CN111325118A - 一种基于视频进行身份认证的方法及视频设备 - Google Patents
一种基于视频进行身份认证的方法及视频设备 Download PDFInfo
- Publication number
- CN111325118A CN111325118A CN202010082276.4A CN202010082276A CN111325118A CN 111325118 A CN111325118 A CN 111325118A CN 202010082276 A CN202010082276 A CN 202010082276A CN 111325118 A CN111325118 A CN 111325118A
- Authority
- CN
- China
- Prior art keywords
- face
- video
- ppg
- identity authentication
- waveform
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000013186 photoplethysmography Methods 0.000 claims abstract description 118
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 14
- 230000001815 facial effect Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 206010034960 Photophobia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 208000013469 light sensitivity Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开一种基于视频进行身份认证的方法及视频设备。所述方法包括录制待认证用户的人脸视频;从人脸视频中根据人脸的特征点定位进行ROI区域动态选择,从ROI区域中提取原始PPG波形;对原始PPG波形进行预处理,得到有效的用户PPG波形数据;基于预先训练好的身份认证模型,根据有效的用户PPG波形数据对待认证用户进行身份认证。采用本申请提供的基于视频的身份认证方法,能够实现通过录制人脸视频,从人脸视频中提取“活体”才具备的PPG波形,根据PPG波形进行身份认证,由此可以解决现有的认证方法中无法准确安全的识别是否为真人的问题,提高用户识别的可信度。
Description
技术领域
本申请涉及信息安全领域,尤其涉及一种基于视频进行身份认证的方法及视频设备。
背景技术
信息的安全性往往是个人或者公司所重点考虑的因素。如何安全的获取正确的信息也是当今社会主要问题之一。身份识别有着对用户的正确识别以达到保护信息的功能,它在近些年来逐渐进入人们的视野。生活中不乏身份识别的例子,例如我们手机的指纹识别、面部识别,都是身份识别很好的应用。
目前在日常应用中,最常用的用户认证方法主要有:指纹识别、虹膜识别、声纹识别、人脸识别(2D和3D)、用户行为识别等,这些方法经过多年的发展,都能够达到较好的准确率,甚至能够完美的将双胞胎的特性识别出来。
但是由于这些方法都是基于人体的“外显”特征,因此很容易被一些简单手段所欺骗、或者被克隆、或者被第三方收集而仿真,例如“指纹贴”、“照片”、“视频”、“仿真模型”等。所以,如何在本质上基于被验证对象是“活人”的这一核心特征,构建一种内在的、不可克隆的、不易被第三方收集的用户身份检测技术就变得格外的重要。
发明内容
本申请提供了一种基于视频进行身份认证的方法,包括:
录制待认证用户的人脸视频;
从人脸视频中根据人脸的特征点定位进行ROI区域动态选择,从ROI区域中提取原始PPG波形;
对原始PPG波形进行预处理,得到有效的用户PPG波形数据;
基于预先训练好的身份认证模型,根据有效的用户PPG波形数据对待认证用户进行身份认证。
如上所述的基于视频进行身份认证的方法,其中,录制待认证用户的人脸视频,具体包括:通过需要进行身份认证的认证设备上的录像拍摄功能进行人脸视频录制;或通过与需要进行身份认证的认证设备相连的外部设备进行人脸视频录制。
如上所述的基于视频进行身份认证的方法,其中,若通过与需要进行身份认证的认证设备相连的外部设备进行人脸视频录制,则在人脸视频录制完成后将人脸视频传输至认证设备,由认证设备对人脸视频进行处理和认证;或在人脸视频录制完成后,由外部设备对人脸视频进行处理,然后将处理结果发送至认证设备进行认证。
如上所述的基于视频进行身份认证的方法,其中,从人脸视频中根据人脸的特征点定位进行ROI区域动态选择,从ROI区域中提取原始PPG波形,具体包括如下子步骤:
从人脸视频中获取每一帧人脸图像,通过人脸检测算法从每一帧人脸图像中检测人脸,定位每一帧人脸图像的人脸特征点;
根据每一帧人脸图像的人脸特征点动态选定ROI区域;
获取每一帧人脸图像ROI区域内每个RGB通道的亮度值,并计算每一帧人脸图像ROI区域亮度平均强度,得到面部脉搏信号的原始时间序列,对原始时间序列进行带通滤波,得到原始PPG波形。
如上所述的基于视频进行身份认证的方法,其中,先从首帧人脸图像开始,从首帧人脸图像中检测出人脸并定位出人脸特征点,然后选定部分人脸特征点,拟合得到首帧人脸图像的ROI区域,之后从该ROI区域中获取每个像素点的亮度值,计算首帧人脸图像ROI区域所有像素点亮度均值,作为PPG波形的首个面部脉搏信号的原始时间,然后依次对后续的每一帧人脸图像作上述操作,得到每一帧人脸图像的面部脉搏信号的原始时间,将每帧人脸图像得到的面部脉搏信号的原始时间排列起来得到面部脉搏信号的原始时间序列,然后对该时间序列进行带通滤波,得到PPG波形。
如上所述的基于视频进行身份认证的方法,其中,对原始PPG波形进行预处理,具体包括滤波、平滑、降噪和归一化处理。
如上所述的基于视频进行身份认证的方法,其中,对原始PPG波形进行预处理,具体包括如下子步骤:
对原始PPG波形进行降噪,保留特定频带内的信号;
根据带通滤波后的瞬时心率频率,得到每个脉搏波对应的时间节点;
结合心率及其谐波频率,去除特定频带内的噪声干扰,提取心率及其谐波信号;
根据脉搏波时间节点,和使用陷波器去噪后的信号,获得完整周期的PPG波形;
对获得的PPG波形进行归一化处理,得到有效的用户PPG波形数据。
如上所述的基于视频进行身份认证的方法,其中,对获得的PPG波形进行归一化处理,具体包括如下子步骤:
基于前期通过人脸视频采集的大量PPG波形数据,利用箱型图法检查波形长度是否离群,若离群,则舍弃该波形,判定该波形不合法,若不离群,则继续以下操作;
使用插值的方法重采样波形;
将波形进行归一化处理,计算归一化后PPG波形的一阶导数、二阶导数和累计曲线下面积并做归一化,结合归一化后的PPG波形,组合为一条PPG数据作为有效的用户PPG波形数据。
如上所述的基于视频进行身份认证的方法,其中,所述身份认证模型的训练方法包括如下子步骤:
为多个用户录制在不同光照强度下的人脸视频;
从录制的每一个人脸视频中根据人脸的特征点定位进行ROI区域动态选择,从ROI区域中提取PPG波形;
对提取出的PPG波形进行预处理,得到大量有效PPG波形,对大量有效PPG波形进行波形特征分析,根据波形特征利用机器学习模型对PPG波形进行分类训练,得到身份认证模型。
本申请还提供一种视频设备,包括人脸视频录制模块和身份认证模块;
所述人脸视频录制模块通过所述视频设备的拍摄装置录制人脸视频;
所述身份认证模块执行上述基于视频进行身份认证的方法。
本申请实现的有益效果如下:采用本申请提供的基于视频的身份认证方法,能够实现通过录制人脸视频,从人脸视频中提取“活体”才具备的PPG波形,根据PPG波形进行身份认证,由此可以解决现有的认证方法中无法准确安全的识别是否为真人的问题,提高用户识别的可信度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种基于视频进行身份认证的方法流程图;
图2是从人脸视频中提取PPG波形的具体方法流程图;
图3是对原始PPG波形进行预处理的具体方法流程图;
图4是将PPG波形进行归一化处理的具体方法流程图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域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,都属于本发明保护的范围。
实施例一
本申请实施例一提供一种基于视频进行身份认证的方法,主要利用视频设备采集人体的PPG(光电血管容积)信号,由于只有“活体”才有PPG信号,且每个人的PPG信号与指纹一样具备唯一性,不同人的PPG波形完全相同的可能性几乎为0,而且即使在同样的照明条件下,人与人之间的面部PPG信号也基本不存在相同的可能性。所以通过视频既采集人脸又采集人体PPG信号能够更准确安全的识别采集者的身份,实现身份认证,提高用户识别可信度。
具体如图1所示,包括:
步骤110、录制待认证用户的人脸视频;
具体地,本申请中若在某一需要进行身份认证的认证设备上启动认证程序(如启动手机解锁功能或启动认证支付功能等)时,可以通过该认证设备的录像拍摄功能进行人脸录制,也可以通过与该认证设备相连的外部设备进行人脸录制,在视频录制完成或视频处理后将人脸视频传输至该认证设备中(如通过与该认证设备通信的可穿戴设备或摄像机等具备录像拍摄功能的设备进行人脸视频录制);
其中,对于通过外部设备进行人脸视频录制的方式,可以采用通过外部设备进行视频处理再将处理发送至认证设备进行认证的形式,也可以采用通过外部设备进行视频录制,录制完成后将视频发送至认证设备,由认证设备对视频进行处理和认证的形式,具体情况可根据设备的运算处理能力决定,在此不做限定;
此外,在录制包含人脸的视频时,为防止在拍摄中出现欠曝光或过曝光的情况,一般需要保证曝光程度在摄像机感光范围内。
步骤120、从人脸视频中根据人脸的特征点定位进行ROI区域动态选择,从ROI区域中提取原始PPG波形;
本申请实施例中,从人脸视频中提取PPG波形,如图2所示,具体包括如下子步骤:
步骤210、从人脸视频中获取每一帧人脸图像,通过人脸检测算法从每一帧人脸图像中检测人脸,定位每一帧人脸图像的人脸特征点;
具体地,从人脸视频中实时获取人脸视频中的人脸图像,从人脸图像中定位人脸特征点;由于视频录制过程中,人脸位置会发生一定的偏移,因此在捕捉视频中的人脸图像时当人脸位置发生变化时,实时追踪特征点对应的位置变化,以此实现更精确的特征点定位。
步骤220、根据每一帧人脸图像的人脸特征点动态选定ROI区域;
ROI(region of interest),感兴趣区域,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,称为感兴趣区域;
具体地,从人脸特征点中选取特定的几个特征点,然后将这些特征点拟合得到一个ROI边界,为避免人脸位置变化存在的微小误差,采用原位置与新位置加权方式拟合得到ROI边界,由此可以减少因定位误差所带来的错误位置更新。
步骤230、获取每一帧人脸图像ROI区域内每个RGB通道的亮度值,并计算每一帧人脸图像ROI区域亮度平均强度,得到面部脉搏信号的原始时间序列,对原始时间序列进行带通滤波,得到原始PPG波形;
具体地,先从首帧人脸图像开始,从首帧人脸图像中检测出人脸并定位出人脸特征点,然后选定部分人脸特征点,拟合得到首帧人脸图像的ROI区域,之后从该ROI区域中获取每个像素点的亮度值,计算首帧人脸图像ROI区域所有像素点亮度均值,作为PPG波形的首个面部脉搏信号的原始时间,然后依次对后续的每一帧人脸图像作上述操作,得到每一帧人脸图像的面部脉搏信号的原始时间,由于在视频录制过程中光照等因素对每帧图像亮度的影响,故每一帧人脸图像的波形特征点均存在一定的差异,将这些面部脉搏信号的原始时间排列起来得到面部脉搏信号的原始时间序列,然后对该时间序列进行带通滤波,得到PPG波形。
步骤130、对原始PPG波形进行预处理,得到有效的用户PPG波形数据;
对于上述得到的原始PPG波形中可能出现某一帧人脸图像的亮度异常的情况,故在得到PPG波形后需要对原始PPG波形进行预处理,得到有效的用户PPG波形数据;
具体地,对原始PPG波形进行预处理,具体包括滤波、平滑、降噪和归一化,如图3所示,具体包括如下子步骤:
步骤310、对原始PPG波形进行降噪,保留特定频带内的信号;
可选地,本实施例采用巴特沃斯滤波器对原始PPG波形进行降噪,保留0.5Hz-5Hz频带内的信号。
步骤320、根据带通滤波后的瞬时心率频率,得到每个脉搏波对应的时间节点;
步骤330、结合心率及其谐波频率,去除特定频带内的噪声干扰,提取心率及其谐波信号;
具体地,将心率及其谐波频率输入自适应陷波器,去除特定频带内的噪声干扰,输出心率及其谐波信号;其中,自适应陷波器是采用特定算法自动调整滤波器系数,使其达到最佳滤波特性的自适应滤波器。
步骤340、根据脉搏波时间节点,和使用陷波器去噪后的信号,获得完整周期的PPG波形;
步骤350、对获得的PPG波形进行归一化处理,得到有效的用户PPG波形数据;
具体地,将PPG波形进行归一化处理,具体包括如下子步骤:
步骤351、基于前期通过人脸视频采集的大量PPG波形数据,利用箱型图法检查波形长度是否离群,若离群,则舍弃该波形,判定该波形不合法,若不离群,则继续以下操作;
步骤352、使用插值的方法重采样波形;
步骤353、将波形进行归一化处理,计算归一化后PPG波形的一阶导数、二阶导数和累计曲线下面积并做归一化,结合归一化后的PPG波形,组合为一条PPG数据作为有效的用户PPG波形数据;
可选地,归一化至标准范围内可以为将测量结果归一化至0~1范围内,作为测量结果。
返回参见图1,步骤140、基于预先训练好的身份认证模型,根据有效的用户PPG波形数据对待认证用户进行身份认证;
具体地,如图4所示,身份认证模型的具体训练方法如下:
步骤410、为多个用户录制在不同光照强度下的人脸视频;
由于本申请采用的是根据人脸视频中人脸图像的ROI区域亮度求得PPG波形的方式,因此在身份认证模型训练时采用多个用户在不同光照强度下的人脸视频,提高身份认证模型的准确性。
步骤420、从录制的每一个人脸视频中根据人脸的特征点定位进行ROI区域动态选择,从ROI区域中提取PPG波形;
具体地,训练身份认证模型所采用的提取PPG波形的方式与步骤120提取PPG波形的方式相同,在此不作赘述。
步骤430、对提取出的PPG波形进行预处理,得到大量有效PPG波形,对大量有效PPG波形进行波形特征分析,根据波形特征利用机器学习模型对PPG波形进行分类训练,得到身份认证模型;
可选地,本申请采用孪生神经网络架构训练模型(SNN模型)训练身份认证模型,具体地,计算每个用户的大量有效PPG波形在每个采样时间点的平均值,得到模板PPG数据,然后将模板PPG数据和大量待训练PPG数据输入SNN模型训练身份认证模型,输出两者的相似度;
身份认证模型输出的相似度的取值范围为0到1,将认证结果以概率形式输出,将输出的认证结果与预先设定的阈值进行对比,判断是否认证成功;该相似度越大代表相似度越高,被训练的PPG数据越有可能来自模板PPG数据所代表的用户,反之则代表被训练的PPG数据越不可能和模板PPG数据来自同一个用户。
本申请还提供一种是视频设备,如移动终端、可穿戴设备等具备视频拍摄功能的设备,包括人脸视频录制模块和身份认证模块;所述人脸视频录制模块通过所述视频设备的拍摄装置(如摄像头)录制人脸视频;所述身份认证模块模块执行上述基于视频进行身份认证的方法。
以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种基于视频进行身份认证的方法,其特征在于,包括:
录制待认证用户的人脸视频;
从人脸视频中根据人脸的特征点定位进行ROI区域动态选择,从ROI区域中提取原始PPG波形;
对原始PPG波形进行预处理,得到有效的用户PPG波形数据;
基于预先训练好的身份认证模型,根据有效的用户PPG波形数据对待认证用户进行身份认证。
2.如权利要求1所述的基于视频进行身份认证的方法,其特征在于,录制待认证用户的人脸视频,具体包括:通过需要进行身份认证的认证设备上的录像拍摄功能进行人脸视频录制;或通过与需要进行身份认证的认证设备相连的外部设备进行人脸视频录制。
3.如权利要求2所述的基于视频进行身份认证的方法,其特征在于,若通过与需要进行身份认证的认证设备相连的外部设备进行人脸视频录制,则在人脸视频录制完成后将人脸视频传输至认证设备,由认证设备对人脸视频进行处理和认证;或在人脸视频录制完成后,由外部设备对人脸视频进行处理,然后将处理结果发送至认证设备进行认证。
4.如权利要求1所述的基于视频进行身份认证的方法,其特征在于,从人脸视频中根据人脸的特征点定位进行ROI区域动态选择,从ROI区域中提取原始PPG波形,具体包括如下子步骤:
从人脸视频中获取每一帧人脸图像,通过人脸检测算法从每一帧人脸图像中检测人脸,定位每一帧人脸图像的人脸特征点;
根据每一帧人脸图像的人脸特征点动态选定ROI区域;
获取每一帧人脸图像ROI区域内每个RGB通道的亮度值,并计算每一帧人脸图像ROI区域亮度平均强度,得到面部脉搏信号的原始时间序列,对原始时间序列进行带通滤波,得到原始PPG波形。
5.如权利要求4所述的基于视频进行身份认证的方法,其特征在于,先从首帧人脸图像开始,从首帧人脸图像中检测出人脸并定位出人脸特征点,然后选定部分人脸特征点,拟合得到首帧人脸图像的ROI区域,之后从该ROI区域中获取每个像素点的亮度值,计算首帧人脸图像ROI区域所有像素点亮度均值,作为PPG波形的首个面部脉搏信号的原始时间,然后依次对后续的每一帧人脸图像作上述操作,得到每一帧人脸图像的面部脉搏信号的原始时间,将每帧人脸图像得到的面部脉搏信号的原始时间排列起来得到面部脉搏信号的原始时间序列,然后对该时间序列进行带通滤波,得到PPG波形。
6.如权利要求1所述的基于视频进行身份认证的方法,其特征在于,对原始PPG波形进行预处理,具体包括滤波、平滑、降噪和归一化处理。
7.如权利要求6所述的基于视频进行身份认证的方法,其特征在于,对原始PPG波形进行预处理,具体包括如下子步骤:
对原始PPG波形进行降噪,保留特定频带内的信号;
根据带通滤波后的瞬时心率频率,得到每个脉搏波对应的时间节点;
结合心率及其谐波频率,去除特定频带内的噪声干扰,提取心率及其谐波信号;
根据脉搏波时间节点,和使用陷波器去噪后的信号,获得完整周期的PPG波形;
对获得的PPG波形进行归一化处理,得到有效的用户PPG波形数据。
8.如权利要求7所述的基于视频进行身份认证的方法,其特征在于,对获得的PPG波形进行归一化处理,具体包括如下子步骤:
基于前期通过人脸视频采集的大量PPG波形数据,利用箱型图法检查波形长度是否离群,若离群,则舍弃该波形,判定该波形不合法,若不离群,则继续以下操作;
使用插值的方法重采样波形;
将波形进行归一化处理,计算归一化后PPG波形的一阶导数、二阶导数和累计曲线下面积并做归一化,结合归一化后的PPG波形,组合为一条PPG数据作为有效的用户PPG波形数据。
9.如权利要求1所述的基于触摸屏进行身份认证的方法,其特征在于,所述身份认证模型的训练方法包括如下子步骤:
为多个用户录制在不同光照强度下的人脸视频;
从录制的每一个人脸视频中根据人脸的特征点定位进行ROI区域动态选择,从ROI区域中提取PPG波形;
对提取出的PPG波形进行预处理,得到大量有效PPG波形,对大量有效PPG波形进行波形特征分析,根据波形特征利用机器学习模型对PPG波形进行分类训练,得到身份认证模型。
10.一种视频设备,其特征在于,包括人脸视频录制模块和身份认证模块;
所述人脸视频录制模块通过所述视频设备的拍摄装置录制人脸视频;
所述身份认证模块执行如权利要求1-9中任意一项所述的基于视频进行身份认证的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010082276.4A CN111325118A (zh) | 2020-02-07 | 2020-02-07 | 一种基于视频进行身份认证的方法及视频设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010082276.4A CN111325118A (zh) | 2020-02-07 | 2020-02-07 | 一种基于视频进行身份认证的方法及视频设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111325118A true CN111325118A (zh) | 2020-06-23 |
Family
ID=71172603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010082276.4A Pending CN111325118A (zh) | 2020-02-07 | 2020-02-07 | 一种基于视频进行身份认证的方法及视频设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111325118A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114638272A (zh) * | 2022-05-19 | 2022-06-17 | 之江实验室 | 一种基于指尖脉搏波信号的身份识别方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8984622B1 (en) * | 2012-01-17 | 2015-03-17 | Amazon Technologies, Inc. | User authentication through video analysis |
US9607138B1 (en) * | 2013-12-18 | 2017-03-28 | Amazon Technologies, Inc. | User authentication and verification through video analysis |
CN107392177A (zh) * | 2017-08-05 | 2017-11-24 | 江西中医药大学 | 一种人体身份识别验证方法及其装置 |
CN108323201A (zh) * | 2016-11-16 | 2018-07-24 | 华为技术有限公司 | 一种身份认证的方法及装置 |
CN110197172A (zh) * | 2019-06-10 | 2019-09-03 | 清华大学 | 一种基于光电血管容积信息进行身份认证的方法及装置 |
-
2020
- 2020-02-07 CN CN202010082276.4A patent/CN111325118A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8984622B1 (en) * | 2012-01-17 | 2015-03-17 | Amazon Technologies, Inc. | User authentication through video analysis |
US9607138B1 (en) * | 2013-12-18 | 2017-03-28 | Amazon Technologies, Inc. | User authentication and verification through video analysis |
CN108323201A (zh) * | 2016-11-16 | 2018-07-24 | 华为技术有限公司 | 一种身份认证的方法及装置 |
CN107392177A (zh) * | 2017-08-05 | 2017-11-24 | 江西中医药大学 | 一种人体身份识别验证方法及其装置 |
CN110197172A (zh) * | 2019-06-10 | 2019-09-03 | 清华大学 | 一种基于光电血管容积信息进行身份认证的方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114638272A (zh) * | 2022-05-19 | 2022-06-17 | 之江实验室 | 一种基于指尖脉搏波信号的身份识别方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9922238B2 (en) | Apparatuses, systems, and methods for confirming identity | |
US7327860B2 (en) | Conjunctival scans for personal identification | |
CN111881726B (zh) | 一种活体检测方法、装置及存储介质 | |
KR101315646B1 (ko) | 가이디드 가버 필터를 이용한 지정맥 패턴 추출 방법 및 장치 | |
WO2016173249A1 (zh) | 一种基于环境筛选帧的眼纹识别解锁方法及系统 | |
JP2000259814A (ja) | 画像処理装置及びその方法 | |
CN111523344B (zh) | 人体活体检测系统及方法 | |
CN112396011B (zh) | 一种基于视频图像心率检测及活体检测的人脸识别系统 | |
CN107273812B (zh) | 一种用于身份认证的活体虹膜防伪方法 | |
CN110287918A (zh) | 活体识别方法及相关产品 | |
Krishnan et al. | Finger vein pulsation-based biometric recognition | |
Vega et al. | Biometric personal identification system based on patterns created by finger veins | |
CN111325118A (zh) | 一种基于视频进行身份认证的方法及视频设备 | |
CN110197172B (zh) | 一种基于光电血管容积信息进行身份认证的方法及装置 | |
CN109919050B (zh) | 身份识别方法和装置 | |
EP2148296A1 (en) | Vein pattern management system, vein pattern registration device, vein pattern authentication device, vein pattern registration method, vein pattern authentication method, program, and vein data structure | |
KR102468654B1 (ko) | 보정된 이미지 기반 심박 추정 방법 및 그 장치 | |
Amjed et al. | Noncircular iris segmentation based on weighted adaptive hough transform using smartphone database | |
Khalil et al. | Authentication of fingerprint biometrics acquired using a cellphone camera: a review | |
CN110502996B (zh) | 一种面向模糊指静脉图像的动态识别方法 | |
WO2022120532A1 (en) | Presentation attack detection | |
CN112801034A (zh) | 一种指静脉识别装置 | |
CN112487904A (zh) | 一种基于大数据分析的视频图像处理方法及系统 | |
CN113052833A (zh) | 一种基于红外热辐射的非视域成像方法 | |
Sameh et al. | Feature Level Fusion of Iris and Voice. |
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: 20200623 |
|
RJ01 | Rejection of invention patent application after publication |