CN112200174A - 人脸框检测方法及模块和活体人脸验证方法及系统 - Google Patents
人脸框检测方法及模块和活体人脸验证方法及系统 Download PDFInfo
- Publication number
- CN112200174A CN112200174A CN202011426045.7A CN202011426045A CN112200174A CN 112200174 A CN112200174 A CN 112200174A CN 202011426045 A CN202011426045 A CN 202011426045A CN 112200174 A CN112200174 A CN 112200174A
- Authority
- CN
- China
- Prior art keywords
- face
- face frame
- frame
- living body
- verification
- 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
- G06V40/10—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
- 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
- G06V40/172—Classification, e.g. identification
-
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
Abstract
本发明公开了一种人脸框检测方法,包括以下步骤:在人脸图片中获取第一人脸框;在第一人脸框中获取预定义关键点;根据预定义关键点获取第二人脸框;根据第一人脸框或第二人脸框,以及第一人脸框与第二人脸框间距离计算获得第三人脸框。本发明还公开了一种人脸框检测模块、一种活体人脸验证方法和一种活体人脸验证系统。本发明提供的人脸框检测方法及模块能快速、准确的检测出人脸框,能避免人脸框区域选取过大及过小所造成的干扰信息及错识。本发明提供的活体人脸验证方法及系统能显著提高活体人脸验证的速度和准确性。
Description
技术领域
本发明涉及计算机领域,特别是一种用于人脸识别技术的人脸框检测方法和一种人脸框检测模块。本发明还涉及一种活体人脸验证方法和一种活体人脸验证系统。
背景技术
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。通过采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别。
人脸的特征提取是人脸识别的关键技术,常见的开源人脸特征提取技术包括:Openface、Face_recognition、Insightface,通过对人脸特征的提取进而实现人脸的比对识别。
活体人脸识别技术在刷脸支付、刷脸取款、人脸门锁、门禁闸机、自动身份验证等设备上具有广泛的应用前景。活体识别是活体人脸识别的基础,然而人脸的复制非常容易实现,包括复制人脸照片(打印纸质照片,电子屏幕照片)攻击,人脸视频回放攻击、人脸3D结构模组仿制攻击。相比于指纹和虹膜,人脸等生物特征,活体人脸识别系统正朝着方便快捷、非接触式、成本低等特点的商业化模式发展。虽然,人脸识别技术可以识别人脸图像的身份,但不能准确地区分人脸输入的真实性;但是,如何自动有效地区分人脸图像的活体属性,还是非活体属性是人脸图像的真实性和抵御欺骗攻击的重要保障。因此,人脸活体识别是活体人脸识别技术亟待解决的问题。
通过传统分析图像的纹理特征,活体和非活体有比较明显的差异,采用局部二值(Local Binary Patterns,LBP)方法可以有效地解决图片和活体的区分,然而在3D人脸情况下,存在误识的情况。颜色差异是基于统计的方法,统计出活体和非活体的颜色差异的直方图,判别人脸活体与非活体,在这种情况下,一些高分辨率的图片难以区分。
近年采用深度学习的人脸活体识别方法,卷积神经网络能够自动提取图像的有效特征,避免了传统设计特征算法提取特征模式的单一性,并且能够保证特征的尺度不变性,旋转不变性。将人脸活体与非活体按照多种尺度对其进行裁剪,得到不同尺度的裁剪图像,将多个不同尺度的裁剪图像输入神经网络进行训练,一定程度上提高了人脸活体检测的准确性,然而针对图像的尺寸裁剪靠固定值判断,不能能很好的定位出人脸区域,造成活体人脸检测/验证错误。例如:验证活体人脸识别过程中,人脸区域选取太大,会导致非人脸部分的干扰信息增多,则会出现活体识别成非活体的概率增加,导致误判的场景增多。另外,人脸区域选择太小,针对3D人脸结构,打印的图片攻击活体人脸识别系统出现错识的情况增大。因此整个人脸区域的选择的好坏直接影响活体人脸识别的准确性和稳定性。
发明内容
在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化,这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
本发明要解决的技术问题是提供一种能快速、准确检测出人脸框的人脸框检测方法。
本发明要解决的另一技术问题是提供一种能快速、准确检测出人脸框的人脸框检测模块。
本发明要解决的再一技术问题是提供一种基于上述人脸框检测方法能快速、准确进行活体人脸验证的活体人脸验证方法。
本发明要解决的又一技术问题是提供一种基于上述人脸框检测模块能快速、准确进行活体人脸验证的活体人脸验证系统。
为解决上述技术问题,本发明提供一种人脸框检测方法,包括以下步骤:
S1在人脸图片中获取第一人脸框;
S2在第一人脸框中获取预定义关键点;
S3根据预定义关键点获取第二人脸框;
S4根据第一人脸框或第二人脸框,以及第一人脸框与第二人脸框间距离计算获得第三人脸框。
可选择的,进一步改进所述的人脸框检测方法,还包括:
S5将第三人脸框替换第一人脸框重复上述步骤S1-步骤S4至少一次。
多次重复步骤S1-步骤S4进行迭代循环,检测获得的人脸框会更加精准,避免了现有技术中人脸框区域选取过大/过小所造成的干扰信息/错识。
可选择的,进一步改进所述的人脸框检测方法,所述预定义关键点包括左眼、右眼、鼻尖、左嘴角和右嘴角。
根据实际使用情况,本领域技术人员可以针对性的预定义关键点,相对上述示例可以减少预定义关键点,相应的也可以增加预定义关键点;
例如,将左眼、右眼、鼻尖作为预定义关键点,减少预定义关键点数量虽然会降低检测的精度,但可以提高检测速度。
再如,将左眼、右眼、鼻尖、左嘴角和右嘴角作为预定义关键点的基础上增加左耳和/或右耳、左眉毛左右两端点、右眉左右两端点、左眼的两个眼角、右眼的两个眼角等能表达脸部无关距离特征的点,增加预定义关键点数量会提高检测的精度,相应的会降低检测速度。
可选择的,进一步改进所述的人脸框检测方法,还包括:
第三人脸框的左上角坐标和右下角坐标分别通过第一人脸框左上角坐标和右下角坐标向第二人脸框移动获得;
或,第三人脸框的左上角坐标和右下角坐标分别通过第二人脸框左上角坐标和右下角坐标向第一人脸框移动获得。
为解决上述技术问题,本发明提供一种利用所述人脸框检测方法的活体人脸验证方法,包括以下步骤:
通过对人脸图片进行人脸框检测,提取人脸特征信息建立人脸数据库;
人脸图片可以是实时采集/预存/第三方获取;
获取活体人脸图片进行人脸框检测,获取第三人脸框,若无法获取第三人脸框则判断活体人脸验证失败;
活体人脸图片则需要实时采集/第三方在线实时获取;
提取第三人脸框的人脸特征信息,并与人脸数据库的人脸特征信息进行比对,若比对差异小于预设人脸特征差异阈值则判断活体人脸验证成功,否则判断活体人脸验证失败。
对于人脸特征信息提取,可以采用现有技术中任意一种人脸特征提取技术实现,该人脸特征提取虽然会影响人脸识别的准确性,但不是本申请所主要解决的技术问题。在符合本申请主要设计原理的情况,现有任意一种人脸特征提取技术只要能提取出人脸特征信息即可以被本申请的技术方案所采用。相应的,在未来新出现的任意一种人脸特征提取技术只要其能够提取人脸特征信息也能用于本申请。
可选的,进一步改进所述的活体人脸验证方法,若计算获得第三人脸框位于第一人脸框外或第二人脸框内则判断无法获取第三人脸框,活体人脸验证失败。
为解决上述技术问题,本发明提供一种人脸框检测模块,其在用以下方式执行检测:
在人脸图片中获取第一人脸框,在第一人脸框中获取预定义关键点;
根据预定义关键点获取第二人脸框,根据第一人脸框或第二人脸框,以及第一人脸框与第二人脸框间距离计算获得第三人脸框。
可选择的,进一步改进所述的人脸框检测模块,其将获得第三人脸框替换第一人脸框后,重新计算第三人脸框至少一次。
可选择的,进一步改进所述的人脸框检测模块,所述预定义关键点包括左眼、右眼、鼻尖、左嘴角和右嘴角。
可选择的,进一步改进所述的人脸框检测模块,第三人脸框的左上角坐标和右下角坐标分别通过第一人脸框左上角坐标和右下角坐标向第二人脸框移动获得;
或,第三人脸框的左上角坐标和右下角坐标分别通过第二人脸框左上角坐标和右下角坐标向第一人脸框移动获得。
为解决上述技术问题,本发明提供一种所述人脸框检测模块的活体人脸验证系统,包括:
注册模块,其通过活体和/或现有数据获取人脸图片;如前所述,现有数据包括但不限于预存/第三方获取的人脸图片;即,该注册模块即可以进行实时拍摄人脸图片完成注册,也可以通过数据导入方式完成注册;
活体人脸检测模块,其用于获取活体人脸图片;活体人脸图片,应为实时拍摄的待验证人脸图片。
人脸检测模块,其用于对注册模块和活体人脸检测模块的人脸图片进行人脸检测输出人脸框;
人脸检测模块是本申请的核心技术,其对注册模块和活体人脸检测模块的人脸图片进行准确的人脸框检测,从注册端和实时验证端两端同时避免由于人脸框区域选取过大/过小所造成的干扰信息/错识。这样申请的验证系统从注册数据的源头(比对基准)和实时活体人脸框选取(对比数据)两方面均避免了干扰信息/错识,能显著提高活体人脸验证的速度和准确性;
特征提取模块,其用于对人脸检测模块输出人脸框进行人脸特征提取;
人脸集数据库,其用于存储注册模块人脸图片的人脸特征信息;
比对模块,其用于将人脸集数据库的人脸特征信息和活体人脸图片的人脸特征信息进行比对,若比对差异小于预设人脸特征差异阈值则判断活体人脸验证成功,否则判断活体人脸验证失败。
相应的,针对不同的人脸特征提取信息设置不同预设人脸特征差异阈值,本申请的阈值是可变化的,在数据量相对大/安全性相对低的场景(例如地铁通道/车站通道)则可以降低预设人脸特征差异阈值,待获取比对数据后通过提高预设人脸特征差异阈值进一步筛选,进而提高系统处理速度,满足处理速度需求;
而针对数据量小的场景(例如银行/电梯/商场)则可以提高预设人脸特征差异阈值,进而提高准确度满足安全需求;
可选的,进一步改进所述的活体人脸验证系统,若人脸检测模块计算获得第三人脸框位于第一人脸框外或第二人脸框内则判断无法获取第三人脸框,活体人脸验证失败。
本发明至少能实现以下技术效果:
1、本发明提供的人脸框检测方法/模块能快速、准确的检测出人脸框,能避免人脸框区域选取过大/过小所造成的干扰信息/错识。
2、本发明提供的人脸框检测方法/模块的优选方案增加了人脸框迭代检测能显著增加人脸框区域选取的准确性。准确人脸框区域有利于提高后续比对处理的速度和准确性。
3.本发明提供的人脸框检测方法/模块人脸预设关键点定位中,可以选择使用深度学习的人脸检测器及人脸关键点定位器,使得人脸的检测及定位更加精准。
4.本发明提供的活体人脸验证方法/系统,在注册端和实时验证端两端均采用本发明提供的人脸框检测方法/模块,从注册数据的源头(比对基准)和实时活体人脸框选取(对比数据)两方面均避免了干扰信息/错识,能显著提高活体人脸验证的速度和准确性。
5、并且,由于上述第3点的原因,在进行大数据量处理和比对过程中本申请活体人脸验证方法/系统优势更加明显,即能基于准确的人脸框实现快速的比对和验证,在大数据量处理时大量的干扰信息被排除,有利于提高活体人脸验证的效率和稳定性。
附图说明
本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或材料的一般特性,对说明书中的描述进行补充。然而,本发明附图是未按比例绘制的示意图,因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点,本发明附图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范围。下面结合附图与具体实施方式对本发明作进一步详细的说明:
图1是本发明人脸框检测方法第一实施例流程示意图。
图2是本发明人脸框检测方法第二实施例流程示意图。
图3是本发明第一人脸框及预定义关键点示意图。
图4是本发明第一~第三人脸框及预定义关键点示意图。
图5是本发明活体人脸验证方法流程示意图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式,本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点加以应用,在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形式来实施,并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是,提供这些实施例是为了使得本发明的公开彻底且完整,并且将这些示例性具体实施例的技术方案充分传达给本领域技术人员。
第一实施例;
如图1所示,本发明提供一种人脸框检测方法,包括以下步骤:
S1在人脸图片中获取第一人脸框;
S2在第一人脸框中获取预定义关键点;
S3根据预定义关键点获取第二人脸框;
S4根据第一人脸框或第二人脸框,以及第一人脸框与第二人脸框间距离计算获得第三人脸框。
将选取人脸区域框的人脸输入到活体人脸识别系统,采用活体人脸测试样本150人,打印图片250张,活体人脸识别性能指标如表1所示,发现本申请第一实施例检测的人脸框用于活体人脸系统的活体人脸识别准确率高,系统指标稳定。
表1
活体识别阀值 | 正样本 | 负样本 | 真正样本 | 真负样本 | 假正样本 | 假负样本 | 误识率 | 拒识率 | 精度 |
0.55 | 150 | 250 | 149 | 247 | 3 | 1 | 0.012 | 0.007 | 0.99 |
第二实施例;
如图2所示,本发明提供一种人脸框检测方法,包括以下步骤:
S1在人脸图片中获取第一人脸框;
S2在第一人脸框中获取预定义关键点;
S3根据预定义关键点获取第二人脸框;
S4根据第一人脸框或第二人脸框,以及第一人脸框与第二人脸框间距离计算获得第三人脸框;
S5将第三人脸框替换第一人脸框重复上述步骤S1-步骤S4至少一次。
第三实施例;
继续参考图2所示,本发明提供一种人脸框检测方法,包括以下步骤:
S1在人脸图片中获取第一人脸框,该第一人脸框可以选择采用现有技术获取,其作为本申请人脸框检测的基础;
S2在第一人脸框中获取预定义关键点,所述预定义关键点包括左眼、右眼、鼻尖、左嘴角和右嘴角;
如图3所示,检测出的第一人脸框中,人脸预定义关键点定位为图中五个预设关键点,以建立平面直角坐标系表示该五个关键点,记录为左眼Point1(x,y),右眼Point2(x, y),鼻尖Point3(x, y),左嘴角Point4(x, y),右嘴角Point5(x, y);通过五个关键定可以定位出人脸区域的范围;
则,第一人脸框坐标:左上角为P_out_left_top(x, y),右下角坐标为P_out_right_bottom(x, y);
S3根据预定义关键点获取第二人脸框;
通过脸预定义关键点定的坐标Point1(x,y), Point2(x,y), Point3(x,y), Point4(x,y), Point5(x,y);计算出第二人脸框坐标,如图4所示。
P_in_left_top(x,y), P_in_right_bottom(x, y)分别为第二人脸框左上坐标及右下坐标;计算方式按照如公式(1)、(2)、(3)、(4)。
P_in_left_top(x) = min(Point1(x), Point4(x)) (1);
P_in_left_top(y) = min(Point1(y), Point2(y)) (2);
P_in_right_bottom(x) = max(Point2(x), Point5(x)) (3);
P_in_right_bottom(y) = max(Point4(y), Point5(y)) (4);
S4根据第一人脸框或第二人脸框,以及第一人脸框与第二人脸框间距离计算获得第三人脸框;
第二人脸框到第一人脸框边界距离,左、上、右、下分别为Length_left, Length_top,Length_right,Length_bottom如公式(5)、(6)、(7)、(8)所示:
Length_left = P_in_left_top(x) - P_out_left_top(x) (5);
Length_top = P_in_left_top(y) - P_out_left_top(y) (6);
Length_right = P_out_right_bottom(x) - P_in_right_bottom(x) (7);
Length_bottom = P_out_right_bottom(y) - P_in_right_bottom(y) (8);
输出选取的人脸框Opt_left_top(x, y), Opt_right_bottom(x,y)根据如下计算公式(9)、(10)、(11)、(12)进行。其中指定系数R_L、R_T、R_R、R_B均属于[0,1]区间,内外边框之间的左、上、右、下的距离比例系数;
Opt_left_top(x) = P_in_left_top(x) - R_L *Length_left (9);
Opt_left_top(y) = P_in_left_top(y) - R_T * Length_top (10);
Opt_right_bottom(x) = P_in_right_bottom(x) + R_R*Length_right (11);
Opt_right_bottom(y) =P_in_right_bottom(y) + R_B*Length_bottom (12);
相应的,可以选择从第一人脸框向第二人脸框方向计算移动距离获得第三人脸框;也可以选择从第二人脸框向第一人脸框方向计算移动距离获得第三人脸框;
这两种计算方式获得的精度略有差异,理论上从第二人脸框方向计算移动距离获得第三人脸框相对更加精准,因为第二人脸框是通过预设关键点获取。
S5将第三人脸框替换第一人脸框重复上述步骤S1-步骤S4至少一次。
第四实施例;
如图5所示,本发明提供一种利用所述人脸框检测方法的活体人脸验证方法,包括以下步骤:
通过对人脸图片进行人脸框检测,提取人脸特征信息建立人脸数据库;
获取活体人脸图片进行人脸框检测,获取第三人脸框,若无法获取第三人脸框则判断活体人脸验证失败;
提取第三人脸框的人脸特征信息,并与人脸数据库的人脸特征信息进行比对,若比对差异小于预设人脸特征差异阈值则判断活体人脸验证成功,否则判断活体人脸验证失败。
其中,若计算获得第三人脸框位于第一人脸框外或第二人脸框内则判断无法获取第三人脸框,活体人脸验证失败。
第五实施例;
本发明提供一种人脸框检测模块,本领域技术人员能通过计算机编程技术手段在现有的硬件上实现该人脸框检测模块,其在用以下方式执行检测:
在人脸图片中获取第一人脸框,在第一人脸框中获取预定义关键点;
根据预定义关键点获取第二人脸框,根据第一人脸框或第二人脸框,以及第一人脸框与第二人脸框间距离计算获得第三人脸框。
第六实施例;
本发明提供一种人脸框检测模块,本领域技术人员能通过计算机编程技术手段在现有的硬件上实现该人脸框检测模块,其在用以下方式执行检测:
在人脸图片中获取第一人脸框,在第一人脸框中获取预定义关键点;
根据预定义关键点获取第二人脸框,根据第一人脸框或第二人脸框,以及第一人脸框与第二人脸框间距离计算获得第三人脸框;
将获得第三人脸框替换第一人脸框后,重新计算第三人脸框至少一次。
第七实施例;
本发明提供一种人脸框检测模块,本领域技术人员能通过计算机编程技术手段在现有的硬件上实现该人脸框检测模块,其在用以下方式执行检测:
在人脸图片中获取第一人脸框,在第一人脸框中获取预定义关键点;所述预定义关键点包括左眼、右眼、鼻尖、左嘴角和右嘴角;
根据预定义关键点获取第二人脸框,根据第一人脸框或第二人脸框,以及第一人脸框与第二人脸框间距离计算获得第三人脸框;
第三人脸框的左上角坐标和右下角坐标分别通过第一人脸框左上角坐标和右下角坐标向第二人脸框移动获得;
或,第三人脸框的左上角坐标和右下角坐标分别通过第二人脸框左上角坐标和右下角坐标向第一人脸框移动获得;
将获得第三人脸框替换第一人脸框后,重新计算第三人脸框至少一次。
第八实施例;
本发明提供一种具有上述第五~第七实施例任意一项所述人脸框检测模块的活体人脸验证系统,本领域技术人员能通过计算机编程技术手段在现有的硬件上实现该活体人脸验证系统,其包括:
注册模块,其通过活体和/或现有数据获取人脸图片;
活体人脸检测模块,其用于获取活体人脸图片;
人脸检测模块,其用于对注册模块和活体人脸检测模块的人脸图片进行人脸检测输出人脸框;
特征提取模块,其用于对人脸检测模块输出人脸框进行人脸特征提取;
人脸集数据库,其用于存储注册模块人脸图片的人脸特征信息;
比对模块,其用于将人脸集数据库的人脸特征信息和活体人脸图片的人脸特征信息进行比对,若比对差异小于预设人脸特征差异阈值则判断活体人脸验证成功,否则判断活体人脸验证失败。
可选择的,进一步改进上述第八实施例,若人脸检测模块计算获得第三人脸框位于第一人脸框外或第二人脸框内则判断无法获取第三人脸框,活体人脸验证失败。
除非另有定义,否则这里所使用的全部术语(包括技术术语和科学术语)都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是,除非这里明确定义,否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关领域语境中的意思相一致的意思, 而不以理想的或过于正式的含义加以解释。
以上通过具体实施方式和实施例对本发明进行了详细的说明,但这些并非构成对本发明的限制。在不脱离本发明原理的情况下,本领域的技术人员还可做出许多变形和改进,这些也应视为本发明的保护范围。
Claims (12)
1.一种人脸框检测方法,其特征在于,包括以下步骤:
S1在人脸图片中获取第一人脸框;
S2在第一人脸框中获取预定义关键点;
S3根据预定义关键点获取第二人脸框;
S4根据第一人脸框或第二人脸框,以及第一人脸框与第二人脸框间距离计算获得第三人脸框。
2.如权利要求1所述的人脸框检测方法,其特征在于,还包括:
S5将第三人脸框替换第一人脸框重复上述步骤S1-步骤S4至少一次。
3.如权利要求1所述的人脸框检测方法,其特征在于:所述预定义关键点包括左眼、右眼、鼻尖、左嘴角和右嘴角。
4.如权利要求1所述的人脸框检测方法,其特征在于:
第三人脸框的左上角坐标和右下角坐标分别通过第一人脸框左上角坐标和右下角坐标向第二人脸框移动获得;
或,第三人脸框的左上角坐标和右下角坐标分别通过第二人脸框左上角坐标和右下角坐标向第一人脸框移动获得。
5.一种利用权利要求1所述人脸框检测方法的活体人脸验证方法,其特征在于,包括以下步骤:
通过对人脸图片进行人脸框检测,提取人脸特征信息建立人脸数据库;
获取活体人脸图片进行人脸框检测,获取第三人脸框,若无法获取第三人脸框则判断活体人脸验证失败;
提取第三人脸框的人脸特征信息,并与人脸数据库的人脸特征信息进行比对,若比对差异小于预设人脸特征差异阈值则判断活体人脸验证成功,否则判断活体人脸验证失败。
6.如权利要求5所述的活体人脸验证方法,其特征在于:若计算获得第三人脸框位于第一人脸框外或第二人脸框内则判断无法获取第三人脸框,活体人脸验证失败。
7.一种人脸框检测模块,其特征在于,其在用以下方式执行检测:
在人脸图片中获取第一人脸框,在第一人脸框中获取预定义关键点;
根据预定义关键点获取第二人脸框,根据第一人脸框或第二人脸框,以及第一人脸框与第二人脸框间距离计算获得第三人脸框。
8.如权利要求7所述的人脸框检测模块,其特征在于:其将获得第三人脸框替换第一人脸框后,重新计算第三人脸框至少一次。
9.如权利要求7所述的人脸框检测模块,其特征在于:所述预定义关键点包括左眼、右眼、鼻尖、左嘴角和右嘴角。
10.如权利要求7所述的人脸框检测模块,其特征在于:第三人脸框的左上角坐标和右下角坐标分别通过第一人脸框左上角坐标和右下角坐标向第二人脸框移动获得;
或,第三人脸框的左上角坐标和右下角坐标分别通过第二人脸框左上角坐标和右下角坐标向第一人脸框移动获得。
11.一种具有权利要求7所述人脸框检测模块的活体人脸验证系统,其特征在于,包括:
注册模块,其通过活体和/或现有数据获取人脸图片;
活体人脸检测模块,其用于获取活体人脸图片;
人脸检测模块,其用于对注册模块和活体人脸检测模块的人脸图片进行人脸检测输出人脸框;
特征提取模块,其用于对人脸检测模块输出人脸框进行人脸特征提取;
人脸集数据库,其用于存储注册模块人脸图片的人脸特征信息;
比对模块,其用于将人脸集数据库的人脸特征信息和活体人脸图片的人脸特征信息进行比对,若比对差异小于预设人脸特征差异阈值则判断活体人脸验证成功,否则判断活体人脸验证失败。
12.如权利要求11所述的活体人脸验证系统,其特征在于:若人脸检测模块计算获得第三人脸框位于第一人脸框外或第二人脸框内则判断无法获取第三人脸框,活体人脸验证失败。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011426045.7A CN112200174A (zh) | 2020-12-09 | 2020-12-09 | 人脸框检测方法及模块和活体人脸验证方法及系统 |
CN202110806204.4A CN113486834B (zh) | 2020-12-09 | 2021-07-16 | 确认有效人脸区域及活体人脸验证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011426045.7A CN112200174A (zh) | 2020-12-09 | 2020-12-09 | 人脸框检测方法及模块和活体人脸验证方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112200174A true CN112200174A (zh) | 2021-01-08 |
Family
ID=74033794
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011426045.7A Pending CN112200174A (zh) | 2020-12-09 | 2020-12-09 | 人脸框检测方法及模块和活体人脸验证方法及系统 |
CN202110806204.4A Active CN113486834B (zh) | 2020-12-09 | 2021-07-16 | 确认有效人脸区域及活体人脸验证方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110806204.4A Active CN113486834B (zh) | 2020-12-09 | 2021-07-16 | 确认有效人脸区域及活体人脸验证方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN112200174A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112784240A (zh) * | 2021-01-25 | 2021-05-11 | 温州大学 | 一种统一身份认证平台及其人脸身份识别的方法 |
CN113554007A (zh) * | 2021-09-18 | 2021-10-26 | 上海齐感电子信息科技有限公司 | 人脸框的计算方法及计算系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619656A (zh) * | 2019-09-05 | 2019-12-27 | 杭州宇泛智能科技有限公司 | 基于双目摄像头的人脸检测跟踪方法、装置及电子设备 |
CN110969110A (zh) * | 2019-11-28 | 2020-04-07 | 杭州趣维科技有限公司 | 一种基于深度学习的人脸跟踪方法及系统 |
CN111968163A (zh) * | 2020-08-14 | 2020-11-20 | 济南博观智能科技有限公司 | 一种热电堆阵列测温方法及装置 |
CN112052831A (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 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100589114C (zh) * | 2007-12-29 | 2010-02-10 | 北京中星微电子有限公司 | 图像中最大人脸的跟踪装置和方法 |
CN103679118B (zh) * | 2012-09-07 | 2017-06-16 | 汉王科技股份有限公司 | 一种人脸活体检测方法及系统 |
CN107911616A (zh) * | 2017-12-26 | 2018-04-13 | Tcl移动通信科技(宁波)有限公司 | 一种摄像头自动调焦方法、存储设备及移动终端 |
CN110502961B (zh) * | 2018-05-16 | 2022-10-21 | 腾讯科技(深圳)有限公司 | 一种面部图像检测方法及装置 |
CN111368601B (zh) * | 2018-12-26 | 2021-11-16 | 北京市商汤科技开发有限公司 | 活体检测方法和装置、电子设备和计算机可读存储介质 |
CN112001203A (zh) * | 2019-05-27 | 2020-11-27 | 北京君正集成电路股份有限公司 | 一种人脸识别库中提取正面人脸的方法 |
CN110276308B (zh) * | 2019-06-25 | 2021-11-16 | 上海商汤智能科技有限公司 | 图像处理方法及装置 |
CN111666835A (zh) * | 2020-05-20 | 2020-09-15 | 广东志远科技有限公司 | 一种人脸活体检测方法和装置 |
-
2020
- 2020-12-09 CN CN202011426045.7A patent/CN112200174A/zh active Pending
-
2021
- 2021-07-16 CN CN202110806204.4A patent/CN113486834B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619656A (zh) * | 2019-09-05 | 2019-12-27 | 杭州宇泛智能科技有限公司 | 基于双目摄像头的人脸检测跟踪方法、装置及电子设备 |
CN110969110A (zh) * | 2019-11-28 | 2020-04-07 | 杭州趣维科技有限公司 | 一种基于深度学习的人脸跟踪方法及系统 |
CN111968163A (zh) * | 2020-08-14 | 2020-11-20 | 济南博观智能科技有限公司 | 一种热电堆阵列测温方法及装置 |
CN112052831A (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 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112784240A (zh) * | 2021-01-25 | 2021-05-11 | 温州大学 | 一种统一身份认证平台及其人脸身份识别的方法 |
CN113554007A (zh) * | 2021-09-18 | 2021-10-26 | 上海齐感电子信息科技有限公司 | 人脸框的计算方法及计算系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113486834A (zh) | 2021-10-08 |
CN113486834B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985134B (zh) | 基于双目摄像机的人脸活体检测及刷脸交易方法及系统 | |
CN102945366B (zh) | 一种人脸识别的方法及装置 | |
WO2019223102A1 (zh) | 身份合法性的校验方法、装置、终端设备及介质 | |
CN109993040B (zh) | 文本识别方法及装置 | |
CN102682309B (zh) | 一种基于模板学习的人脸注册方法及装置 | |
CN108229427A (zh) | 一种基于身份证件和人脸识别的身份安全验证方法及系统 | |
WO2019174131A1 (zh) | 身份认证方法、服务器及计算机可读存储介质 | |
CN111783757A (zh) | 一种基于ocr技术的复杂场景下身份证识别方法 | |
CN106650574A (zh) | 基于PCANet的人脸识别方法 | |
CN112200174A (zh) | 人脸框检测方法及模块和活体人脸验证方法及系统 | |
CN111178290A (zh) | 一种签名验证方法和装置 | |
CN111462094A (zh) | Pcba元器件检测方法、装置及计算机可读存储介质 | |
CN111027400A (zh) | 一种活体检测方法及装置 | |
CN110222660B (zh) | 一种基于动态与静态特征融合的签名鉴伪方法及系统 | |
CN111160107A (zh) | 一种基于特征匹配的动态区域检测方法 | |
CN112183504B (zh) | 一种基于非接触式手掌静脉图像的视频注册方法及装置 | |
CN111582195B (zh) | 一种汉语唇语单音节识别分类器构建方法 | |
KR101912433B1 (ko) | 영상 분석 기반 위조 지문 판별 장치 및 방법 | |
CN112801066A (zh) | 一种基于多姿态面部静脉的身份识别方法及装置 | |
CN104299000A (zh) | 基于局部片段分布特征的笔迹识别方法 | |
CN116612538A (zh) | 电子合同内容的在线确认方法 | |
CN107025435A (zh) | 一种人脸识别处理方法和系统 | |
CN116206373A (zh) | 活体检测方法、电子设备及存储介质 | |
CN112800941B (zh) | 基于非对称辅助信息嵌入网络的人脸反欺诈方法及系统 | |
CN113468954A (zh) | 基于多通道下局部区域特征的人脸伪造检测方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210108 |
|
WD01 | Invention patent application deemed withdrawn after publication |