CN112287909A - 一种随机生成检测点和交互要素的双随机活体检测方法 - Google Patents

一种随机生成检测点和交互要素的双随机活体检测方法 Download PDF

Info

Publication number
CN112287909A
CN112287909A CN202011550886.9A CN202011550886A CN112287909A CN 112287909 A CN112287909 A CN 112287909A CN 202011550886 A CN202011550886 A CN 202011550886A CN 112287909 A CN112287909 A CN 112287909A
Authority
CN
China
Prior art keywords
detection
point
points
randomly generating
user
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.)
Granted
Application number
CN202011550886.9A
Other languages
English (en)
Other versions
CN112287909B (zh
Inventor
徐志华
李辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan XW Bank Co Ltd
Original Assignee
Sichuan XW Bank Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan XW Bank Co Ltd filed Critical Sichuan XW Bank Co Ltd
Priority to CN202011550886.9A priority Critical patent/CN112287909B/zh
Publication of CN112287909A publication Critical patent/CN112287909A/zh
Application granted granted Critical
Publication of CN112287909B publication Critical patent/CN112287909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • 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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种随机生成检测点和交互要素的双随机活体检测方法，属于人工智能技术领域，针对现有活体检测技术方案中，具有高安全性的方案容易受使用环境影响，用户体验差，而用户体验好的方案安全性却不足，无法很好地兼顾安全性和用户体验的问题，提出本发明，本发明包括随机选取符合检测标准的生物特征具备的生物特征点作为检测点；随机生成交互要素并展示在屏幕上，提示用户使用检测点完成活体检测，记录用户的交互数据并保存至后台系统；分析所述交互数据，并计算出其完成度,比较所述完成度结果与预先设定的完成度阈值，判断活体检测是否通过。本发明用于活体检测。

Description

一种随机生成检测点和交互要素的双随机活体检测方法
技术领域
本发明属于人工智能技术领域，具体涉及一种随机生成检测点和交互要素的双随机活体检测方法。
背景技术
活体检测是线上金融、政务、网约车等业务中识别用户真实身份过程中的重要一环，通过活体检测确认用户是真人，同时通过人脸与权威数据源比对，进一步确认是用户本人操作。但是一些非法用户会通过使用照片、视频、面具等伪冒他人的手段对活体检测系统进行攻击，因此如何提高活体检测系统的安全性是一个广泛关注的问题。
目前主流的活体检测包括动作活体、唇语活体、光线活体、静默活体等：
动作活体：用户按照提示的按顺序做出指定的一种或多种动作，一般为点头、摇头、张嘴、眨眼，做对则判定为活体；
唇语活体：用户念出指定的多位数的数字组合，如果念对，则可判定为活体；
光线活体：不需要用户做任何动作，而是通过屏幕产生多色光序列，并用前置摄像头读取用户脸部的反光，如果反光与光线序列一致，同时人脸为3D结构，则判定为活体；
静默活体：不需要用户做任何动作的，也没有其它辅助手段，直接通过对视频帧进行分析建模来判断用户是否为活体。
现有的活体检测技术中，存在以下问题：
光线活体：理论上可以产生无限种光线序列，使得攻击者没办法提前准备好满足活体光线序列的视频，因此光线活体具备很好的安全性。但光线活体的使用容易受环境光线影响，手机屏幕发出的光线本身比较弱，而为了保证能完整拍摄人脸手机需要与人脸有一定的距离，因此只要环境光线比较亮，比如晴天的室外环境，就会导致人脸反光不明显而无法通过活体检测。
唇语活体：通过数字组成的序列也具有很好的随机性，理论上随着位数的增多也可提供足够的随机性，但随着位数的增多，识别难度会增大、用户体验会变差，目前业界通常采用的是4位或者6位数字；同时唇语活体还存在容易受环境噪音的限制，而且不适合在公共场合使用，例如办公室、地铁等环境，以及方言难以准确识别的问题。
动作活体：由于需要对每种动作建立识别模型，因此可选动作是有限的，目前业界通常是从4个动作中随机选取1-4个动作来要求用户完成，虽然动作活体对用户使用是的外界环境要求不高，但安全性明显不如前两者，单个动作的视频及人脸的3D特征都可以提前准备好，然后通过工具播放指定的动作，很容易把动作活体突破。
静默活体：对用户而言几乎没学习成本，同时对环境要求也低，但完全没有随机性，非法用户只需要准备比较清晰的人脸视频，就能绕过，安全性低。
发明内容
针对现有活体检测技术方案中，具有高安全性的方案却容易受使用环境影响，用户体验差，而用户体验好的方案安全性却不足，无法很好地兼顾安全性和用户体验的问题，本发明提供一种随机生成检测点和交互要素的双随机活体检测方法，其目的在于：对不同的使用环境提供了很好的兼容性，还具有极高的伪冒难度，很好地兼顾了用户体验和安全性。
为了达到上述目的，本发明采用如下技术方案：
一种随机生成检测点和交互要素的双随机活体检测方法,包括终端、屏幕和摄像头，具体为：
步骤A:所述终端打开摄像头,拍摄被检测对象的生物特征；
步骤B:使用生物特征检测技术判断被检测对象是否符合检测要求；
步骤C：随机选取符合检测标准的生物特征具备的生物特征点作为检测点；
步骤D:随机生成交互要素并展示在屏幕上，提示用户使用检测点完成活体检测，记录用户的交互数据并保存至后台系统；
步骤E:预先设定完成度阈值，分析所述交互数据，并计算出其完成度,比较所述完成度结果与预先设定的完成度阈值，判断活体检测是否通过；
步骤F：若活体检测通过，截取最佳生物特征视频帧，和活体检测过程的完整视频一起存储至后台系统。
本发明检验要素具有不可预测性，大大增加了活体检验的安全性，检验过程不受环境光线、环境噪音等影响，具备较好的私密性，使用户有较优的体验。
进一步的，步骤A中，所述生物特征包括人脸特征。
进一步的，步骤B中，根据业务场景设定拍摄的人脸占整个画面的比例范围和画面清晰度，若拍摄的人脸不符合设定的范围，提示用户调整人脸与摄像头的距离，并重新检测，符合检测要求则进行步骤C。
进一步的，所述步骤C中，通过识别到的人脸特征，随机选择某人脸的特征点作为检测点，所述特征点包括鼻尖特征点、左右嘴角特征点、下巴特征点和左右瞳孔特征点。
进一步的，步骤D具体为：随机生成具有方向的指示路径展示在屏幕上，生成的路径线条为坐标序列D=
Figure 129212DEST_PATH_IMAGE001
，用户通过移动检测点生成的移动路径为坐标序列E=
Figure 83262DEST_PATH_IMAGE002
。
进一步的，步骤E具体为：预设完成度阈值ST1，计算坐标序列D和坐标序列E的欧氏距离相似度：
Figure 549009DEST_PATH_IMAGE003
当
Figure 122073DEST_PATH_IMAGE004
大于指定阈值ST1时，则判定活体检测通过，否则判定活体检测失败。
进一步的，步骤D具体为：随机生成多个带有顺序编号的路径点展示在屏幕上，生成的路径点为坐标序列A=
Figure 606144DEST_PATH_IMAGE005
, 用户移动检测点依次通过路径点完成活体检测，生成用户移动路径的坐标序列B=
Figure 481827DEST_PATH_IMAGE006
,其中m大于等于n；
进一步的，步骤E具体为：预设完成度阈值ST2，计算坐标序列A中坐标点A1
Figure 559505DEST_PATH_IMAGE007
与坐标序列B中每个坐标点的相似度，取坐标序列B中与坐标点A1相似度最小的坐标点，将该坐标点作为用户检测点通过A1点的通过点，记为
Figure 60893DEST_PATH_IMAGE008
，依次计算坐标序列A中剩余坐标点所对应的通过点，形成通过点序列C,C=
Figure 540416DEST_PATH_IMAGE009
，计算通过点序列C和坐标序列A的欧式距离相似度：
Figure 587000DEST_PATH_IMAGE010
比较
Figure 276608DEST_PATH_IMAGE011
与指定阈值ST2的大小，当
Figure 191474DEST_PATH_IMAGE012
大于指定阈值ST2时，则判定活体检测通过，否则判定活体检测失败。
本发明中通过欧氏距离计算只是一种计算相似度的方法，还可以采用其他计算方法计算相似度，例如曼哈顿距离计算等。
本发明通过采用随机选取检测点、随机生成图像元素的双随机交互检测方案，然后分析检测点是否按指定方式完成了与图像元素的交互，来判断受检对象是否为活体，增加了活体检测的安全性。
进一步的，步骤D具体为：随机生成待移动元素和目标区域展示在屏幕上，生成的待移动元素的中心点S坐标为
Figure 132361DEST_PATH_IMAGE013
，生成的目标区域的中心点E坐标为
Figure 599114DEST_PATH_IMAGE014
，在屏幕上提示用户使用检测点将待移动元素移动至目标区域。
进一步的，步骤E具体为：预设检测点与中心点S的距离阈值ST3，预设检测点与中心点E的距离阈值ST4，计算检测点与中心点S的距离d1，当d1小于ST3时，待移动元素被检测点截获，并与检测点同步移动，实时计算检测点与所述中心点E的距离d2，当距离d2小于ST4时，则判定用户完成活体检测。
综上所述，由于采用了上述技术方案，本发明的有益效果是：本发明检验要素具有不可预测性，大大增加了活体检验的安全性，检验过程不受环境光线、环境噪音等影响，具备较好的私密性，用户有较优的体验；采用随机选取检测点、随机生成图像元素的双随机交互检测方案，然后分析检测点是否按指定方式完成了与图像元素的交互，来判断受检对象是否为活体，增加了活体检测的安全性。
附图说明
图1为本发明的流程示意图；
图2为本发明的实施例1示意图；
图3为本发明的实施例2示意图；
图4为本发明的实施例3示意图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
下面将结合附图及具体实施方式对本发明作进一步的描述。
如图所示，本发明一种随机生成检测点和交互要素的双随机活体检测方法,包括终端、屏幕和摄像头，包括：
步骤A:所述终端打开摄像头,拍摄被检测对象的生物特征；
步骤B:使用生物特征检测技术判断被检测对象是否符合检测要求；
步骤B中，根据业务场景设定拍摄的人脸占整个画面的比例范围和画面清晰度，若拍摄的人脸不符合设定的范围，提示用户调整人脸与摄像头的距离，当人脸画面过大时，屏幕上提示用户远离摄像头，当人脸画面过小时，屏幕上提示用户靠近摄像头，并重新检测，符合检测要求则进行步骤C。
步骤C：随机选取符合检测标准的生物特征具备的生物特征点作为检测点；
步骤C具体为，通过识别到的人脸特征，随机选择某人脸的特征点作为检测点，所述特征点包括鼻尖特征点、左右嘴角特征点、下巴特征点和左右瞳孔特征点。也可以将用户的食指尖或者其他生物特征点作为检测点。
步骤D:随机生成交互要素并展示在屏幕上，提示用户使用检测点完成活体检测，用户根据提示做出相应动作生成交互数据，记录用户的交互数据并保存至后台系统；
步骤E:预先设定完成度阈值，分析所述交互数据，并计算出其完成度,比较所述完成度结果与预先设定的完成度阈值，判断活体检测是否通过；
步骤F：若活体检测通过，截取最佳生物特征视频帧，和活体检测过程的完整视频一起存储至后台系统。
实施例1：如图2所示：
步骤A:所述终端打开摄像头,拍摄被检测对象的生物特征；
步骤B:使用生物特征检测技术判断被检测对象是否符合检测要求；
步骤B中，根据业务场景设定拍摄的人脸占整个画面的比例范围和画面清晰度，若拍摄的人脸不符合设定的范围，提示用户调整人脸与摄像头的距离，当人脸画面过大时，屏幕上提示用户远离摄像头，当人脸画面过小时，屏幕上提示用户靠近摄像头，并重新检测，符合检测要求则进行步骤C。
步骤C：选取用户的鼻尖特征点作为检测点；
步骤D: 随机生成具有方向的指示路径展示在屏幕上，生成的路径线条为坐标序列D=
Figure 651384DEST_PATH_IMAGE015
，用户通过移动鼻尖生成的移动路径为坐标序列E=
Figure 245307DEST_PATH_IMAGE016
。
步骤E：预设完成度阈值ST1，计算坐标序列D和坐标序列E的欧氏距离相似度：
Figure 558477DEST_PATH_IMAGE017
Figure 71498DEST_PATH_IMAGE018
大于指定阈值ST1，判定活体检测通过。
步骤F：截取最佳生物特征视频帧，和活体检测过程的完整视频一起存储至后台系统。
实施例2：如图3所示：
步骤A:所述终端打开摄像头,拍摄被检测对象的生物特征；
步骤B:使用生物特征检测技术判断被检测对象是否符合检测要求；
步骤B中，根据业务场景设定拍摄的人脸占整个画面的比例范围和画面清晰度，若拍摄的人脸不符合设定的范围，提示用户调整人脸与摄像头的距离，当人脸画面过大时，屏幕上提示用户远离摄像头，当人脸画面过小时，屏幕上提示用户靠近摄像头，并重新检测，符合检测要求则进行步骤C。
步骤C：选取用户的鼻尖特征点作为检测点；
步骤D: 随机生成多个带有顺序编号的路径点展示在屏幕上，生成的路径点为坐标序列A=
Figure 486430DEST_PATH_IMAGE019
,用户移动鼻尖依次通过路径点完成活体检测，生成用户移动路径的坐标序列B=
Figure 867733DEST_PATH_IMAGE020
,其中m大于等于n；
步骤E：预设完成度阈值ST2，计算坐标序列A中坐标点A1
Figure 176354DEST_PATH_IMAGE021
与坐标序列B中每个坐标点的相似度，取坐标序列B中与坐标点A1相似度最小的坐标点，将该坐标点作为用户检测点通过A1点的通过点，记为
Figure 735643DEST_PATH_IMAGE022
，依次计算坐标序列A中剩余坐标点所对应的通过点，形成通过点序列C，C=
Figure 496925DEST_PATH_IMAGE023
，计算通过点序列C和坐标序列A的欧式距离相似度：
Figure 681919DEST_PATH_IMAGE024
比较
Figure 717484DEST_PATH_IMAGE025
与指定阈值ST2的大小，当
Figure 837886DEST_PATH_IMAGE026
大于指定阈值ST2时，则判定活体检测通过。
步骤F：截取最佳生物特征视频帧，和活体检测过程的完整视频一起存储至后台系统。
实施例3：如图4所示：
步骤A:所述终端打开摄像头,拍摄被检测对象的生物特征；
步骤B:使用生物特征检测技术判断被检测对象是否符合检测要求；
步骤B中，根据业务场景设定拍摄的人脸占整个画面的比例范围和画面清晰度，若拍摄的人脸不符合设定的范围，提示用户调整人脸与摄像头的距离，当人脸画面过大时，屏幕上提示用户远离摄像头，当人脸画面过小时，屏幕上提示用户靠近摄像头，并重新检测，符合检测要求则进行步骤C。
步骤C：选取用户的下巴特征点作为检测点；
步骤D:随机生成待移动元素和目标区域展示在屏幕上，生成的待移动元素的中心点S坐标为
Figure 211099DEST_PATH_IMAGE027
，生成的目标区域的中心点E坐标为
Figure 419358DEST_PATH_IMAGE028
，在屏幕上提示用户使用下巴将待移动元素移动至目标区域。
步骤E：预设检测点与中心点S的距离阈值ST3，预设检测点与中心点E的距离阈值ST4，计算检测点与中心点S的距离d1，当d1小于ST3时，待移动元素被检测点截获，并与检测点同步移动，实时计算检测点与所述中心点E的距离d2，当距离d2小于ST4时，则判定用户完成活体检测。
步骤F：截取最佳生物特征视频帧，和活体检测过程的完整视频一起存储至后台系统。本发明在实际应用过程中交互元素为提示所述的有色彩的元素，说明书附图为调色之后的示意图，因此无法展示出元素的颜色。
以上仅是本发明众多具体应用范围中的代表性实施例，对本发明的保护范围不构成任何限制。凡采用变换或是等效替换而形成的技术方案，均落在本发明权利保护范围之内。

Claims (10)

1.一种随机生成检测点和交互要素的双随机活体检测方法,包括终端、屏幕和摄像头，其特征在于，包括：
步骤A:所述终端打开摄像头,拍摄被检测对象的生物特征；
步骤B:使用生物特征检测技术判断被检测对象是否符合检测要求；
步骤C：随机选取符合检测标准的生物特征具备的生物特征点作为检测点；
步骤D:随机生成交互要素并展示在屏幕上，提示用户使用检测点完成活体检测，记录用户的交互数据并保存至后台系统；
步骤E:预先设定完成度阈值，分析所述交互数据，并计算出其完成度,比较所述完成度结果与预先设定的完成度阈值，判断活体检测是否通过；
步骤F：若活体检测通过，截取最佳生物特征视频帧，和活体检测过程的完整视频一起存储至后台系统。
2.根据权利要求1所述的一种随机生成检测点和交互要素的双随机活体检测方法,其特征在于：步骤A中，所述生物特征包括人脸特征。
3.根据权利要求2所述的一种随机生成检测点和交互要素的双随机活体检测方法,其特征在于：步骤B中，根据业务场景设定拍摄的人脸占整个画面的比例范围和画面清晰度，若拍摄的人脸不符合设定的范围，提示用户调整人脸与摄像头的距离，并重新检测，符合检测要求则进行步骤C。
4.根据权利要求3所述的一种随机生成检测点和交互要素的双随机活体检测方法,其特征在于：所述步骤C中，通过识别到的人脸特征，随机选择某人脸的特征点作为检测点，所述特征点包括鼻尖特征点、左右嘴角特征点、下巴特征点和左右瞳孔特征点。
5.根据权利要求4所述的一种随机生成检测点和交互要素的双随机活体检测方法,其特征在于：步骤D具体为：随机生成具有方向的指示路径展示在屏幕上，生成的路径线条为坐标序列D=
Figure DEST_PATH_IMAGE001
，用户通过移动检测点生成的移动路径为坐标序列E=
Figure 381298DEST_PATH_IMAGE002
。
6.根据权利要求5所述的一种随机生成检测点和交互要素的双随机活体检测方法,其特征在于：步骤E具体为：预设完成度阈值ST1，计算坐标序列D和坐标序列E的欧氏距离相似度：
Figure DEST_PATH_IMAGE003
当sim(D,E)大于指定阈值ST1时，则判定活体检测通过，否则判定活体检测失败。
7.根据权利要求4所述的一种随机生成检测点和交互要素的双随机活体检测方法,其特征在于：步骤D具体为：随机生成多个带有顺序编号的路径点展示在屏幕上，生成的路径点为坐标序列A=
Figure 908226DEST_PATH_IMAGE004
,用户移动检测点依次通过路径点完成活体检测，生成用户移动路径的坐标序列B=
Figure DEST_PATH_IMAGE005
,其中m大于等于n。
8.根据权利要求7所述的一种随机生成检测点和交互要素的双随机活体检测方法,其特征在于：步骤E具体为：预设完成度阈值ST2，计算坐标序列A中坐标点A1
Figure 360067DEST_PATH_IMAGE006
与坐标序列B中每个坐标点的相似度，取坐标序列B中与坐标点A1相似度最小的坐标点，将该坐标点作为用户检测点通过A1点的通过点，记为
Figure DEST_PATH_IMAGE007
，依次计算坐标序列A中剩余坐标点所对应的通过点，形成通过点序列C，C=
Figure 224118DEST_PATH_IMAGE008
，计算通过点序列C和坐标序列A的欧式距离相似度：
Figure DEST_PATH_IMAGE009
比较
Figure DEST_PATH_IMAGE011
与指定阈值ST2的大小，当
Figure DEST_PATH_IMAGE013
大于指定阈值ST2时，则判定活体检测通过，否则判定活体检测失败。
9.根据权利要求4所述的一种随机生成检测点和交互要素的双随机活体检测方法,其特征在于：步骤D具体为：随机生成待移动元素和目标区域展示在屏幕上，生成的待移动元素的中心点S坐标为
Figure DEST_PATH_IMAGE015
，生成的目标区域的中心点E坐标为
Figure DEST_PATH_IMAGE017
，在屏幕上提示用户使用检测点将待移动元素移动至目标区域。
10.根据权利要求9所述的一种随机生成检测点和交互要素的双随机活体检测方法,其特征在于：步骤E具体为：预设检测点与中心点S的距离阈值ST3，预设检测点与中心点E的距离阈值ST4，计算检测点与中心点S的距离d1，当d1小于ST3时，待移动元素被检测点截获，并与检测点同步移动，实时计算检测点与所述中心点E的距离d2，当距离d2小于ST4时，则判定用户完成活体检测。
CN202011550886.9A 2020-12-24 2020-12-24 一种随机生成检测点和交互要素的双随机活体检测方法 Active CN112287909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011550886.9A CN112287909B (zh) 2020-12-24 2020-12-24 一种随机生成检测点和交互要素的双随机活体检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011550886.9A CN112287909B (zh) 2020-12-24 2020-12-24 一种随机生成检测点和交互要素的双随机活体检测方法

Publications (2)

Publication Number Publication Date
CN112287909A true CN112287909A (zh) 2021-01-29
CN112287909B CN112287909B (zh) 2021-09-07

Family

ID=74426143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011550886.9A Active CN112287909B (zh) 2020-12-24 2020-12-24 一种随机生成检测点和交互要素的双随机活体检测方法

Country Status (1)

Country Link
CN (1) CN112287909B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115035579A (zh) * 2022-06-22 2022-09-09 支付宝(杭州)信息技术有限公司 基于人脸交互动作的人机验证方法和系统
CN115796636A (zh) * 2022-10-19 2023-03-14 江苏领悟信息技术有限公司 一种用于检测检查的双随机抽取方法

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509053A (zh) * 2011-11-23 2012-06-20 唐辉 用于验证授权的方法、处理器、设备和移动终端
CN104966070A (zh) * 2015-06-30 2015-10-07 北京汉王智远科技有限公司 基于人脸识别的活体检测方法和装置
CN105260726A (zh) * 2015-11-11 2016-01-20 杭州海量信息技术有限公司 基于人脸姿态控制的交互式视频活体检测方法及其系统
US9251401B1 (en) * 2013-02-25 2016-02-02 Narus, Inc. Facial recognition to positively identify a live person subject
CN105426827A (zh) * 2015-11-09 2016-03-23 北京市商汤科技开发有限公司 活体验证方法、装置和系统
CN105447432A (zh) * 2014-08-27 2016-03-30 北京千搜科技有限公司 一种基于局部运动模式的人脸防伪方法
CN105893920A (zh) * 2015-01-26 2016-08-24 阿里巴巴集团控股有限公司 一种人脸活体检测方法和装置
CN105989264A (zh) * 2015-02-02 2016-10-05 北京中科奥森数据科技有限公司 生物特征活体检测方法及系统
CN106778574A (zh) * 2016-12-06 2017-05-31 广州视源电子科技股份有限公司 用于人脸图像的检测方法和装置
WO2017101267A1 (zh) * 2015-12-18 2017-06-22 腾讯科技（深圳）有限公司 人脸活体的鉴别方法、终端、服务器和存储介质
CN107066983A (zh) * 2017-04-20 2017-08-18 腾讯科技（上海）有限公司 一种身份验证方法及装置
CN107622188A (zh) * 2016-07-15 2018-01-23 阿里巴巴集团控股有限公司 基于生物特征的验证方法、装置、系统和设备
CN108154189A (zh) * 2018-01-10 2018-06-12 重庆邮电大学 基于ldtw距离的灰关联聚类方法
CN109325462A (zh) * 2018-10-11 2019-02-12 深圳斐视沃德科技有限公司 基于虹膜的人脸识别活体检测方法及装置
CN109784302A (zh) * 2019-01-28 2019-05-21 深圳风豹互联网科技有限公司 一种人脸活体检测方法及人脸识别设备
US20190244030A1 (en) * 2018-02-07 2019-08-08 Hitachi, Ltd. Object tracking in video using better object area
CN110363132A (zh) * 2019-07-09 2019-10-22 北京字节跳动网络技术有限公司 活体检测方法、装置、电子设备及存储介质
US20190377963A1 (en) * 2018-06-11 2019-12-12 Laurence Hamid Liveness detection
CN111144896A (zh) * 2019-12-16 2020-05-12 中国银行股份有限公司 一种身份验证方法及装置
CN111539249A (zh) * 2020-03-11 2020-08-14 西安电子科技大学 多因子人脸活体检测系统和方法
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

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509053A (zh) * 2011-11-23 2012-06-20 唐辉 用于验证授权的方法、处理器、设备和移动终端
US9251401B1 (en) * 2013-02-25 2016-02-02 Narus, Inc. Facial recognition to positively identify a live person subject
CN105447432A (zh) * 2014-08-27 2016-03-30 北京千搜科技有限公司 一种基于局部运动模式的人脸防伪方法
CN105893920A (zh) * 2015-01-26 2016-08-24 阿里巴巴集团控股有限公司 一种人脸活体检测方法和装置
CN105989264A (zh) * 2015-02-02 2016-10-05 北京中科奥森数据科技有限公司 生物特征活体检测方法及系统
CN104966070A (zh) * 2015-06-30 2015-10-07 北京汉王智远科技有限公司 基于人脸识别的活体检测方法和装置
CN105426827A (zh) * 2015-11-09 2016-03-23 北京市商汤科技开发有限公司 活体验证方法、装置和系统
CN105260726A (zh) * 2015-11-11 2016-01-20 杭州海量信息技术有限公司 基于人脸姿态控制的交互式视频活体检测方法及其系统
WO2017101267A1 (zh) * 2015-12-18 2017-06-22 腾讯科技（深圳）有限公司 人脸活体的鉴别方法、终端、服务器和存储介质
CN107622188A (zh) * 2016-07-15 2018-01-23 阿里巴巴集团控股有限公司 基于生物特征的验证方法、装置、系统和设备
CN106778574A (zh) * 2016-12-06 2017-05-31 广州视源电子科技股份有限公司 用于人脸图像的检测方法和装置
CN107066983A (zh) * 2017-04-20 2017-08-18 腾讯科技（上海）有限公司 一种身份验证方法及装置
CN108154189A (zh) * 2018-01-10 2018-06-12 重庆邮电大学 基于ldtw距离的灰关联聚类方法
US20190244030A1 (en) * 2018-02-07 2019-08-08 Hitachi, Ltd. Object tracking in video using better object area
US20190377963A1 (en) * 2018-06-11 2019-12-12 Laurence Hamid Liveness detection
CN109325462A (zh) * 2018-10-11 2019-02-12 深圳斐视沃德科技有限公司 基于虹膜的人脸识别活体检测方法及装置
CN109784302A (zh) * 2019-01-28 2019-05-21 深圳风豹互联网科技有限公司 一种人脸活体检测方法及人脸识别设备
CN110363132A (zh) * 2019-07-09 2019-10-22 北京字节跳动网络技术有限公司 活体检测方法、装置、电子设备及存储介质
CN111144896A (zh) * 2019-12-16 2020-05-12 中国银行股份有限公司 一种身份验证方法及装置
CN111539249A (zh) * 2020-03-11 2020-08-14 西安电子科技大学 多因子人脸活体检测系统和方法
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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SUDEEP THEPADE 等: "Novel Face Liveness Detection Using Fusion of Features and Machine Learning Classifiers", 《2020 IEEE INTERNATIONAL CONFERENCE ON INFORMATICS, IOT, AND ENABLING TECHNOLOGIES》 *
李冰: "人脸识别系统中的活体检测技术的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
王毅刚: "多因子人脸活体检测系统研究与设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115035579A (zh) * 2022-06-22 2022-09-09 支付宝(杭州)信息技术有限公司 基于人脸交互动作的人机验证方法和系统
CN115796636A (zh) * 2022-10-19 2023-03-14 江苏领悟信息技术有限公司 一种用于检测检查的双随机抽取方法

Also Published As

Publication number Publication date
CN112287909B (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
TWI751161B (zh) 終端設備、智慧型手機、基於臉部識別的認證方法和系統
US10275672B2 (en) Method and apparatus for authenticating liveness face, and computer program product thereof
US9460340B2 (en) Self-initiated change of appearance for subjects in video and images
WO2022156640A1 (zh) 一种图像的视线矫正方法、装置、电子设备、计算机可读存储介质及计算机程序产品
CN109657554B (zh) 一种基于微表情的图像识别方法、装置以及相关设备
CN112651348B (zh) 身份认证方法和装置及存储介质
CN103383723B (zh) 用于生物特征验证的电子欺骗检测的方法和系统
CN108470169A (zh) 人脸识别系统及方法
WO2018128996A1 (en) System and method for facilitating dynamic avatar based on real-time facial expression detection
CN109658352A (zh) 图像信息的优化方法及装置、电子设备和存储介质
CN105874473A (zh) 利用了脸部构成要素距离的虹膜识别用图像的取得装置和方法
CN112287909B (zh) 一种随机生成检测点和交互要素的双随机活体检测方法
CN110909654A (zh) 训练图像的生成方法及装置、电子设备和存储介质
WO2021227916A1 (zh) 面部形象生成方法、装置、电子设备及可读存储介质
CN109948450A (zh) 一种基于图像的用户行为检测方法、装置和存储介质
CN115909015B (zh) 一种可形变神经辐射场网络的构建方法和装置
TW202014992A (zh) 虛擬臉部模型之表情擬真系統及方法
CN208351494U (zh) 人脸识别系统
US11216648B2 (en) Method and device for facial image recognition
JPWO2016088415A1 (ja) 情報処理装置、情報処理方法、およびプログラム
CN113014857A (zh) 视频会议显示的控制方法、装置、电子设备及存储介质
Malleson et al. Rapid one-shot acquisition of dynamic VR avatars
CN113192132A (zh) 眼神捕捉方法及装置、存储介质、终端
CN117274383A (zh) 视点预测方法及装置、电子设备和存储介质
CN105874424A (zh) 协同的语音和姿态输入

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