CN111160299A - 活体识别方法及装置 - Google Patents
活体识别方法及装置 Download PDFInfo
- Publication number
- CN111160299A CN111160299A CN201911419025.4A CN201911419025A CN111160299A CN 111160299 A CN111160299 A CN 111160299A CN 201911419025 A CN201911419025 A CN 201911419025A CN 111160299 A CN111160299 A CN 111160299A
- Authority
- CN
- China
- Prior art keywords
- image
- exposure
- infrared
- living body
- 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.)
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Studio Devices (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种活体识别方法及装置,其中,活体识别方法包括:步骤S1,对于曝光条件进行测评,并基于测评结果进行动态曝光,获取待识别对象的可见光图像与红外图像;步骤S2,基于所述可见光图像和红外图像进行检测,确定待识别对象是否为活体。根据本发明实施例的活体识别方法,通过动态调整摄像头曝光情况,能够适应不同场景(例如户外或半户外等),提高了活体判定的安全性和泛化性。
Description
技术领域
本发明涉及活体识别领域,具体涉及一种活体识别方法及装置。
背景技术
随着信息技术和网络技术的迅猛发展,人们对身份识别技术的需求越来越多,对其安全可靠性的要求也越来越严格。作为目前认证领域的热点技术,人脸活体识别的身份认证技术在人脸图像的基础上,通过专用的人脸信息采集设备采集人脸图像,然后进行人脸检测、人眼定位和特征提取,然后再与模板库中的模板图像进行比对,以此识别判断当前验证的对象是否为真实的用户个人。
目前的人脸识别系统中,大多采用照片或视频进行识别,但是采用这种方法,人们可以用照片和视频骗过系统。而活体识别能有效抵御这种攻击。
作为活体识别技术,已经公开有通过使用可见光摄像头进行拍摄、识别,但这种方案防攻击能力差;或使用结构光摄像头结合可见光摄像头,但这种方案成本较高;还有使用可见光摄像头加红外摄像头,这种方案成本和防攻击能力都较优,但是在户外或者半户外受太阳光等自然条件下红外线的干扰。
发明内容
有鉴于此,本发明提供一种活体识别方法及装置,能够有效解决在户外或半户外场景下光线干扰的问题。
为解决上述技术问题,一方面,本发明提供一种活体识别方法,包括如下步骤:
步骤S1,对于曝光条件进行测评,并基于测评结果进行动态曝光,获取待识别对象的可见光图像与红外图像;
步骤S2,基于所述可见光图像和红外图像进行检测,确定待识别对象是否为活体。
进一步地,所述步骤S1包括:
步骤S11,对于红外曝光进行动态测评,获取红外曝光条件;
步骤S12,在所述红外曝光条件下,获取待识别对象的红外图像。
进一步地,所述步骤S11包括:
在待机状态下,在低曝光、中曝光、和高曝光条件下进行切换以获取红外参考图像;
对于所述红外参考图像进行检测,当从所述红外参考图像中检测得到参考对象时,则根据该曝光条件下的检测的参考对象的预定区域的平均亮度确定所述红外曝光条件。
进一步地,根据平均亮度确定所述红外曝光条件包括:
当所述平均亮度低于第一阈值,则进行补光来增加过光量;当所述平均亮度高于第二阈值,则通过缩小光圈或降低ISO来减少过光量。
进一步地,所述步骤S1还包括:
步骤S13,对于可见光曝光进行动态测评,获取可见光曝光条件;
步骤S14,在所述可见光曝光条件下,获取待识别对象的可见光图像。
进一步地,所述步骤S13包括:
在待机状态下,在低曝光、中曝光、和高曝光条件下进行切换以获取可见光参考图像;
进一步地,对于所述可见光参考图进行评价,当整体亮度低于第三阈值,则进行补光来增加过光量,以获取所述可见光图像;当整体亮度高于第四阈值,则通过缩小光圈或降低ISO来减少过光量,以获取所述可见光图像。
进一步地,所述步骤S2包括:
对于所述可见光图像和/或红外图像进行质量评估,以确定满足质量要求的所述可见光图像和红外图像;
对于满足质量要求的所述可见光图像和红外图像,通过卷积神经网络进行分类,判断所述待识别对象是否为活体。
进一步地,通过卷积神经网络对于所述可见光图像和/或红外图像进行质量评估。
进一步地,对于连续若干帧的图像进行检测,当判定结果均显示所述待识别对象为活体时,则确定所述待识别对象为活体。
另一方面,本发明提供一种活体识别装置,包括:
动态曝光测评模块,所述动态曝光模块用于对曝光条件进行测评;
影像采集模块,用于基于所述动态曝光模块得到的测评结过进行动态曝光,获取待识别对象的可见光图像与红外图像;
活体判定模块,基于所述可见光图像和红外图像进行检测,确定待识别对象是否为活体。
进一步地,所述动态曝光测评模块用于对红外曝光进行动态测评,获取红外曝光条件,所述影像采集模块在所述红外曝光条件下获取所述红外图像。
进一步地,所述影像采集模块在待机状态下依据低曝光、中曝光、和高曝光下进行切换,以获取红外参考图像;
所述活体判定模块对于所述红外参考图像进行检测,当从所述红外参考图像中检测得到参考对象时,所述动态曝光测评模块则根据该曝光条件下的检测的参考对象的预定区域的平均亮度确定所述红外曝光条件。
进一步地,所述动态曝光测评模块根据平均亮度确定所述红外曝光条件包括:
当平均亮度低于第一阈值,则进行补光来增加过光量;当所述平均亮度高于第二阈值,则通过缩小光圈或降低ISO来减少过光量。
进一步地,所述动态曝光测评模块还用于对可见光曝光进行动态测评,获取可见光曝光条件,所述影像采集模块在所述可见光曝光条件下获取待识别对象的可见光图像。
进一步地,所述影像采集模块在待机状态下依据低曝光、中曝光、和高曝光下进行切换,以获取可见光参考图像;
所述动态曝光测评模块对于所述可见光参考图进行评价,当整体亮度低于第三阈值,则进行补光来增加过光量,以获取所述可见光图像;当整体亮度高于第四阈值,则通过缩小光圈或降低ISO来减少过光量,以获取所述可见光图像。
进一步地,所述影像采集模块包括:
红外摄像头和红外补光灯,用于获取所述红外图像;
可见光摄像头和可见光补光灯,用于获取所述可见光图像。
进一步地,所述活体判定模块对于所述可见光图像和/或红外图像进行质量评估,以确定满足质量要求的所述可见光图像和红外图像;对于满足质量要求的所述可见光图像和红外图像,通过卷积神经网络进行分类,判断所述待识别对象是否为活体。
进一步地,所述活体判定模块对于连续若干帧的图像进行检测,当判定结果均显示所述待识别对象为活体时,则确定所述待识别对象为活体。
附图说明
图1为根据本发明一实施例的活体识别方法的流程图;
图2为根据本发明实施例的活体识别装置的示意图;
图3为根据本发明一实施例的活体识别装置的工作示意图。
具体实施方式
下面将结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
首先,结合图1说明根据本发明实施例的活体识别方法。
如图1所示,根据本发明实施例的活体识别方法,包括如下步骤:
步骤S1,对于曝光条件进行测评,并基于测评结果进行动态曝光,获取待识别对象的可见光图像与红外图像。
其中,待识别对象可以为人、动物等。此外,待识别对象的可见光图像和红外图像可以是人脸部分图像等能判断为活体的对象。
也就是说,首先对于曝光条件进行评估,并根据评估的曝光条件进行动态曝光(所谓动态曝光,即对于不同的拍摄条件调节曝光条件以获取质量较佳的图片),并获取待识别对象的可见光图像与红外图像。由此,根据环境光线和待识别对象进行相应的动态曝光,从而避免了环境光线(例如,户外或者半户外中太阳光等自然条件下红外线)的干扰。
可以分别对于红外曝光和/或可见光曝光进行曝光条件评估并由此进行动态曝光,在此基础上分别获取待识别对象的红外图像与可见光图像。
根据本发明一些实施例,步骤S1包括:
步骤S11,对于红外曝光进行动态测评,获取红外曝光条件。
一般情况下,首先在待机状态下,在低曝光、中曝光、和高曝光条件下进行切换以获取红外参考图像。
接着,对于红外参考图像进行检测,当从红外参考图像中检测得到参考对象时,则根据该曝光条件下的检测的参考对象的预定区域的平均亮度确定红外曝光条件。
例如,以待识别对象为人,预定区域为人脸为例,当从红外参考图像中检测得到人脸时,根据检测的人脸的预定区域的平均亮度确定红外曝光条件。
也就是说,例如,以地铁刷脸支付为例,首先在待机状态下,以不同曝光条件拍摄路过人员(非待通过人员,作为参考对象),获取红外参考图像;此后,以能够检测到该参考对象的曝光条件下的红外参考图像中的参考对象的人脸部分的平均亮度来确定红外曝光条件。
随着环境光线的变化(有灯、无灯、白天、黑夜等),将造成曝光条件的不同,本发明通过对曝光条件进行动态评测,能够克服环境光的干扰,获取更清楚的红外图像。
由于,待机状态下的曝光条件与待识别对象通过时的曝光条件接近,由此,可以在检测到有待识别对象进入该区域时,迅速进行动态曝光,缩短了动态曝光调整的时间,且安全可靠。
根据本发明一些实施例,根据该曝光条件下的检测的参考对象的预定区域的平均亮度确定红外曝光条件可以包括如下几种情况:
1)当平均亮度低于第一阈值,则通过进行补光来增加过光量。
所谓第一阈值,例如可以是为亮度满足获取质量较佳图像的平均亮度的最低值,换言之,例如可以是使得所拍摄的红外图像满足后续提取特征向量所要求的平均亮度的下限值。
如果平均亮度低于第一阈值,说明亮度太暗,可以通过增大光圈(增加入光量)、提高ISO(提高感光度)、降低快门速度等调节摄像装置的自身参数,或通过补光灯进行补光来增加过光量,以获取质量较佳的红外图像。如果在高曝光状态下仍然整体反光较少,则说明亮度太暗(平均亮度过低),摄像装置的自身曝光能力(调节光圈、ISO等)不足以满足第一阈值,在此情况下,可以通过红外补光灯进行补光,以获取质量较佳的红外图像。
当然,红外补光灯进行补光的同时可以结合摄像头,例如可以通过调节光圈、ISO来调节配合补光灯补光,从而可以获取质量较佳的图片,这些都应该理解在本发明范围内。
优选地,补光的多少也是动态测评和根据测评结果曝光的过程。
由此,可以在黑暗环境下,仍然使得平均亮度高于第一阈值,从而获取质量较佳的图像,便于后续的活体识别。
2)当平均亮度高于第二阈值,如果平均亮度高于第二阈值,则通过缩小光圈或降低ISO来减少过光量,以获取红外图像。
所谓第二阈值为亮度满足获取质量较佳图像的平均亮度的最高值,也就是使得所拍摄的红外图像满足后续提取特征向量所要求的平均亮度的上限值。
如果平均亮度高于第二阈值,说明亮度太亮,可以通过缩小光圈(降低入光量)、加快快门速度、或降低ISO(降低感光度)等减少过光量,以获取质量较佳的红外图像。由此,可以在高亮度环境下,仍然能获取质量较佳的图片,便于后续的活体识别更加稳定可靠。
3)当平均亮度达到第一阈值和第二阈值之间,以该曝光条件拍摄红外图像。
也就是说,通过进行增大过光量(增大光圈、提高ISO、或补光灯补光)或减少过光量(降低光圈、降低ISO),将平均亮度调节在第一阈值与第二阈值之间,从而通过适当的曝光条件来获取质量较佳的红外图像。
以上,第一阈值和第二阈值之间是适当的曝光条件,可以根据活体识别的精度需求来调整,例如活体识别的精度需求较高,则设定第一阈值和第二阈值之间的范围较窄(即,提高最低值同时降低最高值)。由此能够有利于提高后续的特征向量的提取精度,提高活体识别精度。当活体识别的精度需求较低,则设定第一阈值和第二阈值之间的范围较宽(即降低最低值同时提高最高值)。由此,可以避免过度调节,同时避免亮度波动影响调节时间,从而缩短调节曝光的时间,同时更快的进行活体识别。
当然,以上只是可选地示例,例如,增加或降低摄像头拍摄图像的快门速度,调整亮度在第一阈值和第二阈值之间,以获取质量较佳的图像,即任何通过调整摄像头获取质量较佳的图像均应该理解在本发明范围内。
步骤S12,在红外曝光条件下,获取待识别对象的红外图像。
也就是说,根据上述确定的红外曝光条件(平均亮度达到第一阈值和第二阈值之间),获取待识别对象的红外图像。由此,可以获取适度曝光的红外图像,便于后续的活体识别。
例如,红外摄像头在获取人脸的红外曝光条件下,对人脸进行拍照,获取质量较佳人脸的红外图像。
当然,以上也可以是个动态循环过程:获取待识别对象的红外图像后,检测获取待识别对象的红外图像,对于待识别对象的红外图像进行动态测评,获取新的红外曝光条件,再根据新的红外曝光调节,获取待识别对象的红外图像,以上这些,都应该理解在本发明范围内。
进一步地,除了对红外曝光条件进行动态测评并由此确定红外曝光条件之外,还可以对可见光曝光条件进行动态。
具体地,可以包括:
步骤S13,对于可见光曝光进行动态测评,获取可见光曝光条件;
步骤S14,在可见光曝光条件下,获取待识别对象的可见光图像。
其中,可见光曝光条件的动态测评具体可以包括:
在待机状态下,在低曝光、中曝光、和高曝光条件下进行切换以获取可见光参考图像;
对于可见光参考图进行评价,当整体亮度低于第三阈值,则进行补光来增加过光量,以获取可见光图像;当整体亮度高于第四阈值,则通过缩小光圈或降低ISO来减少过光量,以获取可见光图像。至于详细情况,可以参考以上对于红外曝光条件的动态测评等,在此省略其详细说明。
需要说明的是,上述红外光曝光条件的测评和可见光条件的动态测评,其彼此相互独立,也就是说,彼此不作为其另一方进行的前提,且其执行顺序也彼此相互独立。换言之,既可以仅仅对于可见光或者红外光的一种曝光条件进行动态测评,也可以对两者均进行动态测评,即可以先进行红外光的曝光条件测评然后进行可见光的曝光条件的动态测评,也可以相反,还可以同时进行两者的曝光条件的动态测评。
由此,可以根据实际环境光的具体情况,动态测评、调节曝光条件,并根据确定过后的曝光条件下获取的可见光图像和红外光图像,进行准确的活体识别,避免了环境光的干扰。
步骤S2,基于可见光图像和红外图像进行检测,确定待识别对象是否为活体。
也就是说,对可见光图像和红外图像进行处理,以确定待识别对象是否为活体。
根据本发明一些实施例,包括:
S21,对于可见光图像和/或红外图像进行质量评估,以确定满足质量要求的可见光图像和红外图像;
例如,通过质量评估人脸的可见光图像和/或红外图像,将质量不合格的人脸拒绝,包括是否张嘴,闭眼,侧脸角度过大等。
由此,可以获取满足质量要求的可见光图像和红外图像,便于活体识别。
进一步地,通过卷积神经网络对于可见光图像和/或红外图像进行质量评估。由此,可以有更准确的质量评估,获取质量更高的可见光图像和红外图像。
S22,对于满足质量要求的可见光图像和红外图像,通过卷积神经网络进行分类,判断待识别对象是否为活体。由此,通过合适的曝光和获取质量要求的可见光和红外图像,并通过卷积神经网络进行分类,使得活体识别较准确,可靠性较高。
当然,以上可以是将可见光和红外图像,分别通过一个卷积神经网络进行分类,也可以将可见光和红外图像,分别通过不同的卷积神经网络进行分类,这些都应该理解为在本发明范围内。
进一步地,对于连续若干帧的图像进行检测,当判定结果均显示待识别对象为活体时,则确定待识别对象为活体。由此,可以更准确的判断待识别对象是否为活体,避免干扰,更加安全可靠。
例如,对于连续3帧的图像进行检测,当判定结果均显示待识别对象为活体时,则确定待识别对象为活体。
以上可以通过若干特定防攻击模型进行判断,判断是否存在某些攻击方式,如屏幕工具,照片攻击等。
下面,结合图2说明本发明实施例的活体识别装置1000,包括:
动态曝光测评模块1001,动态曝光模块用于对曝光条件进行测评。
影像采集模块1002,用于基于动态曝光模块得到的测评结过进行动态曝光,获取待识别对象的可见光图像与红外图像。
活体判定模块1003,基于可见光图像和红外图像进行检测,确定待识别对象是否为活体。
进一步地,动态曝光测评模块1001用于对红外曝光进行动态测评,获取红外曝光条件,影像采集模块1002在红外曝光条件下获取红外图像。
进一步地,影像采集模块1002在待机状态下依据低曝光、中曝光、和高曝光下进行切换,以获取红外参考图像,
活体判定模块1003对于红外参考图像进行检测,当从红外参考图像中检测得到参考对象时,动态曝光测评模块1001则根据该曝光条件下的检测的参考对象的预定区域的平均亮度确定红外曝光条件。
进一步地,动态曝光测评模块1001根据平均亮度确定红外曝光条件包括:
当平均亮度低于第一阈值,则进行补光来增加过光量;当平均亮度高于第二阈值,则通过缩小光圈或降低ISO来减少过光量。
进一步地,动态曝光测评模块1001还用于对可见光曝光进行动态测评,获取可见光曝光条件,影像采集模块1002在可见光曝光条件下获取待识别对象的可见光图像。
进一步地,影像采集模块1002在待机状态下依据低曝光、中曝光、和高曝光下进行切换,以获取可见光参考图像;
动态曝光测评模块1001对于可见光参考图进行评价,当整体亮度低于第三阈值,则进行补光来增加过光量,以获取可见光图像;当整体亮度高于第四阈值,则通过缩小光圈或降低ISO来减少过光量,以获取可见光图像。
进一步地,影像采集模块1002包括:
红外摄像头和红外补光灯,用于获取红外图像;
可见光摄像头和可见光补光灯,用于获取可见光图像。
进一步地,活体判定模块1003对于可见光图像和/或红外图像进行质量评估,以确定满足质量要求的可见光图像和红外图像;对于满足质量要求的可见光图像和红外图像,通过卷积神经网络进行分类,判断待识别对象是否为活体。
进一步地,活体判定模块1003对于连续若干帧的图像进行检测,当判定结果均显示待识别对象为活体时,则确定待识别对象为活体。
根据本发明一些实施例,如图3所示,活体识别装置1000的工作流程为:
在待机状态下,影像采集模块1002依据低曝光、中曝光、和高曝光下进行切换,获取红外和可见光参考图像。活体判定模块1003对于红外和可见光参考图像进行检测,当从红外和可见光参考图像中检测得到参考对象时,动态曝光测评模块1001则根据该曝光条件下的检测的参考对象的预定区域的平均亮度确定红外和可见光曝光条件。
在识别状态,影像采集模块1002依据红外和可见光曝光条件,获取待识别对象的红外和可见光图像。活体判定模块1003对于所述可见光图像和/或红外图像进行质量评估,以确定满足质量要求的所述可见光图像和红外图像。活体判定模块1003对于可见光图像和/或红外图像进行质量评估,以确定满足质量要求的可见光图像和红外图像;对于满足质量要求的可见光图像和红外图像,通过卷积神经网络进行分类,对于连续若干帧的图像进行检测,当判定结果均显示待识别对象为活体时,则确定待识别对象为活体。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种活体识别方法,其特征在于,包括:
步骤S1,对于曝光条件进行测评,并基于测评结果进行动态曝光,获取待识别对象的可见光图像与红外图像;
步骤S2,基于所述可见光图像和红外图像进行检测,确定待识别对象是否为活体。
2.根据权利要求1所述的活体识别方法,其特征在于,所述步骤S1包括:
步骤S11,对于红外曝光进行动态测评,获取红外曝光条件;
步骤S12,在所述红外曝光条件下,获取待识别对象的红外图像。
3.根据权利要求2所述的活体识别方法,其特征在于,所述步骤S11包括:
在待机状态下,在低曝光、中曝光、和高曝光条件下进行切换以获取红外参考图像;
对于所述红外参考图像进行检测,当从所述红外参考图像中检测得到参考对象时,则根据该曝光条件下的检测的参考对象的预定区域的平均亮度确定所述红外曝光条件。
4.根据权利要求3所述的活体识别方法,其特征在于,根据平均亮度确定所述红外曝光条件包括:
当平均亮度低于第一阈值,则进行补光来增加过光量;当所述平均亮度高于第二阈值,则通过缩小光圈或降低ISO来减少过光量。
5.根据权利要求2至4任一项所述的活体识别方法,其特征在于,所述步骤S1还包括:
步骤S13,对于可见光曝光进行动态测评,获取可见光曝光条件;
步骤S14,在所述可见光曝光条件下,获取待识别对象的可见光图像。
6.根据权利要求5所述的活体识别方法,其特征在于,所述步骤S13包括:
在待机状态下,在低曝光、中曝光、和高曝光条件下进行切换以获取可见光参考图像;
对于所述可见光参考图进行评价,当整体亮度低于第三阈值,则进行补光来增加过光量,以获取所述可见光图像;当整体亮度高于第四阈值,则通过缩小光圈或降低ISO来减少过光量,以获取所述可见光图像。
7.根据权利要求1所述的活体识别方法,其特征在于,所述步骤S2包括:
对于所述可见光图像和/或红外图像进行质量评估,以确定满足质量要求的所述可见光图像和红外图像;
对于满足质量要求的所述可见光图像和红外图像,通过卷积神经网络进行分类,判断所述待识别对象是否为活体。
8.根据权利要求7所述的活体识别方法,其特征在于,通过卷积神经网络对于所述可见光图像和/或红外图像进行质量评估。
9.根据权利要求7所述的活体识别方法,其特征在于,对于连续若干帧的图像进行检测,当判定结果均显示所述待识别对象为活体时,则确定所述待识别对象为活体。
10.一种活体识别装置,其特征在于,包括:
动态曝光测评模块,所述动态曝光模块用于对曝光条件进行测评;
影像采集模块,用于基于所述动态曝光模块得到的测评结过进行动态曝光,获取待识别对象的可见光图像和红外图像;
活体判定模块,基于所述可见光图像和红外图像进行检测,确定待识别对象是否为活体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911419025.4A CN111160299A (zh) | 2019-12-31 | 2019-12-31 | 活体识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911419025.4A CN111160299A (zh) | 2019-12-31 | 2019-12-31 | 活体识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111160299A true CN111160299A (zh) | 2020-05-15 |
Family
ID=70560389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911419025.4A Pending CN111160299A (zh) | 2019-12-31 | 2019-12-31 | 活体识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160299A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111901517A (zh) * | 2020-06-13 | 2020-11-06 | 王体 | 基于时区检测的帧率调节系统以及相应终端 |
CN115174138A (zh) * | 2022-05-25 | 2022-10-11 | 北京旷视科技有限公司 | 摄像头攻击检测方法、系统、设备、存储介质及程序产品 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105227858A (zh) * | 2015-10-30 | 2016-01-06 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN106372601A (zh) * | 2016-08-31 | 2017-02-01 | 上海依图网络科技有限公司 | 一种基于红外可见双目图像的活体检测方法及装置 |
CN107992842A (zh) * | 2017-12-13 | 2018-05-04 | 深圳云天励飞技术有限公司 | 活体检测方法、计算机装置及计算机可读存储介质 |
CN108664839A (zh) * | 2017-03-27 | 2018-10-16 | 北京三星通信技术研究有限公司 | 一种图像处理方法和设备 |
CN108710857A (zh) * | 2018-05-22 | 2018-10-26 | 深圳前海华夏智信数据科技有限公司 | 基于红外补光的人车识别方法及装置 |
CN108875333A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 终端解锁方法、终端和计算机可读存储介质 |
CN109840514A (zh) * | 2019-03-04 | 2019-06-04 | 深圳三人行在线科技有限公司 | 一种活体检测的方法和设备 |
CN109964480A (zh) * | 2016-11-14 | 2019-07-02 | 索尼公司 | 监控系统、监控传感器设备、监控方法和程序 |
CN110163078A (zh) * | 2019-03-21 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 活体检测方法、装置及应用活体检测方法的服务系统 |
CN110309767A (zh) * | 2019-06-28 | 2019-10-08 | 广州致远电子有限公司 | 活体检测设备、识别方法、装置及存储介质 |
CN110414445A (zh) * | 2019-07-31 | 2019-11-05 | 联想(北京)有限公司 | 用于人脸识别的光源调节方法、装置及电子设备 |
-
2019
- 2019-12-31 CN CN201911419025.4A patent/CN111160299A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105227858A (zh) * | 2015-10-30 | 2016-01-06 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN106372601A (zh) * | 2016-08-31 | 2017-02-01 | 上海依图网络科技有限公司 | 一种基于红外可见双目图像的活体检测方法及装置 |
CN109964480A (zh) * | 2016-11-14 | 2019-07-02 | 索尼公司 | 监控系统、监控传感器设备、监控方法和程序 |
CN108664839A (zh) * | 2017-03-27 | 2018-10-16 | 北京三星通信技术研究有限公司 | 一种图像处理方法和设备 |
CN108875333A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 终端解锁方法、终端和计算机可读存储介质 |
CN107992842A (zh) * | 2017-12-13 | 2018-05-04 | 深圳云天励飞技术有限公司 | 活体检测方法、计算机装置及计算机可读存储介质 |
CN108710857A (zh) * | 2018-05-22 | 2018-10-26 | 深圳前海华夏智信数据科技有限公司 | 基于红外补光的人车识别方法及装置 |
CN109840514A (zh) * | 2019-03-04 | 2019-06-04 | 深圳三人行在线科技有限公司 | 一种活体检测的方法和设备 |
CN110163078A (zh) * | 2019-03-21 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 活体检测方法、装置及应用活体检测方法的服务系统 |
CN110309767A (zh) * | 2019-06-28 | 2019-10-08 | 广州致远电子有限公司 | 活体检测设备、识别方法、装置及存储介质 |
CN110414445A (zh) * | 2019-07-31 | 2019-11-05 | 联想(北京)有限公司 | 用于人脸识别的光源调节方法、装置及电子设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111901517A (zh) * | 2020-06-13 | 2020-11-06 | 王体 | 基于时区检测的帧率调节系统以及相应终端 |
CN111901517B (zh) * | 2020-06-13 | 2022-02-25 | 无锡利水管业有限公司 | 基于时区检测的帧率调节系统以及相应终端 |
CN115174138A (zh) * | 2022-05-25 | 2022-10-11 | 北京旷视科技有限公司 | 摄像头攻击检测方法、系统、设备、存储介质及程序产品 |
CN115174138B (zh) * | 2022-05-25 | 2024-06-07 | 北京旷视科技有限公司 | 摄像头攻击检测方法、系统、设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020078229A1 (zh) | 目标对象的识别方法和装置、存储介质、电子装置 | |
CN201993777U (zh) | 一种数字照相机 | |
US8314854B2 (en) | Apparatus and method for image recognition of facial areas in photographic images from a digital camera | |
CN112165573B (zh) | 拍摄处理方法和装置、设备、存储介质 | |
US7218759B1 (en) | Face detection in digital images | |
US7680342B2 (en) | Indoor/outdoor classification in digital images | |
US9251439B2 (en) | Image sharpness classification system | |
KR20080106426A (ko) | 개인 식별장치 및 개인 식별방법 | |
CN110580428A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
JP2014053855A (ja) | 画像処理装置および方法、並びにプログラム | |
US20050200722A1 (en) | Image capturing apparatus, image capturing method, and machine readable medium storing thereon image capturing program | |
US20070116364A1 (en) | Apparatus and method for feature recognition | |
US20100272328A1 (en) | Face authentication system and authentication method thereof | |
JP2007148988A (ja) | 顔認証装置、顔認証方法および入退場管理装置 | |
CN105872363A (zh) | 人脸对焦清晰度的调整方法及调整装置 | |
US11375133B2 (en) | Automatic exposure module for an image acquisition system | |
US20210204123A1 (en) | Iris recognition workflow | |
KR102194409B1 (ko) | 멀티포커싱 ai신경망을 이용한 안면검출 및 안면식별 시스템 | |
CN109089041A (zh) | 拍摄场景的识别方法、装置、电子设备和存储介质 | |
CN111654643B (zh) | 曝光参数确定方法、装置、无人机和计算机可读存储介质 | |
CN111160299A (zh) | 活体识别方法及装置 | |
CN108093170B (zh) | 用户拍照方法、装置及设备 | |
CN110414445B (zh) | 用于人脸识别的光源调节方法、装置及电子设备 | |
CN110688967A (zh) | 用于静态人脸活体检测的系统以及方法 | |
CN114885096B (zh) | 拍摄模式切换方法、电子设备及存储介质 |
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 |