CN112926367A - 一种活体检测的设备及方法 - Google Patents
一种活体检测的设备及方法 Download PDFInfo
- Publication number
- CN112926367A CN112926367A CN201911239866.7A CN201911239866A CN112926367A CN 112926367 A CN112926367 A CN 112926367A CN 201911239866 A CN201911239866 A CN 201911239866A CN 112926367 A CN112926367 A CN 112926367A
- Authority
- CN
- China
- Prior art keywords
- image
- living body
- body detection
- image acquisition
- detection
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 383
- 238000000034 method Methods 0.000 title claims description 64
- 238000012545 processing Methods 0.000 claims abstract description 62
- 238000001727 in vivo Methods 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims description 53
- 238000001574 biopsy Methods 0.000 claims description 33
- 230000007613 environmental effect Effects 0.000 claims description 33
- 238000005286 illumination Methods 0.000 claims description 22
- 230000003287 optical effect Effects 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000001276 controlling effect Effects 0.000 description 9
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- -1 photos Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请公开了一种活体检测设备,该设备包括,至少两个以上用于采集待检测目标图像的图像采集模组,用于基于来自所述图像采集模组的图像数据进行活体检测的图像处理模组;以及用于控制的微处理器;所述微处理器根据应用需求配置活体检测模式,按照活体检测模式控制所述图像采集模组对待检测目标图像的采集,控制所述图像处理模组按照检测模式进行活体检测;其中,检测模式至少包括,基于来自于一个所述图像采集模组图像数据的单一活体检测模式,或者基于来自任意两个以上所述图像采集模组图像数据的n重活体检测模式,n为所述任意两个以上图像采集模组的数量。本发明使得不同活体检测方法扬长避短,提高了活体检测的灵活性。
Description
技术领域
本发明图像识别检测领域,特别地,涉及一种活体检测设备及方法。
背景技术
活体识别检测主要是通过识别活体上的生物特征信息来进行,它把生物特征信息作为生命特征来区分用照片、硅胶、塑料等非生命物质伪造的生物特征。通俗地讲,就是在识别检测的过程中确定被检测目标确实是个“活体”,不是照片、视频或其他等假体。
以人脸活体的识别检测为例。目前,人脸活体检测技术主要有交互式动作、3D成像(多目成像、结构光、TOF等)、视频流、红外图像等,其中,
交互式动作其要求用户配合指令完成相应的动作,如眨眼、微笑、朗读等,根据判别得到的动作状态的变化情况来区分照片和活体人脸,需要用户配合,用户体验差,一旦获取所有交互指令可针对性地录制视频,从而难以防备视频攻击;
3D成像识别检测技术基于生成的深度图像进行识别检测,受物体材质和光照影响较小,可以很好的区分真假人脸。但单一的3D成像识别检测对一些3D打印的面具存在极高的误检率;
视频流识别检测技术基于视频流进行识别检测,单一的视频流识别对播放的视频产生误检。
红外图像识别检测技术基于红外相机拍摄的采集近红外光所呈现的图像进行识别检测,单一红外图像的活体检测会对某些红外照片产生误报。
以上几种活体检测方法都存在一些检测盲区,在一些特殊情况下会存在极高的风险。
发明内容
本发明提供了一种活体检测设备,以减少误检。
本发明提供一种活体检测设备,该设备包括,
至少两个以上用于采集待检测目标图像的图像采集模组,
用于基于来自所述图像采集模组的图像数据进行活体检测的图像处理模组;以及
用于控制的微处理器;
所述微处理器根据应用需求配置活体检测模式,按照活体检测模式控制所述图像采集模组对待检测目标图像的采集,控制所述图像处理模组按照检测模式进行活体检测;
其中,检测模式至少包括,基于来自于一个所述图像采集模组图像数据的单一活体检测模式,或者基于来自任意两个以上所述图像采集模组图像数据的n重活体检测模式,n为所述任意两个以上图像采集模组的数量。
较佳地,所述微处理器基于所述图像处理模组输出的活体检测结果根据所述应用需求决策出最终检测结果;所述应用需求包括安全级别需求和/或图像采集的外部环境需求。
较佳地,该设备还包括,用于获取所述外部环境信息的环境传感器,将获取的环境信息输入给微处理器;
所述微处理器根据环境信息配置活体检测策略,按照活体检测策略控制所述图像采集模组对待检测目标图像的采集,控制所述图像处理模组按照检测策略进行活体检测;基于所述图像处理模组输出的活体检测结果根据环境信息决策出最终检测结果;
其中,检测策略至少包括,基于所述图像采集模组图像数据活体检测的优先级。
较佳地,所述微处理器控制所述图像处理模组按照检测模式进行活体检测包括,微处理器将配置的活体检测模式和/或活体检测策略发送给图像处理模组,使得图像处理模组按照活体检测模式和/或活体检测策略调用相应的活体检测进程进行活体检测。
较佳地,所述图像采集模组包括,
用于采集待检测目标的三基色RGB图像和/或红外图像的第一图像采集模组,以及用于获取三维图像的第二图像采集模组,其中,
第二图像采集模组包括,用于基于泛光照明模块提供的红外光生成待检测目标结构光投影的结构光投影模块;
第一图像采集模组包括,用于采集RGB图像和红外图像的第一图像获取装置,为第一图像获取装置提供红外光的泛光照明模块,以及,将来自第一图像获取装置和结构光投影模块的光信号转换为电信号的多通道混合模式图像传感器;
所述多通道混合模式图像传感器将图像数据输入至所述图像处理模组;
所述图像处理模组从多通道混合模式图像传感器获取多通道混合图像数据,分离出RGB和红外的图像数据,分别调用基于RGB图像的活体检测进程、和/或基于红外图像的活体检测进程;基于结构光投影图案进行三维重建,获得深度信息,调用基于三维图像的活体检测进程。
较佳地,所述环境传感器包括用于检测环境光照度的环境光检测模块,将环境光检测信息输入至所述微处理器,
所述基于所述图像采集模组图像数据活体检测的优先级包括,当光照度大于或等于第一照度阈值时,基于RGB图像的活体检测的优先级最高;当光照度小于第一照度阈值时,基于红外图像的活体检测和/或基于三维图像的活体检测的优先级最高;
所述微处理器根据来自环境光检测模块的检测信息,控制第一图像采集模组和第二图像采集模组的图像采集:
当光照度小于第一照度阈值时,则开启所述泛光照明模块,触发第一图像获取装置采集红外图像和RGB图像,和/或开启所述结构光投影模块,触发多通道混合模式图像传感器获取结构光投影;
当光照度大于或等于第一照度阈值时,则关闭所述泛光照明模块,触发第一图像获取装置采集RGB图像。
较佳地,所述环境传感器还包括获得待检测目标距离的测距模块,将距离信息输入至微处理器,
所述微处理器根据距离信息唤醒该检测设备,并将距离信息作为辅助参数输入至图像处理模组,使得图像处理模组根据距离信息将三维重建图像的图像特征与标定结果进行匹配,得到深度信息。
本发明提供的一种微处理器,该微处理器连接有至少两个以上用于采集待检测目标图像的图像采集模组,以及用于基于来自所述图像采集模组的图像数据进行活体检测的图像处理模组;
所述微处理器根据应用需求配置活体检测模式,按照活体检测模式控制所述图像采集模组对待检测目标图像的采集,控制所述图像处理模组按照检测模式进行活体检测;
其中,检测模式至少包括,基于来自于一个所述图像采集模组图像数据的单一活体检测模式,或者基于来自任意两个以上所述图像采集模组图像数据的n重活体检测模式,n为所述任意两个以上图像采集模组的数量。
较佳地,所述微处理器还连接有用于获取环境信息的环境传感器,
所述微处理器根据来自环境传感器的环境信息配置活体检测策略;按照活体检测策略控制所述图像采集模组对待检测目标图像的采集,控制所述图像处理模组按照检测策略进行活体检测;基于所述图像处理模组输出的活体检测结果,根据应用需求决策出最终检测结果;
其中,检测策略至少包括,所述图像采集模组图像数据活体检测的优先级;
所述应用需求包括安全级别需求和/或图像采集的外部环境需求。
本发明还提供一种活体检测设备,该设备包括,
至少两个以上用于采集待检测目标图像的图像采集模组,
用于控制的微处理器;
所述微处理器根据应用需求配置活体检测模式,按照活体检测模式控制所述图像采集模组对待检测目标图像的采集,按照检测模式基于采集的图像进行活体检测;
其中,检测模式至少包括,基于来自于一个所述图像采集模组图像数据的单一活体检测模式,或者基于来自任意两个以上所述图像采集模组图像数据的n重活体检测模式,n为所述任意两个以上图像采集模组的数量。
较佳地,所述微处理器基于活体检测结果根据所述应用需求决策出最终检测结果;所述应用需求包括安全级别需求和/或图像采集的外部环境需求。
较佳地,该设备还包括,用于获取所述外部环境信息的环境传感器,将获取的环境信息输入给微处理器;
所述微处理器根据环境信息配置活体检测策略,按照活体检测策略控制所述图像采集模组对待检测目标图像的采集,按照检测策略进行活体检测;基于活体检测结果根据环境信息决策出最终检测结果;
其中,检测策略至少包括,基于所述图像采集模组图像数据活体检测的优先级。
较佳地,所述微处理器按照活体检测模式和/或活体检测策略调用相应的活体检测进程进行活体检测;
所述图像采集模组包括,
用于采集待检测目标的三基色RGB图像和/或红外图像的第一图像采集模组,以及用于获取三维图像的第二图像采集模组,其中,
第二图像采集模组包括,用于基于泛光照明模块提供的红外光生成待检测目标结构光投影的结构光投影模块;
第一图像采集模组包括,用于采集RGB图像和红外图像的第一图像获取装置,为第一图像获取装置提供红外光的泛光照明模块,以及,将来自第一图像获取装置和结构光投影模块的光信号转换为电信号的多通道混合模式图像传感器;
所述多通道混合模式图像传感器将图像数据输入至微处理器;
所述微处理器从多通道混合模式图像传感器获取多通道混合图像数据,分离出RGB和红外的图像数据,分别调用基于RGB图像的活体检测进程、和/或基于红外图像的活体检测进程;基于结构光投影图案进行三维重建,获得深度信息,调用基于三维图像的活体检测进程。
较佳地,所述环境传感器包括用于检测环境光照度的环境光检测模块,将环境光检测信息输入至所述微处理器,
所述基于所述图像采集模组图像数据活体检测的优先级包括,当光照度大于或等于第一照度阈值时,基于RGB图像的活体检测的优先级最高;当光照度小于第一照度阈值时,基于红外图像的活体检测和/或基于三维图像的活体检测的优先级最高;
所述微处理器根据来自环境光检测模块的检测信息,控制第一图像采集模组和第二图像采集模组的图像采集:
当光照度小于第一照度阈值时,则开启所述泛光照明模块,触发第一图像获取装置采集红外图像和RGB图像,和/或开启所述结构光投影模块,触发多通道混合模式图像传感器获取结构光投影;
当光照度大于或等于第一照度阈值时,则关闭所述泛光照明模块,触发第一图像获取装置采集RGB图像。
较佳地,所述环境传感器还包括获得待检测目标距离的测距模块,将距离信息输入至微处理器,
所述微处理器根据距离信息唤醒该检测设备,并根据距离信息将三维重建图像的图像特征与标定结果进行匹配,得到深度信息。
本发明提供的一种微处理器,该微处理器连接有至少两个以上用于采集待检测目标图像的图像采集模组,
所述微处理器根据应用需求配置活体检测模式,按照活体检测模式控制所述图像采集模组对待检测目标图像的采集,按照检测模式基于采集的图像进行活体检测;
其中,检测模式至少包括,基于来自于一个所述图像采集模组图像数据的单一活体检测模式,或者基于来自任意两个以上所述图像采集模组图像数据的n重活体检测模式,n为所述任意两个以上图像采集模组的数量。
较佳地,,所述微处理器还连接有用于获取环境信息的环境传感器,
所述微处理器根据来自环境传感器的环境信息配置活体检测策略;按照活体检测策略控制所述图像采集模组对待检测目标图像的采集,按照检测策略进行活体检测;基于活体检测结果,根据应用需求决策出最终检测结果;
其中,检测策略至少包括,所述图像采集模组图像数据活体检测的优先级;
所述应用需求包括安全级别需求和/或图像采集的外部环境需求。
本发明提供一种活体检测方法,该方法包括,
根据应用需求配置活体检测模式,
按照活体检测模式对待检测目标图像进行采集;
基于采集的图像数据,按照所述活体检测模式进行活体检测;
其中,检测模式至少包括,单一活体检测模式,或者基于两个以上单一活体检测模式组合的n重活体检测模式,n为单一活体检测模式组合的数量。
本发明的活体检测设备和方法,根据应用需求配置活体检测模式,使得不同活体检测方法扬长避短,提高了活体检测的灵活性,有效地抵御了伪造攻击,提高了系统级的安全性,实现了活体检测的智能选取,使得用户可以根据需要选择检测模式,适应性广泛。采用多通道图像传感器,减少了图像获取装置的数量,有利于设备的小型化。
附图说明
图1是为本发明将基于二维图像的活体检测和三维图像的活体检测根据应用场景的安全需求选择性地进行结合的一种活体检测设备示意图。
图2为一种RGB-NIR图像传感器的像素排列示意图。
图3为本发明将基于二维图像的活体检测和三维图像的活体检测根据应用场景的光照环境选择性地进行结合的一种活体检测设备示意图。
图4为图像处理模组的功能由MCU实现的一种示意图。
图5为图像处理模组的功能由MCU实现的另一种示意图。图6为基于实施例一活体检测设备中的MCU进行控制一种流程图。
图7为基于实施例二活体检测设备中的MCU进行控制一种流程图。
图8示出了基于实施例二的检测设备的一种流程示意图。
具体实施方式
为了使本申请的目的、技术手段和优点更加清楚明白,以下结合附图对本申请做进一步详细说明。
基于图像的活体检测按照空间维度包括两类,一类是二维图像,另一类是三维图像。二维图像处理包括纹理分析、背景分析、光照模型分析以及运动分析、交互式判断、多光谱图像等,三维图像主要通过双目、结构光和ToF获取三维图像。
本发明的活体检测方法,将基于二维图像的活体检测和三维图像的活体检测根据应用场景的需求选择性地进行结合,实现了多模态的活体检测。
实施例一
参见图1所示,图1为本发明将基于二维图像的活体检测和三维图像的活体检测根据应用场景的安全需求选择性地进行结合的一种活体检测设备示意图,其中,二维图像包括RGB图像和NIR(近红外图像),三维图像通过结构光获得。
该检测设备包括,用于获取二维图像的第一图像采集模组、用于获取三维图像的第二图像采集模组、用于图像处理的图像处理模组、以及用于根据应用场景的安全需求对第一图像采集模组、第二图像采集模组、以及图像处理模组进行控制的微处理器(MCU);
所述第一图像采集模组包括,用于采集RGB图像和NIR图像的第一图像获取装置,为第一图像获取装置提供红外光的泛光照明模块,将来自第一图像获取装置的光信号转换为电信号的多通道混合模式图像传感器。
所述第二图像采集模组包括,用于基于泛光照明模块提供的红外光生成待检测目标结构光投影的结构光投影模块。
其中,所述多通道混合模式图像传感器为RGB-NIR图像传感器,如图2所示,图2为一种RGB-NIR图像传感器的像素排列示意图,其中IR表示对近红外波段的响应,从该像素点能够直接获取NIR信号,G、R、B表示对三基色的响应,从对应的像素点能够直接获取RGB信号。采用多通道混合模式图像传感器后,活体检测设备无需单独另行配置NIR图像获取装置和NIR图像传感器,相对于分别配置可见光(VIS)图像获取装置和NIR图像获取装置及其图像传感器而言,有利于设备的小型化,进一步地,对于智能终端而言,更加有利于终端的小型化。另外,避免了为了可见光和三维纹理的贴合显示而对VIS和NIR图像获取装置进行标定的流程。
MCU根据应用场景的安全需求决策活体检测的模式,并根据决策的活体检测模式,控制相应的模组工作,通知图像处理模组以使得图像处理模组调用相应的活体检测进程。所述应用场景的安全需求包括且不限于安全性等级,例如,
对于第一安全级别的活体检测,例如,日常考勤,则可以采用单一模式的活体检测,包括基于RGB图像的活体检测,或者基于NIR图像的活体检测,或者基于三维图像的活体检测,在该模式下,MCU控制第一图像采集模组进行图像的采集,具体地,触发泛光照明模块开启泛光照明,触发第一图像获取装置采集图像,或者,控制第二图像采集模组进行结构光投影的图像数据采集,具体地,触发结构光投影模块开启结构光投影,触发多通道混合模式图像传感器接收投影图像数据;
对于第二安全级别的活体检测,例如,门禁系统,则采用双重模式的活体检测,包括基于RGB图像的活体检测、基于NIR图像的活体检测、和基于三维图像的活体检测中任意两种图像的活体检测;在该模式下,MCU控制第一图像采集模组进行图像的采集,和/或控制第二图像采集模组进行结构光投影的图像数据采集,
对于第三安全级别的活体检测,例如,金融支付,则采用三重模式的活体检测,包括基于RGB图像的活体检测、基于NIR图像的活体检测、和基于三维图像的活体检测三种图像的活体检测;在该模式下,MCU控制第一图像采集模组进行图像的采集,且控制第二图像采集模组进行结构光投影的图像数据采集。
其中,第一安全级别低于第二安全级别,第二安全级别低于第三安全级别。
所述图像处理模组按照MCU通知的检测模式进行相应的处理:
当多通道混合模式图像传感器输出的图像数据包括RGB像素和红外像素时,从多通道混合模式图像传感器获取多通道混合图像数据,分离出RGB和NIR的图像数据;
当多通道混合模式图像传感器输出结构光投影图案图像数据时,基于结构光投影图案进行三维重建,将三维重建图像的图像特征与存储于底库的标定结果进行匹配,由于标定结果包括有各个距离下的图像特征模板信息,从而根据匹配的结果确定出深度信息;
按照检测模式,调用相应的活体检测进程;具体地,在单一模式下,调用基于RGB图像的活体检测进程,或者基于NIR图像的活体检测进程,或者基于三维图像的活体检测进程;在双重模式下,调用基于RGB图像的活体检测进程、基于NIR图像的活体检测进程、和基于三维图像的活体检测进程中的任意两进程;在三重模式下,调用基于RGB图像的活体检测进程、基于NIR图像的活体检测进程、和基于三维图像的活体检测进程;
根据各活体检测进程的检测结果决策出最终检测结果,例如,在两个以上活体进程进行检测时,则将各个检测结果进行与逻辑运算,将与逻辑运算的结果作为最终活体检测结果。
所应理解的是,当图像处理模组中的活体检测进程有n种时,则检测模式最高可以到n重检测模式。
本实施例实现了不同安全级别下活体检测的灵活性,在安全级别较高的情形下将二维图像的活体检测和三维图像的活体检测进行了融合,提高了活体检测的置信度,有利于金融支付等情形的应用,按照检测模式有选择地采集目标图像数据,使得所有图像采集模组不必处于工作状态,有利于节省电力;采用多通道混合模式图像传感器,有利于设备的小型化。
实施例二
参见图3所示,图3为本发明将基于二维图像的活体检测和三维图像的活体检测根据应用场景的光照环境选择性地进行结合的一种活体检测设备示意图。
该检测设备包括,用于获取二维图像的第一图像采集模组、用于获取三维图像的第二图像采集模组、用于图像处理的图像处理模组、用于根据应用场景的需求对各模组(第一图像采集模组、第二图像采集模组、以及图像处理模组)进行控制的微处理器(MCU)、以及用于检测待检测目标当前环境的环境传感器,所述环境传感器包括用于检测环境光照的环境光检测模块。
MCU根据环境光检测模块检测的光照强度,控制泛光照明模块的开启和关闭。具体地,当环境光检测模块检测到光照强度处于低照度(光照强度小于设定的第一照度阈值)时,输出第一信号给MCU,MCU接收到第一信号后,开启泛光照明模块,触发第一图像获取装置既采集RGB图像数据又采集NIR图像数据;当环境光检测模块检测到光照强度处于高照度时(光照强度大于或等于设定的第一照度阈值),输出第二信号给MCU,接收到第二信号后,MCU关闭泛光照明模块,触发第一图像获取装置采集RGB图像。
当泛光照明开启时,MCU还可以开启结构光投影模块,当开启结构光投影模块时,触发多通道混合模式图像传感器接收三维图像。
MCU还可根据环境传感器所获取的环境信息设置检测策略,例如,检测策略之一,当环境光检测模块检测到光照强度处于低照度时,第一图像采集模组所采集的图像数据中,NIR图像质量会高于RGB图像质量,则可设置基于NIR图像的活体检测和/或基于三维图像的活体检测具有最高的优先级;当环境光检测模块检测到光照强度处于高照度时,第一图像采集模组所采集的图像数据中,则可设置基于RGB图像的活体检测具有最高优先级,所应理解的是,不限于上述检测策略,具体可以根据环境、结合图像活体检测性能的优劣及特点确定检测策略,检测模式可以如实施例一中的单一模式、双重模式、三重模式。
当多通道混合模式图像传感器输出的图像数据包括RGB像素和红外像素时,所述图像处理模组从多通道混合模式图像传感器获取多通道混合图像数据,分离出RGB和NIR的图像数据;
当多通道混合模式图像传感器输出结构光投影图案图像数据时,所述图像处理模组获取结构光投影图案,基于结构光投影图案进行三维重建,将三维重建图像的图像特征与存储于底库的标定结果进行匹配,由于标定结果包括有各个距离下的图像特征模板信息,从而根据匹配的结果确定出深度信息。
在上述确定深度信息的过程中,基于结构光进行三维重建算法复杂,三维重建图像的图像特征与存储于底库的标定结果进行匹配过程中,由于底库的标定结果数量多,标定结果的编码复杂,这导致确定深度信息耗时较长,鉴于此,所述环境传感器还包括一用于获得待检测目标距离的测距模块,MCU将来自测距模块的距离信息输出给图像处理模组,图像处理模组根据距离信息将三维重建图像的图像特征与标定结果进行匹配,从而提高了查找的速度。此外,MCU还可以根据距离信息唤醒该检测设备,以避免检测设备处于常开状态,有利于降低功耗。
对于活体检测结果,实时方式之一是,图像处理模组根据输入的图像数据,调用相应的活体检测进程,将各个活体检测进程的检测结果输入至MCU,以使得MCU决策出最终的活体检测结果。
较佳地,当MCU决策最终的活体检测结果时,MCU可根据环境传感器所获取的环境信息选取置信度高的活体检测结果,例如,当图像处理模组将基于RGB图像的活体检测结果、基于NIR图像的活体检测结果、基于三维图像的活体检测结果分别输出至MCU时,MCU根据环境光检测模块的输入信号,分别为各个活体检测结果设置置信度,选取三个活体检测结果中置信度较高的作为最终活体检测的结果,或者,组合任一两个以上检测结果后,计算组合后的检测结果的置信度,选取其中置信度较高的作为最终活体检测的结果,以有利于提高活体检测抗攻击能力。
本实施例结合环境信息对活体检测的检测策略和/或检测模式进行配置,和/或结合环境信息对检测结果进行决策,使得活体检测方式灵活,适用性广泛,适应了不同安全等级的需求,提高了抗攻击能力。
实施例三
参见图4所示,图4为图像处理模组的功能由MCU实现的一种示意图。其中,多通道混合模式图像传感器输出的图像数据输入至MCU,MCU按照配置的检测模式进行相应的处理:
当多通道混合模式图像传感器输出的图像数据包括RGB像素和红外像素时,MCU从多通道混合模式图像传感器获取多通道混合图像数据,分离出RGB和NIR的图像数据;
当多通道混合模式图像传感器输出结构光投影图案图像数据时,MCU基于结构光投影图案进行三维重建,将三维重建图像的图像特征与存储于底库的标定结果进行匹配,由于标定结果包括有各个距离下的图像特征模板信息,从而根据匹配的结果确定出深度信息;
MCU按照检测模式,调用相应的活体检测进程;具体地,在单一模式下,MCU调用基于RGB图像的活体检测进程,或者基于NIR图像的活体检测进程,或者基于三维图像的活体检测进程;在双重模式下,MCU调用基于RGB图像的活体检测进程、基于NIR图像的活体检测进程、和基于三维图像的活体检测进程中的任意两进程;在三重模式下,MCU调用基于RGB图像的活体检测进程、基于NIR图像的活体检测进程、和基于三维图像的活体检测进程;
MCU根据各活体检测进程的检测结果决策出最终检测结果,例如,在两个以上活体进程进行检测时,则将各个检测结果进行与逻辑运算,将与逻辑运算的结果作为最终活体检测结果。
参见图5所示,图5为图像处理模组的功能由MCU实现的另一种示意图。其中,多通道混合模式图像传感器输出的图像数据输入至MCU,将图像处理模组的处理由MCU完成。具体地,
当多通道混合模式图像传感器输出的图像数据包括RGB像素和红外像素时,MCU从多通道混合模式图像传感器获取多通道混合图像数据,分离出RGB和NIR的图像数据;
当多通道混合模式图像传感器输出结构光投影图案图像数据时,MCU根据距离信息将三维重建图像的图像特征与标定结果进行匹配,从而提高了查找的速度。此外,MCU还可以根据距离信息唤醒该检测设备,以避免检测设备处于常开状态,有利于降低功耗。
当MCU决策最终的活体检测结果时,MCU可根据环境传感器所获取的环境信息选取置信度高的活体检测结果,例如,MCU根据环境光检测模块的输入信号,分别为各个活体检测结果设置置信度,选取三个活体检测结果中置信度较高的作为最终活体检测的结果,或者,组合任一两个以上检测结果后,计算组合后的检测结果的置信度,选取其中置信度较高的作为最终活体检测的结果,以有利于提高活体检测抗攻击能力。
本实施例中MCU除了进行控制之外,还对来自多通道混合模式图像传感器的图像进行处理以及调用相应的活体检测进程,节约了硬件资源。
参见图6所示,图6为基于实施例一活体检测设备中的MCU进行控制一种流程图。MCU包括如下步骤:
根据安全需求配置活体检测模式,其中,安全需求包括第一安全级别、第二安全级别、第三安全级别,按照安全性高低的等级,第一安全级别<第二安全级别<第三安全级别;为第一安全级别配置单一活体检测模式,为第二安全级别配置双重活体检测模式,为第三安全级别配置三重活体检测模式;
将配置的检测模式发送给图像处理模组,以指示图像处理模组按照配置的检测模式进行活体检测;
按照配置的检测模式控制第一图像采集模组和第二图像采集模组对待检测目标进行图像的采集。
参见图7所示,图7为基于实施例二活体检测设备中的MCU进行控制一种流程图。MCU包括如下步骤:
接收环境传感器输入的环境信息,
根据环境信息配置检测策略,例如,按照环境光照度确定活体检测所基于的图像类型,或者,设置各类检测的优先级,
将配置的检测策略发送给图像处理模组;并按照检测策略控制第一图像采集模组和第二图像采集模组对待检测目标进行图像采集;
接收来自图像处理模组输出的各个检测结果;
根据环境信息和/或安全需求决策检测结果。
参见图8所示,图8示出了基于实施例二的检测设备的一种流程示意图。当检测设备(MCU)根据来自测距模块的信息被唤醒后,按照设定的检测模式,确定需要检测的待检测目标的图像;MCU触发环境光测量,如果当前光照度大于或等于第一照度阈值,则触发第一图像采集模组进行RGB图像采集,如果当前光照度小于第一照度阈值,则触发第一图像采集模组进行NIR图像采集,具体地,开启泛光照明模块,触发第一图像获取装置采集待检测目标,和/或开启结构光投影模块,触发多通道混合模式图像传感器获取待检测目标的结构光投影图像,结合距离信息进行深度计算;基于获取的待检测目标的图像数据,调用相应的活体算法。本发明实施例结合应用场景需求(安全需求和/或环境),实现了活体检测模式的智能选取,尽管实施例中是以基于RGB图像、NIR图像、三维图像的活体检测来说明,所应理解的是,实际应用中可不限于此,还以是视频流、交互式等活体检测。此外,对于待检测目标,本申请不限于人脸,还包括了其他生物特征,包括且不限于,形体、掌纹、指纹等。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (18)
1.一种活体检测设备,其特征在于,该设备包括,
至少两个以上用于采集待检测目标图像的图像采集模组,
用于基于来自所述图像采集模组的图像数据进行活体检测的图像处理模组;以及
用于控制的微处理器;
所述微处理器根据应用需求配置活体检测模式,按照活体检测模式控制所述图像采集模组对待检测目标图像的采集,控制所述图像处理模组按照检测模式进行活体检测;
其中,检测模式至少包括,基于来自于一个所述图像采集模组图像数据的单一活体检测模式,或者基于来自任意两个以上所述图像采集模组图像数据的n重活体检测模式,n为所述任意两个以上图像采集模组的数量。
2.如权利要求1所述的设备,其特征在于,所述微处理器基于所述图像处理模组输出的活体检测结果根据所述应用需求决策出最终检测结果;所述应用需求包括安全级别需求和/或图像采集的外部环境需求。
3.如权利要求2所述的设备,其特征在于,该设备还包括,用于获取所述外部环境信息的环境传感器,将获取的环境信息输入给微处理器;
所述微处理器根据环境信息配置活体检测策略,按照活体检测策略控制所述图像采集模组对待检测目标图像的采集,控制所述图像处理模组按照检测策略进行活体检测;基于所述图像处理模组输出的活体检测结果根据环境信息决策出最终检测结果;
其中,检测策略至少包括,基于所述图像采集模组图像数据活体检测的优先级。
4.如权利要求3所述的设备,其特征在于,所述微处理器控制所述图像处理模组按照检测模式进行活体检测包括,微处理器将配置的活体检测模式和/或活体检测策略发送给图像处理模组,使得图像处理模组按照活体检测模式和/或活体检测策略调用相应的活体检测进程进行活体检测。
5.如权利要求4所述的设备,其特征在于,所述图像采集模组包括,
用于采集待检测目标的三基色RGB图像和/或红外图像的第一图像采集模组,以及用于获取三维图像的第二图像采集模组,其中,
第二图像采集模组包括,用于基于泛光照明模块提供的红外光生成待检测目标结构光投影的结构光投影模块;
第一图像采集模组包括,用于采集RGB图像和红外图像的第一图像获取装置,为第一图像获取装置提供红外光的泛光照明模块,以及,将来自第一图像获取装置和结构光投影模块的光信号转换为电信号的多通道混合模式图像传感器;
所述多通道混合模式图像传感器将图像数据输入至所述图像处理模组;
所述图像处理模组从多通道混合模式图像传感器获取多通道混合图像数据,分离出RGB和红外的图像数据,分别调用基于RGB图像的活体检测进程、和/或基于红外图像的活体检测进程;基于结构光投影图案进行三维重建,获得深度信息,调用基于三维图像的活体检测进程。
6.如权利要求5所述的设备,其特征在于,所述环境传感器包括用于检测环境光照度的环境光检测模块,将环境光检测信息输入至所述微处理器,
所述基于所述图像采集模组图像数据活体检测的优先级包括,当光照度大于或等于第一照度阈值时,基于RGB图像的活体检测的优先级最高;当光照度小于第一照度阈值时,基于红外图像的活体检测和/或基于三维图像的活体检测的优先级最高;
所述微处理器根据来自环境光检测模块的检测信息,控制第一图像采集模组和第二图像采集模组的图像采集:
当光照度小于第一照度阈值时,则开启所述泛光照明模块,触发第一图像获取装置采集红外图像和RGB图像,和/或开启所述结构光投影模块,触发多通道混合模式图像传感器获取结构光投影;
当光照度大于或等于第一照度阈值时,则关闭所述泛光照明模块,触发第一图像获取装置采集RGB图像。
7.如权利要求6所述的设备,其特征在于,所述环境传感器还包括获得待检测目标距离的测距模块,将距离信息输入至微处理器,
所述微处理器根据距离信息唤醒该检测设备,并将距离信息作为辅助参数输入至图像处理模组,使得图像处理模组根据距离信息将三维重建图像的图像特征与标定结果进行匹配,得到深度信息。
8.一种微处理器,其特征在于,该微处理器连接有至少两个以上用于采集待检测目标图像的图像采集模组,以及用于基于来自所述图像采集模组的图像数据进行活体检测的图像处理模组;
所述微处理器根据应用需求配置活体检测模式,按照活体检测模式控制所述图像采集模组对待检测目标图像的采集,控制所述图像处理模组按照检测模式进行活体检测;
其中,检测模式至少包括,基于来自于一个所述图像采集模组图像数据的单一活体检测模式,或者基于来自任意两个以上所述图像采集模组图像数据的n重活体检测模式,n为所述任意两个以上图像采集模组的数量。
9.如权利要求8所述的微处理器,其特征在于,所述微处理器还连接有用于获取环境信息的环境传感器,
所述微处理器根据来自环境传感器的环境信息配置活体检测策略;按照活体检测策略控制所述图像采集模组对待检测目标图像的采集,控制所述图像处理模组按照检测策略进行活体检测;基于所述图像处理模组输出的活体检测结果,根据应用需求决策出最终检测结果;
其中,检测策略至少包括,所述图像采集模组图像数据活体检测的优先级;
所述应用需求包括安全级别需求和/或图像采集的外部环境需求。
10.一种活体检测设备,其特征在于,该设备包括,
至少两个以上用于采集待检测目标图像的图像采集模组,
用于控制的微处理器;
所述微处理器根据应用需求配置活体检测模式,按照活体检测模式控制所述图像采集模组对待检测目标图像的采集,按照检测模式基于采集的图像进行活体检测;
其中,检测模式至少包括,基于来自于一个所述图像采集模组图像数据的单一活体检测模式,或者基于来自任意两个以上所述图像采集模组图像数据的n重活体检测模式,n为所述任意两个以上图像采集模组的数量。
11.如权利要求10所述的设备,其特征在于,所述微处理器基于活体检测结果根据所述应用需求决策出最终检测结果;所述应用需求包括安全级别需求和/或图像采集的外部环境需求。
12.如权利要求11所述的设备,其特征在于,该设备还包括,用于获取所述外部环境信息的环境传感器,将获取的环境信息输入给微处理器;
所述微处理器根据环境信息配置活体检测策略,按照活体检测策略控制所述图像采集模组对待检测目标图像的采集,按照检测策略进行活体检测;基于活体检测结果根据环境信息决策出最终检测结果;
其中,检测策略至少包括,基于所述图像采集模组图像数据活体检测的优先级。
13.如权利要求12所述的设备,其特征在于,所述微处理器按照活体检测模式和/或活体检测策略调用相应的活体检测进程进行活体检测;
所述图像采集模组包括,
用于采集待检测目标的三基色RGB图像和/或红外图像的第一图像采集模组,以及用于获取三维图像的第二图像采集模组,其中,
第二图像采集模组包括,用于基于泛光照明模块提供的红外光生成待检测目标结构光投影的结构光投影模块;
第一图像采集模组包括,用于采集RGB图像和红外图像的第一图像获取装置,为第一图像获取装置提供红外光的泛光照明模块,以及,将来自第一图像获取装置和结构光投影模块的光信号转换为电信号的多通道混合模式图像传感器;
所述多通道混合模式图像传感器将图像数据输入至微处理器;
所述微处理器从多通道混合模式图像传感器获取多通道混合图像数据,分离出RGB和红外的图像数据,分别调用基于RGB图像的活体检测进程、和/或基于红外图像的活体检测进程;基于结构光投影图案进行三维重建,获得深度信息,调用基于三维图像的活体检测进程。
14.如权利要求13所述的设备,其特征在于,所述环境传感器包括用于检测环境光照度的环境光检测模块,将环境光检测信息输入至所述微处理器,
所述基于所述图像采集模组图像数据活体检测的优先级包括,当光照度大于或等于第一照度阈值时,基于RGB图像的活体检测的优先级最高;当光照度小于第一照度阈值时,基于红外图像的活体检测和/或基于三维图像的活体检测的优先级最高;
所述微处理器根据来自环境光检测模块的检测信息,控制第一图像采集模组和第二图像采集模组的图像采集:
当光照度小于第一照度阈值时,则开启所述泛光照明模块,触发第一图像获取装置采集红外图像和RGB图像,和/或开启所述结构光投影模块,触发多通道混合模式图像传感器获取结构光投影;
当光照度大于或等于第一照度阈值时,则关闭所述泛光照明模块,触发第一图像获取装置采集RGB图像。
15.如权利要求14所述的设备,其特征在于,所述环境传感器还包括获得待检测目标距离的测距模块,将距离信息输入至微处理器,
所述微处理器根据距离信息唤醒该检测设备,并根据距离信息将三维重建图像的图像特征与标定结果进行匹配,得到深度信息。
16.一种微处理器,其特征在于,该微处理器连接有至少两个以上用于采集待检测目标图像的图像采集模组,
所述微处理器根据应用需求配置活体检测模式,按照活体检测模式控制所述图像采集模组对待检测目标图像的采集,按照检测模式基于采集的图像进行活体检测;
其中,检测模式至少包括,基于来自于一个所述图像采集模组图像数据的单一活体检测模式,或者基于来自任意两个以上所述图像采集模组图像数据的n重活体检测模式,n为所述任意两个以上图像采集模组的数量。
17.如权利要求16所述的微处理器,其特征在于,所述微处理器还连接有用于获取环境信息的环境传感器,
所述微处理器根据来自环境传感器的环境信息配置活体检测策略;按照活体检测策略控制所述图像采集模组对待检测目标图像的采集,按照检测策略进行活体检测;基于活体检测结果,根据应用需求决策出最终检测结果;
其中,检测策略至少包括,所述图像采集模组图像数据活体检测的优先级;
所述应用需求包括安全级别需求和/或图像采集的外部环境需求。
18.一种活体检测方法,其特征在于,该方法包括,
根据应用需求配置活体检测模式,
按照活体检测模式对待检测目标图像进行采集;
基于采集的图像数据,按照所述活体检测模式进行活体检测;
其中,检测模式至少包括,单一活体检测模式,或者基于两个以上单一活体检测模式组合的n重活体检测模式,n为单一活体检测模式组合的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911239866.7A CN112926367B (zh) | 2019-12-06 | 2019-12-06 | 一种活体检测的设备及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911239866.7A CN112926367B (zh) | 2019-12-06 | 2019-12-06 | 一种活体检测的设备及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112926367A true CN112926367A (zh) | 2021-06-08 |
CN112926367B CN112926367B (zh) | 2024-06-21 |
Family
ID=76161460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911239866.7A Active CN112926367B (zh) | 2019-12-06 | 2019-12-06 | 一种活体检测的设备及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112926367B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113542595A (zh) * | 2021-06-28 | 2021-10-22 | 北京沧沐科技有限公司 | 一种基于昼夜图像的捕获与监控方法与系统 |
CN114863517A (zh) * | 2022-04-22 | 2022-08-05 | 支付宝(杭州)信息技术有限公司 | 一种面部识别中的风险控制方法、装置以及设备 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999910A (zh) * | 2012-11-27 | 2013-03-27 | 西安交通大学 | 一种图像深度计算方法 |
WO2014064870A1 (ja) * | 2012-10-22 | 2014-05-01 | 株式会社ソニー・コンピュータエンタテインメント | 画像処理装置および画像処理方法 |
US20150229911A1 (en) * | 2014-02-13 | 2015-08-13 | Chenyang Ge | One method of binocular depth perception based on active structured light |
US20150228080A1 (en) * | 2014-02-13 | 2015-08-13 | Chenyang Ge | One method of depth perception based on binary laser speckle images |
CN106821410A (zh) * | 2017-03-20 | 2017-06-13 | 厦门大学 | 采用高光谱ct功能成像的物质识别方法和系统 |
CN107292283A (zh) * | 2017-07-12 | 2017-10-24 | 深圳奥比中光科技有限公司 | 混合人脸识别方法 |
CN107341481A (zh) * | 2017-07-12 | 2017-11-10 | 深圳奥比中光科技有限公司 | 利用结构光图像进行识别 |
CN107743627A (zh) * | 2015-04-21 | 2018-02-27 | F·吉斯特斯 | 用人造3d重建技术辨识安全图样的方法 |
CN107832677A (zh) * | 2017-10-19 | 2018-03-23 | 深圳奥比中光科技有限公司 | 基于活体检测的人脸识别方法及系统 |
CN108596061A (zh) * | 2018-04-12 | 2018-09-28 | Oppo广东移动通信有限公司 | 人脸识别方法、装置及移动终端、存储介质 |
CN108616688A (zh) * | 2018-04-12 | 2018-10-02 | Oppo广东移动通信有限公司 | 图像处理方法、装置及移动终端、存储介质 |
CN208819221U (zh) * | 2018-09-10 | 2019-05-03 | 杭州海康威视数字技术股份有限公司 | 一种人脸活体检测装置 |
CN110009673A (zh) * | 2019-04-01 | 2019-07-12 | 四川深瑞视科技有限公司 | 深度信息检测方法、装置及电子设备 |
WO2019184183A1 (zh) * | 2018-03-31 | 2019-10-03 | 深圳奥比中光科技有限公司 | 目标图像获取系统与方法 |
WO2019214201A1 (zh) * | 2018-05-10 | 2019-11-14 | 北京市商汤科技开发有限公司 | 活体检测方法及装置、系统、电子设备、存储介质 |
CN110493531A (zh) * | 2018-12-12 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法和系统 |
CN110493506A (zh) * | 2018-12-12 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法和系统 |
CN110493532A (zh) * | 2018-12-12 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法和系统 |
-
2019
- 2019-12-06 CN CN201911239866.7A patent/CN112926367B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014064870A1 (ja) * | 2012-10-22 | 2014-05-01 | 株式会社ソニー・コンピュータエンタテインメント | 画像処理装置および画像処理方法 |
CN102999910A (zh) * | 2012-11-27 | 2013-03-27 | 西安交通大学 | 一种图像深度计算方法 |
US20150229911A1 (en) * | 2014-02-13 | 2015-08-13 | Chenyang Ge | One method of binocular depth perception based on active structured light |
US20150228080A1 (en) * | 2014-02-13 | 2015-08-13 | Chenyang Ge | One method of depth perception based on binary laser speckle images |
CN107743627A (zh) * | 2015-04-21 | 2018-02-27 | F·吉斯特斯 | 用人造3d重建技术辨识安全图样的方法 |
CN106821410A (zh) * | 2017-03-20 | 2017-06-13 | 厦门大学 | 采用高光谱ct功能成像的物质识别方法和系统 |
CN107292283A (zh) * | 2017-07-12 | 2017-10-24 | 深圳奥比中光科技有限公司 | 混合人脸识别方法 |
CN107341481A (zh) * | 2017-07-12 | 2017-11-10 | 深圳奥比中光科技有限公司 | 利用结构光图像进行识别 |
CN107832677A (zh) * | 2017-10-19 | 2018-03-23 | 深圳奥比中光科技有限公司 | 基于活体检测的人脸识别方法及系统 |
WO2019184183A1 (zh) * | 2018-03-31 | 2019-10-03 | 深圳奥比中光科技有限公司 | 目标图像获取系统与方法 |
CN108596061A (zh) * | 2018-04-12 | 2018-09-28 | Oppo广东移动通信有限公司 | 人脸识别方法、装置及移动终端、存储介质 |
CN108616688A (zh) * | 2018-04-12 | 2018-10-02 | Oppo广东移动通信有限公司 | 图像处理方法、装置及移动终端、存储介质 |
WO2019214201A1 (zh) * | 2018-05-10 | 2019-11-14 | 北京市商汤科技开发有限公司 | 活体检测方法及装置、系统、电子设备、存储介质 |
CN208819221U (zh) * | 2018-09-10 | 2019-05-03 | 杭州海康威视数字技术股份有限公司 | 一种人脸活体检测装置 |
CN110493531A (zh) * | 2018-12-12 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法和系统 |
CN110493506A (zh) * | 2018-12-12 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法和系统 |
CN110493532A (zh) * | 2018-12-12 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法和系统 |
CN110009673A (zh) * | 2019-04-01 | 2019-07-12 | 四川深瑞视科技有限公司 | 深度信息检测方法、装置及电子设备 |
Non-Patent Citations (3)
Title |
---|
亓子龙: "利用红外线实现图像深度信息获取", 现代工业经济和信息化, no. 07, 26 June 2018 (2018-06-26), pages 65 - 66 * |
姜太平: "基于Candide模型的人脸深度信息生成技术研究", 计算机技术与发展, vol. 22, no. 4, 10 April 2012 (2012-04-10), pages 93 - 100 * |
谢梓威等: "一种结合纹理择优算法的影像三维重建方法", 测绘科学, vol. 42, no. 01, 31 January 2017 (2017-01-31), pages 101 - 106 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113542595A (zh) * | 2021-06-28 | 2021-10-22 | 北京沧沐科技有限公司 | 一种基于昼夜图像的捕获与监控方法与系统 |
CN114863517A (zh) * | 2022-04-22 | 2022-08-05 | 支付宝(杭州)信息技术有限公司 | 一种面部识别中的风险控制方法、装置以及设备 |
CN114863517B (zh) * | 2022-04-22 | 2024-06-07 | 支付宝(杭州)信息技术有限公司 | 一种面部识别中的风险控制方法、装置以及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112926367B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730445B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN111062378B (zh) | 图像处理方法、模型训练方法、目标检测方法及相关装置 | |
CN112165573B (zh) | 拍摄处理方法和装置、设备、存储介质 | |
US8754934B2 (en) | Dual-camera face recognition device and method | |
EP3520390B1 (en) | Recolorization of infrared image streams | |
WO2018176399A1 (zh) | 图像采集方法和设备 | |
CN107862653B (zh) | 图像显示方法、装置、存储介质和电子设备 | |
CN107993209B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN108694709B (zh) | 一种图像融合方法及装置 | |
CN108737728B (zh) | 一种图像拍摄方法、终端及计算机存储介质 | |
CN109068058A (zh) | 超级夜景模式下的拍摄控制方法、装置和电子设备 | |
JP2019118043A (ja) | 撮像装置、画像処理装置、制御方法およびプログラム | |
CN103905727A (zh) | 被摄体区域跟踪设备及其控制方法 | |
CN113052056B (zh) | 一种视频处理的方法以及装置 | |
CN107909063B (zh) | 基于灰度变化的生物识别视频回放攻击检测方法 | |
Yu et al. | A false color image fusion method based on multi-resolution color transfer in normalization YCBCR space | |
US11455710B2 (en) | Device and method of object detection | |
CN112818722A (zh) | 模块化动态可配置的活体人脸识别系统 | |
CN111339831A (zh) | 一种照明灯控制方法和系统 | |
CN113688820B (zh) | 频闪条带信息识别方法、装置和电子设备 | |
CN112926367B (zh) | 一种活体检测的设备及方法 | |
CN107920205B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
JP2004219277A (ja) | 人体検知方法およびシステム、プログラム、記録媒体 | |
CN108093170B (zh) | 用户拍照方法、装置及设备 | |
CN107491714B (zh) | 智能机器人及其目标物体识别方法和装置 |
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 |