CN113532653A - 人脸活体检测的方法、系统以及人脸识别系统 - Google Patents
人脸活体检测的方法、系统以及人脸识别系统 Download PDFInfo
- Publication number
- CN113532653A CN113532653A CN202110699226.5A CN202110699226A CN113532653A CN 113532653 A CN113532653 A CN 113532653A CN 202110699226 A CN202110699226 A CN 202110699226A CN 113532653 A CN113532653 A CN 113532653A
- Authority
- CN
- China
- Prior art keywords
- target
- sensor
- data
- detection
- target object
- 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 141
- 238000001228 spectrum Methods 0.000 claims abstract description 102
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000002835 absorbance Methods 0.000 claims abstract description 8
- 230000003595 spectral effect Effects 0.000 claims description 72
- 238000005286 illumination Methods 0.000 claims description 53
- 238000003860 storage Methods 0.000 claims description 27
- 239000013589 supplement Substances 0.000 claims description 25
- 238000001727 in vivo Methods 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 16
- 238000010521 absorption reaction Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 abstract description 17
- 238000002329 infrared spectrum Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 abstract description 4
- 230000007123 defense Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000005242 forging Methods 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 18
- 230000003287 optical effect Effects 0.000 description 9
- 238000013145 classification model Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001574 biopsy Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 102000011782 Keratins Human genes 0.000 description 1
- 108010076876 Keratins Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本说明书提供的人脸活体检测的方法、系统以及人脸识别系统,利用人体皮肤与伪造人脸的分子材料不同,其对近红外波段的近红外光的吸收光谱也不同,实现对目标对象的分类。所述方法和系统通过光谱传感器采集目标对象对近红外光的反射光谱,通过计算机处理并识别光谱传感器采集的反射光谱,获取目标对象对近红外光的吸光度,从而确定目标对象是否为活体,实现对活体人脸和伪造人脸的识别。由于人体皮肤属于生物特征,其组成成分极难被伪造,而近红外光谱由分子材料决定,因此针对常见的照片、视频、人造面具和三维头模等伪造手段,均有较好的防御效果,提高了活体检测的全面性,可广泛应用于各种人脸识别场景。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种人脸活体检测的方法、系统以及人脸识别系统。
背景技术
人脸识别技术作为一种生物特征识别技术,由于其易采集、非接触式、识别率高等特点,得到了广泛的应用。随着人脸识别技术在安防、金融、监控等领域的广泛应用,其安全性也成为人们关注的焦点。人脸活体检测技术是人脸识别系统的重要组成部分,通过区分摄像机前的物体是真人还是假体,可有效提升人脸识别系统的安全性。目前人脸伪造方法主要有照片伪造、视频回放伪造、人造面具伪造和三维模型伪造等。现有的人脸识别设备主要通过3D成像和用户互动的活体验证方式降低伪造人脸的识别通过率。3D成像通过结构光或TOF模组获取人脸的深度信息,可有效防止照片和视频回放的伪造人脸,但对于人造面具和三维模型等具有深度信息的伪造方式,则无法过滤。而通过用户配合动作,如眨眼、摇头等互动实现活体验证的方式,不仅降低了识别速度和用户体验,而且对于部分视频和人造面具也无法有效拦截。
因此,需要提供一种更全面、更高效的人脸活体检测的方法、系统以及人脸识别系统。
发明内容
本说明书提供一种更全面、更高效的人脸活体检测的方法、系统以及人脸识别系统。
第一方面,本说明书提供一种人脸活体检测的方法,包括:获取光谱传感器采集的视场范围的目标光谱数据,所述视场范围中包括目标对象,所述目标光谱数据包括多个目标波长的近红外光对应的光谱数据;基于所述目标光谱数据,确定吸收光谱数据,所述吸收光谱数据包括所述目标对象对所述多个目标波长的近红外光的吸光度;以及基于所述吸收光谱数据,确定所述目标对象是否为活体。
在一些实施例中,所述获取光谱传感器采集的视场范围的目标光谱数据,包括:控制所述光谱传感器采集所述视场范围的第一光谱数据,所述第一光谱数据包括在背景光照下所述多个目标波长的近红外光对应的强度;控制目标光源打开,所述目标光源包括至少一个补光灯,所述补光灯发出的光照的波长在预设波长范围内,所述预设波长范围至少覆盖所述多个目标波长;控制所述光谱传感器采集所述视场范围的第二光谱数据,所述第二光谱数据包括在所述目标光源的光照下所述多个目标波长的近红外光对应的强度;以及将所述第二光谱数据与所述第一光谱数据相减获取差值,将所述差值作为所述目标光谱数据。
在一些实施例中,所述控制目标光源打开,包括:控制所述至少一个补光灯中的至少一个打开。
在一些实施例中,所述基于所述目标光谱数据,确定吸收光谱数据,包括:确定所述目标光源中所述多个目标波长的近红外光的入射强度;基于所述目标光谱数据,确定所述目标对象对所述目标光源中的所述多个目标波长的近红外光的反射强度;将所述入射强度和所述反射强度相减,获取所述目标对象对所述目标光源中的所述多个目标波长的近红外光的吸收强度;以及基于所述吸收强度与所述入射强度的比值,确定所述吸收光谱数据。
在一些实施例中,所述基于所述目标光谱数据,确定吸收光谱数据,包括:将所述目标光谱数据作为所述吸收光谱数据。
在一些实施例中,所述基于所述吸收光谱数据,确定所述目标对象是否为活体,包括:确定所述吸收光谱数据在预设范围内,确定所述目标对象为活体;或者确定所述吸收光谱数据超过所述预设范围,确定所述目标对象为非活体。
在一些实施例中,所述预设范围为基于多个样本数据训练得到的,每个所述样本数据包括活体人脸样本对所述多个目标波长的近红外光的吸光光谱数据。
在一些实施例中,所述预设范围包括多个子范围,所述多个子范围与所述多个目标波长对应。
在一些实施例中,所述多个目标波长包括活体人脸的多个生物特征对应的波长。
在一些实施例中,在所述获取光谱传感器采集的视场范围的目标光谱数据之前,还包括:基于探测传感器的监测数据的变化,确定所述目标对象进入所述视场范围,其中,所述探测传感器包括距离传感器和图像传感器中的至少一种,所述距离传感器包括红外传感器、激光传感器、超声波传感器以及雷达传感器中的至少一种;以及所述基于探测传感器的监测数据的变化,确定所述目标对象进入所述视场范围,包括以下情况中的至少一种:基于所述距离传感器的监测的距离信号的变化,确定所述目标对象进入所述视场范围,所述监测数据包括所述距离信号;以及基于所述图像传感器的监测的光照强度数据变化,确定所述目标对象进入所述视场范围,所述监测数据包括所述光照强度数据。
第二方面,本说明书还提供一种人脸活体检测的系统,包括光谱传感器、目标光源以及活体检测装置,所述光谱传感器被配置为采集视场范围内的多个目标波长的近红外光对应的光谱数据;所述目标光源包括至少一个补光灯,所述补光灯发出的光照的波长在预设波长范围内,所述预设波长范围至少覆盖所述多个目标波长;以及所述活体检测装置与所述光谱传感器和所述目标光源通信连接,包括至少一个存储介质以及至少一个处理器,所述至少一个存储介质存储有至少一个指令集用于人脸活体检测;所述至少一个处理器同所述至少一个存储介质通信连接,其中,当所述人脸活体检测的系统运行时,所述至少一个处理器读取所述至少一个指令集并实施本说明书第一方面所述的人脸活体检测的方法。
在一些实施例中,所述至少一个补光灯围绕所述光谱传感器均匀分布。
在一些实施例中,所述人脸活体检测的系统还包括探测传感器,对所述视场范围进行监测生成监测数据,所述活体检测装置与所述探测传感器通信连接,并基于探测传感器的监测数据的变化,确定所述目标对象进入所述视场范围,其中,所述探测传感器包括距离传感器和图像传感器中的至少一种,所述距离传感器包括红外传感器、激光传感器、超声波传感器以及雷达传感器中的至少一种。
第三方面,本说明书还提供一种人脸识别系统,包括本说明书第二方面所述的人脸活体检测的系统、图像传感器以及人脸识别装置,所述图像传感器被配置为拍摄所述目标对象的图像数据;所述人脸识别装置与所述人脸活体检测的系统以及所述图像传感器通信连接,对所述目标对象进行人脸识别。
由以上技术方案可知,本说明书提供的基于近红外多光谱技术的人脸活体检测的方法、系统以及人脸识别系统,利用不同物质的分子材料不同,对近红外波段的近红外光的吸收光谱也不同,实现对目标对象的分类。由于人体皮肤与伪造人脸的分子材料不同,因此对近红外波段的近红外光的吸收光谱也不同。所述方法和系统,通过目标光源对进入视场范围内的目标对象进行照射,并通过光谱传感器采集目标对象对近红外光的反射光谱,通过计算机处理并识别光谱传感器采集的反射光谱,获取目标对象对近红外光的吸光度,从而确定目标对象是否为活体,实现对活体人脸和伪造人脸的分类。由于人体皮肤属于生物特征,其组成成分极难被伪造,而近红外光谱由分子材料决定,因此针对常见的照片、视频、人造面具和三维头模等伪造手段,均有较好的防御效果,提高了活体检测的全面性,可广泛应用于各种人脸识别场景。本说明书提供了一种更友好的活体检测方法,无需目标对象做出配合动作即可实现快速、准确地识别出目标对象是否为活体,提高了活体检测的效率以及用户体验感。
本说明书提供的人脸活体检测的方法、系统以及人脸识别系统的其他功能将在以下说明中部分列出。根据描述,以下数字和示例介绍的内容将对那些本领域的普通技术人员显而易见。本说明书提供的人脸活体检测的方法、系统以及人脸识别系统的创造性方面可以通过实践或使用下面详细示例中所述的方法、装置和组合得到充分解释。
附图说明
为了更清楚地说明本说明书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说明书的一些实施例,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示出了根据本说明书的实施例提供的一种人脸活体检测的系统的示意图;
图2示出了根据本说明书的实施例提供的一种活体检测装置的设备示意图;
图3示出了根据本说明书的实施例提供的一种人脸识别系统的示意图;
图4示出了根据本说明书的实施例提供的一种人脸活体检测的方法流程图;以及
图5示出了根据本说明书的实施例提供的一种确定吸收光谱数据的方法流程图。
具体实施方式
以下描述提供了本说明书的特定应用场景和要求,目的是使本领域技术人员能够制造和使用本说明书中的内容。对于本领域技术人员来说,对所公开的实施例的各种局部修改是显而易见的,并且在不脱离本说明书的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用。因此,本说明书不限于所示的实施例,而是与权利要求一致的最宽范围。
这里使用的术语仅用于描述特定示例实施例的目的,而不是限制性的。比如,除非上下文另有明确说明,这里所使用的,单数形式“一”,“一个”和“该”也可以包括复数形式。当在本说明书中使用时,术语“包括”、“包含”和/或“含有”意思是指所关联的整数,步骤、操作、元素和/或组件存在,但不排除一个或多个其他特征、整数、步骤、操作、元素、组件和/或组的存在或在该系统/方法中可以添加其他特征、整数、步骤、操作、元素、组件和/或组。
考虑到以下描述,本说明书的这些特征和其他特征、以及结构的相关元件的操作和功能、以及部件的组合和制造的经济性可以得到明显提高。参考附图,所有这些形成本说明书的一部分。然而,应该清楚地理解,附图仅用于说明和描述的目的,并不旨在限制本说明书的范围。还应理解,附图未按比例绘制。
本说明书中使用的流程图示出了根据本说明书中的一些实施例的系统实现的操作。应该清楚地理解,流程图的操作可以不按顺序实现。相反,操作可以以反转顺序或同时实现。此外,可以向流程图添加一个或多个其他操作。可以从流程图中移除一个或多个操作。
为了方便描述,本说明书对后面的描述中可能出现的术语进行如下解释:
近红外光:介于可见光(ⅥS)和中红外光(MIR)之间的电磁波,按ASTM(美国试验和材料检测协会)定义是指波长在780~2526nm范围内的电磁波,习惯上又将近红外区划分为近红外短波(780~1100nm)和近红外长波(1100~2526nm)两个区域;不同物质的分子材料不同,对近红外波段的近红外光的吸收光谱是不同。
近红外光谱分析:利用不同化学成分的物质在近红外波段下呈现不同的光谱特征,来进行物体定性或定量分析的方法。
由于人体皮肤属于生物特征,其组成成分极难被伪造,因此人体皮肤与伪造人脸的分子材料不同,对近红外波段的近红外光的吸收光谱也不同。本说明书提供一种人脸活体检测的方法、系统以及人脸识别系统,利用不同物质的分子材料不同,对近红外波段的近红外光的吸收光谱不同,实现对目标对象的分类。
图1示出了根据本说明书的实施例提供的一种人脸活体检测的系统001的示意图。人脸活体检测的系统001(以下简称系统001)可以用于对所述视场范围内的所述目标对象进行人脸活体检测的。所述视场范围可以是系统001的工作范围。所述视场范围可以是任意空间区域,比如,超市、商场、餐饮店,等等。系统001可以应用于任意需要进行活体检测的场合,比如,大型公共场所、人脸识别场景,等等。为了方便展示,本说明书将以系统001应用于人脸识别场景为例进行描述。人脸识别场景可以是各种需要对待检测对象进行人脸识别的场景,比如,人脸支付场景,再比如人脸解锁场景、人脸认证场景,等等。系统001可以包括光谱传感器100、目标光源200以及活体检测装置300。在一些实施例中,系统001还可以包括探测传感器500。
光谱传感器100可以对检测对象反射出的反射光的光谱进行测定。由光谱传感器100测定出的光谱中会直接反映出检测对象对照射的环境光的光谱的影响。在本说明书中,所述检测对象可以是所述目标对象。所述目标对象可以是任意一个需要进行人脸活体检测的对象。所述环境光可以是被照射到检测对象上的太阳光或照明光等。光谱传感器100可以是多光谱传感器,具有将作为包括可见光以及不可见光的光的观测光分光成规定的波长波段的功能。光谱传感器100可以生成光谱数据。所述光谱数据可以是由分光后的不同的波长波段的光的波长信息以及光强度信息生成的数据。所述波长信息可以是表示分光后的不同的波长波段的光所包含的各波长的信息。所述光强度信息可以是表示各波长下的光的光强度的信息。即所述光谱数据可以包括作为观测光的各波长下的光在波长波段中的分布的光谱形状以及其对应的光强度的光谱强度。也就是说,光谱传感器100可以采集所述视场范围内的物体反射出的反射光,并将所述反射光分光生成多个不同波长的光的光谱数据。由于本说明书所述的系统001主要基于活体人脸材料与伪造人脸材料对近红外光的吸收光谱不同,因此,光谱传感器100可以用于采集所述视场范围内的多个目标波长的近红外光的光谱数据。本说明书所述的近红外光可以是近红外短波也可以是近红外长波。
为了从光谱传感器100采集的所述多个目标波长的近红外光的光谱数据中识别出活体人脸和伪造人脸,所述多个目标波长可以包括活体人脸的多个生物特征对应的波长,比如,血红蛋白对应的波长、脂肪对应的波长、毛细血管对应的波长、面部角蛋白对应的波长、胶原蛋白对应的波长、油脂对应的波长、水分对应的波长,等等。在一些实施例中,所述多个目标波长可以是近红外短波。在一些实施例中,所述多个目标波长可以包括但不限于以下波长:410nm、435nm、460nm、485nm、510nm、535nm、560nm、585nm、610nm、645nm、680nm、705nm、730nm、760nm、810nm、860nm、900nm和940nm。在一些实施例中,所述多个目标波长可以包括以上波长中的一个或多个。
如前所述,系统001可以基于所述目标对象对近红外波段的近红外光的吸收光谱,确定所述目标对象是否为活体。光谱传感器100生成的光谱数据为所述目标对象对近红外光的反射光的强度,要获取所述目标对象对近红外光的吸收光谱,需确定环境光对所述目标对象的入射光的强度。由于所述视场范围内的背景光照可能受到天气、所述目标对象周围的明亮度、位于所述目标对象周围的物体等带来的影响等而发生变化。由此,为了提高系统001对所述目标对象的识别精度,系统001还可以包括目标光源200。
目标光源200可以是能够发出已知强度的光的光源。目标光源200可以包括至少一个补光灯220。所述补光灯220可以向所述视场范围内发出光照。补光灯220发出的光照的波长可以在预设波长范围内。所述预设波长范围可以至少覆盖所述多个目标波长。也就是说,补光灯220发出的光照至少应包括所述多个目标波长所涵盖的波长范围的近红外光。如前所述,在一些实施例中,所述多个目标波长可以是近红外短波。因此,补光灯220发出的光照可以覆盖所述近红外短波所在的波长范围,比如,780~1100nm。在一些实施例中,所述多个目标波长可以是近红外长波。因此,补光灯220发出的光照可以覆盖所述近红外长波所在的波长范围,比如,780~1100nm。在一些实施例中,所述多个目标波长可以是近红外短波。因此,补光灯220发出的光照可以覆盖所述近红外短波所在的波长范围,比如,1100~2526nm。在一些实施例中,补光灯220不仅可以发出所述近红外光,还可以发出可见光,以在黑暗环境下为人脸识别时摄像头的拍摄进行补光,以获取清晰的人脸图像。此时,补光灯220为宽光谱光源,波长覆盖范围可以是380~1100nm,比如白光LED光源,从而将活体检测时的补光灯与RGB图像采集时使用的补光灯进行合并共用,以简化设备结构。
在一些实施例中,补光灯220的数量可以是一个。在一些实施例中,补光灯220的数量可以是多个。补光灯220可以分布在光谱传感器100周围。为了使得补光灯220均要照射至所述目标对象,补光灯220得数量可以是多个。所述多个补光灯220可以围绕所述光谱传感器100均匀分布。如图1所示,图中示出了4个补光灯220,均匀分布在光谱传感器100周围。
活体检测装置300可以包括具有数据信息处理功能的硬件设备和驱动该硬件设备工作所需必要的程序。当然,活体检测装置300也可以仅为具有数据处理能力的硬件设备,或者仅为运行在硬件设备中的程序。活体检测装置300可以存储有执行本说明书描述的人脸活体检测的方法的数据或指令,并可以执行或用于执行所述数据和/或指令。活体检测装置300工作时可以与光谱传感器100和目标光源200通信连接,以进行数据传输,控制目标光源200的打开或关闭,以及控制光谱传感器100采集所述目标对象的目标光谱数据,并获取所述目标光谱数据。所述通信连接可以是任意形式的数据连接方式,在一些实施例中,所述通信连接可以是电连接,以通过电线连接进行数据传输。在一些实施例中,所述通信连接可以是无线通信连接,例如,网络、WiFi、NFC、蓝牙,等等。
在一些实施例中,系统001还可以包括探测传感器500。探测传感器500可以用于对所述视场范围进行监测,生成监测数据,以监测是否有所述目标对象进入所述视场范围。所述活体检测装置300可以与探测传感器500通信连接,以进行数据传输。活体检测装置300可以接收探测传感器500对所述视场范围的监测数据,并可以基于探测传感器500的监测数据的变化,确定是否有所述目标对象进入所述视场范围。具体地,当没有所述目标对象进入所述视场范围内时,所述监测数据基本不变或变化微小,小于阈值;当有所述目标对象进入所述视场范围内时,所述监测数据发生变化,且变化大于所述阈值。当活体检测装置300确定有所述目标对象进入所述视场范围内时,活体检测装置300可以执行本说明书描述的人脸活体检测的方法的数据或指令,以对所述目标对象进行人脸活体检测。
在一些实施例中,所述探测传感器500可以包括距离传感器和图像传感器中的至少一种。所述距离传感器包括红外传感器、激光传感器、超声波传感器以及雷达传感器中的至少一种。所述距离传感器可以向所述视场范围内发送距离信号,并接收所述视场范围内的物体反射回的距离信号。当有所述目标对象进入所述视场范围内时,所述距离传感器接收的距离信号会发生变化。所述图像传感器可以是摄像头。所述摄像头可以接收视场范围内的光信号。当有所述目标对象进入所述视场范围内时,所述摄像头接收的光信号的光照强度数据会发生变化。
综上所述,本说明书提供的系统001可以通过光谱传感器100采集所述目标对象对多个目标波长的近红外光的光谱数据,从而计算所述目标对象对多个目标波长的近红外光的吸收光谱,进而根据吸收光谱判断所述目标对象是否为活体人脸。本说明书提供的系统001结构简单,实时性强。
图2示出了根据本说明书的实施例提供的一种活体检测装置300的设备示意图。如图2所示,活体检测装置300可以包括至少一个存储介质330和至少一个处理器320。在一些实施例中,活体检测装置300还可以包括内部通信总线310。
内部通信总线310可以连接不同的系统组件,实现各组件间的数据通信,包括存储介质330以及处理器320。例如,处理器320可以通过内部通信总线310将数据发送到存储介质330或I/O组件360等其它硬件中。在一些实施例中,内部通信总线310可以为工业标准(ISA)总线、扩展工业标准(EISA)总线、视频电子标准(VESA)总线、外部部件互联标准(PCI)总线等。
存储介质330可以包括数据存储装置。所述数据存储装置可以是非暂时性存储介质,也可以是暂时性存储介质。比如,所述数据存储装置可以包括磁盘332、只读存储介质(ROM)334或随机存取存储介质(RAM)336中的一种或多种。存储介质330还包括存储在所述数据存储装置中的至少一个指令集。所述至少一个指令集用于所述人脸活体检测。所述指令是计算机程序代码,所述计算机程序代码可以包括执行本说明书提供的人脸活体检测的方法的程序、例程、对象、组件、数据结构、过程、模块等等。
至少一个处理器320可以同至少一个存储介质330以及通信端口350通过内部通信总线310通信连接。至少一个处理器320用以执行上述至少一个指令集。当活体检测装置300运行时,至少一个处理器320读取所述至少一个指令集,并且根据所述至少一个指令集的指示执行本说明书提供的人脸活体检测的方法。处理器320可以执行人脸活体检测的方法包含的所有步骤。处理器320可以是一个或多个处理器的形式,在一些实施例中,处理器320可以包括一个或多个硬件处理器,例如微控制器,微处理器,精简指令集计算机(RISC),专用集成电路(ASIC),特定于应用的指令集处理器(ASIP),中央处理单元(CPU),图形处理单元(GPU),物理处理单元(PPU),微控制器单元,数字信号处理器(DSP),现场可编程门阵列(FPGA),高级RISC机器(ARM),可编程逻辑器件(PLD),能够执行一个或多个功能的任何电路或处理器等,或其任何组合。仅仅为了说明问题,在本说明书中活体检测装置300中仅描述了一个处理器320。然而,应当注意,本说明书中活体检测装置300还可以包括多个处理器,因此,本说明书中披露的操作和/或方法步骤可以如本说明书所述的由一个处理器执行,也可以由多个处理器联合执行。例如,如果在本说明书中活体检测装置300的处理器320执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同处理器320联合或分开执行(例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一和第二处理器共同执行步骤A和B)。
图3示出了根据本说明书的实施例提供的一种人脸识别系统005的示意图。如图3所示,人脸是被系统005可以包括本说明提供的人脸活体检测系统001、图像传感器520以及人脸识别装置540。
图像传感器520可以被配置为拍摄所述目标对象的图像数据。图像传感器520可以是摄像头,比如RGB摄像头。图像传感器520可以是单目摄像头,也可以是双目摄像头。当探测传感器500是图像传感器时,探测传感器500与图像传感器520可以是同一个。如图3所示,图像传感器520可以设置在光谱传感器100的附近,补光灯220可以围绕光谱传感器100和图像传感器520均匀分布。
在一些实施例中,图像传感器520中可以包括滤光片。放置于镜头组的焦平面上;所述滤光片为带通滤光片,放置于图像传感器520中的摄像头的镜头组前,仅允许400~700nm的可见光通过,以去除RGB中的红外成分,提高图像的信噪比,提升RGB图像质量。
人脸识别装置540可以与图像传感器520以及系统001通信连接。人脸识别装置540可以接收系统001对所述目标对象的人脸活体检测结果,并可以基于所述人脸活体检测结果,基于所述目标对象的所述图像数据对所述目标对象进行人脸识别。人脸识别装置540可以包括具有数据信息处理功能的硬件设备和驱动该硬件设备工作所需必要的程序。当然,人脸识别装置540也可以仅为具有数据处理能力的硬件设备,或者仅为运行在硬件设备中的程序。人脸识别装置540可以存储有执行人脸识别的方法的数据或指令,并可以执行或用于执行所述数据和/或指令。
图4示出了根据本说明书的实施例提供的一种人脸活体检测的方法P100的流程图。如前所述,活体检测装置300可以执行本说明书提供的人脸活体检测方法P100。具体地,活体检测装置300中的处理器820可以读取存储在其本地存储介质中的指令集,然后根据所述指令集的规定,执行本说明书提供的人脸活体检测的方法P100。在一些实施例中,所述方法P100可以包括:
S120:活体检测装置300基于探测传感器500的监测数据的变化,确定所述目标对象进入所述视场范围。
在一些实施例中,活体检测装置300在对所述目标对象进行所述人脸活体检测时,可以先确定所述目标对象是否进入所述视场范围内。当所述目标对象进入所述视场范围内时,活体检测装置300可以执行对所述目标对象的人脸活体检测。如前所述,活体检测装置300可以基于探测传感器500的检测数据的变化,确定是否有所述目标对象进入所述视场范围内。如前所述,在一些实施例中,探测传感器500可以包括距离传感器。步骤S120可以是基于所述距离传感器的监测的距离信号的变化,确定所述目标对象进入所述视场范围,所述监测数据包括所述距离信号。在一些实施例中,探测传感器500可以包括图像传感器。步骤S120可以是基于所述图像传感器的监测的光照强度数据变化,确定所述目标对象进入所述视场范围,所述监测数据包括所述光照强度数据。
当活体检测装置300确定有所述目标对象进入所述视场范围内时,所述方法P100还可以包括:
S140:活体检测装置300获取光谱传感器100采集的所述视场范围的目标光谱数据。
所述视场范围中可以包括所述目标对象。所述目标光谱数据可以包括多个目标波长的近红外光对应的光谱数据,即所述目标对象对所述多个目标波长的近红外光的反射光的反射强度。如前所述,由于背景光照容易受到外界环境的影响,导致所述光谱数据不准确,为了提高人脸活体检测的精度,活体检测装置300可以分别获取背景光照下的光谱数据以及打开目标光源200以后的光谱数据,并将两组数据相减,以减少背景光照中外界环境的干扰。具体地,步骤S140可以包括:
S142:活体检测装置300控制所述光谱传感器100采集所述视场范围的第一光谱数据。
其中,所述第一光谱数据可以包括在背景光照下所述多个目标波长的近红外光对应的强度,即在背景光照下所述目标对象对所述多个目标波长的近红外光的反射光的反射强度。在一些实施例中,活体检测装置300可以控制光谱传感器100在背景光照下采集一次光谱数据,将所采集光谱数据作为所述第一光谱数据。在一些实施例中,活体检测装置300可以控制光谱传感器100在背景光照下采集多次光谱数据,并对所述多次光谱数据求平均,将所述平均值作为所述第一光谱数据,以提高光谱信号的信噪比,避免异常情况导致数据采集不准确。在一些实施例中,活体检测装置300可以控制光谱传感器100在背景光照下采集多次光谱数据,剔除所述多次光谱数据中的异常数据,并对剩余的光谱数据求平均,将所述平均值作为所述第一光谱数据,以提高光谱信号的信噪比,避免异常情况导致数据采集不准确。为了方便描述,我们将所述多个目标波长的数量定义为M。所述第一光谱数据可以表示为
S144:活体检测装置300控制目标光源200打开。
当活体检测装置300获取了所述目标对象在背景光照下的第一光谱数据后,可以控制目标光源200打开,以使光谱传感器100采集所述目标对象在目标光源200照射下的光谱数据。如前所述,目标光源200可以包括至少一个补光灯220。在一些实施例中,控制目标光源200打开可以是控制至少一个补光灯220中的所有补光灯220打开。在一些实施例中,控制目标光源200打开可以是控制至少一个补光灯220中的至少一个打开。活体检测装置300可以根据所述背景光照的强度确定至少一个补光灯220中需要打开的补光灯220的数量。具体地,活体检测装置300中可以预先存储有至少一个光照阈值。所述至少一个光照阈值按照由小到大的顺序进行排列,比如,Y1<Y2<Y3……。为了方便描述,我们将至少一个补光灯220的数量定义为N,其中,N≥1。当所述背景光照的强度小于Y1时,活体检测装置300控制N个补光灯220全部打开。当所述背景光照的强度大于Y1且小于Y2时,活体检测装置300控制N-1个补光灯220打开,以此类推。
S146:活体检测装置300控制所述光谱传感器100采集所述视场范围的第二光谱数据。
所述第二光谱数据可以包括在所述目标光源200的光照下所述多个目标波长的近红外光对应的强度,即在目标光源200的光照下所述目标对象对所述多个目标波长的近红外光的反射光的反射强度。在一些实施例中,活体检测装置300可以控制光谱传感器100在目标光源200的光照下采集一次光谱数据,将所采集光谱数据作为所述第二光谱数据。在一些实施例中,活体检测装置300可以控制光谱传感器100在目标光源200的光照下采集多次光谱数据,并对所述多次光谱数据求平均,将所述平均值作为所述第二光谱数据,以提高光谱信号的信噪比,避免异常情况导致数据采集不准确。在一些实施例中,活体检测装置300可以控制光谱传感器100在目标光源200的光照下采集多次光谱数据,剔除所述多次光谱数据中的异常数据,并对剩余的光谱数据求平均,将所述平均值作为所述第一光谱数据,以提高光谱信号的信噪比,避免异常情况导致数据采集不准确。所述第二光谱数据可以表示为
需要说明的是,所述第二光谱数据中不仅可以包括所述目标对象对目标光源200中的所述多个目标波长的近红外光的反射光的强度,还可以包括所述目标对象对背景光照中的所述多个目标波长的近红外光的反射光的强度。
S148:活体检测装置300将所述第二光谱数据与所述第一光谱数据相减确定差值,将所述差值作为所述目标光谱数据。
为了获取所述目标对象对所述多个目标波长的近红外光的反射光的光谱数据,活体检测装置300可以将所述第二光谱数据与所述第一光谱数据相减得到差值,从而从所述第二光谱数据中除去背景光照对光谱数据的影响,得到扣除环境光干扰和光程影响的所述目标对象对近红外光的反射光谱数据。活体检测装置300可以将二者的差值作为所述目标对象对所述多个目标波长的近红外光的反射光的光谱数据。所述目标光谱数据可以表示为(X1,X2,…,XM)。其中,其中,i=1,2,……,M。
活体检测装置300通过将所述第二光谱数据与所述第一光谱数据相减,可有效减少外界环境光对所述多个目标波长的近红外光的光谱数据采集的影响,提升所述目标对象对所述多个目标波长的近红外光的反射光的光谱数据的测量精度,提升抗干扰能力,从而拓宽系统001的使用场景的范围,使之适用于各种人脸识别场景。
所述方法P100还可以包括:
S160:活体检测装置300基于所述目标光谱数据,确定吸收光谱数据。
其中,所述吸收光谱数据可以包括所述目标对象对所述多个目标波长的近红外光的吸光度。如前所述,系统001可以基于活体人脸和伪造人脸的材料不同,对近红外光的吸收光谱也不同,来识别出活体人脸与伪造人脸。因此,活体检测装置300可以基于所述目标光谱数据确定出所述目标对象对所述多个目标波长的近红外光的目标吸收光谱,从而根据所述目标吸收光谱对所述目标对象进行活体识别。
图5示出了根据本说明书的实施例提供的一种确定吸收光谱数据的方法流程图。如图5所示,在一些实施例中,步骤S160可以包括:
S162:活体检测装置300确定所述目标光源200中所述多个目标波长的近红外光的入射强度。
活体检测装置300中可以预先存储有每个补光灯220所发出的发射光的光照强度。如前所述,活体检测装置300可以控制补光灯220打开的数量,因此,活体检测装置300可以根据每个补光灯220所发出的发射光的光照强度以及补光灯220打开的数量,确定出目标光源200所发出的发射光的光照强度,为每个补光灯220所发出的发射光的光照强度和补光灯220打开的数量的乘积。活体检测装置300可以将目标光源200所发出的发射光的光照强度作为目标光源200中所述多个目标波长的近红外光的入射强度。需要说明的是,这里所述的入射强度是指所述多个目标波长中的每个目标波长各自对应的入射强度。
S164:活体检测装置300基于所述目标光谱数据,确定所述目标对象对所述目标光源200中的所述多个目标波长的近红外光的反射强度。
如前所述,所述光谱数据可以包括所述视场范围内的检测对象对所述多个目标波长的近红外光的反射光的光强度。所述目标光谱数据可以包括所述目标对象对所述多个目标波长的近红外光的反射光的光强度。所述目标对象对所述多个目标波长的近红外光的反射光的光强度即所述目标对象对所述目标光源200中的所述多个目标波长的近红外光的反射强度。
S166:活体检测装置300将所述入射强度和所述反射强度相减,获取所述目标对象对所述目标光源200中的所述多个目标波长的近红外光的吸收强度。
所述入射强度与所述反射强度的差值即为所述目标对象对所述多个目标波长的近红外光的吸收强度。
S168:活体检测装置300基于所述吸收强度与所述入射强度的比值,确定所述吸收光谱数据。
如前所述,所述吸收光谱数据可以是吸光度。所述吸光度可以是所述吸收强度与所述入射强度的比值。活体检测装置300可以将所述吸收强度与所述入射强度的比值作为所述吸收光谱数据。
在一些实施例中,步骤S160也可以是活体检测装置300直接将所述目标光谱数据作为所述吸收光谱数据。比如,当活体检测装置300每次都控制全部补光灯220打开时,由于补光灯220发出的入射光的光照强度和补光灯220的数量都是恒定的,因此所述入射强度也是恒定不变的。活体检测装置可以直接根据所述目标对象对所述多个目标波长的近红外光的反射强度对所述目标对象进行所述人脸活体检测。
所述方法P100还可以包括:
S170:活体检测装置300基于所述吸收光谱数据,确定所述目标对象是否为活体。
在一些实施例中,在对所述吸收光谱数据进行分类前,步骤S180还可以包括对所述吸收光谱数据进行预处理。所述预处理包括但不限于以下处理:平滑、小波变换、多元散射校正等。其中平滑和小波变换可滤除光谱采集过程中的随机噪声、电噪声和高频噪声,而多元散射校正可消除人脸识别过程中,由于周围环境和背景不同导致的光散射现象使光谱出现差异。
在一些实施例中,步骤S170可以是:通过预先训练好的分类模型对所述吸收光谱数据进行分类。具体地,活体检测装置300可以将所述吸收光谱数据输入所述分类模型,所述分类模型对所述吸收光谱数据进行分类,并输出分类结果。所述分类模型可以是二分类模型,其输入数据可以是吸收光谱数据,其输出数据可以是人脸活体或非人脸活体。所述分类模型可以是基于多个样本数据训练得到的。在一些实施例中,所述多个样本数据可以全部是正样本。在一些实施例中,所述多个样本数据可以包括多个正样本和多个负样本。所述正样本中的样本数据可以是活体人脸样本对所述多个目标波长的近红外光的吸收光谱数据。所述多个正样本可以是多个不同肤色、不同年龄、不同人种的活体人脸皮肤样本。在对所述分类模型进行训练时,可以对所述多个样本数据及预处理,并将所述预处理后的样本数据输入至二分类模型中,对二分类模型进行训练。所述二分类模型可以是任意形式的二分类模型,比如,向量机(SVM)模型、神经网络模型、决策树模型,等等。
在一些实施例中,步骤S170可以是:将所述吸收光谱数据与预先存储在活体检测装置300中的预设范围进行对比。具体地,步骤S170可以包括:
S172:活体检测装置300确定所述吸收光谱数据在预设范围内,确定所述目标对象为活体;或者
S174:活体检测装置300确定所述吸收光谱数据超过所述预设范围,确定所述目标对象为非活体。
活体检测装置300中预先存储有所述预设范围。所述预设范围可以是基于所述多个样本数据训练得到的。所述多个样本数据为多个正样本,如前所述,在此不再赘述。具体地,活体检测装置300可以基于所述多个正样本进行训练,得到活体人脸对所述多个目标波长的近红外光的吸收光谱数据所在的所述预设范围。所述预设范围可以包括多个子范围,所述多个子范围与所述多个目标波长一一对应。即每个目标波长可以对应一个子范围。步骤S172可以是所述吸收光谱数据中的多个目标波长中有超过预设阈值的目标波长对应的吸收光谱在其对应的子范围内。反之,则为步骤S174。所述预设阈值可以是任意数,可以通过经验值获取,也可以经过实验方式获取,还可以通过机器学习的方式获取。在一些实施例中,所述预设阈值为所述多个目标波长数量的全部。
需要说明的是,如前所述,在一些实施例中,所述吸收光谱数据可以是所述吸收强度与所述入射强度的比值。此时,所述模型训练时的样本数据对应的吸收光谱数据也是样本对应的所述吸收强度与所述入射强度的比值。在一些实施例中,所述吸收光谱数据可以是所述目标光谱数据。此时,所述模型训练时的样本数据对应的吸收光谱数据也是样本对应的目标光谱数据。
在一些实施例中,所述方法P100还可以包括:
S180:活体检测装置300控制目标光源200关闭。
在一些实施例中,活体检测装置300可以获取视场范围内的背景光照的强度,并根据背景光强与光照阈值比较,在光谱传感器100采集完光谱数据后,选择关闭补光灯220中的部分补光灯220。而后在图像传感器520获取人脸图像采集完成后,关闭所有补光灯220。具体地,当探测传感器500为所述图像传感器520时,所述图像传感器520可以获取所述背景光照的强度,并发送给活体检测装置300。活体检测装置300可以根据所述背景光照的强度确定至少一个补光灯220中需要打开的补光灯220的数量,从而关闭多余的补光灯220。具体地,活体检测装置300中可以预先存储有至少一个光照阈值。所述至少一个光照阈值按照由小到大的顺序进行排列,比如,Y1<Y2<Y3……。为了方便描述,我们将至少一个补光灯220的数量定义为N,其中,N≥1。当所述背景光照的强度小于Y1时,活体检测装置300控制N个补光灯220全部打开。当所述背景光照的强度大于Y1且小于Y2时,活体检测装置300控制N-1个补光灯220打开,以此类推。当图像传感器520采集完用于进行人脸识别的所述目标对象的RGB图像时,活体检测装置300可以控制所有补光灯220关闭。
综上所述,本说明书提供的人脸活体检测的方法P100、系统001以及人脸识别系统005,利用不同物质的分子材料不同,对近红外波段的近红外光的吸收光谱也不同,实现对所述目标对象的分类。由于人体皮肤与伪造人脸的分子材料不同,因此对近红外波段的近红外光的吸收光谱也不同。所述方法P100和系统001,通过目标光源200对进入视场范围内的所述目标对象进行照射,并通过光谱传感器100采集所述目标对象对近红外光的反射光谱,通过计算机处理并识别光谱传感器100采集的反射光谱,获取所述目标对象对近红外光的吸光度,从而确定所述目标对象是否为活体,实现对活体人脸和伪造人脸的分类。由于人体皮肤属于生物特征,其组成成分极难被伪造,而近红外光谱由分子材料决定,因此针对常见的照片、视频、人造面具和三维头模等伪造手段,均有较好的防御效果,提高了活体检测的全面性,可广泛应用于各种人脸识别场景,并且所述方法P100和系统001,无需目标对象做出配合动作即可实现快速、准确地识别出所述目标对象是否为活体,提高了活体检测的效率以及用户体验感。同时,所述方法P100和系统001可以将用于活体检测的目标光源200与人脸识别系统005中用于对图像采集进行补光的补光灯进行合并共用,减少设备零件,集成度高,降低设备结构复杂性。
本说明书另一方面提供一种非暂时性存储介质,存储有至少一组用来人脸活体检测的可执行指令,当所述可执行指令被处理器执行时,所述可执行指令指导所述处理器实施本说明书所述的人脸活体检测的方法P100的步骤。在一些可能的实施方式中,本说明书的各个方面还可以实现为一种程序产品的形式,其包括程序代码。当所述程序产品在活体检测装置300上运行时,所述程序代码用于使活体检测装置300执行本说明书描述的人脸活体检测的步骤。用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)包括程序代码,并可以在活体检测装置300上运行。然而,本说明书的程序产品不限于此,在本说明书中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统(例如处理器320)使用或者与其结合使用。所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本说明书操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在活体检测装置300上执行、部分地在活体检测装置300上执行、作为一个独立的软件包执行、部分在活体检测装置300上部分在远程计算设备上执行、或者完全在远程计算设备上执行。
上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者是可能有利的。
综上所述,在阅读本详细公开内容之后,本领域技术人员可以明白,前述详细公开内容可以仅以示例的方式呈现,并且可以不是限制性的。尽管这里没有明确说明,本领域技术人员可以理解本说明书需求囊括对实施例的各种合理改变,改进和修改。这些改变,改进和修改旨在由本说明书提出,并且在本说明书的示例性实施例的精神和范围内。
此外,本说明书中的某些术语已被用于描述本说明书的实施例。例如,“一个实施例”,“实施例”和/或“一些实施例”意味着结合该实施例描述的特定特征,结构或特性可以包括在本说明书的至少一个实施例中。因此,可以强调并且应当理解,在本说明书的各个部分中对“实施例”或“一个实施例”或“替代实施例”的两个或更多个引用不一定都指代相同的实施例。此外,特定特征,结构或特性可以在本说明书的一个或多个实施例中适当地组合。
应当理解,在本说明书的实施例的前述描述中,为了帮助理解一个特征,出于简化本说明书的目的,本说明书将各种特征组合在单个实施例、附图或其描述中。然而,这并不是说这些特征的组合是必须的,本领域技术人员在阅读本说明书的时候完全有可能将其中一部分设备标注出来作为单独的实施例来理解。也就是说,本说明书中的实施例也可以理解为多个次级实施例的整合。而每个次级实施例的内容在于少于单个前述公开实施例的所有特征的时候也是成立的。
本文引用的每个专利,专利申请,专利申请的出版物和其他材料,例如文章,书籍,说明书,出版物,文件,物品等,可以通过引用结合于此。用于所有目的的全部内容,除了与其相关的任何起诉文件历史,可能与本文件不一致或相冲突的任何相同的,或者任何可能对权利要求的最宽范围具有限制性影响的任何相同的起诉文件历史。现在或以后与本文件相关联。举例来说,如果在与任何所包含的材料相关联的术语的描述、定义和/或使用与本文档相关的术语、描述、定义和/或之间存在任何不一致或冲突时,使用本文件中的术语为准。
最后,应理解,本文公开的申请的实施方案是对本说明书的实施方案的原理的说明。其他修改后的实施例也在本说明书的范围内。因此,本说明书披露的实施例仅仅作为示例而非限制。本领域技术人员可以根据本说明书中的实施例采取替代配置来实现本说明书中的申请。因此,本说明书的实施例不限于申请中被精确地描述过的实施例。
Claims (14)
1.一种人脸活体检测的方法,包括:
获取光谱传感器采集的视场范围的目标光谱数据,所述视场范围中包括目标对象,所述目标光谱数据包括多个目标波长的近红外光对应的光谱数据;
基于所述目标光谱数据,确定吸收光谱数据,所述吸收光谱数据包括所述目标对象对所述多个目标波长的近红外光的吸光度;以及
基于所述吸收光谱数据,确定所述目标对象是否为活体。
2.如权利要求1所述的人脸活体检测的方法,其中,所述获取光谱传感器采集的视场范围的目标光谱数据,包括:
控制所述光谱传感器采集所述视场范围的第一光谱数据,所述第一光谱数据包括在背景光照下所述多个目标波长的近红外光对应的强度;
控制目标光源打开,所述目标光源包括至少一个补光灯,所述补光灯发出的光照的波长在预设波长范围内,所述预设波长范围至少覆盖所述多个目标波长;
控制所述光谱传感器采集所述视场范围的第二光谱数据,所述第二光谱数据包括在所述目标光源的光照下所述多个目标波长的近红外光对应的强度;以及
将所述第二光谱数据与所述第一光谱数据相减获取差值,将所述差值作为所述目标光谱数据。
3.如权利要求2所述的人脸活体检测的方法,其中,所述控制目标光源打开,包括:
控制所述至少一个补光灯中的至少一个打开。
4.如权利要求2所述的人脸活体检测的方法,其中,所述基于所述目标光谱数据,确定吸收光谱数据,包括:
确定所述目标光源中所述多个目标波长的近红外光的入射强度;
基于所述目标光谱数据,确定所述目标对象对所述目标光源中的所述多个目标波长的近红外光的反射强度;
将所述入射强度和所述反射强度相减,获取所述目标对象对所述目标光源中的所述多个目标波长的近红外光的吸收强度;以及
基于所述吸收强度与所述入射强度的比值,确定所述吸收光谱数据。
5.如权利要求1所述的人脸活体检测的方法,其中,所述基于所述目标光谱数据,确定吸收光谱数据,包括:
将所述目标光谱数据作为所述吸收光谱数据。
6.如权利要求1所述的人脸活体检测的方法,其中,所述基于所述吸收光谱数据,确定所述目标对象是否为活体,包括:
确定所述吸收光谱数据在预设范围内,确定所述目标对象为活体;或者
确定所述吸收光谱数据超过所述预设范围,确定所述目标对象为非活体。
7.如权利要求6所述的人脸活体检测的方法,其中,所述预设范围为基于多个样本数据训练得到的,每个所述样本数据包括活体人脸样本对所述多个目标波长的近红外光的吸光光谱数据。
8.如权利要求6所述的人脸活体检测的方法,其中,所述预设范围包括多个子范围,所述多个子范围与所述多个目标波长对应。
9.如权利要求1所述的人脸活体检测的方法,其中,所述多个目标波长包括活体人脸的多个生物特征对应的波长。
10.如权利要求1所述的人脸活体检测的方法,其中,在所述获取光谱传感器采集的视场范围的目标光谱数据之前,还包括:
基于探测传感器的监测数据的变化,确定所述目标对象进入所述视场范围,其中,所述探测传感器包括距离传感器和图像传感器中的至少一种,所述距离传感器包括红外传感器、激光传感器、超声波传感器以及雷达传感器中的至少一种;以及
所述基于探测传感器的监测数据的变化,确定所述目标对象进入所述视场范围,包括以下情况中的至少一种:
基于所述距离传感器的监测的距离信号的变化,确定所述目标对象进入所述视场范围,所述监测数据包括所述距离信号;以及
基于所述图像传感器的监测的光照强度数据变化,确定所述目标对象进入所述视场范围,所述监测数据包括所述光照强度数据。
11.一种人脸活体检测的系统,包括:
光谱传感器,被配置为采集视场范围内的多个目标波长的近红外光对应的光谱数据;
目标光源,包括至少一个补光灯,所述补光灯发出的光照的波长在预设波长范围内,所述预设波长范围至少覆盖所述多个目标波长;以及
活体检测装置,与所述光谱传感器和所述目标光源通信连接,包括:
至少一个存储介质,存储有至少一个指令集用于人脸活体检测;以及
至少一个处理器,同所述至少一个存储介质通信连接,
其中,当所述人脸活体检测的系统运行时,所述至少一个处理器读取所述至少一个指令集并实施权利要求1-9中任一项所述的人脸活体检测的方法。
12.如权利要求11所述的人脸活体检测的系统,其中,所述至少一个补光灯围绕所述光谱传感器均匀分布。
13.如权利要求11所述的人脸活体检测的系统,其中,还包括:
探测传感器,对所述视场范围进行监测生成监测数据,所述活体检测装置与所述探测传感器通信连接,并基于探测传感器的监测数据的变化,确定所述目标对象进入所述视场范围,其中,所述探测传感器包括距离传感器和图像传感器中的至少一种,所述距离传感器包括红外传感器、激光传感器、超声波传感器以及雷达传感器中的至少一种。
14.一种人脸识别系统,包括:
权利要求11所述的人脸活体检测的系统;
图像传感器,被配置为拍摄所述目标对象的图像数据;以及
人脸识别装置,与所述人脸活体检测的系统以及所述图像传感器通信连接,对所述目标对象进行人脸识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699226.5A CN113532653B (zh) | 2021-06-23 | 2021-06-23 | 人脸活体检测的方法、系统以及人脸识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699226.5A CN113532653B (zh) | 2021-06-23 | 2021-06-23 | 人脸活体检测的方法、系统以及人脸识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113532653A true CN113532653A (zh) | 2021-10-22 |
CN113532653B CN113532653B (zh) | 2023-05-12 |
Family
ID=78096489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110699226.5A Active CN113532653B (zh) | 2021-06-23 | 2021-06-23 | 人脸活体检测的方法、系统以及人脸识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113532653B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114942072A (zh) * | 2022-06-02 | 2022-08-26 | 广州睿芯微电子有限公司 | 多光谱成像芯片及对象识别系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060034537A1 (en) * | 2004-08-03 | 2006-02-16 | Funai Electric Co., Ltd. | Human body detecting device and human body detecting method |
CN107862299A (zh) * | 2017-11-28 | 2018-03-30 | 电子科技大学 | 一种基于近红外与可见光双目摄像头的活体人脸检测方法 |
CN109543541A (zh) * | 2018-10-23 | 2019-03-29 | 北京的卢深视科技有限公司 | 一种活体检测方法及装置 |
CN110516576A (zh) * | 2019-08-20 | 2019-11-29 | 西安电子科技大学 | 基于深度神经网络的近红外活体人脸识别方法 |
CN111879724A (zh) * | 2020-08-05 | 2020-11-03 | 中国工程物理研究院流体物理研究所 | 基于近红外光谱成像的人皮面具识别方法及系统 |
-
2021
- 2021-06-23 CN CN202110699226.5A patent/CN113532653B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060034537A1 (en) * | 2004-08-03 | 2006-02-16 | Funai Electric Co., Ltd. | Human body detecting device and human body detecting method |
CN107862299A (zh) * | 2017-11-28 | 2018-03-30 | 电子科技大学 | 一种基于近红外与可见光双目摄像头的活体人脸检测方法 |
CN109543541A (zh) * | 2018-10-23 | 2019-03-29 | 北京的卢深视科技有限公司 | 一种活体检测方法及装置 |
CN110516576A (zh) * | 2019-08-20 | 2019-11-29 | 西安电子科技大学 | 基于深度神经网络的近红外活体人脸识别方法 |
CN111879724A (zh) * | 2020-08-05 | 2020-11-03 | 中国工程物理研究院流体物理研究所 | 基于近红外光谱成像的人皮面具识别方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114942072A (zh) * | 2022-06-02 | 2022-08-26 | 广州睿芯微电子有限公司 | 多光谱成像芯片及对象识别系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113532653B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271921B (zh) | 一种多光谱成像的智能识别方法及系统 | |
KR100983346B1 (ko) | Ir조명을 이용한 얼굴인식 시스템 및 방법 | |
JP4819606B2 (ja) | 対象物の部位判別装置及び性別判定装置 | |
US8126213B2 (en) | Method and system for wholesomeness inspection of freshly slaughtered chickens on a processing line | |
US10268874B2 (en) | Biometric authentication apparatus and biometric authentication method | |
CN110462633B (zh) | 一种人脸识别的方法、装置和电子设备 | |
US10368795B2 (en) | Acne imaging methods and apparatus | |
CN109492714A (zh) | 图像处理装置及其方法 | |
US20140254895A1 (en) | Determination device, fingerprint input device, determination method and determination program | |
JP4442472B2 (ja) | 対象物の部位判別装置 | |
JP2007516525A (ja) | 顔面イメージ取得と識別の方法及びシステム | |
WO2013131407A1 (zh) | 双验证人脸防伪方法及装置 | |
CN110046564B (zh) | 一种多光谱活体指纹识别设备及识别方法 | |
US10156518B2 (en) | Image analysis apparatus, imaging system, surgery support system, image analysis method, and storage medium | |
EP3572975B1 (en) | A multispectral image processing system for face detection | |
CN107909063B (zh) | 基于灰度变化的生物识别视频回放攻击检测方法 | |
US20140055775A1 (en) | Material identification and discrimination | |
CN107273812B (zh) | 一种用于身份认证的活体虹膜防伪方法 | |
US11837029B2 (en) | Biometric authentication device and biometric authentication method | |
CN108388858B (zh) | 虹膜防伪方法与装置 | |
KR20190022654A (ko) | 홍채 인식을 위한 이미지 처리 방법 및 시스템 | |
CN108710844B (zh) | 对面部进行检测的认证方法和装置 | |
CN113532653B (zh) | 人脸活体检测的方法、系统以及人脸识别系统 | |
CN103544474B (zh) | 一种使用生物特征散射光谱的高防伪光学指纹识别方法 | |
CN114216867A (zh) | 高光谱图像采集识别装置及方法 |
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 |