄像头、第一红外摄像头和第二红外摄像头,分别获取目标对象的可见光图像、第一红外图像和第二红外图像;
其中,可见光图像、第一红外图像和第二红外图像中均包括目标对象的人脸。
在一种可能的实现方式中,第一确定模块620,还用于获取可见光图像中的人脸信息,人脸信息包括目标对象的人脸区域和/或多个人脸特征点;
将可见光图像中的人脸信息映射至第一红外图像,得到第一红外图像中的人脸信息;
根据第一红外图像中的人脸信息,在第二红外图像中确定匹配的人脸信息。
在一种可能的实现方式中,第一确定模块620,还用于根据预先设置的标定误差参数,对第一红外图像和第二红外图像进行行对齐处理;
根据预先设置的单应矩阵参数,将可见光图像中的人脸信息映射至行对齐后的第一红外图像,得到第一红外图像中的人脸信息。
在一种可能的实现方式中,该装置,还包括:参数获取模块,参数获取模块,用于获取预先设置的联合标定参数,联合标定参数包括第一红外摄像头和第二红外摄像头对应的标定误差参数,以及可见光摄像头和第一红外摄像头之间的单应矩阵参数。
在一种可能的实现方式中,人脸信息包括目标对象的多个人脸特征点,第二确定模块630,还用于根据第一红外图像和第二红外图像各自对应的多个人脸特征点,计算目标对象的多个人脸关键特征各自对应的视差;
当多个人脸关键特征各自对应的视差和/或多个人脸关键特征满足指定条件时,确定目标对象为活体。
在一种可能的实现方式中,多个人脸关键特征包括眼睛、鼻子和嘴巴中的至少两个,指定条件包括:
鼻子的视差大于眼睛的视差;和/或,
眼睛的视差大于预设视差;和/或,
眼睛的尺寸在预设尺寸范围内;和/或,
鼻子与眼睛之间的距离在第一预设距离范围内;和/或,
鼻子与嘴巴之间的距离在第二预设距离范围内。
在一种可能的实现方式中,人脸信息包括目标对象的人脸区域;
第二确定模块630,还用于将第一红外图像中和第二红外图像各自对应的人脸区域中的多个像素点进行匹配,并计算多个像素点各自对应的深度信息值;
根据多个像素点各自对应的深度信息值,确定目标对象是否为活体。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本公开实施例还提供了一种检测系统,检测系统包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行上述各个方法实施例中由处理器执行的步骤。
本公开实施例还提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,计算机程序指令被处理器执行时实现上述的方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种人脸活体检测方法,其特征在于,所述方法包括:
获取目标对象的可见光图像、第一红外图像和第二红外图像;
根据所述可见光图像中的人脸信息,确定所述第一红外图像中的人脸信息和所述第二红外图像中的人脸信息,所述人脸信息用于指示所述目标对象的人脸特征;
根据所述第一红外图像和所述第二红外图像各自对应的人脸信息,确定所述目标对象是否为活体。
2.根据权利要求1所述的方法,其特征在于,用于包括可见光摄像头、第一红外摄像头和第二红外摄像头的检测系统中,所述获取目标对象的可见光图像、第一红外图像和第二红外图像,包括:
同时通过所述可见光摄像头、所述第一红外摄像头和所述第二红外摄像头,分别获取所述目标对象的所述可见光图像、所述第一红外图像和所述第二红外图像;
其中,所述可见光图像、所述第一红外图像和所述第二红外图像中均包括所述目标对象的人脸。
3.根据权利要求1所述的方法,其特征在于,所述根据所述可见光图像中的人脸信息,确定所述第一红外图像中的人脸信息和所述第二红外图像中的人脸信息,包括:
获取所述可见光图像中的所述人脸信息,所述人脸信息包括所述目标对象的人脸区域和/或多个人脸特征点;
将所述可见光图像中的人脸信息映射至所述第一红外图像,得到所述第一红外图像中的人脸信息;
根据所述第一红外图像中的人脸信息,在所述第二红外图像中确定匹配的人脸信息。
4.根据权利要求3所述的方法,其特征在于,所述将所述可见光图像中的人脸信息映射至所述第一红外图像,得到所述第一红外图像中的人脸信息之前,还包括:
根据预先设置的标定误差参数,对所述第一红外图像和所述第二红外图像进行行对齐处理;
所述将所述可见光图像中的人脸信息映射至所述第一红外图像,得到所述第一红外图像中的人脸信息,包括:
根据预先设置的单应矩阵参数,将所述可见光图像中的所述人脸信息映射至所述行对齐后的所述第一红外图像,得到所述第一红外图像中的所述人脸信息。
5.根据权利要求4所述的方法,其特征在于,所述根据预先设置的标定误差参数,对所述第一红外图像和所述第二红外图像进行行对齐处理之前,还包括:
获取预先设置的联合标定参数,所述联合标定参数包括所述第一红外摄像头和所述第二红外摄像头对应的所述标定误差参数,以及所述可见光摄像头和所述第一红外摄像头之间的所述单应矩阵参数。
6.根据权利要求1至5任一所述的方法,其特征在于,所述人脸信息包括所述目标对象的多个人脸特征点,所述根据所述第一红外图像和所述第二红外图像各自对应的人脸信息,确定所述目标对象是否为活体,包括:
根据所述第一红外图像和所述第二红外图像各自对应的多个所述人脸特征点,计算所述目标对象的多个人脸关键特征各自对应的视差;
当所述多个人脸关键特征各自对应的视差和/或所述多个人脸关键特征满足指定条件时,确定所述目标对象为所述活体。
7.根据权利要求6所述的方法,其特征在于,所述多个人脸关键特征包括眼睛、鼻子和嘴巴中的至少两个,所述指定条件包括:
所述鼻子的视差大于所述眼睛的视差;和/或,
所述眼睛的视差大于预设视差;和/或,
所述眼睛的尺寸在预设尺寸范围内;和/或,
所述鼻子与所述眼睛之间的距离在第一预设距离范围内;和/或,
所述鼻子与所述嘴巴之间的距离在第二预设距离范围内。
8.根据权利要求1至5任一所述的方法,其特征在于,所述人脸信息包括所述目标对象的人脸区域;
所述根据所述第一红外图像和所述第二红外图像各自对应的人脸信息,确定所述目标对象是否为活体,包括:
将所述第一红外图像中和所述第二红外图像各自对应的所述人脸区域中的多个像素点进行匹配,并计算多个像素点各自对应的深度信息值;
根据所述多个像素点各自对应的深度信息值,确定所述目标对象是否为所述活体。
9.一种人脸活体检测装置,其特征在于,所述装置包括:
获取模块,用于获取目标对象的可见光图像、第一红外图像和第二红外图像;
第一确定模块,用于根据所述可见光图像中的人脸信息,确定所述第一红外图像中的人脸信息和所述第二红外图像中的人脸信息,所述人脸信息用于指示所述目标对象的人脸特征;
第二确定模块,用于根据所述第一红外图像和所述第二红外图像各自对应的人脸信息,确定所述目标对象是否为活体。
10.一种检测系统,其特征在于,所述检测系统包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取目标对象的可见光图像、第一红外图像和第二红外图像;
根据所述可见光图像中的人脸信息,确定所述第一红外图像中的人脸信息和所述第二红外图像中的人脸信息,所述人脸信息用于指示所述目标对象的人脸特征;
根据所述第一红外图像和所述第二红外图像各自对应的人脸信息,确定所述目标对象是否为活体。
11.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911166569.4A CN110956114A (zh) | 2019-11-25 | 2019-11-25 | 人脸活体检测方法、装置、检测系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911166569.4A CN110956114A (zh) | 2019-11-25 | 2019-11-25 | 人脸活体检测方法、装置、检测系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110956114A true CN110956114A (zh) | 2020-04-03 |
Family
ID=69978448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911166569.4A Pending CN110956114A (zh) | 2019-11-25 | 2019-11-25 | 人脸活体检测方法、装置、检测系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110956114A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364759A (zh) * | 2020-11-10 | 2021-02-12 | 易显智能科技有限责任公司 | 一种驾驶员身份生物识别的方法及相关装置 |
CN112487921A (zh) * | 2020-11-25 | 2021-03-12 | 奥比中光科技集团股份有限公司 | 一种用于活体检测的人脸图像预处理方法及系统 |
CN112580434A (zh) * | 2020-11-25 | 2021-03-30 | 奥比中光科技集团股份有限公司 | 一种基于深度相机的人脸误检优化方法、系统及人脸检测设备 |
CN112818918A (zh) * | 2021-02-24 | 2021-05-18 | 浙江大华技术股份有限公司 | 一种活体检测方法、装置、电子设备及存储介质 |
CN112926464A (zh) * | 2021-03-01 | 2021-06-08 | 创新奇智(重庆)科技有限公司 | 一种人脸活体检测方法以及装置 |
CN113011271A (zh) * | 2021-02-23 | 2021-06-22 | 北京嘀嘀无限科技发展有限公司 | 生成和处理图像的方法、装置、设备、介质和程序产品 |
CN113392719A (zh) * | 2021-05-21 | 2021-09-14 | 华南农业大学 | 智能电子锁解锁方法、电子设备以及存储介质 |
WO2022057327A1 (zh) * | 2020-09-18 | 2022-03-24 | 深圳市商汤科技有限公司 | 标定方法、装置、设备、介质、程序及测温人脸识别装置 |
CN116631022A (zh) * | 2023-04-11 | 2023-08-22 | 广东德融汇科技有限公司 | 一种人脸精准识别方法、装置、设备以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590430A (zh) * | 2017-07-26 | 2018-01-16 | 百度在线网络技术(北京)有限公司 | 活体检测方法、装置、设备及存储介质 |
CN109101871A (zh) * | 2018-08-07 | 2018-12-28 | 北京华捷艾米科技有限公司 | 一种基于深度和近红外信息的活体检测装置、检测方法及其应用 |
CN110059644A (zh) * | 2019-04-23 | 2019-07-26 | 杭州智趣智能信息技术有限公司 | 一种基于人脸图像的活体检测方法、系统及相关组件 |
US20190335098A1 (en) * | 2018-04-28 | 2019-10-31 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Image processing method and device, computer-readable storage medium and electronic device |
-
2019
- 2019-11-25 CN CN201911166569.4A patent/CN110956114A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590430A (zh) * | 2017-07-26 | 2018-01-16 | 百度在线网络技术(北京)有限公司 | 活体检测方法、装置、设备及存储介质 |
US20190335098A1 (en) * | 2018-04-28 | 2019-10-31 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Image processing method and device, computer-readable storage medium and electronic device |
CN109101871A (zh) * | 2018-08-07 | 2018-12-28 | 北京华捷艾米科技有限公司 | 一种基于深度和近红外信息的活体检测装置、检测方法及其应用 |
CN110059644A (zh) * | 2019-04-23 | 2019-07-26 | 杭州智趣智能信息技术有限公司 | 一种基于人脸图像的活体检测方法、系统及相关组件 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022057327A1 (zh) * | 2020-09-18 | 2022-03-24 | 深圳市商汤科技有限公司 | 标定方法、装置、设备、介质、程序及测温人脸识别装置 |
CN112364759A (zh) * | 2020-11-10 | 2021-02-12 | 易显智能科技有限责任公司 | 一种驾驶员身份生物识别的方法及相关装置 |
CN112364759B (zh) * | 2020-11-10 | 2022-07-01 | 易显智能科技有限责任公司 | 一种驾驶员身份生物识别的方法及相关装置 |
CN112580434B (zh) * | 2020-11-25 | 2024-03-15 | 奥比中光科技集团股份有限公司 | 一种基于深度相机的人脸误检优化方法、系统及人脸检测设备 |
CN112487921A (zh) * | 2020-11-25 | 2021-03-12 | 奥比中光科技集团股份有限公司 | 一种用于活体检测的人脸图像预处理方法及系统 |
CN112580434A (zh) * | 2020-11-25 | 2021-03-30 | 奥比中光科技集团股份有限公司 | 一种基于深度相机的人脸误检优化方法、系统及人脸检测设备 |
CN112487921B (zh) * | 2020-11-25 | 2023-09-08 | 奥比中光科技集团股份有限公司 | 一种用于活体检测的人脸图像预处理方法及系统 |
CN113011271A (zh) * | 2021-02-23 | 2021-06-22 | 北京嘀嘀无限科技发展有限公司 | 生成和处理图像的方法、装置、设备、介质和程序产品 |
CN112818918A (zh) * | 2021-02-24 | 2021-05-18 | 浙江大华技术股份有限公司 | 一种活体检测方法、装置、电子设备及存储介质 |
CN112818918B (zh) * | 2021-02-24 | 2024-03-26 | 浙江大华技术股份有限公司 | 一种活体检测方法、装置、电子设备及存储介质 |
CN112926464A (zh) * | 2021-03-01 | 2021-06-08 | 创新奇智(重庆)科技有限公司 | 一种人脸活体检测方法以及装置 |
CN112926464B (zh) * | 2021-03-01 | 2023-08-29 | 创新奇智(重庆)科技有限公司 | 一种人脸活体检测方法以及装置 |
CN113392719A (zh) * | 2021-05-21 | 2021-09-14 | 华南农业大学 | 智能电子锁解锁方法、电子设备以及存储介质 |
CN116631022A (zh) * | 2023-04-11 | 2023-08-22 | 广东德融汇科技有限公司 | 一种人脸精准识别方法、装置、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110956114A (zh) | 人脸活体检测方法、装置、检测系统及存储介质 | |
US11948282B2 (en) | Image processing apparatus, image processing method, and storage medium for lighting processing on image using model data | |
CN110147721B (zh) | 一种三维人脸识别方法、模型训练方法和装置 | |
CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
KR20190001066A (ko) | 얼굴 인증 방법 및 장치 | |
US11443454B2 (en) | Method for estimating the pose of a camera in the frame of reference of a three-dimensional scene, device, augmented reality system and computer program therefor | |
CN109670390B (zh) | 活体面部识别方法与系统 | |
KR20190097640A (ko) | 영상 정합 방법 및 장치 | |
AU2020203790B2 (en) | Transformed multi-source content aware fill | |
CN113205057B (zh) | 人脸活体检测方法、装置、设备及存储介质 | |
US10853631B2 (en) | Face verification method and apparatus, server and readable storage medium | |
US20210256244A1 (en) | Method for authentication or identification of an individual | |
CN112802081A (zh) | 一种深度检测方法、装置、电子设备及存储介质 | |
CN112052832A (zh) | 人脸检测的方法、装置和计算机存储介质 | |
CN112712059A (zh) | 基于红外热图像和rgb图像的活体人脸识别方法 | |
CN113902932A (zh) | 特征提取方法、视觉定位方法及装置、介质和电子设备 | |
JP7264308B2 (ja) | 二次元顔画像の2つ以上の入力に基づいて三次元顔モデルを適応的に構築するためのシステムおよび方法 | |
KR20110024178A (ko) | 3차원 정보를 이용한 얼굴 인식 장치 및 방법 | |
CN113221767A (zh) | 训练活体人脸识别模型、识别活体人脸的方法及相关装置 | |
CN111160233B (zh) | 基于三维成像辅助的人脸活体检测方法、介质及系统 | |
EP3699865B1 (en) | Three-dimensional face shape derivation device, three-dimensional face shape deriving method, and non-transitory computer readable medium | |
CN111310567A (zh) | 一种多人场景下的人脸识别方法及装置 | |
CN113225484B (zh) | 快速获取屏蔽非目标前景的高清图片的方法及装置 | |
Hossain et al. | A real-time face to camera distance measurement algorithm using object classification | |
KR102151851B1 (ko) | 적외선 영상 기반 얼굴 인식 방법 및 이를 위한 학습 방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200403 |