CN112818733B - 信息处理方法、装置、存储介质及终端 - Google Patents

信息处理方法、装置、存储介质及终端 Download PDF

Info

Publication number
CN112818733B
CN112818733B CN202010858727.9A CN202010858727A CN112818733B CN 112818733 B CN112818733 B CN 112818733B CN 202010858727 A CN202010858727 A CN 202010858727A CN 112818733 B CN112818733 B CN 112818733B
Authority
CN
China
Prior art keywords
face image
dimensional
face
image
identity 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.)
Active
Application number
CN202010858727.9A
Other languages
English (en)
Other versions
CN112818733A (zh
Inventor
张菁芸
王少鸣
郭润增
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010858727.9A priority Critical patent/CN112818733B/zh
Publication of CN112818733A publication Critical patent/CN112818733A/zh
Application granted granted Critical
Publication of CN112818733B publication Critical patent/CN112818733B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional [3D] objects
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (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)
  • Collating Specific Patterns (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请实施例公开了一种信息处理方法、装置、存储介质及终端。该方法包括：当检测到身份验证指令时，采集当前场景下的人脸图像；对所述人脸图像进行三维建模，得到三维人脸图像；从所述三维人脸图像中提取网格节点；在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，基于所述网格节点在当前显示界面显示三维人脸网格模型。本方案利用人脸三维建模技术，在进行人脸身份验证时实时绘制三维人脸网格模型进行显示，保证了用户信息的安全性。

Description

信息处理方法、装置、存储介质及终端
技术领域
本申请涉及终端技术领域，具体涉及一种信息处理方法、装置、存储介质及终端。
背景技术
随着互联网的发展和移动通信网络的发展，同时也伴随着终端的处理能力和存储能力的迅猛发展，海量的应用程序得到了迅速传播和使用，尤其是需要对用户身份进行认证通过才能正常使用的应用。
相关技术中，以人脸识别技术为例，在通过人脸识别技术对用户身份进行验证时，会在显示界面回显用户人脸信息。然而，这种验证方式虽然交互较为友好，但是容易造成身份认证时人脸信息的留存的问题，导致用户信息安全性较差。
发明内容
本申请实施例提供一种信息处理方法、装置、存储介质及终端，可以提升用户信息的安全性。
本申请实施例提供了一种信息处理方法，包括：
当检测到身份验证指令时，采集当前场景下的人脸图像；
对所述人脸图像进行三维建模，得到三维人脸图像；
从所述三维人脸图像中提取网格节点；
在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，基于所述网格节点在当前显示界面显示三维人脸网格模型。
相应的，本申请实施例还提供了一种信息处理装置，包括：
采集单元，用于当检测到身份验证指令时，采集当前场景下的人脸图像；
建模单元，用于对所述人脸图像进行三维建模，得到三维人脸图像；
提取单元，用于从所述三维人脸图像中提取网格节点；
显示单元，用于在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，基于所述网格节点在当前显示界面显示三维人脸网格模型。
在一实施例中，所述建模单元进一步用于：
对所述人脸图像中每一像素点提取图像特征；
将获取的图像特征进行融合，得到融合特征；
获取各图像特征与所述融合特征之间的图像差异特征；
根据所述图像差异特征确定所述人脸图像中每一像素点映射在三维空间中的位置，并基于三维空间中各像素点之间的相对位置构建三维人脸图像。
在一些实施例中，在基于所述图像差异特征确定每一像素点映射在三维空间中的位置时，所述建模单元进一步用于：
根据所述图像差异特征和所述人脸图像中各像素点的相对位置构建三维特征卷，所述三维特征卷由多个代价匹配图沿深度假设方向堆叠而成，每一代价匹配图映射在不同的深度假设上；
计算所述人脸图像中像素点映射在不同深度假设上的概率；
基于所述人脸图像中像素点映射在不同深度假设上的概率，确定每一像素点映射在三维空间中的位置。
在一些实施例中，在根据所述图像差异特征和所述人脸图像中各像素点的相对位置构建三维特征卷时，所述建模单元进一步用于：
确定拍摄所述人脸图像时的相机内部参数和相机外部参数；
至少根据所述相机内部参数和所述相机外部参数，确定单应性变换矩阵；
根据所述单应性变换矩阵求取所述人脸图像中每一像素点的单应性；
根据单应性结果，将相应像素点对应的图像差异特征，映射到对应的深度假设位置上，以构建三维特征卷。
在一些实施例中，所述人脸图像包括：至少两张处于不同视角下的子人脸图像；所述建模单元进一步用于：
基于所述至少两张处于不同视角下的子人脸图像，构建三维人脸图像。
在一些实施例中，所述提取单元进一步用于：
对所述三维人脸图像进行年龄预测，得到年龄预测结果；
对所述三维人脸图像进行去纹理处理，得到去除纹理信息后的三维人脸图像；
对去除纹理信息后的三维人脸图像进行网格化处理，得到网格化处理后的三维人脸图像；
根据所述年龄预测结果从网格化处理后的三维人脸图像中提取相应数量的网格节点。
在一些实施例中，所述显示单元进一步用于：
在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，检测当前场景下所述人脸图像的移动信息；
根据所述移动信息实时更新显示界面中所述三维人脸网格模型的显示状态。
在一些实施例中，所述显示单元还用于：
当检测到对所述人脸图像的身份验证通过之后，停止在当前显示界面显示三维人脸网格模型，并显示所述人脸图像对应的身份信息。
在一些实施例中，所述装置还包括：
第一提示单元，用于当检测到对所述人脸图像的身份验证失败之后，停止在当前显示界面显示三维人脸网格模型，并显示重新采集人脸图像的第一提示信息。
在一些实施例中，所述装置还包括：
第二提示单元，用于在采集当前场景下的人脸图像之后，对所述人脸图像进行三维建模之前，若采集到的人脸图像包含多个用户的人脸，则生成第二提示信息，所述第二提示信息用于指示用户执行指定肢体动作；
筛选单元，用于当识别到多个用户中存在肢体动作满足条件的目标用户时，从所述人脸图像中筛选出所述目标用户的人脸确定目标人脸；
所述建模单元，具体用于：
对所述人脸图像中的目标人脸进行三维建模。
相应的，本申请实施例还提供了一种计算机可读存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行如上所述的信息处理方法。
相应的，本申请实施例还提供了一种终端，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的信息处理方法。
本申请实施例中，当检测到身份验证指令时，采集当前场景下的人脸图像；对所述人脸图像进行三维建模，得到三维人脸图像；从三维人脸图像中提取网格节点；在响应身份验证指令对人脸图像进行身份验证的过程中，基于网格节点在当前显示界面显示三维人脸网格模型。本方案利用人脸三维建模技术，在进行人脸身份验证时实时绘制三维人脸网格模型进行显示，无需显示真实感人脸图像，保证了用户信息的安全性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，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是本申请实施例提供的信息处理方法的流程示意图。
图2是本申请实施例提供的三维建模的应用场景示意图。
图3是本申请实施例提供的三维人脸网格模型示意图。
图4是本申请实施例提供的刷脸支付的应用场景示意图。
图5是本申请实施例提供的信息处理装置的结构示意图。
图6是本申请实施例提供的终端的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供一种信息处理方法、装置、存储介质及终端。其中，该信息处理装置具体可以集成在平板PC(Personal Computer)、手机、自助点餐机、自助验票机等具备摄像头和储存单元并安装有微处理器而具有运算能力的终端设备中。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统，使机器具有感知、推理与决策的功能。
计算机视觉技术(Computer Vision,CV)是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、检测和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。
在本方案中，便是在进行人脸身份验证的过程中，采取人脸3D建模技术实时绘制三维人脸网格模型进行显示，而无需回显真实感人脸图像，保证了用户信息的安全性，提升了用户留存率，同时增强了交互的科技性。
以下分别进行详细说明。需说明的是，以下实施例的序号不作为对实施例优选顺序的限定。请参阅图1，图1为本申请实施例提供的信息处理方法的流程示意图。该信息处理方法的具体流程可以如下：
101、当检测到身份验证指令时，采集当前场景下的人脸图像。
具体的，该人脸图像为在当前场景下实时采集到的一张或多张真实人脸图像。其中，该人脸图像可以是只具备色彩信息而不具备深度信息的二维人脸图像，也可以是同时具备深度信息和色彩信息的三维人脸图像。实际应用中，可以通过终端设备内置的摄像头对当前的场景图像进行检测，以获取符合要求的人脸图像。例如，为了有效抵御照片、换脸、面具、遮挡以及屏幕翻拍等恶意行为，可采集可通过本地的优选和活体流程筛选的人脸图像。具体实施时，可通过眨眼、张嘴、摇头、点头等组合动作进行活体检测，利用人脸关键点定位和人脸追踪等技术验证用户是否为真实活体本人操作。
在本实施例中，该终端中可以安装有需要进行用户身份认证的应用程序，该身份验证指令可以是基于该类型的应用程序而触发的。例如，当用户使用该终端中安装的购物类应用程序加购某商品并提交订单进行购买时，可以触发该身份验证指令，以基于该身份验证指令对采集到的人脸图像进行身份验证，待验证通过后则可执行正常的购买操作。
102、对人脸图像进行三维建模，得到三维人脸图像。
为了实现人脸3D建模，可使用一个大规模的人脸模型LSFM(Large scale3DMorphable Models)全自动构建大型3D人脸。参考图2，首先基于综合呈现视图进行自动标记。这些视图注册了像素级的形状信息，因此可将2D标记(landmark)可信地投影回3D表面。接着，在自动标记的引导下，3D模型不断迭代变形，以精确匹配数据集的每个3D面部网格。然后，构建初步的全局PCA(principal components analysis，主成分分析)，自动删去错误的稠密关系对应，最终由剩余的数据构建得到三维人脸模型。
其中，全局PCA是以特征量分析多元统计分布的方法。通常，这种运算可以被看作是揭露数据的内部结构，从而更好地展现数据的变异度。如果一个多元数据集是用高维数据空间之坐标系来表示的，那么PCA能提供一幅较低维度的图像，相当于数据集在讯息量最多之角度上的一个投影。这样就可以利用少量的主成分让数据的维度降低了。
本实施例中，对人脸图像进行三维建模的方式可以有多种。例如，可以采用深度度神经网络对人脸进行3D重建的方式，构建三维人脸图像。也即在一些实施例中，对人脸图像进行三维建模，得到三维人脸图像时，可以包括以下流程：
(11)对人脸图像中每一像素点提取图像特征；
(12)将获取的图像特征进行融合，得到融合特征；
(13)获取各图像特征与融合特征之间的图像差异特征；
(14)根据图像差异特征确定人脸图像中每一像素点映射在三维空间中的位置，并基于三维空间中各像素点之间的相对位置构建三维人脸图像。
其中，该人脸图像可以是单张图像。在本实施例中需要预先采用大量的二维人脸图像对预设的深度神经网络进行训练，通过调整网络参数使二维人脸图像中的特征点能够可信地投影回三维空间中，从而得到训练好的深度神经网络。
具体应用时，首先可对该采集到的人脸图像进行预处理，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。然后，对人脸图像中每一像素点进行特征提取，它是对人脸进行特征建模的过程，具体实施时可采用基于知识的表征方法、基于代数特征或统计学习的表征方法进行人脸特征提取。接着，将获取的图像特征进行均值化处理，得到均衡了整张人脸特征的融合特征。再获取各图像特征与融合特征之间的图像差异特征，并通过计算各图像差异特征映射在指定方向向量上的投影长度，确定人脸图像中每一像素点映射在三维空间中的位置。最后，基于三维空间中各像素点之间的相对位置构建三维人脸图像。
在一些实施例中，在基于图像差异特征确定每一像素点映射在三维空间中的位置时，具体可以包括以下流程：
(141)根据图像差异特征和人脸图像中各像素点的相对位置构建三维特征卷，其中，三维特征卷由多个代价匹配图沿深度假设方向堆叠而成，每一代价匹配图映射在不同的深度假设上；
(142)计算人脸图像中像素点映射在不同深度假设上的概率；
(143)基于人脸图像中像素点映射在不同深度假设上的概率，确定每一像素点映射在三维空间中的位置。
具体的，可利用提取出来的图像差异特征构造一个三维特征卷。构造三维特征卷可通过求取单应性，单应性变换就是一个平面到另一个平面的映射关系。本实施例中利用单应性将每个像素的特征映射到不同假设深度上，以将不同视角提取出来的特征图转化到不同的深度上。例如，深度假设的个数为D，则三维特征卷可以被视作D个二维代价匹配图，这些匹配图沿着深度假设方向链接，该三维特征卷的大小是：图像长度H*图像宽度W*深度假设个数D*特征维数C。然后，可以利用训练好的深度神经网络计算人脸图像中像素点映射在不同深度假设上的概率。最后，基于人脸图像中像素点映射在不同深度假设上的概率，确定每一像素点映射在三维空间中的位置。实际应用中，将概率最大的深度作为相应像素点的预测深度。
在一些实施例中，根据图像差异特征和人脸图像中各像素点的相对位置构建三维特征卷时，可以确定拍摄人脸图像时的相机内部参数和相机外部参数，并至少根据相机内部参数和相机外部参数，确定单应性变换矩阵。然后，根据单应性变换矩阵求取人脸图像中每一像素点的单应性。最后，根据单应性结果将相应像素点对应的图像差异特征映射到对应的深度假设位置上，以构建三维特征卷。
具体的，相机内部参数可包括相机的焦距和图像大小等信息；相机外部参数可包括相机朝向、相机位移、角度偏转等信息。具体的，可将相机内部参数和相机外部参数代入到以下公式中求取单应性变换矩阵。
其中，K表示相机内参数矩阵，包含相机的焦距和图像大小信息；R表示旋转矩阵，描述相机朝向；t表示平移向量，和R一起描述相机的位置；I表示单位矩阵；n表示相机朝向方向向量；d表示深度。例如，对于特征网络DRE-Net输出的位于X＝(x,y)的特征，用第i个深度假设的单应性Hi将其转换到该深度假设的位置，转化后该特征位于三维特征卷的位置为(Hi*X的第一个元素，Hi*X的第二个元素，i)。
在一些实施例中，人脸图像包括：至少两张处于不同视角下的子人脸图像。需要说明的是，本实施例中只要相机拍摄的方位或者被拍摄的人脸发生了细微的平移、转动等，都可认为是拍摄视角发生了改变。连续拍摄过程中可同时调整相机拍摄方位或者被拍摄人脸的朝向，以获取不同视角下的子人脸图像。则，在对人脸图像进行三维建模时，具体可基于至少两张处于不同视角下的子人脸图像构建三维人脸图像。
在一些实施例中，由于场景下画面可能比较杂乱。为了提升信息处理的准确性，在采集当前场景下的人脸图像之后，对人脸图像进行三维建模之前，若检测到采集到的人脸图像包含多个用户的人脸时，可生成第二提示信息，以用于指示用户执行指定肢体动作。当识别到多个用户中存在肢体动作满足条件的目标用户时，从人脸图像中筛选出该目标用户的人脸确定目标人脸。则在对人脸图像进行三维建模时，具体可以对人脸图像中的目标人脸进行三维建模。
103、从三维人脸图像中提取网格节点。
具体的，为了能表达更多的信息、及增加人机交互的可玩性，网格节点的丰富程度将受真实人脸对应的年龄、性别等影响。例如，年龄越大对应网格节点越多，反之则越少。即，在一些实施例中，从三维人脸图像中提取网格节点时，可以包括以下流程：
对三维人脸图像进行年龄预测，得到年龄预测结果；
对三维人脸图像进行去纹理处理，得到去除纹理信息后的三维人脸图像；
对去除纹理信息后的三维人脸图像进行网格化处理，得到网格化处理后的三维人脸图像；
根据年龄预测结果从网格化处理后的三维人脸图像中提取相应数量的网格节点。
具体的，可以基于对三维人脸图像中的纹理信息进行用户年龄的预测。在得到预测结果后，可对三维人脸图像进行去纹理处理，得到去除纹理信息后的三维人脸图像，再对去除纹理信息后的三维人脸图像进行网格化处理，得到网格化处理后的三维人脸图像。其中，网格化处理后的三维人脸图像中网格数量是预先设定好的。最后，根据年龄预测结果从网格化处理后的三维人脸图像中提取相应数量的网格节点。
104、在响应身份验证指令对人脸图像进行身份验证的过程中，基于网格节点在当前显示界面显示三维人脸网格模型。
具体的，可以采用图像识别算法对该人脸图像进行识别。实际应用中，为了提升处理速度，可以在该终端中部署离线识别算法，并设置包含样本人脸图像的本地数据库，以在终端本地侧实现对该人脸图像的识别。
在人脸识别过程中，首先对人脸图像进行预处理，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。然后，进行人脸图像特征提取，它是对人脸进行特征建模的过程，具体实施时可采用基于知识的表征方法、基于代数特征或统计学习的表征方法进行人脸特征提取。最后，将进行人脸图像匹配与识别。具体的，可提取的人脸图像的特征数据与本地数据库中的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。也即，在一些实施例中，对人脸图像进行身份验证时，可以包括以下流程：
(21)将人脸图像与数据库中存储的样本人脸图像进行匹配；
(22)当匹配到与人脸图像对应的目标样本人脸图像时，获取目标样本人脸图像对应的用户身份信息。
其中，该用户身份信息可以包括用户昵称、用户头像用户ID和/或用户基本信息(如性别、年龄、住址、联系方式等)。实际应用中，用户头像可以是任意图像。
实际应用中，为了提升信息的安全性，可以通过服务器在线对人脸图像进行身份验证。也即，服务器可以为人脸在线识别平台，其可基于部署的人脸识别算法结合人脸特征数据，对该人脸图像进行在线识别。
在一些实施例中，在响应身份验证指令对人脸图像进行身份验证的过程中，基于网格节点在当前显示界面显示三维人脸网格模型时，可以检测当前场景下人脸图像的移动信息，并根据该移动信息实时更新显示界面中三维人脸网格模型的显示状态(如显示方位、角度及形态等)。例如，可参考图3，可展示三维人脸网格模型在不同方位下的外观形态。
在一些实施例中，当检测到对该人脸图像的身份验证通过之后，将停止在当前显示界面显示三维人脸网格模型，并显示人脸图像对应的身份信息。当检测到对该人脸图像的身份验证失败之后，将停止在当前显示界面显示三维人脸网格模型，并显示重新采集人脸图像的第一提示信息，以重新采集人脸图像，避免系统堵塞。
本申请实施例提供的信息处理方法，当检测到身份验证指令时，采集当前场景下的人脸图像，并对人脸图像进行三维建模，得到三维人脸图像。从三维人脸图像中提取网格节点，在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，基于所述网格节点在当前显示界面显示三维人脸网格模型。本方案利用人脸三维建模技术，在进行人脸身份验证时实时绘制三维人脸网格模型进行显示，保证了用户信息的安全性。
为了进一步理解本申请的信息处理方法，请参考图4。图4为本申请实施例提供的一种刷脸支付的应用场景示意图。本实施例将以该信息理装置具体集成在具备摄像头、且安装有刷脸支付的购物应用程序的终端上为例，对本申请方案做进一步详细描述。
当检测到基于该购物应用触发的支付请求时，终端将提示用户站至显示屏中间进行人脸图像的采集，随后对采集到的人脸进行身份验证。如图4所示，在采集人脸及对人脸进行身份验证的过程中，系统将对该人脸图像进行三维建模，并在当前显示界面实时显示构建得到的三维人脸网格模型而非完整的人脸图像，以避免用户人脸图像被周边其他用户获取导致信息泄露。
当对该人脸图像的身份验证通过时，将得到验证结果并在显示界面显示该人脸图像匹配的身份信息，如用户头像、用户昵称、用户ID和/或用户基本信息(如性别、年龄、住址、联系方式等)。从采集图像到识别到用户身份，全程将不会显示摄像头直接采集到的人脸图像，而是为该人脸图像构建了具有标识性的三维人脸网格模型进行显示，仅显示了用户人脸的部分特征而非所有特征，在满足用户视觉感官需求(即通过显示内容可肉眼识别出是不同的人脸)的同时提升了用户隐私信息的安全性。
实际应用中，当用户对该用户信息页面显示的用户身份信息确认无误时，可通过用户信息确认页面触发的信息确认指令，以触发显示支付状态页面。例如，参考图4，用户信息确认页面可以显示一“确认支付”按钮。当接收到通过该“确认支付”按钮触发的支付指令时，可获取用户对确认控件进行触摸操作时的操作信息，并在操作信息满足预设条件时，该终端便可向服务器发送支付请求并显示支付状态页面，等待后台业务处理结果。其中，该触摸操作可以包括点击操作、滑动操作、按压操作等等。
