CN113011222A - 一种活体检测系统、方法及电子设备 - Google Patents
一种活体检测系统、方法及电子设备 Download PDFInfo
- Publication number
- CN113011222A CN113011222A CN201911319527.XA CN201911319527A CN113011222A CN 113011222 A CN113011222 A CN 113011222A CN 201911319527 A CN201911319527 A CN 201911319527A CN 113011222 A CN113011222 A CN 113011222A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- infrared
- living body
- detected
- processor
- 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
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
- 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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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
- 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
Abstract
本申请实施例提供了一种活体检测系统、方法及电子设备,该系统包括中,全局摄像机采集监控区域的监控图像,将监控图像发送给处理器;处理器确定监控图像中待检测行人的目标位置;根据预设的位置与红外可变焦摄像机的物理参数的第一对应关系,确定目标位置对应第一目标物理参数;向红外可变焦摄像机发送携第一目标物理参数的第一调整指令;红外可变焦摄像机将红外可变焦摄像机的物理参数调整为第一目标物理参数;以第一目标物理参数采集红外人脸图像;将红外人脸图像发送给处理器;处理器对红外人脸图像进行活体检测,确定待检测行人是否为活体。应用本申请实施例提供的技术方案,实现了远距离活体检测。
Description
技术领域
本申请涉及人脸识别技术领域,特别是涉及一种活体检测系统、方法及电子设备。
背景技术
随着人脸识别技术的发展,基于人脸识别的身份验证在人们的日常生活中的作用越来越重要。例如,抓拍摄像机对公共区域进行监控,并对抓拍的人脸图像进行人脸识别,一旦确定人脸识别到的目标为嫌疑目标,则立即报警。再例如,门禁系统获取验证用户的人脸图像,并对人脸图像进行人脸识别,若人脸识别结果为验证用户是合法用户,则打开门禁。
然而随着人脸识别技术的广泛应用,基于人脸识别的身份验证容易受到非法攻击的缺点也逐渐暴露出来。例如,抓拍摄像机抓到海报或者屏幕中的嫌疑目标的人脸图像,导致抓拍摄像机误报警;嫌疑目标通过伪装面具等骗过抓拍摄像机,导致抓拍摄像机不报警;非法用户通过合法用户的照片或视频,骗过门禁系统,使门禁系统打开门禁,导致非法用户侵入小区或公司。
为了防止误报和非法侵入,活体检测配合人脸识别进行身份验证成为人脸识别技术发展的趋势。其中,活体检测具体为:通过人脸图像判断目标是否是活体。目前活体检测已成为是人脸识别技术中必不可少的模块。
然而目前的活体检测主要通过活体和非活体的成像差别,判断目标是否是活体,对图像的成像要求较高,这使得活体检测的有效距离很短,一般在4米以内,活体检测的使用距离受限。
发明内容
本申请实施例的目的在于提供一种活体检测系统、方法及电子设备,以实现远距离活体检测。具体技术方案如下:
第一方面,本申请实施例提供了一种活体检测系统,包括处理器、全局摄像机和红外可变焦摄像机;
所述全局摄像机,用于采集监控区域的监控图像,将所述监控图像发送给所述处理器;
所述处理器,用于确定所述监控图像中待检测行人的目标位置;根据预先存储的位置与所述红外可变焦摄像机的物理参数的第一对应关系,确定所述目标位置对应第一目标物理参数;向所述红外可变焦摄像机发送携所述第一目标物理参数的第一调整指令;
所述红外可变焦摄像机,用于根据所述第一调整指令包括的所述第一目标物理参数,将所述红外可变焦摄像机的物理参数调整为所述第一目标物理参数;以所述第一目标物理参数采集红外人脸图像;将所述红外人脸图像发送给所述处理器;
所述处理器,还用于对所述红外人脸图像进行活体检测,确定所述待检测行人是否为活体。
可选的,所述活体检测系统还包括可见光可变焦摄像机;
所述处理器,还用于根据预先存储的位置与所述可见光可变焦摄像机的物理参数的第二对应关系,确定所述目标位置对应第二目标物理参数;向所述可见光可变焦摄像机发送携所述第二目标物理参数的第二调整指令;
所述可见光可变焦摄像机,用于根据所述第二调整指令包括的所述第二目标物理参数,将所述可见光可变焦摄像机的物理参数调整为所述第二目标物理参数;以所述第二目标物理参数采集可见光人脸图像;将所述可见光人脸图像发送给所述处理器;
所述处理器,还用于对所述可见光人脸图像进行人脸检测和识别,确定所述待检测行人的身份信息。
可选的,所述处理器,具体用于基于所述监控图像,对所述监控区域中出现的行人进行目标跟踪;根据目标跟踪结果,从所述监控图像中未进行活体检测的行人中确定待检测行人;确定所述待检测行人的目标位置。
可选的,所述处理器,具体用于:
将所述监控图像中未进行活体检测的行人确定为待检测行人;或
将所述监控图像中未进行活体检测的行人中距离可变焦摄像机最近的行人确定为待检测行人,所述可变焦摄像机包括:所述红外可变焦摄像机和所述可见光可变焦摄像机。
可选的,所述处理器,还用于确定所述红外人脸图像中人脸区域的第一坐标;确定所述监控图像中待检测行人的人脸区域的第二坐标;判断所述第一坐标和所述第二坐标在参考坐标系下的距离是否小于预设距离阈值;若是,则对所述红外人脸图像进行活体检测,确定所述待检测行人是否为活体。
可选的,所述参考坐标系为所述监控图像的坐标系;
所述处理器,具体用于将所述第一坐标映射至所述监控图像中,得到第三坐标,判断所述第三坐标和所述第二坐标间的距离是否小于预设距离阈值;若是,则对所述红外人脸图像进行活体检测,确定所述待检测行人是否为活体。
可选的,所述物理参数包括焦距和转动角度。
可选的,所述全局摄像机为定焦摄像机。
第二方面,本申请实施例提供了一种活体检测方法,所述方法包括:;
通过全局摄像机采集监控区域的监控图像;
确定所述监控图像中待检测行人的目标位置;
根据预先存储的位置与红外可变焦摄像机的物理参数的第一对应关系,确定所述目标位置对应第一目标物理参数;
指示所述红外可变焦摄像机以所述第一目标物理参数采集红外人脸图像;
对所述红外人脸图像进行活体检测,确定所述待检测行人是否为活体。
可选的,所述方法还包括:
根据预先存储的位置与可见光可变焦摄像机的物理参数的第二对应关系,确定所述目标位置对应第二目标物理参数;
指示所述可见光可变焦摄像机以所述第二目标物理参数采集可见光人脸图像;
对所述可见光人脸图像进行人脸检测和识别,确定所述待检测行人的身份信息。
可选的,所述确定所述监控图像中待检测行人的目标位置的步骤,包括:
基于所述监控图像,对所述监控区域中出现的行人进行目标跟踪;
根据目标跟踪结果,从所述监控图像中未进行活体检测的行人中确定待检测行人;
确定所述待检测行人的目标位置。
可选的,所述根据目标跟踪结果,从所述监控图像中未进行活体检测的行人中确定待检测行人的步骤,包括:
将所述监控图像中未进行活体检测的行人确定为待检测行人;或
将所述监控图像中未进行活体检测的行人中距离可变焦摄像机最近的行人确定为待检测行人,所述可变焦摄像机包括:所述红外可变焦摄像机和所述可见光可变焦摄像机。
可选的,所述方法还包括:
确定所述红外人脸图像中人脸区域的第一坐标;
确定所述监控图像中待检测行人的人脸区域的第二坐标;
判断所述第一坐标和所述第二坐标在参考坐标系下的距离是否小于预设距离阈值;
若是,则执行所述对所述红外人脸图像进行活体检测,确定所述待检测行人是否为活体的步骤。
可选的,所述参考坐标系为所述监控图像的坐标系;
所述判断所述第一坐标和所述第二坐标在参考坐标系下的距离是否小于预设距离阈值的步骤,包括:
将所述第一坐标映射至所述监控图像中,得到第三坐标;
判断所述第三坐标和所述第二坐标间的距离是否小于预设距离阈值;
若是,则确定所述第一坐标和所述第二坐标在参考坐标系下的距离小于预设距离阈值。
可选的,所述物理参数包括焦距和转动角度。
可选的,所述全局摄像机为定焦摄像机。
第三方面,本申请实施例提供了一种电子设备,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使实现第二方面提供的任一方法步骤。
第四方面,本申请实施例提供了一种机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使实现第二方面提供的任一方法步骤。
本申请实施例提供的技术方案中,全局摄像机可以对远距离的监控区域进行监控,采集监控图像。处理器基于监控图像可准确的确定待检测行人的目标位置,进而控制红外可变焦摄像机调整物理参数,对准待检测行人的人脸位置,采集满足成像需求的红外人脸图像。处理器基于红外人脸图像确定待检测行人是否为活体。应用本申请实施例提供的技术方案,实现了远距离活体检测。
当然,实施本申请的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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,对于本领域普通技术人员来讲,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为本申请实施例提供的一种活体检测系统的第一种结构示意图;
图2为本申请实施例提供的一种活体检测系统的第二种结构示意图;
图3为本申请实施例提供的一种活体检测系统的第三种结构示意图;
图4为本申请实施例提供的一种活体检测的监控场景的一种示意图;
图5为本申请实施例提供的一种活体检测方法的第一种流程示意图;
图6为本申请实施例提供的一种活体检测方法的第二种流程示意图;
图7为本申请实施例提供的一种活体检测方法的第三种流程示意图;
图8为本申请实施例提供的一种活体检测方法的一种信令图;
图9为本申请实施例提供的一种活体检测装置的第一种结构示意图;
图10为本申请实施例提供的一种活体检测装置的第二种结构示意图;
图11为本申请实施例提供的电子设备的一种结构示意图。
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,本领域普通技术人员在没有做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。
目前的活体检测主要通过活体和非活体的成像差别,判断目标是否是活体,对图像的成像要求较高。例如,成像要求较为人脸图像中人脸区域的像素大于预设像素,活体检测时,待检测人员需要站在摄像机前指定的区域内,脸部对准摄像机,进而摄像机采集满足成像要求的人脸图像。若待检测人员远离摄像机,那么摄像机将无法采集到满足成像要求的人脸图像,也就无法准确的进行活体检测。
基于此,采用上述方式进行活体检测,活体检测的有效距离很短,一般在4米以内。活体检测的使用距离受限。
为解决上述问题,本申请实施例提供了一种活体检测系统。该活体检测系统包括处理器、全局摄像机和红外可变焦摄像机。其中,全局摄像机可以对远距离的监控区域进行监控,采集监控图像。处理器基于监控图像可准确的确定待检测行人的目标位置,进而控制红外可变焦摄像机调整物理参数,对准待检测行人的人脸位置,采集满足成像需求的红外人脸图像。处理器基于红外人脸图像确定待检测行人是否为活体。应用本申请实施例提供的技术方案,实现了远距离活体检测。
下面通过具体实施例,对本申请实施例提供的一种活体检测系统进行详细说明。
参考图1,图1为本申请实施例提供的一种活体检测系统的第一种结构示意图。该活体检测系统包括处理器100、全局摄像机110和红外可变焦摄像机120。其中,处理器100可以为集成在全局摄像机110上,也可以为集成在红外可变焦摄像机120上,可以独立的设置于一台物理机上,本申请实施例对此不进行限定。
其中,全局摄像机110,用于采集监控区域的监控图像,将监控图像发送给处理器100。
本申请实施例中,监控区域为距离全局摄像机110和红外可变焦摄像机120较远的一块区域。全局摄像机110对整个监控区域进行监控,实时采集监控区域的监控图像。此时,全局摄像机110采集监控图像中可以包括所有进入该监控区域的行人。全局摄像机110可以为RGB(Red Green Blue,红绿蓝)摄像机。
本申请实施例中,全局摄像机110可以为定焦摄像机。全局摄像机110以固定焦距对整个监控区域进行监控,以采集到清晰的监控图像。
在采集到监控图像后,全局摄像机110将监控图像发送给处理器100,以便处理器100对监控图像进行分析处理。
处理器100,用于确定监控图像中待检测行人的目标位置;根据预先存储的位置与红外可变焦摄像机的物理参数的第一对应关系,确定目标位置对应第一目标物理参数;向红外可变焦摄像机120发送携第一目标物理参数的第一调整指令。
本申请实施例中,处理器100中预先存储了位置与红外可变焦摄像机的物理参数的第一对应关系。在第一对应关系中,位置为监控区域中行人的所处的位置。第一对应关系中位置对应的红外可变焦摄像机的物理参数可以为:行人位于该位置处时红外可变焦摄像机采集的人脸图像中人脸区域的像素大于第一预设像素的物理参数。例如,第一预设像素可以为200像素。若预设的第一对应关系中包括位置1和红外可变焦摄像机的物理参数1的对应关系,则行人位于位置1处时,红外可变焦摄像机以物理参数1采集的人脸图像中人脸区域的像素大于200像素。本申请实施例中,第一预设像素可以根据实际需求进行设定。
处理器100在接收到监控图像后,采用预设的行人检测算法检测监控图像中的行人以及行人在监控图像中的坐标和高度等位置信息,进而确定待检测行人以及待检测行人在世界坐标系下的坐标和高度等位置信息。其中,预设的行人检测算法可以包括但不限于Adaboost算法、基于深度学习的检测算法等。
在确定待检测行人以及待检测行人在监控图像中的位置信息后,处理器100得到待检测行人的目标位置。该目标位置可以包括待检测行人在监控图像中的坐标和高度等,也可以包括待检测行人在世界坐标系下的坐标和高度等。
一个实施例中,若目标位置包括待检测行人在世界坐标系下的坐标和高度,处理器100在监控图像进行行人检测后得到待检测行人在监控图像中的坐标和高度;基于预先标定的监控图像的坐标系与世界坐标系间的映射关系,计算得到待检测行人在世界坐标系下的坐标和高度。
处理器100中预先存储了位置与红外可变焦摄像机的物理参数的第一对应关系。处理器100根据预先存储的第一对应关系,确定目标位置对应第一目标物理参数,将第一目标物理参数携带在第一调整指令中发送给红外可变焦摄像机120,以便于红外可变焦摄像机120调整物理参数。当红外可变焦摄像机120以第一目标物理参数采集人脸图像时,可采集到的人脸区域的像素大于第一预设像素的人脸图像,即可采集到满足成像需求的人脸图像,保证了后续活体检测的准确性。
一个实施例中,物理参数可以包括但不限于焦距和转动角度。为了提高后续活体检测的准确性,第一对应关系中,位置对应的红外可变焦摄像机120的转动角度为:使行人的人脸位于红外可变焦摄像机120的光轴上时红外可变焦摄像机所转动的角度。这样,红外可变焦摄像机120依据第一目标物理参数调整自身的物理参数,可采集到包括人脸区域最大的人脸图像,提高了后续活体检测的准确性。
红外可变焦摄像机120,用于根据第一调整指令包括的第一目标物理参数,将红外可变焦摄像机120的物理参数调整为第一目标物理参数;以第一目标物理参数采集红外人脸图像;将红外人脸图像发送给处理器100。
本申请实施例中,红外可变焦摄像机120为可以改变焦距的红外摄像机。在接收到第一调整指令后,红外可变焦摄像机120从第一调整指令中获取到第一目标物理参数,将红外可变焦摄像机120的物理参数调整为第一目标物理参数。进而红外可变焦摄像机120以第一目标物理参数采集清晰的红外人脸图像,并将红外人脸图像发送给处理器100,以便处理器100对红外人脸图像进行分析处理。
一个实施例中,红外可变焦摄像机120可安装在以云台上。红外可变焦摄像机120通过云台实现物理参数的调整。具体的,云台接收处理器100发送的第一调整指令,从第一调整指令中获取到第一目标物理参数,将红外可变焦摄像机120的物理参数调整为第一目标物理参数。
例如,第一目标物理参数包括第一目标转动角度和第一目标焦距。云台接收处理器100发送的第一调整指令后,控制云台自身转动第一目标转动角度,使红外可变焦摄像机120对准行人的人脸。另外,云台将红外可变焦摄像机120的焦距调整为第一目标焦距。此时,红外可变焦摄像机120可采集到清晰的红外人脸图像。
在本申请的一个实施例中,参考图2,该活体检测系统还可以包括红外灯130。处理器100在向红外可变焦摄像机120发送第一调整指令时,控制红外灯130开启。红外灯130向待检测行人发射红外光,便于红外可变焦摄像机120采集红外人脸图像。
处理器100,还用于对红外人脸图像进行活体检测,确定待检测行人是否为活体。
本申请实施例中,活体检测算法包括但不限于基于LBP(Local Binary Patterns,局部二值模式)特征的SVM(Support Vector Machine,支持向量机)分类算法、基于深度学习的检测算法等。其中基于深度学习的检测算法包括Alexnet检测算法等。
本申请实施例提供的技术方案中,全局摄像机110可以对远距离的监控区域进行监控,采集监控图像。处理器100基于监控图像可准确的确定待检测行人的目标位置,进而控制红外可变焦摄像机120调整物理参数,对准待检测行人的人脸位置,采集满足成像需求的红外人脸图像。处理器100基于红外人脸图像确定待检测行人是否为活体。应用本申请实施例提供的技术方案,实现了远距离活体检测。
在本申请的一个可选的实施例中,参考图3,该活体检测系统还可以包括可见光可变焦摄像机140。可见光可变焦摄像机140可以为RGB摄像机。
本申请实施例中,可见光可变焦摄像机140和红外可变焦摄像机120可以采用同一镜头,也可以采用不同的镜头,对此不进行设定。
若可见光可变焦摄像机140和红外可变焦摄像机120可以采用同一镜头,如图4所示的监控场景,则在镜头处可以设置分光棱镜,该分光棱镜可以将红外光向红外可变焦摄像机120射出,将可见光向可见光可变焦摄像机140射出,以达到分光的目的,实现不同的摄像机采集不同的图像。一个可选的实施例中,该分光棱镜可以透过可见光,并将非可见光反射至其他方向。具体分光方式不做限定。
一个实施例中,可见光可变焦摄像机140可安装在以云台上。可见光可变焦摄像机140通过云台实现物理参数的调整。具体的,云台接收处理器100发送的第二调整指令,从第二调整指令中获取到第二目标物理参数,将可见光可变焦摄像机140的物理参数调整为第二目标物理参数。
例如,第二目标物理参数包括第二目标转动角度和第二目标焦距。云台接收处理器100发送的第二调整指令后,控制云台自身转动第二目标转动角度,使可见光可变焦摄像机140对准行人的人脸。另外,云台将可见光可变焦摄像机140的焦距调整为第二目标焦距。此时,可见光可变焦摄像机140可采集到清晰的可见光人脸图像。
本申请实施例中,红外可变焦摄像机120和可见光可变焦摄像机140可以安装在不同的云台上,由不同的云台分别控制红外可变焦摄像机120和可见光可变焦摄像机140的物理参数的调整。红外可变焦摄像机120和可见光可变焦摄像机140可以安装在同一云台上,由该云台控制红外可变焦摄像机120和可见光可变焦摄像机140的物理参数的调整。本申请实施例对此不进行限定。
处理器100,还可以用于根据预先存储的位置与可见光可变焦摄像机140的物理参数的第二对应关系,确定目标位置对应第二目标物理参数;向可见光可变焦摄像机发送携第二目标物理参数的第二调整指令。
处理器100中预先存储了位置与可见光可变焦摄像机140的物理参数的第二对应关系。在第二对应关系中,位置为监控区域中行人的所处的位置。第二对应关系中,位置对应的可见光可变焦摄像机140的物理参数可以为:行人位于该位置处时可见光可变焦摄像机140采集的人脸图像中人脸区域的像素大于第二预设像素的物理参数。例如,第二预设像素可以为200像素。若预先存储的第二对应关系中包括位置1和可见光可变焦摄像机的物理参数1的对应关系,则行人位于位置1处时,可见光可变焦摄像机以物理参数1采集的人脸图像中人脸区域的像素大于200像素。本申请实施例中,第二预设像素可以根据实际需求进行设定。第一预设像素和第二预设像素可以相同也可以不同。
处理器100根据预先存储的第二对应关系,确定目标位置对应第二目标物理参数,将第二目标物理参数携带在第二调整指令中发送给可见光可变焦摄像机140,以便于可见光可变焦摄像机140调整物理参数。当可见光可变焦摄像机140以第二目标物理参数采集人脸图像时,可采集到的人脸区域的像素大于第二预设像素的人脸图像,即可采集到满足成像需求的人脸图像,保证了后续人脸检测和识别的准确性。
本申请实施例中,若可见光可变焦摄像机140和红外可变焦摄像机120采用同一镜头,上述预设的第一对应关系与预设的第二对应关系为同一对应关系。述第一调整指令和第二调整指令为同一调整指令。
一个实施例中,物理参数可以包括但不限于焦距和转动角度。为了提高后续人脸检测和识别的准确性,第二对应关系中,位置对应的可见光可变焦摄像机140的转动角度为:使行人的人脸位于可见光可变焦摄像机140的光轴上时可见光可变焦摄像机140所转动的角度。这样,可见光可变焦摄像机140依据第二目标物理参数调整物理参数,可采集到包括人脸区域最大的人脸图像,提高了后续人脸检测和识别的准确性。
可见光可变焦摄像机140,用于根据第二调整指令包括的第二目标物理参数,将可见光可变焦摄像机140的物理参数调整为第二目标物理参数;以第二目标物理参数采集可见光人脸图像;将可见光人脸图像发送给处理器100。
本申请实施例中,可见光可变焦摄像机140为可以改变焦距的可见光摄像机。在接收到第二调整指令后,可见光可变焦摄像机140从第二调整指令中获取到第二目标物理参数,将可见光可变焦摄像机140的物理参数调整为第二目标物理参数。进而可见光可变焦摄像机140以第二目标物理参数采集清晰的可见光人脸图像,并将可见光人脸图像发送给处理器100,以便处理器100对可见光人脸图像进行分析处理。
处理器100,还用于对可见光人脸图像进行人脸检测和识别,确定待检测行人的身份信息。
本申请实施例中,处理器100在获取到可见光人脸图像后,对可见光人脸图像进行人脸检测和识别,确定待检测行人的身份信息。
例如,处理器100对可见光人脸图像进行人脸检测,确定可见光人脸图像中的目标人脸特征,处理器100基于预先存储的人脸特征与身份信息的对应关系,确定目标人脸特征对应的身份信息,作为待检测行人的身份信息。
本申请实施例中,在准确的远距离活体检测的基础上,对采集的满足成像要求的可见光人脸图像进行人脸检测和识别,准确的确定了待检测行人的身份信息,提高了人脸识别的准确性,进而有效防止误报和非法侵入的问题。
在本申请的一个实施例中,处理器100,具体可以用于基于监控图像,对监控区域中出现的行人进行目标跟踪;根据目标跟踪结果,从监控图像中未进行活体检测的行人中确定待检测行人;确定待检测行人的目标位置。
处理器100获取到实时采集的监控图像后,对监控图像中的目标进行检测,并将从采集的每帧监控图像中检测到的目标关联起来,形成目标的轨迹,即得到目标跟踪结果。根据目标跟踪结果,处理器100可确定历史已经进行活体检测的行人以及未进行活体检测的行人。处理器100从监控图像中未进行活体检测的行人中确定待检测行人,进而确定待检测行人的目标位置。
本申请实施例中,通过目标跟踪可以确定历史已经进行活体检测的行人,对于历史已经进行活体检测的行人不再进行活体检测,节约了计算资源。
一个可选的实施例中,处理器100,具体可以用于将监控图像中未进行活体检测的行人确定为待检测行人。
处理模块100确定待检测行人时,可将监控图像中未进行活体检测的行人均确定为待检测行人。之后以此检测待检测行人是否为活体。
另一个可选的实施例中,处理器100,具体可以用于将监控图像中未进行活体检测的行人中距离可变焦摄像机最近的行人确定为待检测行人,可变焦摄像机包括:红外可变焦摄像机和可见光可变焦摄像机。
处理器100在对监控图像进行行人检测时,可确定监控图像中行人的位置。处理器100基于未进行活体检测的行人的位置和可变焦摄像机的位置,计算出未进行活体检测的行人与可变焦摄像机的距离,选择最小的距离对应的行人作为待检测行人。
由于待检测行人距离可变焦摄像机最近。因此,可变焦摄像机采集的人脸图像中包括该待检测行人的人脸区域,相对于其他行人的人脸区域,该待检测行人的人脸区域更为清晰,进一步提高了获取活体检测的准确性。
在本申请的一个实施例中,处理器100中预先规定了参考坐标系。基于此,处理器100,具体可以用于确定红外人脸图像中人脸区域的第一坐标;确定监控图像中待检测行人的人脸区域的第二坐标;判断第一坐标和第二坐标在参考坐标系下的距离是否小于预设距离阈值;若是,则对红外人脸图像进行活体检测,确定待检测行人是否为活体。若否,则结束活体检测。
处理器100确定红外人脸图像中人脸区域的第一坐标,并确定监控图像中待检测行人的人脸区域的第二坐标。处理器100基于红外人脸图像的坐标系与参考坐标系的映射关系,将第一坐标映射至参考坐标系下,得到第一参考坐标;基于监控图像的坐标系与参考坐标系的映射关系,将第二坐标映射至参考坐标系下,得到第二参考坐标;计算第一参考坐标和第二参考坐标间的距离。
若计算得到的距离小于预设距离阈值,则处理器100确定第一坐标和第二坐标在参考坐标系下的距离小于预设距离阈值,红外人脸图像中该人脸区域为监控图像中待检测行人的人脸区域,可以对红外人脸图像进行活体检测,将对红外人脸图像中该人脸区域的活体检测结果作为待检测行人的活体检测结果。
若计算得到的距离大于等于预设距离阈值,则处理器100确定第一坐标和第二坐标在参考坐标系下的距离大于等于预设距离阈值,红外人脸图像中该人脸区域并不是监控图像中待检测行人的人脸区域,对红外人脸图像中该人脸区域的活体检测结果不能作为待检测行人的活体检测结果,结束活体检测。
一个可选的实施例中,为了节约计算资源,参考坐标系可以为监控图像的坐标系。此时,处理器100,具体可以用于将第一坐标映射至监控图像中,得到第三坐标,判断第三坐标和第二坐标间的距离是否小于预设距离阈值;若是,则对红外人脸图像进行活体检测,确定待检测行人的活体检测结果。
具体的,处理器100将第一坐标映射至监控图像的坐标系下,得到第三坐标;计算第三坐标和第二坐标间的距离。处理器100判断计算得到的距离是否小于预设距离阈值。若计算得到的距离小于预设距离阈值,则处理器100可确定红外人脸图像中该人脸区域为监控图像中待检测行人的人脸区域,可以对红外人脸图像进行活体检测,将对红外人脸图像中该人脸区域的活体检测结果作为待检测行人的活体检测结果。
若计算得到的距离大于等于预设距离阈值,则处理器100可确定红外人脸图像中该人脸区域并不是监控图像中待检测行人的人脸区域,对红外人脸图像中该人脸区域的活体检测结果不能作为待检测行人的活体检测结果,结束活体检测。
基于上述活体检测系统,本申请实施例还提供了一种活体检测方法。参考5,图5为本申请实施例提供的一种活体检测方法的第一种流程示意图。为便于描述下面以电子设备为执行主体例进行说明,并不起限定作用。该活体检测方法包括如下步骤:
步骤501,通过全局摄像机采集监控区域的监控图像。
全局摄像机采集监控区域的监控图像,电子设备获取全局摄像机采集的监控区域的监控图像。
步骤502,确定监控图像中待检测行人的目标位置。
在本申请的一个实施例中,电子设备基于监控图像,对监控区域中出现的行人进行目标跟踪;根据目标跟踪结果,从监控图像中未进行活体检测的行人中确定待检测行人;确定待检测行人的目标位置。
一个可选的实施例中,电子设备将监控图像中未进行活体检测的行人确定为待检测行人。
另一个可选的实施例中,电子设备将监控图像中未进行活体检测的行人中距离可变焦摄像机最近的行人确定为待检测行人,可变焦摄像机包括:红外可变焦摄像机和可见光可变焦摄像机。
步骤503,根据预先存储的位置与红外可变焦摄像机的物理参数的第一对应关系,确定目标位置对应第一目标物理参数。
电子设备中预先存储了位置与红外可变焦摄像机的物理参数的第一对应关系。在确定待检测行人的目标位置后,电子设备根据预先存储的位置与红外可变焦摄像机的物理参数的第一对应关系,确定目标位置对应第一目标物理参数。
步骤504,指示红外可变焦摄像机以第一目标物理参数采集红外人脸图像。
电子设备将第一目标物理参数携带在第一调整指令中发送给红外可变焦摄像机。红外可变焦摄像机根据第一调整指令包括的第一目标物理参数,将红外可变焦摄像机的物理参数调整为第一目标物理参数;以第一目标物理参数采集红外人脸图像;将红外人脸图像发送给电子设备。
步骤505,对红外人脸图像进行活体检测,确定待检测行人是否为活体。
电子设备对红外人脸图像进行活体检测,确定待检测行人是否为活体。活体检测算法包括但不限于基于LBP特征的SVM分类算法、基于深度学习的检测算法等。其中基于深度学习的检测算法包括Alexnet检测算法等。
本申请实施例提供的技术方案中,全局摄像机可以对远距离的监控区域进行监控,采集监控图像。电子设备基于监控图像可准确的确定待检测行人的目标位置,进而控制红外可变焦摄像机调整物理参数,对准待检测行人的人脸位置,采集满足成像需求的红外人脸图像。电子设备基于红外人脸图像确定待检测行人是否为活体。应用本申请实施例提供的技术方案,实现了远距离活体检测。
基于上述活体检测系统,本申请实施例还提供了一种活体检测方法。参考6,图6为本申请实施例提供的一种活体检测方法的第二种流程示意图。为便于描述下面以电子设备为执行主体例进行说明,并不起限定作用。该活体检测方法可以包括如下步骤:
步骤601,通过全局摄像机采集监控区域的监控图像。步骤601与步骤501相同。
步骤602,确定监控图像中待检测行人的目标位置。步骤602与步骤502相同。
步骤603,根据预先存储的位置与红外可变焦摄像机的物理参数的第一对应关系,确定目标位置对应第一目标物理参数。步骤603与步骤503相同。
步骤604,指示红外可变焦摄像机以第一目标物理参数采集红外人脸图像。步骤604与步骤504相同。
步骤605,确定红外人脸图像中人脸区域的第一坐标,并确定监控图像中待检测行人的人脸区域的第二坐标。
步骤606,判断第一坐标和第二坐标在参考坐标系下的距离是否小于预设距离阈值;若是,则执行步骤607。若否,则结束活体检测流程。
一个可选的实施例中,参考坐标系为监控图像的坐标系。电子设备将第一坐标映射至监控图像中,得到第三坐标,判断第三坐标和第二坐标间的距离是否小于预设距离阈值;若是,则确定第一坐标和第二坐标在参考坐标系下的距离小于预设距离阈值。若否,确定第一坐标和第二坐标在参考坐标系下的距离大于等于预设距离阈值。
步骤607,对红外人脸图像进行活体检测,确定待检测行人是否为活体。步骤607与步骤505相同。
本申请实施例提供的技术方案中,通过对比第一坐标和第二坐标,提高了活体检测的准确性。
基于上述活体检测系统,本申请实施例还提供了一种活体检测方法。参考7,图7为本申请实施例提供的一种活体检测方法的第三种流程示意图。为便于描述下面以电子设备为执行主体例进行说明,并不起限定作用。该活体检测方法包括如下步骤:
步骤701,通过全局摄像机采集监控区域的监控图像。步骤701与步骤501相同。
步骤702,确定监控图像中待检测行人的目标位置。步骤702与步骤502相同。
步骤703,根据预先存储的位置与红外可变焦摄像机的物理参数的第一对应关系,确定目标位置对应第一目标物理参数。步骤703与步骤503相同。
步骤704,指示红外可变焦摄像机以第一目标物理参数采集红外人脸图像。步骤704与步骤504相同。
步骤705,对红外人脸图像进行活体检测,确定待检测行人是否为活体。步骤705与步骤505相同。
步骤706,根据预先存储的位置与可见光可变焦摄像机的物理参数的第二对应关系,确定目标位置对应第二目标物理参数。
电子设备中预先存储了位置与可见光可变焦摄像机的物理参数的第二对应关系。在确定待检测行人的目标位置后,电子设备根据预先存储的位置与可见光可变焦摄像机的物理参数的第二对应关系,确定目标位置对应第二目标物理参数。
步骤707,指示可见光可变焦摄像机以第二目标物理参数采集可见光人脸图像。
电子设备将第二目标物理参数携带在第二调整指令中发送给可见光可变焦摄像机。可见光可变焦摄像机根据第二调整指令包括的第二目标物理参数,将可见光可变焦摄像机的物理参数调整为第二目标物理参数;以第二目标物理参数采集可见光人脸图像;将可见光人脸图像发送给电子设备。
步骤708,对可见光人脸图像进行人脸检测和识别,确定待检测行人的身份信息。
本申请实施例中,在准确的远距离活体检测的基础上,对采集的满足成像要求的可见光人脸图像进行人脸检测和识别,准确的确定了待检测行人的身份信息,提高了人脸识别的准确性,进而有效防止误报和非法侵入的问题。
上述图5-7中各步骤的描述相对简单,具体可参考上述活体检测系统部分的相关描述。
本申请实施例中,在准确的远距离活体检测的基础上,对采集的满足成像要求的可见光人脸图像进行人脸检测和识别,准确的确定了待检测行人的身份信息,提高了人脸识别的准确性,进而有效防止误报和非法侵入的问题。
下面通过图8所示的活体检测方法的信令图,对本申请实施例提供的技术方案进行说明。
步骤801,全局摄像机采集监控区域的监控图像,将监控图像发送给处理器。
步骤802,处理器确定监控图像中待检测行人的目标位置。
在本申请的一个实施例中,处理器基于监控图像,对监控区域中出现的行人进行目标跟踪;根据目标跟踪结果,从监控图像中未进行活体检测的行人中确定待检测行人;确定待检测行人的目标位置。
一个可选的实施例中,处理器将监控图像中未进行活体检测的行人确定为待检测行人。
另一个可选的实施例中,处理器将监控图像中未进行活体检测的行人中距离可变焦摄像机最近的行人确定为待检测行人,可变焦摄像机包括:红外可变焦摄像机和可见光可变焦摄像机。
步骤803,处理器根据预设的位置与红外可变焦摄像机的物理参数的第一对应关系,确定目标位置对应第一目标物理参数。
步骤804,处理器向红外可变焦摄像机发送携第一目标物理参数的第一调整指令。
步骤805,红外可变焦摄像机根据第一调整指令包括的第一目标物理参数,将红外可变焦摄像机的物理参数调整为第一目标物理参数。
步骤806,红外可变焦摄像机以第一目标物理参数采集红外人脸图像。
步骤807,红外可变焦摄像机将红外人脸图像发送给处理器。
步骤808,处理器确定红外人脸图像中人脸区域的第一坐标,并确定监控图像中待检测行人的人脸区域的第二坐标。
步骤809,处理器判断第一坐标和第二坐标在参考坐标系下的距离是否小于预设距离阈值;若是,则执行步骤810。若否,则结束活体检测流程。
步骤810,处理器对红外人脸图像进行活体检测,确定待检测行人是否为活体。
在本申请的一个实施例中,处理器确定红外人脸图像中人脸区域的第一坐标;确定监控图像中待检测行人的人脸区域的第二坐标;判断第一坐标和第二坐标在参考坐标系下的距离是否小于预设距离阈值;若是,则对红外人脸图像进行活体检测,确定待检测行人是否为活体。
一个可选的实施例中,参考坐标系为监控图像的坐标系。处理器将第一坐标映射至监控图像中,得到第三坐标,判断第三坐标和第二坐标间的距离是否小于预设距离阈值;若是,则对红外人脸图像进行活体检测,确定待检测行人是否为活体。
步骤811,处理器根据预设的位置与可见光可变焦摄像机的物理参数的第二对应关系,确定目标位置对应第二目标物理参数。
本申请实施例中不限定处理器执行步骤803与步骤811的顺序。步骤803与步骤811可以同时执行,之后,处理器同时执行步骤804和步骤812。步骤803也可以在步骤811之前执行,之后,处理器先执行步骤804,后执行步骤812。步骤803还可以在步骤811之后执行,之后,处理器先执行步骤812,后执行步骤804。
步骤812,处理器向可见光可变焦摄像机发送携第二目标物理参数的第二调整指令。
步骤813,可见光可变焦摄像机根据第二调整指令包括的第二目标物理参数,将可见光可变焦摄像机的物理参数调整为第二目标物理参数。
步骤814,可见光可变焦摄像机以第二目标物理参数采集可见光人脸图像。
步骤815,可见光可变焦摄像机将可见光人脸图像发送给处理器。
步骤816,处理器对可见光人脸图像进行人脸检测和识别,确定待检测行人的身份信息。
本申请实施例提供的活体检测方法中,全局摄像机可以对远距离的监控区域进行监控,采集监控图像。处理器基于监控图像可准确的确定待检测行人的目标位置,进而控制红外可变焦摄像机调整物理参数,对准待检测行人的人脸位置,采集满足成像需求的红外人脸图像。处理器基于红外人脸图像确定待检测行人是否为活体。应用本申请实施例提供的技术方案,实现了远距离活体检测。另外,在准确的远距离活体检测的基础上,对采集的满足成像要求的可见光人脸图像进行人脸检测和识别,准确的确定了待检测行人的身份信息,提高了人脸识别的准确性,进而有效防止误报和非法侵入的问题。
关于上述实施例中的方法,其中各个步骤执行操作的具体方式已经在有关该系统的实施例中进行了详细描述,此处将不做详细阐述说明。
基于上述活体检测系统和方法,本申请实施例还提供了一种活体检测装置。参考图9,图9为本申请实施例提供的一种活体检测装置的第一种结构示意图,该装置包括:
采集模块901,用于通过全局摄像机采集监控区域的监控图像;
第一确定模块902,用于确定监控图像中待检测行人的目标位置;
第二确定模块903,用于根据预先存储的位置与红外可变焦摄像机的物理参数的第一对应关系,确定目标位置对应第一目标物理参数;
第一指示模块904,用于指示红外可变焦摄像机以第一目标物理参数采集红外人脸图像;
第一检测模块905,用于对红外人脸图像进行活体检测,确定待检测行人是否为活体。
一个可选的实施例中,参考图10,上述活体检测装置还可以包括:
第三确定模块906,用于根据预先存储的位置与可见光可变焦摄像机的物理参数的第二对应关系,确定目标位置对应第二目标物理参数;
第二指示模块907,用于指示可见光可变焦摄像机以第二目标物理参数采集可见光人脸图像;
第二检测模块908,用于对可见光人脸图像进行人脸检测和识别,确定待检测行人的身份信息。
一个可选的实施例中,第一确定模块,具体可以用于基于监控图像,对监控区域中出现的行人进行目标跟踪;
根据目标跟踪结果,从监控图像中未进行活体检测的行人中确定待检测行人;
确定待检测行人的目标位置。
一个可选的实施例中,第一确定模块,具体可以用于:
将监控图像中未进行活体检测的行人确定为待检测行人;或
将监控图像中未进行活体检测的行人中距离可变焦摄像机最近的行人确定为待检测行人,可变焦摄像机包括:红外可变焦摄像机和可见光可变焦摄像机。
一个可选的实施例中,上述活体检测装置还可以包括:
第四确定模块,用于确定红外人脸图像中人脸区域的第一坐标;确定监控图像中待检测行人的人脸区域的第二坐标;
判断模块,用于判断第一坐标和第二坐标在参考坐标系下的距离是否小于预设距离阈值;
第一检测模块,具体用于在判定第一坐标和第二坐标在参考坐标系下的距离小于预设距离阈值的情况下,对红外人脸图像进行活体检测,确定待检测行人是否为活体。
一个可选的实施例中,参考坐标系为监控图像的坐标系;
判断模块,具体用于将第一坐标映射至监控图像中,得到第三坐标;判断第三坐标和第二坐标间的距离是否小于预设距离阈值;若是,则确定第一坐标和第二坐标在参考坐标系下的距离小于预设距离阈值。
一个可选的实施例中,物理参数包括焦距和转动角度。
一个可选的实施例中,全局摄像机为定焦摄像机。
本申请实施例提供的电子设备中,全局摄像机可以对远距离的监控区域进行监控,采集监控图像。处理器基于监控图像可准确的确定待检测行人的目标位置,进而控制红外可变焦摄像机调整物理参数,对准待检测行人的人脸位置,采集满足成像需求的红外人脸图像。处理器基于红外人脸图像确定待检测行人是否为活体。应用本申请实施例提供的技术方案,实现了远距离活体检测。
基于上述活体检测系统和方法,本申请实施例还提供了一种电子设备,如图11所示,包括处理器1101和机器可读存储介质1102,机器可读存储介质1102存储有能够被处理器1101执行的机器可执行指令。处理器1101被机器可执行指令促使实现如下步骤:
通过全局摄像机采集监控区域的监控图像;
确定监控图像中待检测行人的目标位置;
根据预先存储的位置与红外可变焦摄像机的物理参数的第一对应关系,确定目标位置对应第一目标物理参数;
指示红外可变焦摄像机以第一目标物理参数采集红外人脸图像;
对红外人脸图像进行活体检测,确定待检测行人是否为活体。
本申请实施例提供的电子设备中,全局摄像机可以对远距离的监控区域进行监控,采集监控图像。处理器基于监控图像可准确的确定待检测行人的目标位置,进而控制红外可变焦摄像机调整物理参数,对准待检测行人的人脸位置,采集满足成像需求的红外人脸图像。处理器基于红外人脸图像确定待检测行人是否为活体。应用本申请实施例提供的技术方案,实现了远距离活体检测。
关于上述实施例中的电子设备,其中各个步骤执行操作的具体方式已经在有关该系统的实施例中进行了详细描述,此处将不做详细阐述说明。
基于上述活体检测系统和方法,本申请实施例还提供了一种机器可读存储介质,机器可读存储介质存储有能够被处理器执行的机器可执行指令。处理器被机器可执行指令促使实现如下步骤:
通过全局摄像机采集监控区域的监控图像;
确定监控图像中待检测行人的目标位置;
根据预先存储的位置与红外可变焦摄像机的物理参数的第一对应关系,确定目标位置对应第一目标物理参数;
指示红外可变焦摄像机以第一目标物理参数采集红外人脸图像;
对红外人脸图像进行活体检测,确定待检测行人是否为活体。
本申请实施例提供的机器可读存储介质中,全局摄像机可以对远距离的监控区域进行监控,采集监控图像。处理器基于监控图像可准确的确定待检测行人的目标位置,进而控制红外可变焦摄像机调整物理参数,对准待检测行人的人脸位置,采集满足成像需求的红外人脸图像。处理器基于红外人脸图像确定待检测行人是否为活体。应用本申请实施例提供的技术方案,实现了远距离活体检测。
关于上述实施例中的机器可读存储介质,其中各个步骤执行操作的具体方式已经在有关该系统的实施例中进行了详细描述,此处将不做详细阐述说明。
上述通信总线可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(Extended Industry Standard Architecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
上述机器可读存储介质可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-Volatile Memory,非易失性存储器),例如至少一个磁盘存储器。另外,机器可读存储介质还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,包括CPU(Central Processing Unit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processing,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
需要说明的是,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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于活体检测装置、电子设备、机器可读存储介质实施例而言,由于其基本相似于活体检测系统实施例,所以描述的比较简单,相关之处参见活体检测系统实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (15)
1.一种活体检测系统,其特征在于,包括处理器、全局摄像机和红外可变焦摄像机;
所述全局摄像机,用于采集监控区域的监控图像,将所述监控图像发送给所述处理器;
所述处理器,用于确定所述监控图像中待检测行人的目标位置;根据预先存储的位置与所述红外可变焦摄像机的物理参数的第一对应关系,确定所述目标位置对应第一目标物理参数;向所述红外可变焦摄像机发送携所述第一目标物理参数的第一调整指令;
所述红外可变焦摄像机,用于根据所述第一调整指令包括的所述第一目标物理参数,将所述红外可变焦摄像机的物理参数调整为所述第一目标物理参数;以所述第一目标物理参数采集红外人脸图像;将所述红外人脸图像发送给所述处理器;
所述处理器,还用于对所述红外人脸图像进行活体检测,确定所述待检测行人是否为活体。
2.根据权利要求1所述的系统,其特征在于,所述活体检测系统还包括可见光可变焦摄像机;
所述处理器,还用于根据预先存储的位置与所述可见光可变焦摄像机的物理参数的第二对应关系,确定所述目标位置对应第二目标物理参数;向所述可见光可变焦摄像机发送携所述第二目标物理参数的第二调整指令;
所述可见光可变焦摄像机,用于根据所述第二调整指令包括的所述第二目标物理参数,将所述可见光可变焦摄像机的物理参数调整为所述第二目标物理参数;以所述第二目标物理参数采集可见光人脸图像;将所述可见光人脸图像发送给所述处理器;
所述处理器,还用于对所述可见光人脸图像进行人脸检测和识别,确定所述待检测行人的身份信息。
3.根据权利要求2所述的系统,其特征在于,所述处理器,具体用于基于所述监控图像,对所述监控区域中出现的行人进行目标跟踪;根据目标跟踪结果,从所述监控图像中未进行活体检测的行人中确定待检测行人;确定所述待检测行人的目标位置。
4.据权利要求3所述的系统,其特征在于,所述处理器,具体用于:
将所述监控图像中未进行活体检测的行人确定为待检测行人;或
将所述监控图像中未进行活体检测的行人中距离可变焦摄像机最近的行人确定为待检测行人,所述可变焦摄像机包括:所述红外可变焦摄像机和所述可见光可变焦摄像机。
5.根据权利要求1所述的系统,其特征在于,所述处理器,还用于确定所述红外人脸图像中人脸区域的第一坐标;确定所述监控图像中待检测行人的人脸区域的第二坐标;判断所述第一坐标和所述第二坐标在参考坐标系下的距离是否小于预设距离阈值;若是,则对所述红外人脸图像进行活体检测,确定所述待检测行人是否为活体。
6.根据权利要求5所述的系统,其特征在于,所述参考坐标系为所述监控图像的坐标系;
所述处理器,具体用于将所述第一坐标映射至所述监控图像中,得到第三坐标,判断所述第三坐标和所述第二坐标间的距离是否小于预设距离阈值;若是,则对所述红外人脸图像进行活体检测,确定所述待检测行人是否为活体。
7.根据权利要求1-6任一项所述的系统,其特征在于,所述物理参数包括焦距和转动角度。
8.根据权利要求1-6任一项所述的系统,其特征在于,所述全局摄像机为定焦摄像机。
9.一种活体检测方法,其特征在于,所述方法包括:
通过全局摄像机采集监控区域的监控图像;
确定所述监控图像中待检测行人的目标位置;
根据预先存储的位置与红外可变焦摄像机的物理参数的第一对应关系,确定所述目标位置对应第一目标物理参数;
指示所述红外可变焦摄像机以所述第一目标物理参数采集红外人脸图像;
对所述红外人脸图像进行活体检测,确定所述待检测行人是否为活体。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
根据预先存储的位置与可见光可变焦摄像机的物理参数的第二对应关系,确定所述目标位置对应第二目标物理参数;
指示所述可见光可变焦摄像机以所述第二目标物理参数采集可见光人脸图像;
对所述可见光人脸图像进行人脸检测和识别,确定所述待检测行人的身份信息。
11.根据权利要求10所述的方法,其特征在于,所述确定所述监控图像中待检测行人的目标位置的步骤,包括:
基于所述监控图像,对所述监控区域中出现的行人进行目标跟踪;
根据目标跟踪结果,从所述监控图像中未进行活体检测的行人中确定待检测行人;
确定所述待检测行人的目标位置。
12.据权利要求11所述的方法,其特征在于,所述根据目标跟踪结果,从所述监控图像中未进行活体检测的行人中确定待检测行人的步骤,包括:
将所述监控图像中未进行活体检测的行人确定为待检测行人;或
将所述监控图像中未进行活体检测的行人中距离可变焦摄像机最近的行人确定为待检测行人,所述可变焦摄像机包括:所述红外可变焦摄像机和所述可见光可变焦摄像机。
13.根据权利要求9所述的方法,其特征在于,所述方法还包括:
确定所述红外人脸图像中人脸区域的第一坐标;
确定所述监控图像中待检测行人的人脸区域的第二坐标;
判断所述第一坐标和所述第二坐标在参考坐标系下的距离是否小于预设距离阈值;
若是,则执行所述对所述红外人脸图像进行活体检测,确定所述待检测行人是否为活体的步骤。
14.根据权利要求13所述的方法,其特征在于,所述参考坐标系为所述监控图像的坐标系;
所述判断所述第一坐标和所述第二坐标在参考坐标系下的距离是否小于预设距离阈值的步骤,包括:
将所述第一坐标映射至所述监控图像中,得到第三坐标;
判断所述第三坐标和所述第二坐标间的距离是否小于预设距离阈值;
若是,则确定所述第一坐标和所述第二坐标在参考坐标系下的距离小于预设距离阈值。
15.一种电子设备,其特征在于,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使实现:权利要求9-14任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911319527.XA CN113011222B (zh) | 2019-12-19 | 2019-12-19 | 一种活体检测系统、方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911319527.XA CN113011222B (zh) | 2019-12-19 | 2019-12-19 | 一种活体检测系统、方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113011222A true CN113011222A (zh) | 2021-06-22 |
CN113011222B CN113011222B (zh) | 2023-09-05 |
Family
ID=76381303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911319527.XA Active CN113011222B (zh) | 2019-12-19 | 2019-12-19 | 一种活体检测系统、方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011222B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114608555A (zh) * | 2022-02-28 | 2022-06-10 | 珠海云洲智能科技股份有限公司 | 目标定位方法、系统及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101969548A (zh) * | 2010-10-15 | 2011-02-09 | 中国人民解放军国防科学技术大学 | 基于双目摄像的主动视频获取方法及装置 |
CN102693417A (zh) * | 2012-05-16 | 2012-09-26 | 清华大学 | 基于异构主动视觉网络的人脸图像样本采集优化方法 |
CN107358181A (zh) * | 2017-06-28 | 2017-11-17 | 重庆中科云丛科技有限公司 | 用于人脸活体判断的单目红外可见光摄像头装置及方法 |
CN108124090A (zh) * | 2016-11-26 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 移动机器人双摄像头人脸识别装置及方法 |
CN108447159A (zh) * | 2018-03-28 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 人脸图像采集方法、装置和出入口管理系统 |
CN108681037A (zh) * | 2018-07-13 | 2018-10-19 | 嘉兴中润光学科技有限公司 | 可见与红外同步成像镜头 |
CN108898112A (zh) * | 2018-07-03 | 2018-11-27 | 东北大学 | 一种近红外人脸活体检测方法及系统 |
JP2019128295A (ja) * | 2018-01-25 | 2019-08-01 | 国立研究開発法人産業技術総合研究所 | 撮像装置、撮像システム、及び撮像方法 |
CN110519510A (zh) * | 2019-08-08 | 2019-11-29 | 浙江大华技术股份有限公司 | 一种抓拍方法、装置、球机及存储介质 |
-
2019
- 2019-12-19 CN CN201911319527.XA patent/CN113011222B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101969548A (zh) * | 2010-10-15 | 2011-02-09 | 中国人民解放军国防科学技术大学 | 基于双目摄像的主动视频获取方法及装置 |
CN102693417A (zh) * | 2012-05-16 | 2012-09-26 | 清华大学 | 基于异构主动视觉网络的人脸图像样本采集优化方法 |
CN108124090A (zh) * | 2016-11-26 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 移动机器人双摄像头人脸识别装置及方法 |
CN107358181A (zh) * | 2017-06-28 | 2017-11-17 | 重庆中科云丛科技有限公司 | 用于人脸活体判断的单目红外可见光摄像头装置及方法 |
JP2019128295A (ja) * | 2018-01-25 | 2019-08-01 | 国立研究開発法人産業技術総合研究所 | 撮像装置、撮像システム、及び撮像方法 |
CN108447159A (zh) * | 2018-03-28 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 人脸图像采集方法、装置和出入口管理系统 |
CN108898112A (zh) * | 2018-07-03 | 2018-11-27 | 东北大学 | 一种近红外人脸活体检测方法及系统 |
CN108681037A (zh) * | 2018-07-13 | 2018-10-19 | 嘉兴中润光学科技有限公司 | 可见与红外同步成像镜头 |
CN110519510A (zh) * | 2019-08-08 | 2019-11-29 | 浙江大华技术股份有限公司 | 一种抓拍方法、装置、球机及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114608555A (zh) * | 2022-02-28 | 2022-06-10 | 珠海云洲智能科技股份有限公司 | 目标定位方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113011222B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10372970B2 (en) | Automatic scene calibration method for video analytics | |
CN108447091B (zh) | 目标定位方法、装置、电子设备及存储介质 | |
CN106650665B (zh) | 人脸跟踪方法及装置 | |
US9648285B2 (en) | Monitoring method and camera | |
US20080075334A1 (en) | Combined face and iris recognition system | |
US20150055824A1 (en) | Method of detecting a main subject in an image | |
CN109905641B (zh) | 一种目标监控方法、装置、设备及系统 | |
US10891479B2 (en) | Image processing method and system for iris recognition | |
US20140112550A1 (en) | Method and system for biometric recognition | |
US10719717B2 (en) | Scan face of video feed | |
US11375133B2 (en) | Automatic exposure module for an image acquisition system | |
WO2016070300A1 (en) | System and method for detecting genuine user | |
JP2003150942A (ja) | 目位置追跡方法 | |
KR101610525B1 (ko) | 조도를 고려한 동공 검출 장치 및 그 방법 | |
WO2020065852A1 (ja) | 認証システム、認証方法、及び、記憶媒体 | |
CN111444758A (zh) | 一种基于时空信息的行人重识别方法及装置 | |
CN113011222B (zh) | 一种活体检测系统、方法及电子设备 | |
KR102046591B1 (ko) | 영상 감시 시스템 및 영상 감시방법 | |
KR102274270B1 (ko) | 홍채인식범위 확장을 위한 홍채 영상 획득시스템 | |
US20230118532A1 (en) | Method and system for detecting a spoofing attempt | |
JP4765113B2 (ja) | 車両周辺監視装置、車両、車両周辺監視用プログラム、車両周辺監視方法 | |
CN112883809B (zh) | 一种目标检测方法、装置、设备及介质 | |
KR102194511B1 (ko) | 대표 영상프레임 결정시스템 및 이를 이용한 방법 | |
Bashir et al. | Video surveillance for biometrics: long-range multi-biometric system | |
CN115937776A (zh) | 监控方法、装置、系统、电子设备及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |