CN111104917A - 基于人脸的活体检测方法、装置、电子设备及介质 - Google Patents

基于人脸的活体检测方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN111104917A
CN111104917A CN201911344155.6A CN201911344155A CN111104917A CN 111104917 A CN111104917 A CN 111104917A CN 201911344155 A CN201911344155 A CN 201911344155A CN 111104917 A CN111104917 A CN 111104917A
Authority
CN
China
Prior art keywords
image
matrix
face
face 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
Application number
CN201911344155.6A
Other languages
English (en)
Inventor
肖传宝
杜永生
陈白洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Moredian Technology Co ltd
Original Assignee
Hangzhou Moredian Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Moredian Technology Co ltd filed Critical Hangzhou Moredian Technology Co ltd
Priority to CN201911344155.6A priority Critical patent/CN111104917A/zh
Publication of CN111104917A publication Critical patent/CN111104917A/zh
Pending legal-status Critical Current

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
    • G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于人脸的活体检测方法，涉及人脸识别技术领域，用于解决由于配合动作耗时长，导致活体检测效率低的问题，该方法具体包括以下步骤：获取同时刻的红外人脸图像和彩色人脸图像；将红外人脸图像/彩色人脸图像调整至预设尺寸，对应得到第一红外图像/第一彩色图像；将第一红外图像转化为Gray矩阵，将第一彩色图像转化为RGB矩阵，融合Gray矩阵和RGB矩阵，并得到融合矩阵；将融合矩阵输入图像处理模型，得到是否为活体的检测结果。本发明还公开了一种基于人脸的活体检测装置、电子设备及计算机可读介质。

Description

基于人脸的活体检测方法、装置、电子设备及介质
技术领域
本发明涉及人脸识别技术领域，尤其涉及一种基于人脸的活体检测方法、装置、电子设备及介质。
背景技术
近年来，人脸识别技术日趋成熟，也越来越广泛地应用于支付、门禁考勤、解锁电子设备等各个领域。为了保证人脸识别的安全性，通常将人脸检测与活体检测配合使用，以保证被识别的人脸来自于当前活体人脸。
传统的活体检测方法为：通过眨眼、张嘴、摇头、点头等融合动作，使用人脸关键点定位和人脸追踪等技术，验证当前用户是否为活体操作。但是，上述的活体检测方法由于配合动作耗时长，从而导致了活体检测效率低。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种基于人脸的活体检测方法，具有提高活体检测效率的优点。
本发明的目的之一采用如下技术方案实现：
一种基于人脸的活体检测方法，包括以下步骤：
获取同时刻的红外人脸图像和彩色人脸图像；
将所述红外人脸图像/所述彩色人脸图像调整至预设尺寸，对应得到第一红外图像/第一彩色图像；
将所述第一红外图像转化为Gray矩阵，将所述第一彩色图像转化为RGB矩阵，融合所述Gray矩阵和所述RGB矩阵，并得到融合矩阵；
将所述融合矩阵输入图像处理模型，得到是否为活体的检测结果。
进一步地，获取同时刻的红外人脸图像和彩色人脸图像，包括以下步骤：
获取同时刻的红外图像和彩色图像：
识别所述红外图像/所述彩色图像的人脸关键点；
基于所述人脸关键点裁剪对应的所述红外图像/所述彩色图像，得到所述红外人脸图像/所述彩色人脸图像。
进一步地，还包括校正所述红外人脸图像/所述彩色人脸图像，其具体包括以下步骤：
识别所述红外人脸图像/所述彩色人脸图像的眼睛关键点；
旋转对应的所述红外人脸图像/所述彩色人脸图像，使得同一人脸图像的眼睛关键点与预设直线平齐。
进一步地，融合所述Gray矩阵和所述RGB矩阵，其包括以下步骤：
所述RGB矩阵具有三个特征矩阵分量，将各个特征矩阵分量分别与所述Gray矩阵融合，并对应得到融合矩阵分量；
按照预设顺序排列各个融合矩阵分量，并得到所述融合矩阵。
进一步地，将单个特征矩阵分量与所述Gray矩阵融合，包括以下步骤：
将当前的特征矩阵分量记为当前分量；
将所述当前分量、所述Gray矩阵及所述融合矩阵分量的对应点分别记为点A、点B及点C，所述点A的像素值和所述点B像素值基于预设权重得到所述点C的像素值。
进一步地，还包括以下步骤：判断所述检测结果是否为活体，若是，则进入人脸识别模式，若否，则进入校验模式。
进一步地，所述校验模式包括以下步骤：
查询活体检测次数；
判断所述活体检测次数是否超过第二预设值，若是，则标记对应的彩色人脸图像，若否，则更新所述活体检测次数并执行获取同时刻的红外人脸图像和彩色人脸图像。
本发明的目的之二在于提供一种基于人脸的活体检测装置，具有提高活体检测效率的优点。
本发明的目的之二采用如下技术方案实现：一种基于人脸的活体检测装置，包括：
人脸图像获取模块，用于获取同时刻的红外人脸图像和彩色人脸图像；
调整模块，用于将所述红外人脸图像/所述彩色人脸图像调整至预设尺寸，对应得到第一红外图像/第一彩色图像；
融合模块，用于将所述第一红外图像转化为Gray矩阵，将所述第一彩色图像转化为RGB矩阵，融合所述Gray矩阵和所述RGB矩阵，并得到融合矩阵；
训练模块，用于将所述融合矩阵输入图像处理模型，得到是否为活体的检测结果。
本发明的目的之三在于提供执行发明目的之一的电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，所述计算机程序被处理器执行时实现上述的基于人脸的活体检测方法。
本发明的目的之四在于提供存储发明目的之一的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于人脸的活体检测方法。
相比现有技术，本发明的有益效果在于：红外人脸图像为活体的真实信息，彩色人脸图像为需要进行人脸识别的信息，通过结合图像处理模型对红外人脸图像和彩色人脸图像进行分析，以判别彩色人脸图像是否为活体的真实信息，即该方法减小了用户配合动作数量，以缩短检测时间并提高活体检测效率。
附图说明
图1为实施例一所示基于人脸的活体检测方法的流程图；
图2为实施例二所示步骤S10和和步骤S50的流程图；
图3为实施例三所述基于人脸的活体检测方法的流程图；
图4为实施例四所示基于人脸的活体检测装置的结构框图；
图5为实施例五所示电子设备的结构框图。
图中：1、人脸图像获取模块；2、调整模块；3、融合模块；4、训练模块；5、电子设备；51、处理器；52、存储器；53、输入装置；54、输出装置。
具体实施方式
以下将结合附图，对本发明进行更为详细的描述，需要说明的是，以下参照附图对本发明进行的描述仅是示意性的，而非限制性的。各个不同实施例之间可以进行相互融合，以构成未在以下描述中示出的其他实施例。
实施例一
本实施例提供了一种基于人脸的活体检测方法，旨在解决由于用户配合动作耗时长，导致活体检测效率低的问题。具体地，参照图1所示，该基于人脸的活体检测方法具体包括以下步骤。
步骤S10、获取同时刻的红外人脸图像和彩色人脸图像。值得说明的是，红外人脸图像和彩色人脸图像对应于同一时刻，且红外人脸图像和彩色人脸图像应当为正面照，即均包含有五官信息。
步骤S20、将红外人脸图像调整至预设尺寸，得到第一红外图像；将彩色人脸图像调整至预设尺寸，得到第一彩色图像。其中，该尺寸为像素。
红外人脸图像的调整方式与彩色人脸图像的调整方式可以相同也可以不同，但为了提高操作的简便性和统一性，二者的调整方式优选为相同。其中，以红外人脸图像为例，其调整方式具体包括以下步骤：先获取预设尺寸；查询红外人脸图像的尺寸；基于预设尺寸对红外人脸图像进行缩放或拉伸，以得到符合预设尺寸要求的第一红外人脸图像。但红外人脸图像的调整方式不限于上述方式。
步骤S30、将第一红外图像转化为Gray矩阵、第一彩色图像转化为RGB矩阵，融合Gray矩阵和RGB矩阵，并得到融合矩阵。其中Gray矩阵的channel维度为一维，RGB矩阵、融合矩阵的channel维度为三维。
步骤S40、将融合矩阵输入图像处理模型，得到检测结果。该检测结果为活体或非活体。值得说明的是，为使图像处理模型的精度达到要求，需要将大量样本的数据输入模型进行训练。该样本包括正样本和负样本，其中正样本为真实的人脸图像，负样本为不同角度、表情、光线、距离的纸质人脸照片图像或其他设备上的电子人脸照片图像。
值得说明的是，图像处理模型可以采用mobilenet-v1模型、mobilenet-v2模型等，该图像处理模型不限于上述类型但优选为mobilenet-v2模型，只要可以根据融合矩阵判断是否为活体即可。
综上，红外人脸图像为活体的真实信息，彩色人脸图像为需要进行人脸识别的信息，通过结合图像处理模型对红外人脸图像和彩色人脸图像进行分析，以判别彩色人脸图像是否为活体的真实信息，即该方法减小了用户配合动作数量，以缩短检测时间并提高活体检测效率。
实施例二
本实施例提供了一种基于人脸的活体检测方法，参照图1和图2所示，本实施例在实施例一的基础上进行的。具体地，步骤10、获取同时刻的红外人脸图像和彩色人脸图像，其具体包括以下步骤。
步骤S101、获取同时刻的红外图像和彩色图像。其中红外图像可以由红外摄像机获取并处理得到，彩色图像可以由彩色摄像机获取并处理得到，红外图像和彩色图像也可以经由同一个彩色红外摄像机获取并处理得到，且该红外图像和彩色图像应当为正面照，即应当同时显示有五官。
步骤S102、识别红外图像/彩色图像的人脸关键点。该关键点包括但不限于：眼睛、嘴巴、鼻子、耳朵以及脸部轮廓。
步骤S103、基于人脸关键点裁剪对应的红外图像/彩色图像，得到红外人脸图像/彩色人脸图像。值得说明的是，红外图像/彩色图像可以根据对应的关键点分别裁剪；也可以先将彩色图像根据对应的关键点裁剪以得到彩色人脸图像，然后根据彩色人脸图像裁剪红外图像以得到红外人图像。
通过上述技术方案，利用关键点裁剪红外图像和彩色图像，从而减少干扰因素，以提高检测效率和准确度。
作为优选的技术方案，该活体检测方式还包括步骤S50、校正红外人脸图像/彩色人脸图像。该步骤S50具体包括以下步骤。
步骤S501、识别红外人脸图像/彩色人脸图像的眼睛关键点，即红外人脸图像对应有两个眼睛关键点，彩色人脸图像也对应有两个眼睛关键点。
步骤S502、旋转对应的红外人脸图像/彩色人脸图像，使得同一人脸图像的眼睛关键点与预设直线平齐，然后更新红外人脸图像/彩色人脸图像，继而执行步骤S20。
具体地，红外人脸图像和彩色人脸图像的旋转方式可以相同，也可以不相同。其中，当旋转方式相同时，以彩色人脸图像为例，该旋转方式可以但不限于为：获取两个眼睛关键点的连线a，旋转彩色人脸图像使得连线a与预设直线平行；当旋转方式不相同时，彩色人脸图像的旋转方式也可以采用上述方式，然后基于彩色人脸图像的旋转角度和旋转方向旋转红外人脸图像。
值得说明的是，由于摄像机的安装通常为正向安装，使得获取的待检测人脸通常为正向，即该待检测人脸的线a趋于水平且眼睛高于鼻子，从而将步骤S502中预设直线优选设为水平线，且待检测人脸的旋转角度限于[-45°，45°]。通过上述技术方案，以减少待检测人脸的旋转角度，以提高整体效率。
通过上述技术方案，减少图像处理模型的输入数据差异性，从而减少样本数量，以降低成本。
实施例三
本实施例提供一种基于人脸的活体检测方法，参照图2和图3所示，本实施例在实施例一或实施例二的基础上进行的。具体地，对于步骤S30中的融合Gray矩阵和RGB矩阵，其具体包括以下步骤。
步骤S301、将各个特征矩阵分量分别与Gray矩阵融合，并对应得到融合矩阵分量。值得说明的是，RGB矩阵具有三个特征矩阵分量，该矩阵分量是由像素点构成的，且三个特征分量的channel维度均为一维。该三个特征分量分别为R特征矩阵分量、G特征矩阵分量及B特征矩阵分量。
其中将单个特征矩阵分量与Gray矩阵融合，包括以下步骤：将当前的特征矩阵分量记为当前分量；将当前分量、Gray矩阵及融合矩阵分量的对应点分别记为点A、点B及点C，点A的像素值和点B像素值基于预设权重得到点C的像素值。
具体地，预设权重与当前分量关联，且包括权重a和权重b，点C的像素值＝点A的像素值*权重a+点B像素值*权重b，值得说明的是，R特征矩阵分量、G特征矩阵分量及B特征矩阵分量对应的预设权重可以相同也可以不相同。
值得说明的是，由于A点、B点及C点的像素值范围均为[0，255]，则应当符合权重a≤0.5，权重b≤0.5。为了减小信息的损失，权重a优选取值0.5，权重b优选取值0.5。
步骤S302、按照预设顺序排列各个融合矩阵分量，并得到融合矩阵。具体的，融合矩阵具有三个融合矩阵分量，分别为R融合矩阵分量、G融合矩阵分量及B融合矩阵分量，且与R特征矩阵分量、G特征矩阵分量及B特征矩阵分量对应。
预设顺序可以为：R融合矩阵分量、G融合矩阵分量及B融合矩阵分量依次排列，也可以为G融合矩阵分量、R融合矩阵分量及B融合矩阵分量依次排列，但该预设顺序不限于上述类型，只需组成的融合矩阵符合channel维度为三维即可。
作为优选的技术方案，该基于人脸的活体检测方法还包括：步骤S60、判断步骤S40中的检测结果是否为活体，若是，则执行步骤S70、进入人脸识别模式；若否，则执行进入校验模式。
通过该技术方案，在保证人员为活体的基础上，减少非必要人员的进入。值得说明的是，由于人脸识别的所需时间长于活体检测的所需时间，为提高工作效率，从而先进行活体识别，然后再对应进入人脸识别模式。
该人脸识别模式具体可以为：调取人脸数据数据库；将彩色人脸图像与人脸数据库匹配，若匹配成功，则输出成功信号；若匹配失败，则重新进入人脸识别模式至人脸识别次数超过第一预设值后，输出失败信号。以下以门禁为例，该门禁响应于成功信号打开门禁，响应于失败信号关闭门禁。
校验模式具体可以包括以下步骤S801至步骤S804.
步骤S801、查询活体检测次数。值得说明的是，该活体检测次数的初始值优选为0。优选地，如图3所示，在步骤S60中，当判断检测结果是为活体时，则执行步骤S90、将活体检测次数重置。
步骤S802、判断活体检测次数是否超过第二预设值，若是，则执行步骤S803、标记对应的彩色人脸图像；若否，则步骤S804、更新活体检测次数并重新执行步骤S10及相应的后续步骤。值得说明的是，在步骤S803中，可以将标记后的彩色人脸图像作为报警事件上报，也可以对标记后的彩色人脸图像进行人脸识别后再作为报警事件上报；在步骤S804，更新活体检测次数可以为：活体检测次数＝活体检测次数+1。
实施例四
本实施例提供一种基于人脸的活体检测装置，在解决由于用户配合动作耗时长，导致活体检测效率低的问题。具体地，参照图4所示，该基于人脸的活体检测装置具体包括人脸图像获取模块1、调整模块2、融合模块3及训练模块4。
人脸图像获取模块1用于获取同时刻的红外人脸图像和彩色人脸图像；调整模块2用于将红外人脸图像/彩色人脸图像调整至预设尺寸，对应得到第一红外图像/第一彩色图像；融合模块3用于将第一红外图像转化为Gray矩阵，将第一彩色图像转化为RGB矩阵，融合Gray矩阵和RGB矩阵，并得到融合矩阵；训练模块4用于将融合矩阵输入图像处理模型，得到是否为活体的检测结果。
实施例五
电子设备5可以是台式计算机、笔记本电脑、服务器(实体服务器或云服务器)等，甚至也可以是手机或平板电脑等，
图5为本发明实施例五提供的一种电子设备的结构示意图，如图4和图5所示，该电子设备5包括处理器51、存储器52、输入装置53和输出装置54；计算机设备中处理器51的数量可以是一个或多个，图5中以一个处理器51为例；电子设备5中的处理器51、存储器52、输入装置53和输出装置54可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器52作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的基于人脸的活体检测方法对应的程序指令/模块，该程序指令/模块为基于人脸的活体检测装置中的人脸图像获取模块1、调整模块2、融合模块3及训练模块4。处理器51通过运行存储在存储器52中的软件程序、指令/模块，从而执行电子设备5的各种功能应用以及数据处理，即实现上述实施例一至实施例三的任意实施例或实施例融合的基于人脸的活体检测方法。
存储器52可主要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、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。存储器52还可以进一步设置为包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至电子设备5。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其融合。
值得说明的是，输入装置53可以用于接收获取的相关数据。输出装置54可以包括文档或显示屏等显示设备。具体地，当输出装置为文档时，可以将对应信息按照特定的格式记录于文档内，在实现数据保存的同时，还实现了数据的整合；当输出装置为显示屏等显示设备时，直接将对应信息投放于显示屏等设备上，以便于用户实时查看。
实施例六
本发明实施例六还提供一种计算机可读存储介质，其包含计算机可执行指令，计算机可执行指令在由计算机处理器执行时用于执行上述的基于人脸的活体检测方法，该方法包括：
获取同时刻的红外人脸图像和彩色人脸图像；
将红外人脸图像/彩色人脸图像调整至预设尺寸，对应得到第一红外图像/第一彩色图像；
将第一红外图像转化为Gray矩阵，将第一彩色图像转化为RGB矩阵，融合Gray矩阵和RGB矩阵，并得到融合矩阵；
将融合矩阵输入图像处理模型，得到是否为活体的检测结果。
当然，本发明实施例所提供的一种计算机可读存储介质，其计算机可执行指令不限于如上的方法操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FlASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(可以是手机，个人计算机，服务器，或者网络设备等)执行本发明中实施例一至实施例三任意实施例或实施例融合的基于人脸的活体检测方法。
值得注意的是，上述的基于人脸的活体检测的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可。另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (10)

1.一种基于人脸的活体检测方法，其特征在于，包括以下步骤：
获取同时刻的红外人脸图像和彩色人脸图像；
将所述红外人脸图像/所述彩色人脸图像调整至预设尺寸，对应得到第一红外图像/第一彩色图像；
将所述第一红外图像转化为Gray矩阵，将所述第一彩色图像转化为RGB矩阵，融合所述Gray矩阵和所述RGB矩阵，并得到融合矩阵；
将所述融合矩阵输入图像处理模型，得到是否为活体的检测结果。
2.根据权利要求1所述的基于人脸的活体检测方法，其特征在于，获取同时刻的红外人脸图像和彩色人脸图像，包括以下步骤：
获取同时刻的红外图像和彩色图像：
识别所述红外图像/所述彩色图像的人脸关键点；
基于所述人脸关键点裁剪对应的所述红外图像/所述彩色图像，得到所述红外人脸图像/所述彩色人脸图像。
3.根据权利要求2所述的基于人脸的活体检测方法，其特征在于，还包括校正所述红外人脸图像/所述彩色人脸图像，其具体包括以下步骤：
识别所述红外人脸图像/所述彩色人脸图像的眼睛关键点；
旋转对应的所述红外人脸图像/所述彩色人脸图像，使得同一人脸图像的眼睛关键点与预设直线平齐。
4.根据权利要求1所述的基于人脸的活体检测方法，其特征在于，融合所述Gray矩阵和所述RGB矩阵，其包括以下步骤：
所述RGB矩阵具有三个特征矩阵分量，将各个特征矩阵分量分别与所述Gray矩阵融合，并对应得到融合矩阵分量；
按照预设顺序排列各个融合矩阵分量，并得到所述融合矩阵。
5.根据权利要求4所述的基于人脸的活体检测方法，其特征在于，将单个特征矩阵分量与所述Gray矩阵融合，包括以下步骤：
将当前的特征矩阵分量记为当前分量；
将所述当前分量、所述Gray矩阵及所述融合矩阵分量的对应点分别记为点A、点B及点C，所述点A的像素值和所述点B像素值基于预设权重得到所述点C的像素值。
6.根据权利要求1至5任意一项所述的基于人脸的活体检测方法，其特征在于，还包括以下步骤：判断所述检测结果是否为活体，若是，则进入人脸识别模式，若否，则进入校验模式。
7.根据权利要求6所述的基于人脸的活体检测方法，其特征在于，所述校验模式包括以下步骤：
查询活体检测次数；
判断所述活体检测次数是否超过第二预设值，若是，则标记对应的彩色人脸图像，若否，则更新所述活体检测次数并执行获取同时刻的红外人脸图像和彩色人脸图像。
8.一种基于人脸的活体检测装置，其特征在于，包括：
人脸图像获取模块，用于获取同时刻的红外人脸图像和彩色人脸图像；
调整模块，用于将所述红外人脸图像/所述彩色人脸图像调整至预设尺寸，对应得到第一红外图像/第一彩色图像；
融合模块，用于将所述第一红外图像转化为Gray矩阵，将所述第一彩色图像转化为RGB矩阵，融合所述Gray矩阵和所述RGB矩阵，并得到融合矩阵；
训练模块，用于将所述融合矩阵输入图像处理模型，得到是否为活体的检测结果。
9.一种电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任意一项所述的基于人脸的活体检测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任意一项所述的基于人脸的活体检测方法。
CN201911344155.6A 2019-12-24 2019-12-24 基于人脸的活体检测方法、装置、电子设备及介质 Pending CN111104917A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911344155.6A CN111104917A (zh) 2019-12-24 2019-12-24 基于人脸的活体检测方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911344155.6A CN111104917A (zh) 2019-12-24 2019-12-24 基于人脸的活体检测方法、装置、电子设备及介质

Publications (1)

Publication Number Publication Date
CN111104917A true CN111104917A (zh) 2020-05-05

Family

ID=70423953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911344155.6A Pending CN111104917A (zh) 2019-12-24 2019-12-24 基于人脸的活体检测方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN111104917A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652082A (zh) * 2020-05-13 2020-09-11 北京的卢深视科技有限公司 人脸活体检测方法和装置
CN112052832A (zh) * 2020-09-25 2020-12-08 北京百度网讯科技有限公司 人脸检测的方法、装置和计算机存储介质
CN112633192A (zh) * 2020-12-28 2021-04-09 杭州魔点科技有限公司 一种手势交互的人脸识别测温的方法、系统、设备及介质
CN113505682A (zh) * 2021-07-02 2021-10-15 杭州萤石软件有限公司 活体检测方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609927A (zh) * 2012-01-12 2012-07-25 北京理工大学 基于场景景深的雾天可见光/红外图像彩色融合方法
CN105404846A (zh) * 2014-09-15 2016-03-16 中国移动通信集团广东有限公司 一种图像处理方法及装置
CN107292860A (zh) * 2017-07-26 2017-10-24 武汉鸿瑞达信息技术有限公司 一种图像处理的方法及装置
CN108364272A (zh) * 2017-12-30 2018-08-03 广东金泽润技术有限公司 一种高性能红外-可见光融合探测方法
CN108921041A (zh) * 2018-06-06 2018-11-30 深圳神目信息技术有限公司 一种基于rgb和ir双目摄像头的活体检测方法及装置
CN109034102A (zh) * 2018-08-14 2018-12-18 腾讯科技（深圳）有限公司 人脸活体检测方法、装置、设备及存储介质
CN110008783A (zh) * 2018-01-04 2019-07-12 杭州海康威视数字技术股份有限公司 基于神经网络模型的人脸活体检测方法、装置及电子设备
CN110032915A (zh) * 2018-01-12 2019-07-19 杭州海康威视数字技术股份有限公司 一种人脸活体检测方法、装置及电子设备
CN110223262A (zh) * 2018-12-28 2019-09-10 中国船舶重工集团公司第七一七研究所 一种基于像素级的快速图像融合方法
CN110363731A (zh) * 2018-04-10 2019-10-22 杭州海康威视数字技术股份有限公司 一种图像融合方法、装置及电子设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609927A (zh) * 2012-01-12 2012-07-25 北京理工大学 基于场景景深的雾天可见光/红外图像彩色融合方法
CN105404846A (zh) * 2014-09-15 2016-03-16 中国移动通信集团广东有限公司 一种图像处理方法及装置
CN107292860A (zh) * 2017-07-26 2017-10-24 武汉鸿瑞达信息技术有限公司 一种图像处理的方法及装置
CN108364272A (zh) * 2017-12-30 2018-08-03 广东金泽润技术有限公司 一种高性能红外-可见光融合探测方法
CN110008783A (zh) * 2018-01-04 2019-07-12 杭州海康威视数字技术股份有限公司 基于神经网络模型的人脸活体检测方法、装置及电子设备
CN110032915A (zh) * 2018-01-12 2019-07-19 杭州海康威视数字技术股份有限公司 一种人脸活体检测方法、装置及电子设备
CN110363731A (zh) * 2018-04-10 2019-10-22 杭州海康威视数字技术股份有限公司 一种图像融合方法、装置及电子设备
CN108921041A (zh) * 2018-06-06 2018-11-30 深圳神目信息技术有限公司 一种基于rgb和ir双目摄像头的活体检测方法及装置
CN109034102A (zh) * 2018-08-14 2018-12-18 腾讯科技（深圳）有限公司 人脸活体检测方法、装置、设备及存储介质
CN110223262A (zh) * 2018-12-28 2019-09-10 中国船舶重工集团公司第七一七研究所 一种基于像素级的快速图像融合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
丁鑫: "红外和可见光图像融合算法研究" *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652082A (zh) * 2020-05-13 2020-09-11 北京的卢深视科技有限公司 人脸活体检测方法和装置
CN112052832A (zh) * 2020-09-25 2020-12-08 北京百度网讯科技有限公司 人脸检测的方法、装置和计算机存储介质
CN112633192A (zh) * 2020-12-28 2021-04-09 杭州魔点科技有限公司 一种手势交互的人脸识别测温的方法、系统、设备及介质
CN112633192B (zh) * 2020-12-28 2023-08-25 杭州魔点科技有限公司 一种手势交互的人脸识别测温的方法、系统、设备及介质
CN113505682A (zh) * 2021-07-02 2021-10-15 杭州萤石软件有限公司 活体检测方法及装置

Similar Documents

Publication Publication Date Title
CN111104917A (zh) 基于人脸的活体检测方法、装置、电子设备及介质
EP3989104A1 (en) Facial feature extraction model training method and apparatus, facial feature extraction method and apparatus, device, and storage medium
KR20200098875A (ko) 3ｄ 얼굴인식 시스템 및 방법
WO2012002047A1 (ja) 属性判定方法、属性判定装置、プログラム、記録媒体および属性判定システム
CN110826521A (zh) 驾驶员疲劳状态识别方法、系统、电子设备和存储介质
EP3614300A1 (en) People-credentials comparison authentication method, system and camera
CN108108711B (zh) 人脸布控方法、电子设备及存储介质
EP4033458A2 (en) Method and apparatus of face anti-spoofing, device, storage medium, and computer program product
CN112101123B (zh) 一种注意力检测方法及装置
WO2020155790A1 (zh) 理赔信息提取方法和装置、电子设备
CN111160202A (zh) 基于ar设备的身份核验方法、装置、设备及存储介质
CN111881740B (zh) 人脸识别方法、装置、电子设备及介质
CN113221771A (zh) 活体人脸识别方法、装置、设备、存储介质及程序产品
US20210144197A1 (en) Method for Presenting Schedule Reminder Information, Terminal Device, and Cloud Server
CN112991180A (zh) 图像拼接方法、装置、设备以及存储介质
JP2022133378A (ja) 顔生体検出方法、装置、電子機器、及び記憶媒体
CN113255516A (zh) 活体检测方法、装置和电子设备
CN109002776A (zh) 人脸识别方法、系统、计算机设备和计算机可读存储介质
CN111178129B (zh) 一种基于人脸和姿态的多模态人员识别方法
CN111126265A (zh) 活体检测方法、装置、电子设备及介质
CN113158773B (zh) 一种活体检测模型的训练方法及训练装置
CN103186765A (zh) 一种通过手机瞳孔识别鉴定吸毒人员的方法
CN112328822A (zh) 图片预标注方法、装置及终端设备
CN113569594A (zh) 一种人脸关键点的标注方法及装置
CN114821513B (zh) 一种基于多层网络的图像处理方法及装置、电子设备

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