CN112949364A - 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
CN112949364A
CN112949364A CN201911317597.1A CN201911317597A CN112949364A CN 112949364 A CN112949364 A CN 112949364A CN 201911317597 A CN201911317597 A CN 201911317597A CN 112949364 A CN112949364 A CN 112949364A
Authority
CN
China
Prior art keywords
image
person
identified
pattern
face
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
CN201911317597.1A
Other languages
English (en)
Other versions
CN112949364B (zh
Inventor
高全渊
张耀宗
洪志扬
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 CN112949364A publication Critical patent/CN112949364A/zh
Application granted granted Critical
Publication of CN112949364B publication Critical patent/CN112949364B/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
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • 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
    • G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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
    • G06V40/167—Detection; Localisation; Normalisation using comparisons between temporally consecutive images
    • 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
    • G06V40/168—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
    • 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)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种活体脸部辨识系统与方法。该活体脸部辨识方法，包含投射已知图案至待辨识者；获取待辨识者的反射图案；及根据反射图案以检测待辨识者是否为平面。如果待辨识者非为平面，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
本发明是有关一种脸部辨识，特别涉及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，用以从数字影像(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获取二维(2D)的人脸影像，经萃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获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，以确认相机所获取的是真正的人。有些脸部辨识系统更于脸部活动时，获取多张照片，以得到深度信息，以确认相机所获取的是真正的人。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，投射已知图案至待辨识者；获取待辨识者的反射图案；及根据反射图案以检测待辨识者是否为平面。如果待辨识者非为平面，表示待辨识者为活体。
附图说明
图1A显示本发明实施例的活体脸部辨识系统的方框图。
图1B显示本发明实施例的活体脸部辨识方法的流程图。
图2A显示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显示方法的步骤22的细节流程图。
图3A显示图1A的图案投射辨识模块的细节方框图。
图3B显示图1B的步骤25的细节流程图。
图4显示本发明实施例的图案投射辨识方法的流程图。
其中，附图标记说明如下：
100 活体脸部辨识系统
11 影像获取装置
12 脸部辨识模块
13 输出模块
14 图案投射辨识模块
140 待辨识者
141 图案投射装置
142 反射图案获取装置
143 反射图案辨识装置
200 活体脸部辨识方法
21 获取影像
22 萃取特征数据
23 决定特征数据是否符合数据库
24 辨识失败
25 获取并处理反射图案
251 投射已知图案
252 获取反射图案
253 检测待辨识者是否为平面
26 决定待辨识者是否为平面
27 辨识成功
300 数据库建立方法
31 获取待辨识者的影像
32 脸部检测
33 获取脸部影像
34 萃取脸部特征
35 特征数值化
36 建立模型
37 存储于存储装置
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
400 图案投射辨识方法
41 获取未投射图案的第一影像
42 投射包含直线的图案
43 获取已投射图案的第二影像
44 将第二影像中包含第一影像的影像内容消去以得到第三影像
45 根据第三影像以得到临界值
46 二值化处理第三影像以得到第四影像
47 根据第四影像找到二端点以形成连接直线
48 计算反射图案的线段与连接直线的平均距离
49 决定平均距离是否大于预设值
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的方框图，图1B显示本发明实施例的活体脸部辨识方法200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)200的步骤可使用硬件、软件或其组合来实施，例如执行于数字影像处理器。
在本实施例中，系统100可包含影像获取装置11，例如相机，用以获取待辨识者脸部的至少一影像(步骤21)，例如每秒获取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，其根据所获取的影像，萃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将萃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。如果萃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)。如果萃取的特征数据与数据库相符合，则方法200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，使用相机获取待辨识者的影像。接着，于步骤32，使用处理器对获取影像进行脸部检测(face detection)。于步骤33，根据脸部检测的结果，从获取影像当中获取出脸部影像(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萃取出多个脸部特征(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或/且下巴点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存储于存储装置(步骤37)。
图2C显示方法200的步骤22的细节流程图。萃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32～35，亦即，于步骤32，使用脸部辨识模块12对获取影像进行脸部检测(face detection)。于步骤33，根据脸部检测的结果，从获取影像当中获取出脸部影像(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从脸部影像当中萃取出多个脸部特征(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可包含图案投射辨识模块14，其投射已知图案，再获取并处理反射图案，据以检测待辨识者是否为平面(步骤25)。于步骤26，如果待辨识者为平面，表示影像获取装置11所获取的对象可能为相片或者显示屏幕(亦即非活体)，则输出模块13判定为辨识失败(步骤24)。如果待辨识者非为平面，则输出模块13判定为辨识成功(步骤27)。
图3A显示图1A的图案投射辨识模块14的细节方框图，图3B显示图1B的步骤25的细节流程图。在本实施例中，图案投射辨识模块14可包含图案投射装置141，用以向待辨识者140的脸部投射已知图案(步骤251)。图案投射装置141包含光学投射器，其发射光可以是可见光或不可见光(例如红外线)。在一实施例中，发射光可以是激光光，可避免投射的图案因距离而发散。在本实施例中，投射的图案包含至少一平滑线，例如直线(如一或多个直线、矩形)或圆形。
在本实施例中，图案投射辨识模块14可包含反射图案获取装置142，用以获取从待辨识者140反射回来的反射图案(步骤252)。反射图案获取装置142包含感测器，可接收可见光或不可见光。若为可见光，则反射图案获取装置142可与影像获取装置11可共用；若为不可见光，则反射图案获取装置142(例如红外线感测器或红外线相机)可邻设于影像获取装置11。
在本实施例中，图案投射辨识模块14可包含反射图案辨识装置143，用以检测待辨识者140是否单纯为平面(步骤253)，或者具有凹凸表面。如果待辨识者140为平面，表示待辨识者140可能为相片或者显示屏幕(亦即非活体)，则投射图案的平滑线仍然维持平滑线。如果待辨识者140具有凹凸表面，表示其为活体，则投射图案的平滑线会变为非平滑线(例如锯齿线)。为了让反射图案的辨识效果更好，反射图案获取装置142与图案投射装置141之间需具有相当距离，且反射图案获取装置142、图案投射装置141与待辨识者140之间需具有角度差。
图4显示本发明实施例的图案投射辨识方法400的流程图。于步骤41，使用反射图案获取装置142以获取未投射图案的第一影像。于步骤42，使用图案投射装置141以投射包含直线的图案，并使用反射图案获取装置142以获取已投射图案的第二影像(步骤43)。其中，第二影像的待辨识者脸部相同于第一影像的待辨识者脸部。在另一实施例中，也可投射包含多条直线、正方形、矩形或圆形的图案。若正方形、矩形或圆形为实心，则可额外使用边缘检测(edge detection)技术以萃取其边缘影像。
于步骤44，反射图案辨识装置143通过影像处理方法将第二影像中包含第一影像的影像内容消去，以得到第三影像，其包含反射图案但不含待辨识者。在本实施例中，投射图案是为可见光。在另一实施例中，投射图案为不可见光(例如红外线)，则步骤41、44可省略。
于步骤45，(反射图案辨识装置143)根据第三影像的能量分布，例如取平均值或中位数，以得到临界值。于步骤46，(反射图案辨识装置143)对第三影像进行二值化(binarythresholding)处理，例如将第三影像的像素与临界值作比较，以得到第四影像。若第三像素的像素值大于临界值，则第四影像的相应像素值可设为主动值(例如“1”)；若第三像素的像素值未大于临界值，则第四影像的相应像素值可设为被动值(例如“0”)。
接着，于步骤47，(反射图案辨识装置143)根据第四影像找到反射图案位于待辨识者的脸部内的线段的二端点，并以该二端点形成一连接直线。若投射包含圆形的图案，其反射图案可能为椭圆，则可找出椭圆的长轴与短轴。当投射包含直线的图案，若直线很粗，则可找出其中心线。
于步骤48，(反射图案辨识装置143)计算反射图案的线段的多个点(例如所有的点)与该连接直线的平均距离。在本实施例中，计算反射图案的线段的多个点与该连接直线的距离的统计平均(statistical mean)，例如均方根(root mean square)。于步骤49，(反射图案辨识装置143)决定平均距离(例如统计平均)是否大于预设值。如果为是，判定待辨识者为活体；否则，判定为非活体。此外，还可分别检测待辨识者脸部的多个区域(例如鼻子区域与鼻侧区域)的曲率，据以判定所述区域的曲率大小是否符合脸部的一般特征(例如鼻子区域的曲率大于鼻侧区域的曲率)。若符合脸部特征，则判定待辨识者为活体；否则，判定为非活体。
以上所述仅为本发明的优选实施例而已，并非用以限定本发明的权利要求；凡其它未脱离发明所公开的精神下所完成的等效改变或修饰，均应包含在下述的权利要求内。

Claims (18)

1.一种活体脸部辨识方法，包含：
(a)投射一已知图案至一待辨识者；
(b)获取该待辨识者的一反射图案；及
(c)根据该反射图案以检测该待辨识者是否为平面；
其中，如果该待辨识者非为平面，表示该待辨识者为活体。
2.根据权利要求1所述的活体脸部辨识方法，其中，该已知图案包含至少一平滑线。
3.根据权利要求2所述的活体脸部辨识方法，其中，该已知图案包含至少一直线。
4.根据权利要求3所述的活体脸部辨识方法，其中，步骤(b)包含：
获取未投射该已知图案的一第一影像；及
获取已投射该已知图案的一第二影像。
5.根据权利要求4所述的活体脸部辨识方法，其中，步骤(c)包含：
通过影像处理方法，将该第二影像中包含该第一影像的影像内容消去，以得到一第三影像；
对该第三影像进行二值化处理以得到一第四影像；
根据该第四影像找到该反射图案位于该待辨识者的脸部内的二端点，并以该二端点形成一连接直线；
计算该反射图案的多个点与该连接直线的平均距离；及
决定该平均距离是否大于一预设值。
6.根据权利要求5所述的活体脸部辨识方法，其中，步骤(c)还包含：
根据该第三影像的能量分布以得到临界值，据以对该第三影像进行二值化处理。
7.根据权利要求5所述的活体脸部辨识方法，其中，该平均距离是为该反射图案的多个点与该连接直线之间的距离的统计平均。
8.根据权利要求5所述的活体脸部辨识方法，其中，步骤(c)还包含：
检测该待辨识者的脸部的多个区域的曲率；及
比较所述区域的曲率大小。
9.根据权利要求1所述的活体脸部辨识方法，于步骤(a)之前，还包含：
获取该待辨识者的脸部的至少一影像；
根据该至少一影像，萃取该待辨识者的脸部的至少一特征数据；及
比较该特征数据与一脸部特征数据库。
10.一种活体脸部辨识系统，包含：
一图案投射装置，投射一已知图案至一待辨识者；
一反射图案获取装置，获取该待辨识者的一反射图案；及
一反射图案辨识装置，根据该反射图案以检测该待辨识者是否为平面；
其中，如果该待辨识者非为平面，表示该待辨识者为活体。
11.根据权利要求10所述的活体脸部辨识系统，其中，该已知图案包含至少一平滑线。
12.根据权利要求11所述的活体脸部辨识系统，其中，该已知图案包含至少一直线。
13.根据权利要求12所述的活体脸部辨识系统，其中，该反射图案获取装置执行以下步骤：
获取未投射该已知图案的一第一影像；及
获取已投射该已知图案的一第二影像。
14.根据权利要求13所述的活体脸部辨识系统，其中，该反射图案辨识装置执行以下步骤：
通过影像处理方法，将该第二影像中包含该第一影像的影像内容消去，以得到一第三影像；
对该第三影像进行二值化处理以得到一第四影像；
根据该第四影像找到该反射图案位于该待辨识者的脸部内的二端点，并以该二端点形成一连接直线；
计算该反射图案的多个点与该连接直线的平均距离；及
决定该平均距离是否大于一预设值。
15.根据权利要求14所述的活体脸部辨识系统，其中，该反射图案辨识装置更执行以下步骤：
根据该第三影像的能量分布以得到临界值，据以对该第三影像进行二值化处理。
16.根据权利要求14所述的活体脸部辨识系统，其中，该平均距离是为该反射图案的多个点与该连接直线之间的距离的统计平均。
17.根据权利要求14所述的活体脸部辨识系统，其中，该反射图案辨识装置更执行以下步骤：
检测该待辨识者的脸部的多个区域的曲率；及
比较所述区域的曲率大小。
18.根据权利要求10所述的活体脸部辨识系统，还包含：
一脸部辨识模块，获取该待辨识者的脸部的至少一影像，萃取该待辨识者的脸部的至少一特征数据，且比较该特征数据与一脸部特征数据库。
CN201911317597.1A 2019-12-10 2019-12-19 活体脸部辨识系统与方法 Active CN112949364B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW108145047 2019-12-10
TW108145047A TWI761739B (zh) 2019-12-10 2019-12-10 活體臉部辨識系統與方法

Publications (2)

Publication Number Publication Date
CN112949364A true CN112949364A (zh) 2021-06-11
CN112949364B CN112949364B (zh) 2023-12-08

Family

ID=76209023

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911317597.1A Active CN112949364B (zh) 2019-12-10 2019-12-19 活体脸部辨识系统与方法

Country Status (3)

Country Link
US (1) US11335123B2 (zh)
CN (1) CN112949364B (zh)
TW (1) TWI761739B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110164792A1 (en) * 2010-01-05 2011-07-07 Samsung Electronics Co., Ltd Facial recognition apparatus, method and computer-readable medium
CN103034846A (zh) * 2012-12-12 2013-04-10 紫光股份有限公司 一种活体人脸鉴别装置
CN104050656A (zh) * 2013-03-12 2014-09-17 英特尔公司 用于确定图像中对象深度的设备和技术
US20160071275A1 (en) * 2014-09-09 2016-03-10 EyeVerify, Inc. Systems and methods for liveness analysis
CN105740778A (zh) * 2016-01-25 2016-07-06 北京天诚盛业科技有限公司 一种改进的三维人脸活体检测方法及其装置
US20170053174A1 (en) * 2015-08-18 2017-02-23 Beijing Kuangshi Technology Co., Ltd. Liveness detection apparatus and liveness detection method
DE102016011992A1 (de) * 2016-09-30 2018-04-05 LÜTH & DÜMCHEN Automatisierungsprojekt GmbH Verfahren zur Lebenderkennung mittels Nachweis von planmäßig erzeugten Reflexionen im Auge einer Person für Vorrichtungen zur Erfassung personenspezifischer Daten
CN108304801A (zh) * 2018-01-30 2018-07-20 亿慧云智能科技（深圳）股份有限公司 一种防欺骗的人脸识别方法、存储介质及人脸识别装置
CN108629305A (zh) * 2018-04-27 2018-10-09 朱旭辉 一种面部识别方法
CN110069962A (zh) * 2018-01-23 2019-07-30 深圳市祈飞科技有限公司 一种活体检测方法和系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7602942B2 (en) * 2004-11-12 2009-10-13 Honeywell International Inc. Infrared and visible fusion face recognition system
US8831295B2 (en) * 2012-03-21 2014-09-09 Authentec, Inc. Electronic device configured to apply facial recognition based upon reflected infrared illumination and related methods
US10546183B2 (en) * 2015-08-10 2020-01-28 Yoti Holding Limited Liveness detection
CN108366759B (zh) * 2015-09-29 2022-04-19 皇家飞利浦有限公司 用于提取生理信息的设备、系统和方法
JP6615723B2 (ja) * 2016-09-07 2019-12-04 株式会社ソニー・インタラクティブエンタテインメント 情報処理装置および対象物認識方法
US20180189547A1 (en) * 2016-12-30 2018-07-05 Intel Corporation Biometric identification system
US10380444B2 (en) * 2017-07-14 2019-08-13 Hong Kong Baptist University 3D mask face anti-spoofing with remote photoplethysmography
TWI625679B (zh) * 2017-10-16 2018-06-01 緯創資通股份有限公司 活體臉部辨識方法與系統
US10956714B2 (en) * 2018-05-18 2021-03-23 Beijing Sensetime Technology Development Co., Ltd Method and apparatus for detecting living body, electronic device, and storage medium
US10696305B2 (en) * 2018-11-15 2020-06-30 XMotors.ai Inc. Apparatus and method for measuring physiological information of living subject in vehicle

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110164792A1 (en) * 2010-01-05 2011-07-07 Samsung Electronics Co., Ltd Facial recognition apparatus, method and computer-readable medium
CN103034846A (zh) * 2012-12-12 2013-04-10 紫光股份有限公司 一种活体人脸鉴别装置
CN104050656A (zh) * 2013-03-12 2014-09-17 英特尔公司 用于确定图像中对象深度的设备和技术
US20160071275A1 (en) * 2014-09-09 2016-03-10 EyeVerify, Inc. Systems and methods for liveness analysis
US20170053174A1 (en) * 2015-08-18 2017-02-23 Beijing Kuangshi Technology Co., Ltd. Liveness detection apparatus and liveness detection method
CN105740778A (zh) * 2016-01-25 2016-07-06 北京天诚盛业科技有限公司 一种改进的三维人脸活体检测方法及其装置
DE102016011992A1 (de) * 2016-09-30 2018-04-05 LÜTH & DÜMCHEN Automatisierungsprojekt GmbH Verfahren zur Lebenderkennung mittels Nachweis von planmäßig erzeugten Reflexionen im Auge einer Person für Vorrichtungen zur Erfassung personenspezifischer Daten
CN110069962A (zh) * 2018-01-23 2019-07-30 深圳市祈飞科技有限公司 一种活体检测方法和系统
CN108304801A (zh) * 2018-01-30 2018-07-20 亿慧云智能科技（深圳）股份有限公司 一种防欺骗的人脸识别方法、存储介质及人脸识别装置
CN108629305A (zh) * 2018-04-27 2018-10-09 朱旭辉 一种面部识别方法

Also Published As

Publication number Publication date
CN112949364B (zh) 2023-12-08
TWI761739B (zh) 2022-04-21
US20210174068A1 (en) 2021-06-10
US11335123B2 (en) 2022-05-17
TW202123082A (zh) 2021-06-16

Similar Documents

Publication Publication Date Title
US11423693B2 (en) Image processing device, image processing method, face recognition system, program, and storage medium
US9922238B2 (en) Apparatuses, systems, and methods for confirming identity
US9747493B2 (en) Face pose rectification method and apparatus
CN109670390B (zh) 活体面部识别方法与系统
KR100374708B1 (ko) 회전영상의 보정에 의한 비접촉식 홍채인식방법
CN105612533B (zh) 活体检测方法、活体检测系统以及计算机程序产品
Stein et al. Fingerphoto recognition with smartphone cameras
US8639058B2 (en) Method of generating a normalized digital image of an iris of an eye
JP2020501264A (ja) モバイルデバイスを用いてキャプチャした画像を使用する、指紋によるユーザ認証を実施するためのシステムおよび方法
US8854446B2 (en) Method of capturing image data for iris code based identification of vertebrates
CN108537131B (zh) 一种基于人脸特征点和光流场的人脸识别活体检测方法
US11315360B2 (en) Live facial recognition system and method
KR101640014B1 (ko) 허위 안면 이미지 분류가 가능한 홍채 인식 장치
EP3198522A1 (en) A face pose rectification method and apparatus
US11756338B2 (en) Authentication device, authentication method, and recording medium
KR101724971B1 (ko) 광각 카메라를 이용한 얼굴 인식 시스템 및 그를 이용한 얼굴 인식 방법
JP6396357B2 (ja) 顔画像認証装置
Colombo et al. Gappy PCA classification for occlusion tolerant 3D face detection
CN114127798A (zh) 非接触式指纹图像的巴掌分割
CN112949364B (zh) 活体脸部辨识系统与方法
WO2023028947A1 (zh) 掌静脉非接触式三维建模方法、装置及认证方法
US10726259B2 (en) Image processing method and system for iris recognition
JP2022177762A (ja) 生体の認証システムおよび認証方法
JP2013029996A (ja) 画像処理装置
KR101718244B1 (ko) 얼굴 인식을 위한 광각 영상 처리 장치 및 방법

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