CN111523438B - 一种活体识别方法、终端设备和电子设备 - Google Patents
一种活体识别方法、终端设备和电子设备 Download PDFInfo
- Publication number
- CN111523438B CN111523438B CN202010312906.2A CN202010312906A CN111523438B CN 111523438 B CN111523438 B CN 111523438B CN 202010312906 A CN202010312906 A CN 202010312906A CN 111523438 B CN111523438 B CN 111523438B
- Authority
- CN
- China
- Prior art keywords
- image
- target face
- face
- sequence
- frames
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 239000003086 colorant Substances 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims description 16
- 230000004313 glare Effects 0.000 claims description 14
- 238000001727 in vivo Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000004438 eyesight Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001680 brushing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本说明书实施例公开了一种活体识别方法、装置、系统和电子设备,该方法包括:在检测到所述目标人脸的图像满足人脸采集条件时,采集所述目标人脸的图像作为基准人脸图像;通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸;采集所述目标人脸受到所述预设数量帧的炫彩序列的光照射后的图像,得到所述目标人脸的多帧图像序列;基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
Description
技术领域
本文件涉及计算机软件技术领域,尤其涉及一种活体识别方法、终端设备和电子设备。
背景技术
人脸识别场景中,炫彩活体是一种常用的活体识别手段,通过在手机等电子设备的屏幕上显示多种不同颜色,能够有效拦截屏幕翻拍和彩色打印照片攻击与注入攻击。炫彩活体为了提升RGB光线在人脸的响应,往往需要将手机屏幕亮度调至较高,屏幕强光加上快速的屏幕颜色闪烁,往往会影响用户的使用体验。
发明内容
本申请实施例的目的是提供一种活体识别方法、终端设备及电子设备,用于解决现有技术中活体识别方式不够优化给用户造成的用户体验差的问题。
为解决上述技术问题,本申请实施例是这样实现的:
第一方面,提出了一种活体识别方法,所述方法应用于终端设备包括:
在检测到所述目标人脸的图像满足人脸采集条件时,采集所述目标人脸的图像作为基准人脸图像;
通过所述终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸;
采集所述目标人脸受到所述预设数量帧的炫彩序列的光照射后的图像,得到所述目标人脸的多帧图像序列;
基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
第二方面,提出了一种终端设备,包括:
图像采集单元,在检测到所述目标人脸的图像满足人脸采集条件时,采集所述目标人脸的图像作为基准人脸图像;
炫彩发光单元,通过所述终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸;
序列采集单元,采集所述目标人脸受到所述预设数量帧的炫彩序列的光照射后的图像,得到所述目标人脸的多帧图像序列;
活体识别单元,基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
第三方面,提出了一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
在检测到所述目标人脸的图像满足人脸采集条件时,采集所述目标人脸的图像作为基准人脸图像;
通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸;
采集所述目标人脸受到所述预设数量帧的炫彩序列的光照射后的图像,得到所述目标人脸的多帧图像序列;
基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
第四方面,提出了一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
在检测到所述目标人脸的图像满足人脸采集条件时,采集所述目标人脸的图像作为基准人脸图像;
通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸;
采集所述目标人脸受到所述预设数量帧的炫彩序列的光照射后的图像,得到所述目标人脸的多帧图像序列;
基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
由以上本说明书实施例提供的技术方案可见,本说明书实施例方案至少具备如下一种技术效果:
在对目标用户进行人脸识别时,能够在检测到目标人脸的图像满足人脸采集条件时,采集目标人脸的图像作为基准人脸图像;并能通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到目标人脸;以及采集目标人脸受到预设数量帧的炫彩序列的光照射后的图像,得到目标人脸的多帧图像序列;基于目标人脸的多帧图像序列和基准人脸图像中对应区域的色度差异,对目标人脸的图像进行活体识别。一方面通过屏幕外置的炫彩发光模块进行发光,通常会比屏幕内发光具有更高的流明,也不会造成用户视线的直视,减少对用户的影响,另一方面,采集无炫彩发光时的人脸图像作为基准图像,以及炫彩发光(预设数量帧的炫彩序列,即预设数量的花色)时的多帧图像序列,基于这两类图像,对目标人脸进行活体检测,也能提高活体检测的准确率。
附图说明
为了更清楚地说明本说明书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说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本说明书的一个实施例提供的一种活体识别方法的实现流程示意图。
图2是本说明书的一个实施例提供的进行活体识别方法的电子设备的示意图。
图3是本说明书的一个实施例提供的活体识别方法应用于一种实际场景中的流程示意图。
图4是本说明书的一个实施例提供的一种活体识别装置的结构示意图。
图5是说明书的一个实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本文件的目的、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说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,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,都属于本文件保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
如背景技术中所述,使用炫彩活体识别方式时,通常会利用手机等电子设备的屏幕显示不同颜色的光,然而,直接通过屏幕发出不同颜色的光,一旦屏幕的亮度加强则会给用户造成强烈的屏幕闪烁感,影响用户的使用体验。尤其是在线下刷脸场景中,由于线下刷脸机具有着更大的显示屏幕,炫彩活体识别方案有着比手机识别场景中更强的信号,这就使得炫彩活体识别的体验差的问题也随之放大。
为解决现有技术中活体识别方式不够优化给用户造成的用户体验差的问题,本说明书实施例提供一种活体识别方法,在对目标用户进行人脸识别时,能够在检测到目标人脸的图像满足人脸采集条件时,采集目标人脸的图像作为基准人脸图像;并能通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到目标人脸;以及采集目标人脸受到预设数量帧的炫彩序列的光照射后的图像,得到目标人脸的多帧图像序列;基于目标人脸的多帧图像序列和基准人脸图像中对应区域的色度差异,对目标人脸的图像进行活体识别。
一方面通过屏幕外置的炫彩发光模块进行发光,通常会比屏幕内发光具有更高的流明,通常也不会造成用户视线的直视,减少对用户的影响,另一方面,采集一帧无炫彩发光时的人脸图像作为基准图像,以及炫彩发光(预设数量帧的炫彩序列,即预设数量的花色)时的多帧图像序列,基于这两类图像,对目标人脸进行活体检测,也能提高活体检测的准确率。
本说明书实施例提供的活体识别方法,该方法的执行主体,可以但不限于手机、平板电脑、大屏人脸识别机具等能够被配置为执行本发明实施例提供的该方法电子设备中的至少一种,或者,该方法的执行主体,还可以是能够执行该方法的客户端(比如支付应用)本身。
为便于描述,下文以该方法的执行主体为能够执行该方法的电子设备为例,该电子设备具体可以是手机、平板电脑、线下大屏人脸识别机具等电子设备,对该方法的实施方式进行介绍。可以理解,该方法的执行主体为电子设备只是一种示例性的说明,并不应理解为对该方法的限定。
图1是本说明书一个或多个实施例提供的一种活体识别方法的实现流程示意图,包括:
S110,在检测到目标人脸的图像满足人脸采集条件时,采集目标人脸的图像作为基准人脸图像。
应理解,在对目标人脸进行人脸识别操作时,为了准确地识别出目标人脸,以及对目标人脸进行活体检测,通常在目标人脸的图像满足人脸采集条件时,才会开始对目标人脸的图像进行采集。其中,人脸采集条件通常是指目标人脸的图像质量和位置满足预设的条件,比如目标人脸的图像的清晰度满足一定的需求,并能够检测到目标人脸的完整图像。具体地,例如可以完整地采集到目标人脸的两个眼睛鼻子和嘴巴。
由于在进行炫彩活体检测时,需要在人脸上照射不同颜色的光,为了便于活体识别时的算法运算,准确地识别目标人脸是否为活体,本说明书实施例还可在无炫彩发光时,采集目标人脸的图像作为基准人脸图像。
S120,通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸。
应理解,为了避免给用户的视线造成过多的干扰,本说明书实施例可通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光。其中,终端设备的屏幕周边的炫彩发光模块具体可以是设置在屏幕外侧边缘的炫彩发光模块,比如可以是环绕屏幕四周边缘的环形炫彩发光模块,也可以是设置屏幕中只是一个边的边缘的炫彩发光模块。为了使得进行活体识别的电子设备的炫彩发光模块具备更高的流明,从而提高炫彩活体识别的准确度,通常可以在屏幕的四周边缘均设置有炫彩发光模块。例如,该炫彩发光模块可以是LED炫彩发光组件,等等。
如图2所示,为本说明书实施例提供的一种进行活体识别方法的电子设备的示意图,该电子设备的屏幕四周边缘环绕设置有环形炫彩发光模块,在实际应用中,该炫彩发光模块的形状可设置为圆形、矩形、椭圆或其他形状。由于图2所示的炫彩光源来源于屏幕四周,这样屏幕外侧的炫彩发光模块所发出的炫彩光线通常不会造成用户视线的直视,减少在进行人脸识别时对用户的视觉体验的影响。
可选地,为了提高炫彩活体识别的准确度,本说明书实施例可预先随机生成预设数量帧的炫彩序列用于将这些炫彩序列对应的光照射到目标人脸上。具体地,通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸,包括:
随机生成预设数量帧的炫彩序列,其中一帧炫彩序列包含指定数量的角度,一个角度包含预设大小组成的预设数量的RGB颜色信息;
通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到目标人脸。
为了便于区分在不同炫彩序列发出的光的照射下采集到的人脸图像序列,具体可通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列每隔预设时间段t进行发光,以每隔预设时间段t将这预设数量帧的炫彩序列对应的多种颜色的光照射到目标人脸。
具体来说,可预先随机生成f帧炫彩序列R={r1,r2,……,rf},其中每帧炫彩序列可包含a个角度信息,每个角度包含3bit组成的8种RGB颜色信息,依据实际经验,f的取值范围可以是2<f<20,a的取值范围可以是0<a<8。如图3所示,为本说明书实施例提供的活体识别方法应用于实际场景中的示意图。在图3(a)中,可将每一帧炫彩序列划分为10个角度,每个角度包含3bit组成的8种RGB颜色信息。在图3(b)中,为角度编号为2的区域发出一种颜色的光的示意图。
S130,采集目标人脸受到预设数量帧的炫彩序列的光照射后的图像,得到目标人脸的多帧图像序列。
在目标人脸受到预设数量帧的炫彩序列的光照射的同时,可同步采集目标人脸在这预设数量帧的炫彩序列对应的不同颜色的光的照射下的多帧连续图像序列。应理解,所采集的目标人脸的多帧图像序列,可以是一小段视频数据,该视频由目标人脸的多帧图像序列构成。
S140,基于目标人脸的多帧图像序列和基准人脸图像中对应区域的色度差异,对目标人脸的图像进行活体识别。
可选地,基于目标人脸的多帧图像序列和基准人脸图像中对应区域的色度差异,对目标人脸的图像进行活体识别,包括:
对目标人脸的多帧图像序列和基准人脸图像进行人脸对齐操作;
将人脸对齐操作后的目标人脸的多帧图像序列和所述基准人脸图像,按照指定数量的角度划分为指定数量个区域;
基于指定数量个区域在目标人脸的多帧图像序列和基准人脸图像中对应区域的色度差异,对目标人脸的图像进行活体识别。
其中,对目标人脸的多帧图像序列和基准人脸图像进行人脸对齐操作,具体可将目标人脸的多帧图像序列中的关键点和基准人脸图像中的关键点进行对齐操作,这里所述的关键点可以包括人脸的两个眼睛加上鼻子这三个关键点,也可以只包括人脸的两个眼睛这两个关键点,还可以包括人脸的两个眼睛、鼻子和嘴巴这四个关键点。
假设指定数量个角度为a个角度,多帧图像序列的数量为F,基准人脸图像的数量为1。具体可以将人脸对齐操作后的目标人脸的多帧图像序列和所述基准人脸图像,按照a个角度划分为a个区域,即将一张图像划分为如图3(a)所示的a(a假设为10)个区域,再基于这a个区域在目标人脸的F帧图像序列和基准人脸图像中对应区域的色度差异,对目标人脸的图像进行活体识别。
可选地,为了提高目标人脸的活体识别准确度,可将预设数量帧的图像序列对应的人脸图像单独提取出来,因为这基于指定数量个区域在目标人脸的多帧图像序列和基准人脸图像中对应区域的色度差异,对目标人脸的图像进行活体识别,包括:
基于指定数量个区域在目标人脸的多帧图像序列中相邻两帧图像序列中对应区域的色度差异,从目标人脸的多帧图像序列中提取得到目标人脸的预设数量帧的图像序列;其中,预设数量帧的图像序列中任意两帧的图像序列之间的色度差异不小于预设阈值;
基于指定数量个区域在目标人脸的预设数量帧的图像序列与基准人脸图像中对应区域的色度差异,对目标人脸的图像进行活体识别。
假设预设数量帧的图像序列的数量为f,那么具体可基于a个区域在目标人脸的F帧图像序列中相邻两帧图像序列中对应区域的色度差异,从目标人脸的F帧图像序列中提取得到目标人脸的f帧的图像序列,也就是说,可以计算a个区域中每个区域在F帧图像序列中连续两帧图像序列之间的色度差异,删除色度变化较小的图像帧,最后得到目标人脸的f帧图像序列,该f帧图像序列即为F帧图像序列中色度变化较高的图像帧序列。具体而言,以a个区域中的区域3为例,查找F帧图像序列中在区域3的色度变化较大的f帧图像序列,假设第1帧到第5帧图像序列在区域3的色度变化都很小,而在第4帧图像序列的色度变化较大,则删除第2帧到第3帧的图像序列,保留第1帧和第4帧的图像序列。
可选地,为了便于进行活体识别,将其转化为简单的数学问题进行解决,基于指定数量个区域在目标人脸的预设数量帧的图像序列与基准人脸图像中对应区域的色度差异,对目标人脸的图像进行活体识别,包括:
分别对指定数量个区域在目标人脸的预设数量帧的图像序列与基准人脸图像对应区域的色度差异,进行二值化处理,得到包含第一数量的预设大小的信息的向量,第一数量为指定数量与多帧图像序列的数量之间的乘积;
确定包含第一数量的预设大小的信息的向量与预设数量帧的炫彩序列之间的距离;
基于包含第一数量的预设大小的信息的向量与预设数量帧的炫彩序列之间的距离,对目标人脸的图像进行活体识别。
具体地,可将f帧(即指定数量个区域在目标人脸的预设数量帧的图像序列)按a个区域分割,计算每帧每个区域色度与基准人脸图像的色度差异d,将色度差异d的RGB通道分别二值化,得到3bit信息。再计算包含第一数量的预设大小的信息的向量即f*a*3bit与炫彩序列R={r1,r2,……,rf}之间的距离,该距离具体可以是汉明距离,用于表征人脸被注入攻击的置信度。其中,第一数量为指定数量与多帧图像序列的数量之间的乘积即f*a。
可选地,基于包含第一数量的预设大小的信息的向量与预设数量帧的炫彩序列之间的距离,对目标人脸的图像进行活体识别,包括:
若包含第一数量的预设大小的信息的向量与预设数量帧的炫彩序列之间的距离不大于第一预设阈值,则分别确定指定数量个区域在目标人脸的预设数量帧的图像内与目标人脸的图像外对应区域的色度差异;
确定指定数量个区域在目标人脸的预设数量帧的图像内与目标人脸的图像外对应区域的色度差异的平均值;
基于指定数量个区域中在目标人脸的预设数量帧的图像内与目标人脸的图像外对应区域的色度差异的平均值,对目标人脸的图像进行活体识别。
应理解,包含第一数量的预设大小的信息的向量与预设数量帧的炫彩序列之间的距离越小,则表明两者的色度变化越接近,也就是注入攻击的可能性越小,即目标人脸为活体的可能性越大。
可选地,基于指定数量个区域中在目标人脸的预设数量帧的图像内与目标人脸的图像外对应区域的色度差异的平均值,对目标人脸的图像进行活体识别,包括:
若色度差异的平均值大于或等于第二预设阈值,则识别目标人脸为活体;
若色度差异的平均值小于第二预设阈值,则确定目标人脸存在攻击。
应理解,目标人脸的预设数量帧的图像内与目标人脸的图像外对应区域的色度差异的平均值越大,表明目标人脸为活体的可能性越大。可选地,为了减少计算的复杂度,还可对该色度差异的平均值进行归一化处理,假设采取某个固定值减去该平均值的归一化操作,使得归一化处理后的色度差异的平均值的判断标准、与上述指定数量个区域在目标人脸的预设数量帧的图像内与目标人脸的图像外对应区域的色度差异的判断标准一致。假设色度差异的平均值的范围为0~1,则可用固定值1-色度差异的平均值。
在对目标用户进行人脸识别时,能够在检测到目标人脸的图像满足人脸采集条件时,采集目标人脸的图像作为基准人脸图像;并能通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到目标人脸;以及采集目标人脸受到预设数量帧的炫彩序列的光照射后的图像,得到目标人脸的多帧图像序列;基于目标人脸的多帧图像序列和基准人脸图像中对应区域的色度差异,对目标人脸的图像进行活体识别。一方面通过屏幕外置的炫彩发光模块进行发光,通常会比屏幕内发光具有更高的流明,通常也不会造成用户视线的直视,减少对用户的影响,另一方面,采集一帧无炫彩发光时的人脸图像作为基准图像,以及炫彩发光(预设数量帧的炫彩序列,即预设数量的花色)时的多帧图像序列,基于这两类图像,对目标人脸进行活体检测,也能提高活体检测的准确率。
图4是本说明书一个或多个实施例提供的一种活体识别装置400的结构示意图,包括:
图像采集单元410,在检测到所述目标人脸的图像满足人脸采集条件时,采集所述目标人脸的图像作为基准人脸图像;
炫彩发光单元420,通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸;
序列采集单元430,采集所述目标人脸受到所述预设数量帧的炫彩序列的光照射后的图像,得到所述目标人脸的多帧图像序列;
活体识别单元440,基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
可选地,在一种实施方式中,所述炫彩发光单元420,用于:
随机生成所述预设数量帧的炫彩序列,其中一帧炫彩序列包含指定数量的角度,一个角度包含预设大小组成的预设数量的RGB颜色信息;
通过终端设备的屏幕周边的炫彩发光模块按照所述预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸。
可选地,在一种实施方式中,所述活体识别单元440,用于:
对所述目标人脸的多帧图像序列和所述基准人脸图像进行人脸对齐操作;
将所述人脸对齐操作后的所述目标人脸的多帧图像序列和所述基准人脸图像,按照所述指定数量的角度划分为所述指定数量个区域;
基于所述指定数量个区域在所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
可选地,在一种实施方式中,所述活体识别单元440,用于:
基于所述指定数量个区域在所述目标人脸的多帧图像序列中相邻两帧图像序列中对应区域的色度差异,从所述目标人脸的多帧图像序列中提取得到所述目标人脸的所述预设数量帧的图像序列;其中,所述预设数量帧的图像序列中任意两帧的图像序列之间的色度差异不小于预设阈值;
基于所述指定数量个区域在所述目标人脸的所述预设数量帧的图像序列与所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
可选地,在一种实施方式中,所述活体识别单元440,用于:
分别对所述指定数量个区域在所述目标人脸的所述预设数量帧的图像序列与所述基准人脸图像对应区域的色度差异,进行二值化处理,得到包含第一数量的预设大小的信息的向量,所述第一数量为所述指定数量与所述多帧图像序列的数量之间的乘积;
确定包含所述第一数量的预设大小的信息的向量与所述预设数量帧的炫彩序列之间的距离;
基于包含所述第一数量的预设大小的信息的向量与所述预设数量帧的炫彩序列之间的距离,对所述目标人脸的图像进行活体识别。
可选地,在一种实施方式中,所述活体识别单元440,用于:
若包含所述第一数量的预设大小的信息的向量与所述预设数量帧的炫彩序列之间的距离不大于第一预设阈值,则分别确定所述指定数量个区域在所述目标人脸的所述预设数量帧的图像内与所述目标人脸的图像外对应区域的色度差异;
确定所述指定数量个区域在所述目标人脸的所述预设数量帧的图像内与所述目标人脸的图像外对应区域的色度差异的平均值;
基于所述指定数量个区域中在所述目标人脸的所述预设数量帧的图像内与所述目标人脸的图像外对应区域的色度差异的平均值,对所述目标人脸的图像进行活体识别。
可选地,在一种实施方式中,所述活体识别单元440,用于:
若所述色度差异的平均值大于或等于第二预设阈值,则识别所述目标人脸为活体;
若所述色度差异的平均值小于所述第二预设阈值,则确定所述目标人脸存在攻击。
活体识别装置400能够实现图1~3的方法实施例的方法,具体可参考图1~3所示实施例的活体识别方法,不再赘述。
图5是本说明书的一个实施例电子设备的结构示意图。请参考图5,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
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,在逻辑层面上形成活体识别装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
在检测到所述目标人脸的图像满足人脸采集条件时,采集所述目标人脸的图像作为基准人脸图像;
通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸;
采集所述目标人脸受到所述预设数量帧的炫彩序列的光照射后的图像,得到所述目标人脸的多帧图像序列;
基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
一方面通过屏幕外置的炫彩发光模块进行发光,通常会比屏幕内发光具有更高的流明,通常也不会造成用户视线的直视,减少对用户的影响,另一方面,采集一帧无炫彩发光时的人脸图像作为基准图像,以及炫彩发光(预设数量帧的炫彩序列,即预设数量的花色)时的多帧图像序列,基于这两类图像,对目标人脸进行活体检测,也能提高活体检测的准确率。
上述如本申请图1所示实施例揭示的活体识别装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field -Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1的方法,并实现活体识别装置在图1所示实施例的功能,本申请实施例在此不再赘述。
当然,除了软件实现方式之外,本申请的电子设备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。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图3所示实施例的方法,并具体用于执行以下操作:
在检测到所述目标人脸的图像满足人脸采集条件时,采集所述目标人脸的图像作为基准人脸图像;
通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸;
采集所述目标人脸受到所述预设数量帧的炫彩序列的光照射后的图像,得到所述目标人脸的多帧图像序列;
基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
当然,除了软件实现方式之外,本说明书的电子设备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。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
总之,以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
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。
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。
Claims (10)
1.一种活体识别方法,应用于终端设备,所述方法包括:
在检测到目标人脸的图像满足人脸采集条件时,采集所述目标人脸的图像作为基准人脸图像;
通过所述终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸,其中一帧炫彩序列包含指定数量的角度,一个角度包含预设大小组成的预设数量的RGB颜色信息;
采集所述目标人脸受到所述预设数量帧的炫彩序列的光照射后的图像,得到所述目标人脸的多帧图像序列;
基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
2.如权利要求1所述的方法,通过所述终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸,包括:
随机生成所述预设数量帧的炫彩序列;
通过所述终端设备的屏幕周边的炫彩发光模块按照所述预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸。
3.如权利要求2或1所述的方法,基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别,包括:
对所述目标人脸的多帧图像序列和所述基准人脸图像进行人脸对齐操作;
将所述人脸对齐操作后的所述目标人脸的多帧图像序列和所述基准人脸图像,按照指定数量的角度划分为所述指定数量个区域;
基于所述指定数量个区域在所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
4.如权利要求3所述的方法,基于所述指定数量个区域在所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别,包括:
基于所述指定数量个区域在所述目标人脸的多帧图像序列中相邻两帧图像序列中对应区域的色度差异,从所述目标人脸的多帧图像序列中提取得到所述目标人脸的所述预设数量帧的图像序列;其中,所述预设数量帧的图像序列中任意两帧的图像序列之间的色度差异不小于预设阈值;
基于所述指定数量个区域在所述目标人脸的所述预设数量帧的图像序列与所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
5.如权利要求4所述的方法,基于所述指定数量个区域在所述目标人脸的所述预设数量帧的图像序列与所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别,包括:
分别对所述指定数量个区域在所述目标人脸的所述预设数量帧的图像序列与所述基准人脸图像对应区域的色度差异,进行二值化处理,得到包含第一数量的预设大小的信息的向量,所述第一数量为所述指定数量与所述多帧图像序列的数量之间的乘积;
确定包含所述第一数量的预设大小的信息的向量与所述预设数量帧的炫彩序列之间的距离;所述距离为汉明距离;
基于包含所述第一数量的预设大小的信息的向量与所述预设数量帧的炫彩序列之间的距离,对所述目标人脸的图像进行活体识别。
6.如权利要求5所述的方法,基于包含所述第一数量的预设大小的信息的向量与所述预设数量帧的炫彩序列之间的距离,对所述目标人脸的图像进行活体识别,包括:
若包含所述第一数量的预设大小的信息的向量与所述预设数量帧的炫彩序列之间的距离不大于第一预设阈值,则分别确定所述指定数量个区域在所述目标人脸的所述预设数量帧的图像序列与所述基准人脸图像对应区域的色度差异;
确定所述指定数量个区域在所述目标人脸的所述预设数量帧的图像序列与所述基准人脸图像对应区域的色度差异的平均值;
基于所述指定数量个区域中在所述目标人脸的所述预设数量帧的图像序列与所述基准人脸图像对应区域的色度差异的平均值,对所述目标人脸的图像进行活体识别。
7.如权利要求6所述的方法,基于所述指定数量个区域中在所述目标人脸的所述预设数量帧的图像序列与所述基准人脸图像对应区域的色度差异的平均值,对所述目标人脸的图像进行活体识别,包括:
若所述色度差异的平均值大于或等于第二预设阈值,则识别所述目标人脸为活体;
若所述色度差异的平均值小于所述第二预设阈值,则确定所述目标人脸存在攻击。
8.一种终端设备,包括:
图像采集单元,在检测到目标人脸的图像满足人脸采集条件时,采集所述目标人脸的图像作为基准人脸图像;
炫彩发光单元,通过所述终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸,其中一帧炫彩序列包含指定数量的角度,一个角度包含预设大小组成的预设数量的RGB颜色信息;
序列采集单元,采集所述目标人脸受到所述预设数量帧的炫彩序列的光照射后的图像,得到所述目标人脸的多帧图像序列;
活体识别单元,基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
9.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
在检测到目标人脸的图像满足人脸采集条件时,采集所述目标人脸的图像作为基准人脸图像;
通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸,其中一帧炫彩序列包含指定数量的角度,一个角度包含预设大小组成的预设数量的RGB颜色信息;
采集所述目标人脸受到所述预设数量帧的炫彩序列的光照射后的图像,得到所述目标人脸的多帧图像序列;
基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
10.一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
在检测到目标人脸的图像满足人脸采集条件时,采集所述目标人脸的图像作为基准人脸图像;
通过终端设备的屏幕周边的炫彩发光模块按照预设数量帧的炫彩序列进行发光,以将多种颜色的光照射到所述目标人脸,其中一帧炫彩序列包含指定数量的角度,一个角度包含预设大小组成的预设数量的RGB颜色信息;
采集所述目标人脸受到所述预设数量帧的炫彩序列的光照射后的图像,得到所述目标人脸的多帧图像序列;
基于所述目标人脸的多帧图像序列和所述基准人脸图像中对应区域的色度差异,对所述目标人脸的图像进行活体识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010312906.2A CN111523438B (zh) | 2020-04-20 | 2020-04-20 | 一种活体识别方法、终端设备和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010312906.2A CN111523438B (zh) | 2020-04-20 | 2020-04-20 | 一种活体识别方法、终端设备和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523438A CN111523438A (zh) | 2020-08-11 |
CN111523438B true CN111523438B (zh) | 2024-02-23 |
Family
ID=71903894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010312906.2A Active CN111523438B (zh) | 2020-04-20 | 2020-04-20 | 一种活体识别方法、终端设备和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523438B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112115833B (zh) * | 2020-09-10 | 2024-03-29 | 深圳印像数据科技有限公司 | 一种图片的活体检测及分类方法 |
CN113111807A (zh) * | 2021-04-20 | 2021-07-13 | 北京嘀嘀无限科技发展有限公司 | 一种目标识别的方法和系统 |
CN113111806A (zh) * | 2021-04-20 | 2021-07-13 | 北京嘀嘀无限科技发展有限公司 | 用于目标识别的方法和系统 |
CN113111811A (zh) * | 2021-04-20 | 2021-07-13 | 北京嘀嘀无限科技发展有限公司 | 一种目标判别方法和系统 |
CN113111810B (zh) * | 2021-04-20 | 2023-12-08 | 北京嘀嘀无限科技发展有限公司 | 一种目标识别方法和系统 |
CN113569622A (zh) * | 2021-06-09 | 2021-10-29 | 北京旷视科技有限公司 | 基于网页的活体检测方法、装置、系统及电子设备 |
CN113469085B (zh) * | 2021-07-08 | 2023-08-04 | 北京百度网讯科技有限公司 | 人脸活体检测方法、装置、电子设备及存储介质 |
CN113762179B (zh) * | 2021-09-13 | 2024-03-29 | 支付宝(杭州)信息技术有限公司 | 活体检测方法和装置 |
CN114170690A (zh) * | 2022-02-14 | 2022-03-11 | 中国科学院自动化研究所 | 活体识别和构建活体识别模型的方法、装置 |
CN115115822B (zh) * | 2022-06-30 | 2023-10-31 | 小米汽车科技有限公司 | 车端图像处理方法、装置、车辆、存储介质及芯片 |
CN117011950B (zh) * | 2023-08-29 | 2024-02-02 | 国政通科技有限公司 | 一种活体检测方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203305A (zh) * | 2016-06-30 | 2016-12-07 | 北京旷视科技有限公司 | 人脸活体检测方法和装置 |
CN106570489A (zh) * | 2016-11-10 | 2017-04-19 | 腾讯科技(深圳)有限公司 | 活体判别方法和装置、身份认证方法和装置 |
CN107480576A (zh) * | 2016-06-07 | 2017-12-15 | 阿里巴巴集团控股有限公司 | 人脸识别方法、活体人脸检测方法、装置和设备 |
CN107622224A (zh) * | 2016-07-17 | 2018-01-23 | 金佶科技股份有限公司 | 指纹识别模块以及指纹识别方法 |
CN108573203A (zh) * | 2017-03-17 | 2018-09-25 | 北京旷视科技有限公司 | 身份认证方法和装置及存储介质 |
CN109101949A (zh) * | 2018-08-29 | 2018-12-28 | 广州洪荒智能科技有限公司 | 一种基于彩色视频信号频域分析的人脸活体检测方法 |
CN109376592A (zh) * | 2018-09-10 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 活体检测方法、装置和计算机可读存储介质 |
CN109389002A (zh) * | 2017-08-02 | 2019-02-26 | 阿里巴巴集团控股有限公司 | 活体检测方法及装置 |
WO2019127365A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳前海达闼云端智能科技有限公司 | 人脸活体检测方法、电子设备和计算机程序产品 |
CN110135370A (zh) * | 2019-05-20 | 2019-08-16 | 北京百度网讯科技有限公司 | 人脸活体检测的方法及装置、电子设备、计算机可读介质 |
CN110163174A (zh) * | 2019-05-27 | 2019-08-23 | 成都科睿埃科技有限公司 | 一种基于单目摄像头的活体人脸检测方法 |
CN110516644A (zh) * | 2019-08-30 | 2019-11-29 | 深圳前海微众银行股份有限公司 | 一种活体检测方法及装置 |
CN110765923A (zh) * | 2019-10-18 | 2020-02-07 | 腾讯科技(深圳)有限公司 | 一种人脸活体检测方法、装置、设备及存储介质 |
CN110969077A (zh) * | 2019-09-16 | 2020-04-07 | 成都恒道智融信息技术有限公司 | 一种基于颜色变化的活体检测方法 |
-
2020
- 2020-04-20 CN CN202010312906.2A patent/CN111523438B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480576A (zh) * | 2016-06-07 | 2017-12-15 | 阿里巴巴集团控股有限公司 | 人脸识别方法、活体人脸检测方法、装置和设备 |
CN106203305A (zh) * | 2016-06-30 | 2016-12-07 | 北京旷视科技有限公司 | 人脸活体检测方法和装置 |
CN107622224A (zh) * | 2016-07-17 | 2018-01-23 | 金佶科技股份有限公司 | 指纹识别模块以及指纹识别方法 |
CN106570489A (zh) * | 2016-11-10 | 2017-04-19 | 腾讯科技(深圳)有限公司 | 活体判别方法和装置、身份认证方法和装置 |
CN108573203A (zh) * | 2017-03-17 | 2018-09-25 | 北京旷视科技有限公司 | 身份认证方法和装置及存储介质 |
CN109389002A (zh) * | 2017-08-02 | 2019-02-26 | 阿里巴巴集团控股有限公司 | 活体检测方法及装置 |
WO2019127365A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳前海达闼云端智能科技有限公司 | 人脸活体检测方法、电子设备和计算机程序产品 |
CN109101949A (zh) * | 2018-08-29 | 2018-12-28 | 广州洪荒智能科技有限公司 | 一种基于彩色视频信号频域分析的人脸活体检测方法 |
CN109376592A (zh) * | 2018-09-10 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 活体检测方法、装置和计算机可读存储介质 |
CN110135370A (zh) * | 2019-05-20 | 2019-08-16 | 北京百度网讯科技有限公司 | 人脸活体检测的方法及装置、电子设备、计算机可读介质 |
CN110163174A (zh) * | 2019-05-27 | 2019-08-23 | 成都科睿埃科技有限公司 | 一种基于单目摄像头的活体人脸检测方法 |
CN110516644A (zh) * | 2019-08-30 | 2019-11-29 | 深圳前海微众银行股份有限公司 | 一种活体检测方法及装置 |
CN110969077A (zh) * | 2019-09-16 | 2020-04-07 | 成都恒道智融信息技术有限公司 | 一种基于颜色变化的活体检测方法 |
CN110765923A (zh) * | 2019-10-18 | 2020-02-07 | 腾讯科技(深圳)有限公司 | 一种人脸活体检测方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
HONGJIN ZHU等.Edge Detection With Chroma Components of Video Frame Based on Local Autocorrelation.《IEEE access》.2019,第7卷第48543-48550页. * |
Zinelabidine Boulkenafet等.Face Spoofing Detection Using Colour Texture Analysis.《IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY》.2016,第11卷(第8期),第1818-1830页. * |
武警贺.视频中的人脸检测与识别方法研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2019,(第8期), I138-604. * |
Also Published As
Publication number | Publication date |
---|---|
CN111523438A (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111523438B (zh) | 一种活体识别方法、终端设备和电子设备 | |
CN111627009B (zh) | 一种屏幕检测方法、装置及头戴显示设备 | |
CN111862195B (zh) | 光斑检测方法和装置、终端和存储介质 | |
TWI701605B (zh) | 活體檢測方法、裝置和電腦可讀取儲存媒體 | |
CN105933589A (zh) | 一种图像处理方法及终端 | |
CN107945158A (zh) | 一种检测镜头脏污的方法及装置 | |
US10817744B2 (en) | Systems and methods for identifying salient images | |
US11281939B2 (en) | Method and apparatus for training an object identification neural network, and computer device | |
US10163009B2 (en) | Apparatus and method for recognizing iris | |
CN108154483B (zh) | 图像处理装置、图像处理方法以及记录介质 | |
CN111738161A (zh) | 一种活体检测方法、装置及电子设备 | |
CN107113421B (zh) | 一种光学系统成像质量的检测方法和装置 | |
CN110826535B (zh) | 一种人脸识别方法、系统及装置 | |
US9092661B2 (en) | Facial features detection | |
CN112069880A (zh) | 活体检测方法、装置、电子设备和计算机可读介质 | |
CN110766745A (zh) | 投影仪镜头前干扰物的检测方法、投影仪和存储介质 | |
US10192311B2 (en) | Methods and apparatus for codeword boundary detection for generating depth maps | |
CN111046706A (zh) | 指纹辨识方法以及使用其的电子装置 | |
CN111656766B (zh) | 用于基于图像的服务的设备 | |
CN113822868A (zh) | 发光二极管支架的缺陷检测方法及装置、设备和介质 | |
CN113657245B (zh) | 一种用于人脸活体检测的方法、设备、介质及程序产品 | |
JP2005261660A (ja) | 情報生成装置及び情報生成方法 | |
CN114299566A (zh) | 人脸识别方法、人脸识别装置及终端设备 | |
CN114449714A (zh) | 基于视觉识别的光色调整方法、装置及电子设备 | |
CN117726570A (zh) | 图像处理方法、装置、电子设备及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |