CN112818729A - 活体脸部辨识系统与方法 - Google Patents

活体脸部辨识系统与方法 Download PDF

Info

Publication number
CN112818729A
CN112818729A CN201911240155.1A CN201911240155A CN112818729A CN 112818729 A CN112818729 A CN 112818729A CN 201911240155 A CN201911240155 A CN 201911240155A CN 112818729 A CN112818729 A CN 112818729A
Authority
CN
China
Prior art keywords
data
time
face
person
varying
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
Application number
CN201911240155.1A
Other languages
English (en)
Inventor
洪志扬
张耀宗
高全渊
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.)
Wistron Corp
Original Assignee
Wistron Corp
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 Wistron Corp filed Critical Wistron Corp
Publication of CN112818729A publication Critical patent/CN112818729A/zh
Pending legal-status Critical Current

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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
    • 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
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Cardiology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Collating Specific Patterns (AREA)

Abstract

一种活体脸部辨识系统与方法，所述方法包含撷取待辨识者的脸部的多个影像；根据所述多个影像以得到时变数据，其代表待辨识者因为心跳产生脸部血管收缩与舒张，造成脸部色泽的周期性变化；及比较时变数据与预设频率范围，如果时变数据落入预设频率范围，表示待辨识者为活体。

Description

活体脸部辨识系统与方法
技术领域
本发明有关一种脸部辨识，特别是关于一种活体脸部辨识方法与系统。
背景技术
脸部辨识(face recognition)是电脑影像处理技术的一种，用以从数位影像(image)或影片(video)识别出人的脸部特征，可作为保全机制。脸部辨识是生物(biometric)辨识的一种，其他的生物辨识技术如指纹识别、虹膜(iris)识别等。脸部辨识可应用于电子装置，例如电脑、移动电话、刷卡机等，特别是移动装置的使用日渐普及，因此对于保全机制的要求也更高。
传统的脸部辨识系统使用相机以撷取二维(2D)的人脸影像，经提取脸部五官的特征后，与数据库作比对以进行辨识。但是，传统的脸部辨识系统通常无法分辨相机所撷取的是真正的人或者仅是一张照片，因而形成保全机制的漏洞。
为了提高保全机制的信赖度，有些脸部辨识系统会要求使用者依照指示进行脸部的活动，例如摇摆、旋转头部或张嘴、闭眼等动作，以确认相机所撷取的是真正的人。有些脸部辨识系统还于脸部活动时，撷取多张照片，以得到深度信息，以确认相机所撷取的是真正的人。但是，传统脸部辨识系统会增加成本，或者于进行脸部活动时花费较多时间且造成使用者的不便。
因此亟需提出一种新颖的脸部辨识机制，不但可以维持或提升保全机制的信赖度，更能加速辨识处理且兼顾使用上的便利性。
发明内容
鉴于上述，本发明实施例的目的之一在于提出一种活体脸部辨识方法与系统，可快速、便利且准确地辨识脸部。
根据本发明实施例的活体脸部辨识方法，撷取待辨识者的脸部的多个影像。根据所述多个影像以得到时变数据，其代表待辨识者因为心跳产生脸部血管收缩与舒张，造成脸部色泽的周期性变化。比较时变数据与预设频率范围，如果时变数据落入预设频率范围，表示待辨识者为活体。
附图说明
图1A为本发明实施例的活体脸部辨识系统的方块图；
图1B为本发明实施例的活体脸部辨识方法的流程图；
图1C为本发明另一实施例的活体脸部辨识方法的流程图；
图2A为数据库建立方法的流程图；
图2B例示本实施例的脸部特征；
图2C为图1B的步骤22的详细流程图；
图3A为图1A的活体辨识模块的详细方块图；
图3B为图1B的步骤25的详细流程图；
图4A例示眼部区域的红色(R)、绿色(G)、蓝色(B)及亮度(Y)的平均值的颜色数据；
图4B例示蓝色色差(Cb)与红色色差(Cr)之和的信号强度；
图4C为图4B的信号经过波段滤波后的信号强度；
图4D为图4B的信号经过内插取样后的信号强度；
图4E例示经变换为频域的绿色(G)及亮度(Y)的颜色数据；
图4F例示蓝色色差(Cb)与红色色差(Cr)之和的信号强度；
图4G为图4F的信号的一阶导数。
[符号说明]
100：活体脸部辨识系统
11：影像撷取装置
12：脸部辨识模块
13：输出模块
14：活体辨识模块
141：影像数据撷取装置
142：颜色数据提取装置
143：波段滤波器
144：内插装置
145：时变数据产生装置
200A：活体脸部辨识方法
200B：活体脸部辨识方法
21：撷取影像
22：提取特征数据
23：决定特征数据是否符合数据库
24：辨识失败
25：提取颜色数据据以得到时变数据
251：撷取选取区域的影像数据
252：提取颜色数据
253：对颜色数据进行波段滤波
254：对颜色数据进行内插取样
255：产生时变数据
26：决定时变数据是否落入预设范围
27：辨识成功
28：决定是否所有待辨识者都已完成辨识
300：数据库建立方法
31：撷取待辨识者的影像
32：脸部检测
33：撷取脸部影像
34：提取脸部特征
35：特征数值化
36：建立模型
37：储存于储存装置
301：双眼间距
302：鼻子宽度
303：眼窝深度
304：脸颊骨头结构
305：下巴线条长度
306：下巴点
R：红色
G：绿色
B：蓝色
Y：亮度
Cb：蓝色色差
Cr：红色色差
具体实施方式
图1A显示本发明实施例的活体脸部辨识系统100的方块图，图1B显示本发明实施例的活体脸部辨识方法200A的流程图。活体脸部辨识系统(以下简称系统)100的方块与活体脸部辨识方法(以下简称方法)200A的步骤可使用硬件、软件或其组合来实施，例如执行于数位影像处理器。
在本实施例中，系统100可包含影像撷取装置11，例如相机，用以撷取待辨识者脸部的多个影像(步骤21)，例如每秒撷取30图框(亦即30FPS(frame per second))。本实施例的相机可为二维相机或者三维相机(例如双镜头的三维相机或者结合二维相机与深度检测装置)。
在本实施例中，系统100可包含脸部辨识模块12，其根据所述多个影像当中的至少一影像，提取待辨识者脸部的至少一特征数据(步骤22)。于步骤23，系统100的输出模块13将提取的特征数据与脸部特征数据库(以下简称数据库)进行比较。如果提取的特征数据未与数据库相符合(亦即，两者特征数据的差值未小于预设临界值)，表示两者的脸部特征不同，则输出模块13判定为辨识失败(步骤24)。如果提取的特征数据与数据库相符合，则方法200A的流程进入步骤25。
图2A显示数据库建立方法300的流程图。首先，于步骤31，使用相机撷取待辨识者的影像。接着，于步骤32，使用处理器对撷取影像进行脸部检测(face detection)。于步骤33，根据脸部检测的结果，从撷取影像当中撷取出脸部影像(亦即，大致仅包含脸部轮廓区域的影像)。接着，于步骤34，处理器从脸部影像当中提取出多个脸部特征(facecharacteristic)。图2B例示本实施例的脸部特征，可为双眼间距301、鼻子宽度302、眼窝深度303、脸颊骨头结构304、下巴线条长度305和/或下巴点306。于步骤35，处理器进一步将这些脸部特征予以数值化(numeralization)，以产生脸部特征值，作为特征数据。接着，于步骤36，根据所产生的脸部特征值以建立模型，据以建立脸部特征数据库而储存于储存装置(步骤37)。
图2C显示图1B的方法200A的步骤22的详细流程图。提取待辨识者脸部的特征数据(步骤22)类似于图2A当中的步骤32～步骤35，亦即，于步骤32，使用脸部辨识模块12对撷取影像进行脸部检测(face detection)。于步骤33，根据脸部检测的结果，从撷取影像当中撷取出脸部影像(亦即，大致仅包含脸部轮廓区域的影像)。接着，于步骤34，脸部辨识模块12从脸部影像当中提取出多个脸部特征(face characteristic)。于步骤35，脸部辨识模块12进一步将这些脸部特征予以数值化(numeralization)，以产生脸部特征值，作为特征数据。
根据本实施例的特征之一，系统100可包含活体辨识模块14，其根据所述多个影像以撷取待辨识者脸部当中的至少一选取区域(例如眼部区域、鼻子区域或嘴部区域)的影像数据，经处理选取区域的所述多个影像数据后以提取得到颜色数据，再根据颜色数据以得到时变(time-varying)数据，其代表待辨识者因为心跳产生脸部血管收缩与舒张，造成脸部色泽的周期性变化(步骤25)。
在本实施例中，颜色数据可表示为三原色光(例如红、绿、蓝)、亮度-色差(luminance-chrominance)(例如YCbCr或YUV)、亮度值、单一色彩值(例如单一红、单一绿、单一蓝色彩值)或两种颜色的和。
图3A显示图1A的活体辨识模块14的详细方块图，图3B显示图1B的步骤25的详细流程图。在本实施例中，活体辨识模块14可包含影像数据撷取装置141，其接收所述多个影像，据以撷取待辨识者脸部当中的至少一选取区域(例如眼部区域、鼻子区域或嘴部区域)的影像数据(步骤251)。
在本实施例中，活体辨识模块14可包含颜色数据提取装置142，其接收选取区域的所述多个影像数据，经处理以提取得到颜色数据(步骤252)。在本实施例中，取所述多个影像数据的平均值(例如数学平均值、中位数或中间部分(例如50％)的平均值)作为颜色数据。在一实施例中，颜色数据可表示为三原色光(例如红、绿、蓝或RGB)与亮度-色差(例如YCbCr)，其关系可表示如下：
Y＝0.299R+0.587G+0.114B，
Cb＝0.564(B–Y)，
Cr＝0.713(R–Y)，
R＝Y+1.402Cr，
G＝Y–0.344Cb–0.714Cr，
B＝Y+1.772Cb，
其中Y代表亮度，Cb代表蓝色色差，Cr代表红色色差。图4A例示眼部区域的红色(R)、绿色(G)、蓝色(B)及亮度(Y)的平均值的颜色数据。
在本实施例中，活体辨识模块14可包含波段滤波器(band-pass filter)143，对颜色数据进行波段滤波(步骤253)，以滤取预设频率范围(例如一般的心跳频率范围0.75～4Hz)，通过滤除干扰信号以得到较平滑的颜色数据。图4B例示蓝色色差(Cb)与红色色差(Cr)之和的信号强度，其每秒撷取30图框，亦即取样率为每秒30取样数(sample)；图4C显示图4B的信号经过波段滤波后的信号强度。
在本实施例中，活体辨识模块14可包含内插(interpolation)装置144，对颜色数据进行内插取样以增加取样率(步骤254)，除了让信号较平滑，也可增加频宽(bandwidth)。图4D显示图4B的信号经过内插取样后的信号强度。
在本实施例中，活体辨识模块14可包含时变数据产生装置145，其根据波段滤波和/或内插取样后的颜色数据以产生时变数据(步骤255)，其代表待辨识者因为心跳产生脸部血管收缩与舒张，造成脸部色泽的周期性变化。
在一实施例中，时变数据产生装置145将颜色数据从时域变换为频域(例如使用快速傅立叶变换(FFT))，取最大信号强度所对应的频率作为时变数据。图4E例示经变换为频域的绿色(G)及亮度(Y)的颜色数据。在另一实施例中，于时域的颜色数据当中，将相邻信号峰值(或谷值)之间的时间作为周期，取其倒数得到频率作为时变数据；或者，于时域的颜色数据当中，将相邻(n+1)个信号峰值(或谷值)之间的时间除以n作为平均周期，取其倒数得到频率作为时变数据。图4F例示蓝色色差(Cb)与红色色差(Cr)之和的信号强度，将相邻信号峰值之间的时间作为周期。在又一实施例中，于时域的颜色数据当中，取颜色数据的一阶导数，过零点为负斜率者代表信号波峰，过零点为正斜率者代表信号波谷，将相邻信号波峰(或波谷)之间的时间作为周期，取其倒数得到频率作为时变数据。图4G显示图4F的信号的一阶导数。
于步骤26，输出模块13将时变数据与预设频率范围(例如一般的心跳范围0.75～4Hz)进行比较。如果时变数据落入预设频率范围，表示待辨识者为活体，则输出模块13判定为辨识成功(步骤27)。如果时变数据未落入预设频率范围，表示待辨识者非为活体，则输出模块13判定为辨识失败(步骤24)。
图1C显示本发明另一实施例的活体脸部辨识方法200B的流程图。活体脸部辨识方法200B(以下简称方法)与图1B的方法200A类似，但是方法200B可适用于多人的活体脸部辨识。于步骤21，影像撷取装置11撷取多个待辨识者脸部的多个影像。于步骤22，脸部辨识模块12根据所述多个影像当中的至少一影像，提取其中一个待辨识者脸部的至少一特征数据。接着，于步骤23，输出模块13将提取的特征数据与脸部特征数据库(以下简称数据库)进行比较。如果提取的特征数据未与数据库相符合(亦即，两者特征数据的差值未小于预设临界值)，表示两者的脸部特征不同，则输出模块13判定为辨识失败(步骤24)。如果提取的特征数据与数据库相符合，则流程进入步骤25。
于步骤25，活体辨识模块14根据所述多个影像以撷取得到待辨识者脸部当中的至少一选取区域(例如眼部区域、鼻子区域或嘴部区域)的影像数据，经处理选取区域的所述多个影像数据(例如取平均值、中位数值或中间部分(例如50％)的平均值)后以提取得到颜色数据，再根据颜色数据以分别得到时变数据。于步骤26，输出模块13将时变数据与预设频率范围(例如一般的心跳范围0.75～4Hz)进行比较。如果时变数据落入预设频率范围，表示待辨识者为活体，则输出模块13判定为辨识成功(步骤27)。如果时变数据未落入预设频率范围，表示待辨识者非为活体，则输出模块13判定为辨识失败(步骤24)。于判定辨识失败(步骤24)或辨识成功(步骤27)后，流程进入步骤28以决定是否所有待辨识者都已完成辨识，如果为否，则流程回到步骤22，对下一个待辨识者进行辨识。
以上所述仅为本发明的较佳实施例而已，并非用以限定本发明的申请专利范围；凡其它未脱离发明所揭示的精神下所完成的等效改变或修饰，均应包含在本发明的权利要求范围内。

Claims (16)

1.一种活体脸部辨识方法，其特征在于，包含：
(a)撷取一待辨识者的脸部的多个影像；
(b)根据所述多个影像以得到一时变数据，其代表所述待辨识者因为心跳产生脸部血管收缩与舒张，造成脸部色泽的周期性变化；及
(c)比较所述时变数据与一预设频率范围，如果所述时变数据落入所述预设频率范围，表示所述待辨识者为活体。
2.根据权利要求1所述的活体脸部辨识方法，其特征在于，所述(b)包含：
(b1)接收所述多个影像，据以撷取所述待辨识者的脸部当中的至少一选取区域的多个影像数据；
(b2)处理所述多个影像数据以提取得到一颜色数据；及
(b3)根据所述颜色数据以产生所述时变数据。
3.根据权利要求2所述的活体脸部辨识方法，其特征在于，所述(b2)包含：
取所述多个影像数据的平均值作为所述颜色数据。
4.根据权利要求2所述的活体脸部辨识方法，其特征在于，所述(b)还包含：
对所述颜色数据进行波段滤波，以滤取所述预设频率范围内的所述颜色数据。
5.根据权利要求2所述的活体脸部辨识方法，其特征在于，所述(b)还包含：
对所述颜色数据进行内插取样以增加取样率。
6.根据权利要求2所述的活体脸部辨识方法，其特征在于，所述(b3)包含：
将所述颜色数据从时域变换为频域，取最大信号强度所对应的频率作为所述时变数据。
7.根据权利要求2所述的活体脸部辨识方法，其特征在于，所述(b3)包含：
于时域的所述颜色数据当中，将相邻信号峰值或谷值之间的时间作为周期，取其倒数得到频率作为所述时变数据。
8.根据权利要求1所述的活体脸部辨识方法，其特征在于，在所述(b)之前，还包含：
根据所述多个影像当中的至少一影像，提取所述待辨识者脸部的至少一特征数据；及
比较所述特征数据与一脸部特征数据库。
9.一种活体脸部辨识系统，其特征在于，包含：
一影像撷取装置，撷取一待辨识者的脸部的多个影像；
一活体辨识模块，根据所述多个影像以得到一时变数据，其代表所述待辨识者因为心跳产生脸部血管收缩与舒张，造成脸部色泽的周期性变化；及
一输出模块，比较所述时变数据与一预设频率范围，如果所述时变数据落入所述预设频率范围，表示所述待辨识者为活体。
10.根据权利要求9所述的活体脸部辨识系统，其特征在于，所述活体辨识模块包含：
一影像数据撷取装置，接收所述多个影像，据以撷取所述待辨识者的脸部当中的至少一选取区域的多个影像数据；
一颜色数据提取装置，处理所述多个影像数据以提取得到一颜色数据；及
一时变数据产生装置，根据所述颜色数据以产生所述时变数据。
11.根据权利要求10所述的活体脸部辨识系统，其特征在于，所述颜色数据提取装置取所述多个影像数据的平均值作为所述颜色数据。
12.根据权利要求10所述的活体脸部辨识系统，其特征在于，所述活体辨识模块还包含：
一波段滤波器，对所述颜色数据进行波段滤波，以滤取所述预设频率范围内的所述颜色数据。
13.根据权利要求10所述的活体脸部辨识系统，其特征在于，所述活体辨识模块还包含：
一内插装置，对所述颜色数据进行内插取样以增加取样率。
14.根据权利要求10所述的活体脸部辨识系统，其特征在于，所述时变数据产生装置将所述颜色数据从时域变换为频域，取最大信号强度所对应的频率作为所述时变数据。
15.根据权利要求10所述的活体脸部辨识系统，其特征在于，所述时变数据产生装置于时域的所述颜色数据当中，将相邻信号峰值或谷值之间的时间作为周期，取其倒数得到频率作为所述时变数据。
16.根据权利要求9所述的活体脸部辨识系统，其特征在于，还包含：
一脸部辨识模块，根据所述多个影像当中的至少一影像，提取所述待辨识者脸部的至少一特征数据，且比较所述特征数据与一脸部特征数据库。
CN201911240155.1A 2019-11-18 2019-12-06 活体脸部辨识系统与方法 Pending CN112818729A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW108141723 2019-11-18
TW108141723A TWI743593B (zh) 2019-11-18 2019-11-18 活體臉部辨識系統與方法

Publications (1)

Publication Number Publication Date
CN112818729A true CN112818729A (zh) 2021-05-18

Family

ID=75852896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911240155.1A Pending CN112818729A (zh) 2019-11-18 2019-12-06 活体脸部辨识系统与方法

Country Status (3)

Country Link
US (1) US11126829B2 (zh)
CN (1) CN112818729A (zh)
TW (1) TWI743593B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110311119A1 (en) * 2009-03-06 2011-12-22 Koninklijke Philips Electronics N.V. Processing images of at least one living being
KR20130035849A (ko) * 2011-09-30 2013-04-09 아이포콤 주식회사 단일 영상을 사용한 위조 얼굴 검출 방법
CN103120581A (zh) * 2011-11-18 2013-05-29 原相科技股份有限公司 整合心跳量测及身份辨识的系统及方法
US20170007137A1 (en) * 2015-07-07 2017-01-12 Research And Business Foundation Sungkyunkwan University Method of estimating blood pressure based on image
CN106845395A (zh) * 2017-01-19 2017-06-13 北京飞搜科技有限公司 一种基于人脸识别进行活体检测的方法
KR20190007803A (ko) * 2017-07-13 2019-01-23 성균관대학교산학협력단 적외선 영상을 이용한 생체신호 측정 방법 및 장치
CN110348385A (zh) * 2019-07-12 2019-10-18 苏州小阳软件科技有限公司 活体人脸识别方法和装置
US20190328246A1 (en) * 2018-04-25 2019-10-31 National Chiao Tung University Non-contact heartbeat rate measurement system, method and apparatus thereof

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9495008B2 (en) * 2014-06-27 2016-11-15 Amazon Technologies, Inc. Detecting a primary user of a device
CA2989575C (en) * 2015-06-16 2020-03-24 EyeVerify Inc. Systems and methods for spoof detection and liveness analysis
CN116269262A (zh) * 2016-12-01 2023-06-23 松下知识产权经营株式会社 生物体信息检测装置、生物体信息检测方法及存储介质
US10380444B2 (en) * 2017-07-14 2019-08-13 Hong Kong Baptist University 3D mask face anti-spoofing with remote photoplethysmography
JP6620999B2 (ja) * 2017-11-30 2019-12-18 国立大学法人東北大学 生体情報計測装置、生体情報計測プログラム、及び生体情報計測方法
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
CN109977858B (zh) * 2019-03-25 2020-12-01 北京科技大学 一种基于图像分析的心率检测方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110311119A1 (en) * 2009-03-06 2011-12-22 Koninklijke Philips Electronics N.V. Processing images of at least one living being
KR20130035849A (ko) * 2011-09-30 2013-04-09 아이포콤 주식회사 단일 영상을 사용한 위조 얼굴 검출 방법
CN103120581A (zh) * 2011-11-18 2013-05-29 原相科技股份有限公司 整合心跳量测及身份辨识的系统及方法
US20170007137A1 (en) * 2015-07-07 2017-01-12 Research And Business Foundation Sungkyunkwan University Method of estimating blood pressure based on image
CN106845395A (zh) * 2017-01-19 2017-06-13 北京飞搜科技有限公司 一种基于人脸识别进行活体检测的方法
KR20190007803A (ko) * 2017-07-13 2019-01-23 성균관대학교산학협력단 적외선 영상을 이용한 생체신호 측정 방법 및 장치
US20190328246A1 (en) * 2018-04-25 2019-10-31 National Chiao Tung University Non-contact heartbeat rate measurement system, method and apparatus thereof
CN110348385A (zh) * 2019-07-12 2019-10-18 苏州小阳软件科技有限公司 活体人脸识别方法和装置

Also Published As

Publication number Publication date
US20210150189A1 (en) 2021-05-20
US11126829B2 (en) 2021-09-21
TWI743593B (zh) 2021-10-21
TW202121242A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
EP1766555B1 (en) Single image based multi-biometric system and method
CN109359634B (zh) 一种基于双目摄像机的人脸活体检测方法
Burge et al. Ear biometrics
WO2010044250A1 (ja) パターン照合装置及びパターン照合方法
KR101014325B1 (ko) 적외선을 이용한 얼굴인식 시스템 및 방법
US20210174067A1 (en) Live facial recognition system and method
JP6443842B2 (ja) 顔検出装置、顔検出システム、及び顔検出方法
KR101640014B1 (ko) 허위 안면 이미지 분류가 가능한 홍채 인식 장치
KR101344851B1 (ko) 영상처리장치 및 영상처리방법
CN110929680A (zh) 一种基于特征融合的人脸活体检测方法
CN112364329A (zh) 一种结合心率检测的人脸认证系统及方法
CN110321782B (zh) 一种检测人体特征信号的系统
CN110321781B (zh) 一种用于无接触式测量的信号处理方法及装置
CN112818729A (zh) 活体脸部辨识系统与方法
JP2016220915A (ja) 脈波検出装置、脈波検出方法、脈波検出システム、及び、プログラム
Tankasala et al. Application of pyramidal directional filters for biometric identification using conjunctival vasculature patterns
Huang et al. Dual fusion paired environmental background and face region for face anti-spoofing
Ji et al. A cross domain multi-modal dataset for robust face anti-spoofing
CN110547782B (zh) 一种用于无接触式测量的脉率信号处理方法及装置
BL et al. Rgb-D face recognition using LBP-DCT algorithm
CN115880787A (zh) 一种人脸活体检测方法、系统、终端设备及存储介质
Oude Elferink Fingerprint acquisition with a smartphone camera
CN112307902A (zh) 一种打印照片的人脸防伪方法及其装置
CN115100722A (zh) DeepFake检测方法、装置、计算机设备和存储介质
CN115410245A (zh) 基于双目的活体检测方法、装置及存储介质

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