服务器接收到该支付请求后，将基于该支付请求携带的虚拟资源信息(如待支付的金额)从该目标身份信息对应的虚拟资源账户中转移相应数量的虚拟资源(如扣除相应金额)。随后，将基于虚拟资源的转移信息向终端返回支付结果。终端在接收到服务器返回的支付结果显示在该支付状态页面上。
可知，本方案中在进行人脸身份验证的过程中，采取人脸3D建模技术实时绘制三维人脸网格模型进行显示，而无需回显真实感人脸图像，保证了用户信息的安全性，提升了用户留存率，同时增强了交互的科技性。
为便于更好的实施本申请实施例提供的信息处理方法，本申请实施例还提供一种基于上述信息处理方法的装置。其中名词的含义与上述信息处理方法中相同，具体实现细节可以参考方法实施例中的说明。
请参阅图5，图5为本申请实施例提供的信息处理装置的结构示意图。该信息处理装置可以集成在平板电脑、手机、自助点餐机、自助验票机等具备摄像头和储存单元并安装有微处理器而具有运算能力的终端设备中。其中，该处理装置可以包括采集单元301、建模单元302、提取单元303、显示单元304，具体可以如下：
采集单元301，用于当检测到身份验证指令时，采集当前场景下的人脸图像；
建模单元302，用于对所述人脸图像进行三维建模，得到三维人脸图像；
提取单元303，用于从所述三维人脸图像中提取网格节点；
显示单元304，用于在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，基于所述网格节点在当前显示界面显示三维人脸网格模型。
在一实施例中，所述建模单元302进一步用于：
对所述人脸图像中每一像素点提取图像特征；
将获取的图像特征进行融合，得到融合特征；
获取各图像特征与所述融合特征之间的图像差异特征；
根据所述图像差异特征确定所述人脸图像中每一像素点映射在三维空间中的位置，并基于三维空间中各像素点之间的相对位置构建三维人脸图像。
在一些实施例中，在基于所述图像差异特征确定每一像素点映射在三维空间中的位置时，所述建模单元302进一步用于：
根据所述图像差异特征和所述人脸图像中各像素点的相对位置构建三维特征卷，所述三维特征卷由多个代价匹配图沿深度假设方向堆叠而成，每一代价匹配图映射在不同的深度假设上；
计算所述人脸图像中像素点映射在不同深度假设上的概率；
基于所述人脸图像中像素点映射在不同深度假设上的概率，确定每一像素点映射在三维空间中的位置。
在一些实施例中，在根据所述图像差异特征和所述人脸图像中各像素点的相对位置构建三维特征卷时，所述建模单元302进一步用于：
确定拍摄所述人脸图像时的相机内部参数和相机外部参数；
至少根据所述相机内部参数和所述相机外部参数，确定单应性变换矩阵；
根据所述单应性变换矩阵求取所述人脸图像中每一像素点的单应性；
根据单应性结果，将相应像素点对应的图像差异特征，映射到对应的深度假设位置上，以构建三维特征卷。
在一些实施例中，所述人脸图像包括：至少两张处于不同视角下的子人脸图像；所述建模单元302进一步用于：
基于所述至少两张处于不同视角下的子人脸图像，构建三维人脸图像。
在一些实施例中，所述提取单元303进一步用于：
对所述三维人脸图像进行年龄预测，得到年龄预测结果；
对所述三维人脸图像进行去纹理处理，得到去除纹理信息后的三维人脸图像；
对去除纹理信息后的三维人脸图像进行网格化处理，得到网格化处理后的三维人脸图像；
根据所述年龄预测结果从网格化处理后的三维人脸图像中提取相应数量的网格节点。
在一些实施例中，所述显示单元304进一步用于：
在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，检测当前场景下所述人脸图像的移动信息；
根据所述移动信息实时更新显示界面中所述三维人脸网格模型的显示状态。
在一些实施例中，所述显示单元304还用于：
当检测到对所述人脸图像的身份验证通过之后，停止在当前显示界面显示三维人脸网格模型，并显示所述人脸图像对应的身份信息。
在一些实施例中，所述装置还包括：
第一提示单元，用于当检测到对所述人脸图像的身份验证失败之后，停止在当前显示界面显示三维人脸网格模型，并显示重新采集人脸图像的第一提示信息。
在一些实施例中，所述装置还包括：
第二提示单元，用于在采集当前场景下的人脸图像之后，对所述人脸图像进行三维建模之前，若采集到的人脸图像包含多个用户的人脸，则生成第二提示信息，所述第二提示信息用于指示用户执行指定肢体动作；
筛选单元，用于当识别到多个用户中存在肢体动作满足条件的目标用户时，从所述人脸图像中筛选出所述目标用户的人脸确定目标人脸；
所述建模单元302，具体用于：
对所述人脸图像中的目标人脸进行三维建模。
本申请实施例提供的信息处理装置，当检测到身份验证指令时，采集单元301采集当前场景下的人脸图像；建模单元302对所述人脸图像进行三维建模，得到三维人脸图像；提取单元303从所述三维人脸图像中提取网格节点；在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，显示单元304基于所述网格节点在当前显示界面显示三维人脸网格模型。本方案利用人脸三维建模技术，在进行人脸身份验证时实时绘制三维人脸网格模型进行显示，保证了用户信息的安全性。
本申请实施例还提供一种终端，该终端具体可以是具备摄像头的终端设备，如智能手机、平板电脑、自助点餐机、自助验票机等终端设备。如图6所示，该终端可以包括射频(RF，Radio Frequency)电路601、包括有一个或一个以上计算机可读存储介质的存储器602、输入单元603、显示单元604、传感器605、音频电路606、无线保真(WiFi，WirelessFidelity)模块607、包括有一个或者一个以上处理核心的处理器608、以及电源609等部件。本领域技术人员可以理解，图6中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
RF电路601可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器608处理；另外，将涉及上行的数据发送给基站。通常，RF电路601包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM，Subscriber Identity Module)卡、收发信机、耦合器、低噪声放大器(LNA，Low Noise Amplifier)、双工器等。此外，RF电路601还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GSM，Global System of Mobile communication)、通用分组无线服务(GPRS，GeneralPacket Radio Service)、码分多址(CDMA，Code Division Multiple Access)、宽带码分多址(WCDMA，Wideband Code Division Multiple Access)、长期演进(LTE，Long TermEvolution)、电子邮件、短消息服务(SMS，Short Messaging Service)等。
存储器602可用于存储软件程序以及模块，处理器608通过运行存储在存储器602的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器602还可以包括存储器控制器，以提供处理器608和输入单元603对存储器602的访问。
输入单元603可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元603可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器608，并能接收处理器608发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面，输入单元603还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元604可用于显示由用户输入的信息或提供给用户的信息以及终端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元604可包括显示面板，可选的，可以采用液晶显示器(LCD，Liquid Crystal Display)、有机发光二极管(OLED，Organic Light-Emitting Diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器608以确定触摸事件的类型，随后处理器608根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图6中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。
终端还可包括至少一种传感器605，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板的亮度，接近传感器可在终端移动到耳边时，关闭显示面板和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于终端还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路606、扬声器，传声器可提供用户与终端之间的音频接口。音频电路606可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路606接收后转换为音频数据，再将音频数据输出处理器608处理后，经RF电路601以发送给比如另一终端，或者将音频数据输出至存储器602以便进一步处理。音频电路606还可能包括耳塞插孔，以提供外设耳机与终端的通信。
WiFi属于短距离无线传输技术，终端通过WiFi模块607可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图6示出了WiFi模块607，但是可以理解的是，其并不属于终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器608是终端的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器602内的软件程序和/或模块，以及调用存储在存储器602内的数据，执行终端的各种功能和处理数据，从而对手机进行整体控制。可选的，处理器608可包括一个或多个处理核心；优选的，处理器608可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器608中。
终端还包括给各个部件供电的电源609(比如电池)，优选的，电源可以通过电源管理系统与处理器608逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源609还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，终端还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，终端中的处理器608会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中，并由处理器608来运行存储在存储器602中的应用程序，从而实现各种功能：
当检测到身份验证指令时，采集当前场景下的人脸图像；对所述人脸图像进行三维建模，得到三维人脸图像；从所述三维人脸图像中提取网格节点；在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，基于所述网格节点在当前显示界面显示三维人脸网格模型。
本申请实施例提供的终端，利用人脸三维建模技术，在进行人脸身份验证时实时绘制三维人脸网格模型进行显示，而无需回显真实感人脸图像，保证了用户信息的安全性，提升了用户留存率；另外，增强了交互的科技性，提升了用户体验。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种信息处理方法中的步骤。例如，该指令可以执行如下步骤：
当检测到身份验证指令时，采集当前场景下的人脸图像；对所述人脸图像进行三维建模，得到三维人脸图像；从所述三维人脸图像中提取网格节点；在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，基于所述网格节点在当前显示界面显示三维人脸网格模型。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种信息处理方法中的步骤，因此，可以实现本申请实施例所提供的任一种信息处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种信息处理方法、装置、存储介质及终端进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (12)

1.一种信息处理方法，其特征在于，包括：
当检测到身份验证指令时，采集当前场景下的人脸图像；
对所述人脸图像中每一像素点提取图像特征；将获取的图像特征进行融合，得到融合特征；获取各图像特征与所述融合特征之间的图像差异特征；根据所述图像差异特征和所述人脸图像中各像素点的相对位置构建三维特征卷，所述三维特征卷由多个代价匹配图沿深度假设方向堆叠而成，每一代价匹配图映射在不同的深度假设上；计算所述人脸图像中像素点映射在不同深度假设上的概率；基于所述人脸图像中像素点映射在不同深度假设上的概率，确定每一像素点映射在三维空间中的位置，并基于三维空间中各像素点之间的相对位置构建三维人脸图像；
从所述三维人脸图像中提取网格节点；
在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，基于所述网格节点在当前显示界面显示三维人脸网格模型。
2.根据权利要求1所述的信息处理方法，其特征在于，所述根据所述图像差异特征和所述人脸图像中各像素点的相对位置构建三维特征卷，包括：
确定拍摄所述人脸图像时的相机内部参数和相机外部参数；
至少根据所述相机内部参数和所述相机外部参数，确定单应性变换矩阵；
根据所述单应性变换矩阵求取所述人脸图像中每一像素点的单应性；
根据单应性结果，将相应像素点对应的图像差异特征，映射到对应的深度假设位置上，以构建三维特征卷。
3.根据权利要求1所述的信息处理方法，其特征在于，所述人脸图像包括：至少两张处于不同视角下的子人脸图像；
所述对所述人脸图像进行三维建模，得到三维人脸图像，包括：
基于所述至少两张处于不同视角下的子人脸图像，构建三维人脸图像。
4.根据权利要求1所述的信息处理方法，其特征在于，所述从所述三维人脸图像中提取网格节点，包括：
对所述三维人脸图像进行年龄预测，得到年龄预测结果；
对所述三维人脸图像进行去纹理处理，得到去除纹理信息后的三维人脸图像；
对去除纹理信息后的三维人脸图像进行网格化处理，得到网格化处理后的三维人脸图像；
根据所述年龄预测结果从网格化处理后的三维人脸图像中提取相应数量的网格节点。
5.根据权利要求1所述的信息处理方法，其特征在于，在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，基于所述网格节点在当前显示界面显示三维人脸网格模型，包括：
在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，检测当前场景下所述人脸图像的移动信息；
根据所述移动信息实时更新显示界面中所述三维人脸网格模型的显示状态。
6.根据权利要求1所述的信息处理方法，其特征在于，还包括：
当检测到对所述人脸图像的身份验证通过之后，停止在当前显示界面显示三维人脸网格模型，并显示所述人脸图像对应的身份信息。
7.根据权利要求6所述的信息处理方法，其特征在于，还包括：
当检测到对所述人脸图像的身份验证失败之后，停止在当前显示界面显示三维人脸网格模型，并显示重新采集人脸图像的第一提示信息。
8.根据权利要求1-7任一项所述的信息处理方法，其特征在于，在采集当前场景下的人脸图像之后，对所述人脸图像进行三维建模之前，还包括：
当采集到的人脸图像包含多个用户的人脸时，生成第二提示信息，所述第二提示信息用于指示用户执行指定肢体动作；
当识别到多个用户中存在肢体动作满足条件的目标用户时，从所述人脸图像中筛选出所述目标用户的人脸确定目标人脸；
所述对所述人脸图像进行三维建模，包括：
对所述人脸图像中的目标人脸进行三维建模。
9.一种信息处理装置，其特征在于，包括：
采集单元，用于当检测到身份验证指令时，采集当前场景下的人脸图像；
建模单元，用于对所述人脸图像中每一像素点提取图像特征；将获取的图像特征进行融合，得到融合特征；获取各图像特征与所述融合特征之间的图像差异特征；根据所述图像差异特征和所述人脸图像中各像素点的相对位置构建三维特征卷，所述三维特征卷由多个代价匹配图沿深度假设方向堆叠而成，每一代价匹配图映射在不同的深度假设上；计算所述人脸图像中像素点映射在不同深度假设上的概率；基于所述人脸图像中像素点映射在不同深度假设上的概率，确定每一像素点映射在三维空间中的位置，并基于三维空间中各像素点之间的相对位置构建三维人脸图像；
提取单元，用于从所述三维人脸图像中提取网格节点；
显示单元，用于在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，基于所述网格节点在当前显示界面显示三维人脸网格模型。
10.根据权利要求9所述的信息处理装置，其特征在于，所述显示单元用于：
在响应所述身份验证指令对所述人脸图像进行身份验证的过程中，检测当前场景下所述人脸图像的移动信息；
根据所述移动信息实时更新显示界面中所述三维人脸网格模型的显示状态。
11.一种计算机可读存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1-8任一项所述的信息处理方法。
12.一种终端，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8任一项所述信息处理方法。
CN202010858727.9A 2020-08-24 2020-08-24 信息处理方法、装置、存储介质及终端 Active CN112818733B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010858727.9A CN112818733B (zh) 2020-08-24 2020-08-24 信息处理方法、装置、存储介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010858727.9A CN112818733B (zh) 2020-08-24 2020-08-24 信息处理方法、装置、存储介质及终端

Publications (2)

Publication Number Publication Date
CN112818733A CN112818733A (zh) 2021-05-18
CN112818733B true CN112818733B (zh) 2024-01-05

Family

ID=75853004

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010858727.9A Active CN112818733B (zh) 2020-08-24 2020-08-24 信息处理方法、装置、存储介质及终端

Country Status (1)

Country Link
CN (1) CN112818733B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115147578B (zh) * 2022-06-30 2023-10-27 北京百度网讯科技有限公司 风格化三维人脸生成方法、装置、电子设备及存储介质
CN115861572B (zh) * 2023-02-24 2023-05-23 腾讯科技（深圳）有限公司 一种三维建模方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104345801A (zh) * 2013-08-09 2015-02-11 三星电子株式会社 混合视觉通信
WO2018192406A1 (zh) * 2017-04-20 2018-10-25 腾讯科技（深圳）有限公司 身份验证方法及装置、存储介质
CN108898068A (zh) * 2018-06-06 2018-11-27 腾讯科技（深圳）有限公司 一种人脸图像的处理方法和装置以及计算机可读存储介质
CN109325437A (zh) * 2018-09-17 2019-02-12 北京旷视科技有限公司 图像处理方法、装置和系统
CN109377557A (zh) * 2018-11-26 2019-02-22 中山大学 基于单帧人脸图像的实时三维人脸重建方法
CN111159676A (zh) * 2019-11-19 2020-05-15 天津恒易能科技有限公司 一种基于人脸识别多维度身份认证系统及方法
JP2020077420A (ja) * 2018-11-07 2020-05-21 大日本印刷株式会社 携帯端末、本人確認サーバ、本人確認システム及びプログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9508197B2 (en) * 2013-11-01 2016-11-29 Microsoft Technology Licensing, Llc Generating an avatar from real time image data
WO2015070416A1 (en) * 2013-11-14 2015-05-21 Intel Corporation Mechanism for facilitating dynamic simulation of avatars corresponding to changing user performances as detected at computing devices

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104345801A (zh) * 2013-08-09 2015-02-11 三星电子株式会社 混合视觉通信
WO2018192406A1 (zh) * 2017-04-20 2018-10-25 腾讯科技（深圳）有限公司 身份验证方法及装置、存储介质
CN108898068A (zh) * 2018-06-06 2018-11-27 腾讯科技（深圳）有限公司 一种人脸图像的处理方法和装置以及计算机可读存储介质
CN109325437A (zh) * 2018-09-17 2019-02-12 北京旷视科技有限公司 图像处理方法、装置和系统
JP2020077420A (ja) * 2018-11-07 2020-05-21 大日本印刷株式会社 携帯端末、本人確認サーバ、本人確認システム及びプログラム
CN109377557A (zh) * 2018-11-26 2019-02-22 中山大学 基于单帧人脸图像的实时三维人脸重建方法
CN111159676A (zh) * 2019-11-19 2020-05-15 天津恒易能科技有限公司 一种基于人脸识别多维度身份认证系统及方法

Also Published As

Publication number Publication date
CN112818733A (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
US12148250B2 (en) AI-based face recognition method and apparatus, device, and medium
CN110348543B (zh) 眼底图像识别方法、装置、计算机设备及存储介质
EP3965003B1 (en) Image processing method and device
CN112036331B (zh) 活体检测模型的训练方法、装置、设备及存储介质
JP7286208B2 (ja) 生体顔検出方法、生体顔検出装置、電子機器、及びコンピュータプログラム
CN108985220B (zh) 一种人脸图像处理方法、装置及存储介质
CN114626036B (zh) 基于人脸识别的信息处理方法、装置、存储介质及终端
CN114387647B (zh) 对抗扰动生成方法、装置及存储介质
CN108712603B (zh) 一种图像处理方法及移动终端
CN110765924A (zh) 一种活体检测方法、装置以及计算机可读存储介质
CN111062248A (zh) 图像检测的方法、装置、电子设备及介质
CN112818733B (zh) 信息处理方法、装置、存储介质及终端
CN114519579B (zh) 一种人脸支付方法、装置、电子设备和存储介质
CN111753813B (zh) 图像处理方法、装置、设备及存储介质
CN114078011A (zh) 基于图像识别的信息处理方法、装置、存储介质及终端
CN111080747B (zh) 一种人脸图像处理方法及电子设备
CN115702443A (zh) 将存储的数字化妆增强应用于数字图像中的已辨识面部
CN113849142B (zh) 图像展示方法、装置、电子设备及计算机可读存储介质
CN115829575B (zh) 支付验证方法、装置、终端、服务器及存储介质
CN115171175B (zh) 人脸识别方法、装置、设备及可读存储介质
CN111756705B (zh) 活体检测算法的攻击测试方法、装置、设备及存储介质
CN116958406A (zh) 一种人脸三维重建方法、装置、电子设备及存储介质
HK40044520A (zh) 信息处理方法、装置、存储介质及终端
HK40044520B (zh) 信息处理方法、装置、存储介质及终端
CN114548998A (zh) 信息处理方法、装置、存储介质及终端

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40044520

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant