CN111639519B - 活体检测方法及装置 - Google Patents
活体检测方法及装置 Download PDFInfo
- Publication number
- CN111639519B CN111639519B CN202010263622.9A CN202010263622A CN111639519B CN 111639519 B CN111639519 B CN 111639519B CN 202010263622 A CN202010263622 A CN 202010263622A CN 111639519 B CN111639519 B CN 111639519B
- Authority
- CN
- China
- Prior art keywords
- sound signal
- sound
- living body
- image
- microphone array
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 76
- 230000005236 sound signal Effects 0.000 claims abstract description 98
- 238000012545 processing Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 5
- 238000003491 array Methods 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Circuit For Audible Band Transducer (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种活体检测方法及装置，通过两个或两个以上背靠背的麦克风形成阵列，进而可以根据两个声音信号的差异进行活体检测，利用背靠背麦克风所处的相同环境，在一侧麦克风检测被测物体的同时，跟另一侧处在相同环境中的麦克风进行比对，如果外界环境的噪声信号高于或等于被测物体侧的声音信号，说明被测物体侧没有多余的动作，如果相反，说明被测物体侧相对于环境有异常，可以进一步进行人工排查，方便快捷，并且基于声音信号进行检测，能够规避单一红外检测的漏洞。
Description
技术领域
本发明涉及活体检测领域，更具体的，涉及一种活体检测方法及装置。
背景技术
针对于入境旅客携带的违法托运的生命体，除通过红外检测外，尚无其他方便快捷并且准确的检测方式，单一的活体检测容易被根据原理反向破解，例如红外检测可以通过对箱体进行特殊处理规避，存在安全隐患。
发明内容
为了解决上述不足的至少一个，本发明一个方面实施例提供一种活体检测方法，包括：
获取第一麦克风阵列拾取的第一声音信号和第二麦克风阵列拾取的第二声音信号；所述第一麦克风阵列包括至少一个第一麦克风，所述第二麦克风阵列包括至少一个第二麦克风，所述第一麦克风阵列和所述第二麦克风阵列背靠背设置，使用时其中一个麦克风阵列正对被测箱体；
根据所述第一声音信号和所述第二声音信号得到被测箱体的活体检测结果。
在某些实施例中，所述根据所述第一声音信号和所述第二声音信号得到被测箱体的活体检测结果，包括：
将所述第一声音信号和所述第二声音信号转化为频谱图像，得到对应的第一声音图像和第二声音图像；
基于预设的图像匹配模型，判断所述第一声音图像和第二声音图像是否匹配，若否，则生成存在活体的检测结果。
在某些实施例中，还包括：
建立所述图像匹配模型；
利用已标注的历史声音信号阵列成的训练集训练所述图像匹配模型。
在某些实施例中，若所述第一声音图像和第二声音图像匹配，所述活体检测方法还包括：
基于差分算法，对所述第一声音图像和第二声音图像进行差值比较，生成声音信号差分值；
判断所述声音信号差分值是否高于设定阈值，若是，则生成存在活体的检测结果。
在某些实施例中，还包括：
将所述第一声音信号和所述第二声音信号按照设定灵敏度进行过滤，得到过滤后的所述第一声音信号和所述第二声音信号。
本发明还提供一种活体检测装置，包括：
第一麦克风阵列，用于拾取得到第一声音信号；
第二麦克风阵列，用于拾取得到第二声音信号，所述第一麦克风阵列和所述第二麦克风阵列背靠背设置，使用时其中一个麦克风阵列正对被测箱体；以及
处理模块，用于根据所述第一声音信号和所述第二声音信号得到被测箱体的活体检测结果。
在某些实施例中，所述处理模块，包括：
声音图像生成单元，将所述第一声音信号和所述第二声音信号转化为频谱图像，得到对应的第一声音图像和第二声音图像；
匹配判断单元，基于预设的图像匹配模型，判断所述第一声音图像和第二声音图像是否匹配，若否，则生成存在活体的检测结果。
在某些实施例中，所述处理模块，还包括：
模型生成单元。建立所述图像匹配模型；
训练单元，利用已标注的历史声音信号阵列成的训练集训练所述图像匹配模型。
在某些实施例中，所述处理模块，还包括：
差分计算单元，基于差分算法，对所述第一声音图像和第二声音图像进行差值比较，生成声音信号差分值；
差分值判断单元，判断所述声音信号差分值是否高于设定阈值，若是，则生成存在活体的检测结果。
在某些实施例中，所述处理模块，还包括：
过滤处理单元，将所述第一声音信号和所述第二声音信号按照设定灵敏度进行过滤，得到过滤后的所述第一声音信号和所述第二声音信号。
本发明的有益效果如下：
本发明提供一种活体检测方法及装置，通过两个或两个以上背靠背的麦克风形成阵列，进而可以根据两个声音信号的差异进行活体检测，利用背靠背麦克风所处的相同环境，在一侧麦克风检测被测物体的同时，跟另一侧处在相同环境中的麦克风进行比对，如果外界环境的噪声信号高于或等于被测物体侧的声音信号，说明被测物体侧没有多余的动作，如果相反，说明被测物体侧相对于环境有异常，可以进一步进行人工排查，方便快捷，并且基于声音信号进行检测，能够规避单一红外检测的漏洞。
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的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明实施例中一种活体检测方法流程示意图。
图2示出本发明实施例中4个麦克风形成的波束示意图。
图3示出了本发明的声音图像示意图。
图4示出本发明实施例中一种活体检测装置结构示意图。
具体实施方式
下面将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，所描述的实施例仅仅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，都属于本发明保护的范围。
本发明基于目前现有技术中单一红外检测容易被非法分子规避，针对于入境旅客携带的违法托运的生命体，通过两个或两个以上背靠背的麦克风形成阵列，在差分拾音机制下，通过深度学习，比对两个拾音点的检测结果，可以有效地识别面对被测物端麦克风的拾音数据与背向被测物的麦克风数据的差异。通过比对背靠背麦克风阵列的拾音结果，利用多通道语音信号数据进行后台处理，经差分识别，快速判断被检测箱体中是否存在活体生命。
图1示出了本发明基于上述核心构思的一种活体检测方法，具体包括：
S1：获取第一麦克风阵列拾取的第一声音信号和第二麦克风阵列拾取的第二声音信号；所述第一麦克风阵列包括至少一个第一麦克风，所述第二麦克风阵列包括至少一个第二麦克风，所述第一麦克风阵列和所述第二麦克风阵列背靠背设置，使用时其中一个麦克风阵列正对被测箱体；
S2：根据所述第一声音信号和所述第二声音信号得到被测箱体的活体检测结果。
本发明提供一种活体检测方法，通过两个或两个以上背靠背的麦克风形成阵列，进而可以根据两个声音信号的差异进行活体检测，利用背靠背麦克风所处的相同环境，在一侧麦克风检测被测物体的同时，跟另一侧处在相同环境中的麦克风进行比对，如果外界环境的噪声信号高于或等于被测物体侧的声音信号，说明被测物体侧没有多余的动作，如果相反，说明被测物体侧相对于环境有异常，可以进一步进行人工排查，方便快捷，并且基于声音信号进行检测，能够规避单一红外检测的漏洞。
具体而言，步骤S2具体包括：
S21：将所述第一声音信号和所述第二声音信号转化为频谱图像，得到对应的第一声音图像和第二声音图像；
S22：基于预设的图像匹配模型，判断所述第一声音图像和第二声音图像是否匹配，若否，则生成存在活体的检测结果。
此外，在一些实施例中，还包括：
S01：建立所述图像匹配模型；
S02：利用已标注的历史声音信号阵列成的训练集训练所述图像匹配模型。
图像匹配模型基于深度学习进行训练得到，进而图像生成随着数据的积累越来越精确。
在一些实施例中，为了提高检测结果的准确度，可以结合声音图像和差分的处理方式，该实施例中，若所述第一声音图像和第二声音图像匹配，所述活体检测方法还包括：
S3：基于差分算法，对所述第一声音图像和第二声音图像进行差值比较，生成声音信号差分值；
S4：判断所述声音信号差分值是否高于设定阈值，若是，则生成存在活体的检测结果。
当然，在一些实施例中，为了使得结果更加精确，可以根据不同的灵敏度设置，对需要采集的信息进行过滤，本实施例中，将所述第一声音信号和所述第二声音信号按照设定灵敏度进行过滤，得到过滤后的所述第一声音信号和所述第二声音信号。
在具体使用时，背靠背差分麦克风阵列判断托运行李非法携带活体动物的检测系统中，使用双麦克风或者4个甚至六个麦克风组成背靠背的麦克风阵列，需要采用硅胶充分分隔组成差分麦克风阵列的麦克风，同时确保每个麦克风的拾音孔是其唯一的进声孔，测试侧的麦克风尽量贴近被测物体的外表面，声孔直径在保证贴合的前提下适当增大。通过放置或者机械结构确保麦克风阵列装置的一侧麦克风紧密贴合在被测物体上。该发明其主要原理是利用背靠背麦克风所处的相同环境，在一侧麦克风检测被测物体的同时，跟另一侧处在相同环境中的麦克风进行差分比对，如果外界环境的噪声信号高于或等于被测物体侧的声音信号，说明被测物体侧没有多余的动作，如果相反，说明被测物体侧相对于环境有异常，可以进一步进行人工排查。
图2以四个麦克风形成的阵列进行了表述，如图2所示，其每个波束的分布对应60度的范围，在实际测试中，面对被测物体一侧的波束跟背对物体一侧的波束进行比对，同时进行波形分析。
背靠背差分麦克风阵列判断托运行李非法携带活体动物的具体实施方式如下：使用外力对被测物体进行位移或翻转，在被测物稳定后，使用背靠背的麦克风阵列(有效隔离)贴紧被测物体后开启双向麦克风阵列，对被检测物体进行声音识别，采样并记录双侧的语音信号，两路背靠背的麦克风信号采集的位置点相同，但是接受的信号方向不同，其中一路面对被测物体，采集被测物体方向的声音，另一路背对被测物体，检测环境的声音，因为两路麦克风所处的位置环境基本相同，通过差分算法，可以有效分离出被检测端的微小信号。内置的学习算法，可以对噪声曲线进行叠代和拟合，有效地分析出实际环境的噪声曲线。实际应用中根据不同的灵敏度设置，对需要采集的信息进行过滤，此处的主要目的是防止误报，针对不同的要求设置噪声门限，以减少误报。其中对被检测物体中是否含有活体动物的分析就是通过两个麦克风捕获的声音图像进行差分比对，捕获图像见图3(图3是两个麦克风在同一时段捕获的图像，根据两个图像的差值进行判断)，两个图像进行差值比较，就是差分算法。通过差分处理对比声音图像，期间通过AI技术进行声音图形识别，将两者相互匹配，这个主要是需要数据积累，开始的判断会有不准的情况，所以需要自主学习，进行数据积累。如果被测物体侧的声音图像和对应侧的识别结果基本一致，认为被测物体不含有活体动物，如果明显不一致或超过设定阀值，则将被测物体通过机械装置推出，进入人工检测通道。
可以理解，本发明提供一种活体检测方法，通过两个或两个以上背靠背的麦克风形成阵列，进而可以根据两个声音信号的差异进行活体检测，利用背靠背麦克风所处的相同环境，在一侧麦克风检测被测物体的同时，跟另一侧处在相同环境中的麦克风进行比对，如果外界环境的噪声信号高于或等于被测物体侧的声音信号，说明被测物体侧没有多余的动作，如果相反，说明被测物体侧相对于环境有异常，可以进一步进行人工排查，方便快捷，并且基于声音信号进行检测，能够规避单一红外检测的漏洞。
基于相同的发明构思，本发明还提供一种活体检测装置，如图4所示，包括：
第一麦克风阵列1，用于拾取得到第一声音信号；
第二麦克风阵列2，用于拾取得到第二声音信号，所述第一麦克风阵列和所述第二麦克风阵列背靠背设置，使用时其中一个麦克风阵列正对被测箱体；以及
处理模块3，用于根据所述第一声音信号和所述第二声音信号得到被测箱体的活体检测结果。
在某些实施例中，所述处理模块，包括：
声音图像生成单元，将所述第一声音信号和所述第二声音信号转化为频谱图像，得到对应的第一声音图像和第二声音图像；
匹配判断单元，基于预设的图像匹配模型，判断所述第一声音图像和第二声音图像是否匹配，若否，则生成存在活体的检测结果。
在某些实施例中，所述处理模块，还包括：
模型生成单元。建立所述图像匹配模型；
训练单元，利用已标注的历史声音信号阵列成的训练集训练所述图像匹配模型。
在某些实施例中，所述处理模块，还包括：
差分计算单元，基于差分算法，对所述第一声音图像和第二声音图像进行差值比较，生成声音信号差分值；
差分值判断单元，判断所述声音信号差分值是否高于设定阈值，若是，则生成存在活体的检测结果。
在某些实施例中，所述处理模块，还包括：
过滤处理单元，将所述第一声音信号和所述第二声音信号按照设定灵敏度进行过滤，得到过滤后的所述第一声音信号和所述第二声音信号。
可以理解，本发明提供一种活体检测装置，通过两个或两个以上背靠背的麦克风形成阵列，进而可以根据两个声音信号的差异进行活体检测，利用背靠背麦克风所处的相同环境，在一侧麦克风检测被测物体的同时，跟另一侧处在相同环境中的麦克风进行比对，如果外界环境的噪声信号高于或等于被测物体侧的声音信号，说明被测物体侧没有多余的动作，如果相反，说明被测物体侧相对于环境有异常，可以进一步进行人工排查，方便快捷，并且基于声音信号进行检测，能够规避单一红外检测的漏洞。
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。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。
Claims (6)
1.一种活体检测方法，其特征在于，包括：
获取第一麦克风阵列拾取的第一声音信号和第二麦克风阵列拾取的第二声音信号；所述第一麦克风阵列包括至少一个第一麦克风，所述第二麦克风阵列包括至少一个第二麦克风，所述第一麦克风阵列和所述第二麦克风阵列背靠背设置，使用时其中一个麦克风阵列正对不稳定状态下的被测箱体；
根据所述第一声音信号和所述第二声音信号得到被测箱体的活体检测结果；
所述根据所述第一声音信号和所述第二声音信号得到被测箱体的活体检测结果，包括：
将所述第一声音信号和所述第二声音信号转化为频谱图像，得到对应的第一声音图像和第二声音图像；
基于预设的图像匹配模型，判断所述第一声音图像和第二声音图像是否匹配，若否，则生成存在活体的检测结果；若所述第一声音图像和第二声音图像匹配，所述活体检测方法还包括：
基于差分算法，对所述第一声音图像和第二声音图像进行差值比较，生成声音信号差分值；
判断所述声音信号差分值是否高于设定阈值，若是，则生成存在活体的检测结果。
2.根据权利要求1所述的活体检测方法，其特征在于，还包括：
建立所述图像匹配模型；
利用已标注的历史声音信号阵列形成的训练集训练所述图像匹配模型。
3.根据权利要求1所述的活体检测方法，其特征在于，还包括：
将所述第一声音信号和所述第二声音信号按照设定灵敏度进行过滤，得到过滤后的所述第一声音信号和所述第二声音信号。
4.一种活体检测装置，其特征在于，包括：
第一麦克风阵列，用于拾取得到第一声音信号；
第二麦克风阵列，用于拾取得到第二声音信号，所述第一麦克风阵列和所述第二麦克风阵列背靠背设置，使用时其中一个麦克风阵列正对被测箱体；以及
处理模块，用于根据所述第一声音信号和所述第二声音信号得到被测箱体的活体检测结果；
所述处理模块，包括：
声音图像生成单元，将所述第一声音信号和所述第二声音信号转化为频谱图像，得到对应的第一声音图像和第二声音图像；
匹配判断单元，基于预设的图像匹配模型，判断所述第一声音图像和第二声音图像是否匹配，若否，则生成存在活体的检测结果；
所述处理模块，还包括：
差分计算单元，基于差分算法，对所述第一声音图像和第二声音图像进行差值比较，生成声音信号差分值；
差分值判断单元，判断所述声音信号差分值是否高于设定阈值，若是，则生成存在活体的检测结果。
5.根据权利要求4所述的活体检测装置，其特征在于，所述处理模块，还包括：
模型生成单元，建立所述图像匹配模型；
训练单元，利用已标注的历史声音信号阵列形成的训练集训练所述图像匹配模型。
6.根据权利要求4所述的活体检测装置，其特征在于，所述处理模块，还包括：
过滤处理单元，将所述第一声音信号和所述第二声音信号按照设定灵敏度进行过滤，得到过滤后的所述第一声音信号和所述第二声音信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010263622.9A CN111639519B (zh) | 2020-04-07 | 2020-04-07 | 活体检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010263622.9A CN111639519B (zh) | 2020-04-07 | 2020-04-07 | 活体检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111639519A CN111639519A (zh) | 2020-09-08 |
| CN111639519B true CN111639519B (zh) | 2023-06-20 |
Family
ID=72329561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010263622.9A Active CN111639519B (zh) | 2020-04-07 | 2020-04-07 | 活体检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111639519B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112565974A (zh) * | 2020-11-30 | 2021-03-26 | 神思电子技术股份有限公司 | 一种解决双向分离拾音的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106778559A (zh) * | 2016-12-01 | 2017-05-31 | 北京旷视科技有限公司 | 活体检测的方法及装置 |
| CN107506687A (zh) * | 2017-07-17 | 2017-12-22 | 广东欧珀移动通信有限公司 | 活体检测方法及相关产品 |
| JP2019041612A (ja) * | 2017-08-30 | 2019-03-22 | 中国電力株式会社 | 虫獣検知装置 |
| CN110688957A (zh) * | 2019-09-27 | 2020-01-14 | 腾讯科技（深圳）有限公司 | 应用于人脸识别的活体检测方法、装置及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012095783A1 (en) * | 2011-01-12 | 2012-07-19 | Koninklijke Philips Electronics N.V. | Improved detection of breathing in the bedroom |
-
2020
- 2020-04-07 CN CN202010263622.9A patent/CN111639519B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106778559A (zh) * | 2016-12-01 | 2017-05-31 | 北京旷视科技有限公司 | 活体检测的方法及装置 |
| CN107506687A (zh) * | 2017-07-17 | 2017-12-22 | 广东欧珀移动通信有限公司 | 活体检测方法及相关产品 |
| JP2019041612A (ja) * | 2017-08-30 | 2019-03-22 | 中国電力株式会社 | 虫獣検知装置 |
| CN110688957A (zh) * | 2019-09-27 | 2020-01-14 | 腾讯科技（深圳）有限公司 | 应用于人脸识别的活体检测方法、装置及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| YEONJOON LEE等.Using Sonar for Liveness Detection to Protect Smart Speakers against Remote Attackers.《Proc. ACM Interact. Mob. Wearable Ubiquitous Technol》.2020,第1-28页. * |
| 梁森等.基于声音信号测量的活体禽蛋胚胎识别.《噪声与振动控制》.2010,第162-164页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111639519A (zh) | 2020-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108414240B (zh) | 一种检测机器异常振动的方法与装置 | |
| CN114414963A (zh) | 一种变电站域故障智能监测的声学成像定位系统及方法 | |
| CN105258785A (zh) | 声学监测站、车轮检测方法和列车轴承故障被动声学诊断系统 | |
| JPH01142485A (ja) | 昆虫および／または昆虫の幼虫の存在の検出方法および装置 | |
| CN101666850A (zh) | 一种电力电缆绝缘缺陷的声电检测装置 | |
| CN101959115A (zh) | 用于检测、定位和分类被测设备的缺陷的方法和装置 | |
| KR101319939B1 (ko) | 블랙 박스와 감지 센서를 활용한 사고 진단 시스템 및 방법 | |
| CN111639519B (zh) | 活体检测方法及装置 | |
| US8950261B2 (en) | Fault detection method and system | |
| CN112985574B (zh) | 基于模型融合的光纤分布式声波传感信号高精度分类识别方法 | |
| CN108344504A (zh) | 一种8路车内噪声检测系统及分析方法 | |
| JP2012018066A (ja) | 異常検査装置 | |
| KR20210129942A (ko) | 이음 검사 장치 및 그 검사 방법 | |
| JP2001108518A (ja) | 異常検知方法および装置 | |
| KR20220098659A (ko) | 이상 음원 결정 방법 및 ai 음향 영상 카메라 | |
| CN118209305B (zh) | 一种铁心及夹件螺栓紧固件疲劳度检测方法、介质及系统 | |
| CN113553996A (zh) | 一种基于深度学习神经网络情绪识别的危险人物发现系统 | |
| CN208140250U (zh) | 一种8路车内噪声检测系统 | |
| CN111815878A (zh) | 一种利用声音与视频共同检测考生是否作弊的系统 | |
| CN112420074A (zh) | 一种汽车后视镜电机异响声音的诊断方法 | |
| CN107356821A (zh) | 一种车辆信息安全检测的装置及车辆检测方法 | |
| CN108387308B (zh) | 变速箱啸叫下线检测方法及其检测系统 | |
| CN115684352A (zh) | 一种集装箱空箱声学智能检测方法及系统 | |
| CN116244631A (zh) | 基于双通道卷积神经网络的桩基础多缺陷识别方法及其系统 | |
| CN105784401A (zh) | 一种设备故障声频检测方法及其检测系统 |
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 |