CN113994395A - 用于基于色度的面部活体检测的方法和系统 - Google Patents

用于基于色度的面部活体检测的方法和系统 Download PDF

Info

Publication number
CN113994395A
CN113994395A CN202080043803.9A CN202080043803A CN113994395A CN 113994395 A CN113994395 A CN 113994395A CN 202080043803 A CN202080043803 A CN 202080043803A CN 113994395 A CN113994395 A CN 113994395A
Authority
CN
China
Prior art keywords
image
color
face
consistent
user
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.)
Pending
Application number
CN202080043803.9A
Other languages
English (en)
Inventor
康斯坦丁·莱文斯基
依斯干达·吴
李天雄
唐王圣
曲新
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.)
NEC Corp
Original Assignee
NEC 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 NEC Corp filed Critical NEC Corp
Publication of CN113994395A publication Critical patent/CN113994395A/zh
Pending legal-status Critical Current

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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G06V10/141—Control of illumination
    • 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
    • G06V40/45—Detection of the body part being alive

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Collating Specific Patterns (AREA)
  • Image Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了用于面部图像的活体检测认证的方法、系统和计算机可读介质。该方法包括：获取以第一颜色照射的面部图像的第一图像；获取以第二颜色照射的面部图像的第二图像；并且响应于第一图像和第二图像的组合确定面部图像是否与三维(3D)结构一致。该方法还包括：如果面部图像与3D结构一致，并且面部图像与待认证用户的面部匹配，则认证面部图像。

Description

用于基于色度的面部活体检测的方法和系统
技术领域
示例实施例总体上涉及面部识别，并且更具体地涉及用于基于色度的面部活体检测的方法和系统。
背景技术
随着越来越多的关键服务变得无处不在，有必要提供有效的方法和系统来保护对这些服务的访问。遗憾的是，由于技术水平较低的人群普遍采用不安全或重复的密码，传统的用户名/密码方法正在失去提供安全认证的能力。
面部认证技术已经成为一种提供可靠的用户认证的流行方式，其用于获得对个人隐私数据和服务的访问，而没有密码管理的麻烦。由于与传统认证形式相比，面部认证提供了更高程度的用户便利性和更高的安全性，因此面部识别将在手机和其他支持互联网的便携式数据存储设备(例如，平板电脑和笔记本电脑)上的使用增多也就不足为奇了。此类使用将包括在任何机密和敏感内容可访问之前登录用户最重要的帐户和其手机上的服务。
面部识别技术的日益普及及其作为保护存储在用户手机上的敏感信息的认证方法的应用带来了新的安全挑战。就像密码和PIN可能被盗和泄露一样，一个人的面部图像也可能被盗。例如，攻击者可以通过伪造目标人物的面部生物特征数据来伪装成认证用户。面部欺骗很简单，并且不需要特殊技能；人们可以简单地从社交网站下载高质量的目标人物照片，将目标人物的照片打印在纸上，并且在认证过程中将打印的目标人物照片展示在手机前置摄像头前。
因此，在面部识别认证系统中结合有效活体检测机制以确保其安全性是极其重要的。使用活体检测技术强化的面部识别算法引入了另一层防止面部欺骗的防御，并且共同使面部识别认证系统更难被欺骗。然而，大多数传统活体方案都不够鲁棒，并且因此，仍然可以毫不费力地被欺骗和/或绕过。
活体检测的典型方法取决于质询-响应方法，其中，要求用户执行将由算法检测的某个动作，以提供检测到真实用户而不是记录的证据。然而，此类请求会给最终用户带来不便，并且仍然无法提供准确的结果，因为用户需要一些时间来响应，并且响应可能与预期不完全一样。
另外，可以用专门的软件来模拟面部运动。或者，备选地，攻击者可以通过将获取到的认证用户的视频展示在笔记本电脑的高分辨率屏幕上，然后在手机前置摄像头前回放录制的视频来伪装成认证用户，以实现非法访问用户的帐户和服务。使用从诸如Facebook、Twitter和Instagram之类的社交网络服务获得的认证用户的视频，可以很容易地进行这种回放攻击。
因此，需要的是用于确认认证用户的真实存在的活体检测的方法和系统，其是可靠的并且能够有效地对抗过多的面部欺骗技术。此外，根据随后的具体描述和所附权利要求，结合附图和本公开的该背景，其他期望的特征和特性将变得明显。
发明内容
根据至少一个示例实施例，提供了一种用于面部图像的活体检测认证的方法。该方法包括：获取以第一颜色照射的面部图像的第一图像；获取以第二颜色照射的面部图像的第二图像；并且响应于第一图像和第二图像的组合确定面部图像是否与三维(3D)结构一致。该方法还包括：如果面部图像与3D结构一致，并且面部图像与待认证用户的面部匹配，则认证面部图像。
根据另一示例实施例，提供了一种用于面部图像的活体检测认证的设备中的系统。该系统包括多色照射设备、摄像头和处理器。多色照射设备在第一方向上提供照射，并且摄像头至少在第一方向上获取图像。处理器耦接到多色照射设备和摄像头，并且当多色照射设备以第一颜色照射面部图像时，记录来自摄像头的第一图像，并且当多色照射设备以第二颜色照射面部图像时，记录来自摄像头的第二图像。处理器分析第一图像和第二图像的组合，以响应于第一图像和第二图像的组合确定面部图像是否与三维(3D)结构一致，并且如果面部图像与三维(3D)结构一致，并且面部图像与待认证用户的面部匹配，则认证面部图像。
并且根据又一示例实施例，提供了一种用于执行面部图像的活体检测认证的计算机可读介质。计算机可读介质具有存储在其上的用于处理装置的指令，以获取以第一颜色照射的面部图像的第一图像；获取以第二颜色照射的面部图像的第二图像；响应于第一图像和第二图像的组合确定面部图像是否与三维(3D)结构一致；并且如果面部图像与3D结构一致，并且面部图像与待认证用户的面部匹配，则认证面部图像。
附图说明
附图用于说明各种示例实施例，并根据本示例实施例说明各种原理和优点，其中，相同的附图标记在单独的视图中指代相同或功能相似的元件，并且附图与下面的具体描述一起并入并形成说明书的一部分。
图1描绘了根据本示例实施例的用于活体检测的系统的高级框图。
图2描绘了根据本示例实施例的用于活体检测的系统的最佳摄像头-用户布置的侧视图。
图3A、图3B和图3C描绘了根据本示例实施例的用于活体检测的系统的操作的侧视图。图3A描绘了传统手机摄像头定位，并且图3B和图3C描绘了根据本示例实施例人为地移动手机屏幕上的参考标记。
图4描绘了根据本示例实施例的示出在用于活体检测的系统中使用的最佳色度转换的色轮。
图5描绘了与入射角相关的表面反射率的曲线图。
图6A和图6B描绘了垂直于表面的向量，以展示图5中描绘的关系将如何导致平面二维(2D)对象和三维(3D)对象的面部图像之间的反射模式的显著差异。图6A描绘了诸如面部的3D对象的垂直向量，并且图6B描绘了平坦的2D表面的垂直向量。
图7描绘了根据本示例实施例的具有用于活体检测的系统的设备的框图。
图8描绘了根据本示例实施例的用于活体检测的方法。
技术人员将理解，图中的元件是为了简单和清楚而示出的，并且不一定按比例描绘。
具体实施方式
以下具体描述本质上仅是示例性的，并不旨在限制本发明或本发明的应用和用途。此外，无意受本发明的前述背景或以下具体描述中提出的任何理论的束缚。本示例实施例的目的是呈现利用自动质询-响应来确认认证用户的真实存在的用于活体检测机制的方法和系统，并提供能够有效对抗过多的面部欺骗技术的高保证和可靠的解决方案。尽管合并了质询-响应元素，所提出的机制不需要用户执行任何操作，而仍然提供高度的可靠性。
本示例实施例使用光的特性来提供易于使用且高度鲁棒的反欺骗解决方案。根据本示例实施例，至少两个不同的颜色通道(第一颜色和第二颜色)用于面部图像的照射。虽然在根据本示例实施例的系统和方法中使用蓝色和橙色，但是示例实施例不限于这些颜色，并且可以使用不同的颜色来代替。另外，虽然使用两种颜色，但该方法不限于两种颜色，并且可以使用三种或四种或更多种颜色。另外，本示例实施例的方法和系统不限于两个图像捕获的单集合，并且可以根据本示例实施例使用两个图像捕获的多集合。当面部图像(即，呈现给移动设备(例如，手机)的摄像头以进行认证的事物，包括真人的面部或照片或视频或一些其他图像)时，在移动设备的屏幕和移动设备的前置摄像头(即，面向与光刺激或照射相同的方向的摄像头)上生成两种不同的光刺激，以捕获由于来自显示器的照射而从面部图像反射形成的两个不同的图像，以确定面部图像是否为用户的面部。然后，通过算法集处理和分析这两个图像。
算法集计算每个图像的每个像素上的每个颜色通道的数量，并在捕获的两个图像之间执行每个像素的像素值比较。最后，对于图像的每个像素，计算来自照射的合成像素分量。结果是像素分量值矩阵，活体检测引擎使用该像素分量值矩阵来确定面部是真实的还是欺骗。活体检测引擎分析捕获的面部中的不同的感兴趣区域。从二维(2D)照片和视频中捕获的图像与从真实面部图像中捕获的三维(3D)图像呈现出不同的图案。活体检测引擎基于2D图像和3D图像之间的差异对图像进行分类，并响应于第一图像和第二图像确定面部图像是否与3D结构一致。
参照图1，框图100描绘了根据本示例实施例的用于面部图像102的活体检测的系统的高级视图。手机104或类似设备包括多色照射设备106(例如，手机104的彩色显示屏)，其在第一方向上提供照射108。手机104还包括摄像头110，其可以通过接收来自面部图像102的反射112来获取相同方向上的图像。
向处理器122提供120这两个图像。活体检测引擎124分析这两个图像，以通过确定是否存在3D结构来确定面部图像102是真的126还是假的128。
活体检测必须发生在从设备的显示器(例如，多色照射设备106)发射的光的变化量可由设备的摄像头110检测到的条件和方向上。在活体检测可以发生之前，分析面部位置和照射参数，并且建议用户确保满足成功检测活体的条件。由于照射与到光源的距离平方成正比，因此在摄像头110允许的情况下使用户尽可能靠近照射设备106是很重要的。
优选地，尽可能多地捕获关于3D场景的信息。该信息是通过分析来自用户面部102的移动设备的屏幕(例如，照射设备106)的照射反射而获得的。反射的(而不是漫射的)光越多，可获得的关于场景的3D分量的信息就越多。为了使到达摄像头110的显示器光的反射分量最大化，如图2所示将摄像头110定位在较低的位置是有利的，使得来自屏幕的光中的反射分量最大化。图2描绘了用户的3D面部图像102的侧视图200。通过将照射设备106和摄像头110两者定位在低处来优化来自屏幕/显示器106的照射的反射分量202。请注意，这种定位不会给用户带来附加的麻烦，因为可以通过诸如“将您的面部置于摄像头上方”之类的常见指导来实现定位。
对于大多数面部认证应用，摄像头110的位置由某种标记引导，最常见的是由摄像头110捕获的用户的直接图像。该过程对用户来说是熟悉的，并且不需要附加的训练。利用这种对过程的熟悉来指导用户将手机置于最佳位置以进行活体检查。
参照图3A，侧视图300描绘了用户302相对于手机308的屏幕306上的捕获图像304的传统定位。通常，用户302将移动手机308直到捕获的图像304位于屏幕306的中心。因此，捕获的图像304可以作为用于调整手机308的位置的标记。参照图3B和图3C，侧视图330、360描绘了根据本示例实施例的用于活体检测的系统的操作。如上所述，用于活体检查的最佳位置较低。根据本示例实施例，人为地将参考标记322(例如，用户302的捕获图像304)移低导致用户在没有任何附加指令的情况下将手机308向下移动。视图330描绘了屏幕306上的参考标记322。参考标记322在屏幕上较低的事实指示用户302降低手机。已经确定参考标记322(即，用户302的捕获图像304)的移动自然地导致用户将手机304放置在较低的位置而无需任何附加的指导，因为用户302将移动手机308以使参考标记322位于屏幕306的中心。参照视图360，随着用户302将手机308向下移动，屏幕上的参考标记322位置被移动得更高，使得当用户302已经将参考标记322置于屏幕中心时，手机308将相对于用户302处于最佳位置以根据本示例实施例进行活体检测。
一旦用户相对于手机处于正确光照位置，活体检测过程就开始。建议用户在两秒活体检测过程期间减少移动。同时，手机屏幕照射改变其颜色，从而导致由摄像头接收到的图像也发生变化。屏幕照射变化允许确定由屏幕发射的光的哪一部分进入了摄像头，有效地收集了关于场景的3D结构的信息。照射变化是随机定时的，以进一步减少攻击者产生响应的机会。照射变化是渐进的，以避免使用户感到不舒服或引发疾病，例如癫痫症。
为了获得场景的3D分量，需要具有照射设备和摄像头的相对位置的信息。如下文将详细讨论的，可以滤除不是源自屏幕的照射以有效地提供对照射设备的控制。通过控制照射设备，所得图像中反射分量的比例增加，从而减少主体色素沉着的影响，并且只关注空间特征。
改变屏幕的照射导致由摄像头观察到的图像的改变。来自屏幕的照射可以表示为等式(1)：
Iscreen(r,t)＝Rscreen(r,t),Gscreen(r,t),Bscreen(r,t) (1)
其中，r是屏幕上的位置，并且t是时间。从屏幕发射的光被环境反射，并且反射光的一部分被移动设备摄像头检测到，如等式(2)所示：
Ireflected(rc,t)＝Rreflected(rc,t),Greflected(rc,t),Breflected(rc,t) (2)
其中，rc是摄像头上的相应像素的位置。摄像头将反射光与Iambient相结合。并且手机摄像头随着屏幕照射的变化记录图像。
本领域技术人员会倾向于将Ireflected(rc,t)分析为函数F(Gscene,Iscreen(r,t))，其中，Gscene是场景的3D结构。根据本示例实施例，使屏幕高亮的色度在第一颜色和第二颜色之间尽可能多地变化，而不是直接跟踪Rreflected(rc,t)、Greflected(rc,t)、Breflected(rc,t)的变化。这允许通过仅跟踪色度变化来检测来自屏幕的光，忽略亮度并使检测对环境照射强度变化具有鲁棒性。
如上所述，根据本示例实施例，蓝色和橙色照射被用于验证活体检测。参照图4，描绘了色轮400，其示出了从蓝色404到橙色406的色度转换402最大化色度差。虽然在根据本示例实施例的系统和方法中使用蓝色和橙色，但是本示例实施例不限于这些颜色，并且可以使用不同的颜色来代替，可以认识到，通过选择色轮400上显著分离的两种颜色来最大化色度差改进了活体检测。
检测在摄像头处记录的源自屏幕的光的一部分。这是通过在照射过程的开始(即，第一颜色)和结束(即，第二颜色)以最大化色度差的方式为Iscreen布置颜色来完成的。该差异将导致Ireflected(rc,t)的色度根据屏幕照射发生变化。
对于摄像头图像的每个像素，检测色度随时间变化的相关性。至少需要两个图像来检测从用户反射的检测光中的色度变化。这种色度变化可以根据等式(3)计算：
L(rc)＝|C(rc,0)-C(rc,T)| (3)
其中，C(r,t)是时刻t在位置r处的色度值，并且L表示从屏幕到达摄像头的光的一部分。
还可以拍摄照射过程的完整视频，使检测更加鲁棒，但以更高的带宽要求为代价。活体检测可以在设备上或在后台进行，具体取决于检测过程的要求、用户设备的性能和可用带宽。
参照图5，曲线图500描绘了与反射入射角相关的表面反射。L(rc)(等式(3))是从显示器到摄像头的光传播量度。从曲线图500可以看出，当入射角大时，反射的光越多(即，入射光线与表面越平行，反射的光越多)。这在本示例实施例中很重要，因为如曲线图500所示的反射光量和入射角之间的共同且强相关性放大了环境的3D分量。
参照图6A和图6B，侧视图600、650描绘了表面604、654法向(即，垂直于表面604、654)的向量602、652，以展示如曲线图500所示的反射光量和入射角之间的关系将如何导致平面二维(2D)对象和3D对象的面部图像之间的反射模式的显著差异。更具体地，视图600描绘了从三维对象604(例如，面部)的各个位置垂直反射的光602，并且视图650描绘了从平坦表面654垂直反射的光652。如果摄像头正在注视3D对象604(例如，人脸)，则其法线会与实际图像同步地快速变化。在尝试欺骗时，摄像头通常面对弯曲的或平坦的表面654，其中，法线的变化与其声称的图像无关。因此，向量602和向量652之间的差异展示了法线在真实3D场景和假2D场景之间如何变化。根据曲线图500(图5)所示的关系，这种法线的差异导致反射光模式的显著差异。
参照图7，框图700描绘了根据本示例实施例的具有用于活体检测的系统的设备。该系统包括多色照射设备702、摄像头704和处理器706。
多色照射设备702在第一方向上提供照射，并且摄像头704至少在第一方向上获取图像。处理器706耦接到多色照射设备702和摄像头704，并且当多色照射设备702以第一颜色照射面部时，记录来自摄像头704的第一图像，并且当多色照射设备702以第二颜色照射面部时，记录来自摄像头704的第二图像。处理器706中的活体检测引擎124分析第一图像和第二图像的组合，以响应于第一图像和第二图像确定面部图像是否与3D结构一致，并且如果面部图像与3D结构一致，并且面部图像与待认证的用户匹配，则认证面部图像。
存储器708耦接到处理器706以存储用于认证的用户的面部图像。将照射检测中使用的同一图像用于与存储的面部图像匹配并与活体检测一起发生的任何认证很重要。这是为了防止攻击者利用一些无关人员进行活体测试，然后出示照片进行检测。
参照图8，流程图800描述了一种用于对呈现给移动设备(例如，手机)的面部图像进行活体检测认证和认证的方法。在认证过程开始802之后，该方法确定用户和光照是否正确804。如果确定用户和光照不正确804，则建议用户调整摄像头的位置806。一旦用户和光照正确804，则获取以第一颜色照射的面部图像的第一图像808，并获取以第二颜色照射的面部图像的第二图像810。如上所述，通过对齐两个图像并滤除不是来自照射设备的光来分析第一图像和第二图像的组合812，以确定面部图像是否与3D结构一致814。该方法还包括：如果面部图像与3D结构一致814，并且面部图像与待认证的用户匹配818，则认证面部图像816。如果面部图像与3D结构不一致814，或者面部图像与待认证用户不匹配818，则认证失败820。
大多数活体检测技术需要用户与移动应用的附加交互，其中，需要用户执行一些完全由用户控制的自愿质询-响应动作。用户将面临质询，并且其必须通过执行一些自愿受控动作(例如，眨眼、微笑、点头、或甚至将移动设备向正确的方向移动(例如，前后移动、横向移动))来应对质询，并在捕获时刻以随机模式确认活体性。然而，用户的这种自愿动作是不自然的，并且用户经常觉得难以使用。因此，至关重要的是，活体检测解决方案必须在安全性和便利性之间具有正确的平衡；其必须易于使用并提供强大的活体检测。
因此，可以看出，本示例实施例提供了用于活体检测的方法和系统，其利用光的特性来提供易于使用且高度鲁棒的反欺骗解决方案。来自移动设备屏幕的光刺激被投射到面部图像上，并且系统分析捕获图像中的反射光区域。反射光是一种无意识的反应，其基于面部图像的预定生物特性形成可辨别的图案。本示例实施例通过针对由从主体反射的光形成的独特图案分析所捕获面部中的感兴趣区域以确定检测到的图案是否与3D结构一致来精确地区分真实面部或欺骗面部。此外，来自用户的反应是自然的、无意识的、并且不需要控制；用户甚至不知道其正在应对质询，并且用户体验对用户来说既无缝又透明。本示例实施例提供了能够有效地对抗过多的面部欺骗技术的高保证和可靠的解决方案。
虽然在本发明的前述具体描述中已经呈现了示例实施例，但是应当理解存在大量变型。还应理解，示例实施例仅是示例，并不旨在以任何方式限制本发明的范围、适用性、操作或配置。相反，上述具体描述将为本领域技术人员提供用于实现本发明的示例实施例的便利路线图，应当理解，在不脱离所附权利要求中阐述的本发明范围的情况下，可以对在示例实施例中描述的步骤的功能和布置以及操作方法进行各种改变。
上述示例性实施例还可以全部或部分地通过以下补充说明进行描述，而不限于以下补充说明。
(补充说明1)
一种用于面部图像的活体检测认证的方法，包括：
获取以第一颜色照射的所述面部图像的第一图像；
获取以第二颜色照射的所述面部图像的第二图像；
响应于所述第一图像和所述第二图像的组合，确定所述面部图像是否与三维(3D)结构一致；以及
如果所述面部图像与3D结构一致，并且所述面部图像与待认证用户的面部匹配，则认证所述面部图像。
(补充说明2)
根据补充说明1所述的方法，其中，所述第一颜色具有第一色度值，并且所述第二颜色具有第二色度值。
(补充说明3)
根据补充说明2所述的方法，其中，选择所述第一色度值和所述第二色度值以最大化色度差。
(补充说明4)
根据补充说明1至3中任一项所述的方法，其中，随机选择以所述第一颜色照射所述面部图像的时间和以所述第二颜色照射所述面部图像的时间。
(补充说明5)
根据补充说明1至4中任一项所述的方法，还包括：在获取所述第一图像之前，响应于确定所述面部图像和光照不正确，建议所述用户调整摄像头位置的步骤。
(补充说明6)
根据补充说明1至7中任一项所述的方法，其中，确定所述面部图像与3D结构一致包括：
对齐所述第一图像和所述第二图像；以及
响应于对齐的所述第一图像和所述第二图像的组合，确定所述面部图像是否与3D结构一致。
(补充说明7)
根据补充说明6所述的方法，其中，确定所述面部图像与3D结构一致还包括过滤来自所述第一图像的不是所述第一颜色照射的光。
(补充说明8)
根据补充说明6或补充说明7所述的方法，其中，确定面部图像与3D结构一致还包括过滤来自所述第二图像的不是所述第二颜色照射的光。
(补充说明9)
根据补充说明1至8中任一项所述的方法，其中，获取所述第一图像和获取所述第二图像包括获取第一图像集，所述第一图像集包括所述第一图像和所述第二图像，所述方法还包括获取至少另一图像集，包括：
获取以不同于所述第一颜色和所述第二颜色的第三颜色照射的所述面部图像的所述另一图像集中的第一图像；以及
获取以第四颜色照射的所述面部图像的所述另一图像集中的第二图像，其中，所述第四颜色不同于所述第一颜色、所述第二颜色和所述第三颜色，并且其中，响应于所述第三颜色的色度值和所述第四颜色的色度值之间的色度差来选择所述第三颜色和所述第四颜色，并且
其中，确定所述面部图像是否与3D结构一致包括：响应于所述第一图像、所述第二图像、所述第三图像和所述第四图像的组合，确定所述面部图像是否与3D结构一致。
(补充说明10)
一种用于面部图像的活体检测认证的设备中的系统，所述系统包括：
多色照射设备，用于在第一方向上提供照射；
摄像头，用于在至少所述第一方向上获取图像；以及
处理器，耦接到所述多色照射设备和所述摄像头，当所述多色照射设备以第一颜色照射所述面部图像时，所述处理器记录来自所述摄像头的第一图像，并且当所述多色照射设备以第二颜色照射所述面部图像时，所述处理器记录来自所述摄像头的第二图像，所述处理器响应于所述第一图像和所述第二图像的组合分析所述第一图像和所述第二图像的组合，以确定所述面部图像是否与三维(3D)结构一致，并且如果所述面部图像与3D结构一致，并且所述面部图像与待认证用户的面部匹配，则认证所述面部图像。
(补充说明11)
根据补充说明10所述的系统，还包括用于存储数据的存储器，其中，所存储的数据包括所述待认证用户的存储图像，并且其中，所述处理器通过将所述第一图像或所述第二图像的组合与所述待认证用户的存储图像进行比较来确定所述面部图像与所述待认证用户匹配。
(补充说明12)
根据补充说明11所述的系统，其中，所述处理器响应于选择所述第一颜色和所述第二颜色以最大化所述第一颜色和所述第二颜色的色度值之间的色度差，控制所述多色照射设备以所述第一颜色和所述第二颜色照射所述面部。
(补充说明13)
根据补充说明10至12中任一项所述的系统，其中，所述处理器控制所述多色照射设备第一次以所述第一颜色照射所述面部，并且控制所述多色照射设备第二次以所述第二颜色照射所述面部，其中，所述第一次和所述第二次由所述处理器随机选择。
(补充说明14)
根据补充说明10至13中任一项所述的系统，其中，所述多色照射设备包括显示器，并且其中，所述处理器响应于确定所述面部图像和光照不正确，向所述显示器提供参考标记信息，以建议所述用户在获取所述第一图像之前调整所述摄像头的位置。
(补充说明15)
根据补充说明14所述的系统，其中，所述参考标记信息包括所述用户的图像。
(补充说明16)
根据补充说明14或补充说明15所述的系统，其中，所述处理器移动所述显示器上的所述参考标记信息，以建议所述用户通过将所述参考标记的位置基本保持在所述显示器的中心来调整所述摄像头的位置。
(补充说明17)
根据补充说明10至16中任一项所述的系统，其中，所述处理器通过对齐所述第一图像和所述第二图像并响应于对齐的所述第一图像和所述第二图像的组合确定所述面部图像是否与3D结构一致，确定所述面部图像与3D结构一致。
(补充说明18)
根据补充说明17所述的系统，其中，确定所述面部图像与3D结构一致还包括过滤来自所述第一图像的不是所述第一颜色照射的光。
(补充说明19)
根据补充说明17或补充说明18所述的系统，其中，确定面部图像与3D结构一致还包括过滤来自所述第二图像的不是所述第二颜色照射的光。
(补充说明20)
根据补充说明10至19中任一项所述的系统，其中，所述设备包括手机。
(补充说明21)
一种用于执行面部图像的活体检测认证的计算机可读介质，所述计算机可读介质存储用于处理装置的指令，以执行以下操作：
获取以第一颜色照射的所述面部图像的第一图像；
获取以第二颜色照射的所述面部图像的第二图像；
响应于所述第一图像和所述第二图像的组合，确定所述面部图像是否与三维(3D)结构一致；以及
如果所述面部图像与3D结构一致，并且所述面部图像与待认证用户的面部匹配，则认证所述面部图像。
(补充说明22)
根据补充说明21所述的计算机可读介质，还存储用于所述处理装置的指令以提供视觉指令，以建议所述用户在获取所述第一图像之前，响应于确定所述面部图像和光照不正确，调整所述摄像头的位置。
(补充说明23)
根据补充说明21或补充说明22所述的计算机可读介质，还存储用于所述处理装置的指令，以响应于对齐所述第一图像和所述第二图像来确定所述面部图像与3D结构一致。
(补充说明24)
根据补充说明21至23中任一项所述的计算机可读介质，还存储用于所述处理装置的指令，以响应于过滤来自所述第一图像的不是所述第一颜色照射的光来确定所述面部图像与3D结构一致。
(补充说明25)
根据补充说明21至24中任一项所述的计算机可读介质，其中，确定所述面部图像与3D结构一致还包括：过滤来自所述第二图像的不是所述第二颜色照射的光。
本申请基于并要求于2019年7月19日提交的新加坡专利申请No.10201906721S的优先权，其公开内容整体并入本文。

Claims (25)

1.一种用于面部图像的活体检测认证的方法，包括：
获取以第一颜色照射的所述面部图像的第一图像；
获取以第二颜色照射的所述面部图像的第二图像；
响应于所述第一图像和所述第二图像的组合，确定所述面部图像是否与三维3D结构一致；以及
如果所述面部图像与3D结构一致，并且所述面部图像与待认证用户的面部匹配，则认证所述面部图像。
2.根据权利要求1所述的方法，其中，所述第一颜色具有第一色度值，并且所述第二颜色具有第二色度值。
3.根据权利要求2所述的方法，其中，选择所述第一色度值和所述第二色度值以最大化色度差。
4.根据权利要求1至3中任一项所述的方法，其中，随机选择以所述第一颜色照射所述面部图像的时间和以所述第二颜色照射所述面部图像的时间。
5.根据权利要求1至4中任一项所述的方法，还包括：在获取所述第一图像之前，响应于确定所述面部图像和光照不正确，建议所述用户调整摄像头位置的步骤。
6.根据权利要求1至7中任一项所述的方法，其中，确定所述面部图像与3D结构一致包括：
对齐所述第一图像和所述第二图像；以及
响应于对齐的所述第一图像和所述第二图像的组合，确定所述面部图像是否与3D结构一致。
7.根据权利要求6所述的方法，其中，确定所述面部图像与3D结构一致还包括过滤来自所述第一图像的不是所述第一颜色照射的光。
8.根据权利要求6或权利要求7所述的方法，其中，确定面部图像与3D结构一致还包括过滤来自所述第二图像的不是所述第二颜色照射的光。
9.根据权利要求1至8中任一项所述的方法，其中，获取所述第一图像和获取所述第二图像包括获取第一图像集，所述第一图像集包括所述第一图像和所述第二图像，所述方法还包括获取至少另一图像集，包括：
获取以不同于所述第一颜色和所述第二颜色的第三颜色照射的所述面部图像的所述另一图像集中的第一图像；以及
获取以第四颜色照射的所述面部图像的所述另一图像集中的第二图像，其中，所述第四颜色不同于所述第一颜色、所述第二颜色和所述第三颜色，并且其中，响应于所述第三颜色的色度值和所述第四颜色的色度值之间的色度差来选择所述第三颜色和所述第四颜色，并且
其中，确定所述面部图像是否与3D结构一致包括：响应于所述第一图像、所述第二图像、所述第三图像和所述第四图像的组合，确定所述面部图像是否与3D结构一致。
10.一种用于面部图像的活体检测认证的设备中的系统，所述系统包括：
多色照射设备，用于在第一方向上提供照射；
摄像头，用于在至少所述第一方向上获取图像；以及
处理器，耦接到所述多色照射设备和所述摄像头，当所述多色照射设备以第一颜色照射所述面部图像时，所述处理器记录来自所述摄像头的第一图像，并且当所述多色照射设备以第二颜色照射所述面部图像时，所述处理器记录来自所述摄像头的第二图像，所述处理器分析所述第一图像和所述第二图像的组合，以响应于所述第一图像和所述第二图像的组合确定所述面部图像是否与三维3D结构一致，并且如果所述面部图像与3D结构一致，并且所述面部图像与待认证用户的面部匹配，则认证所述面部图像。
11.根据权利要求10所述的系统，还包括用于存储数据的存储器，其中，所存储的数据包括所述待认证用户的存储图像，并且其中，所述处理器通过将所述第一图像或所述第二图像的组合与所述待认证用户的存储图像进行比较来确定所述面部图像与所述待认证用户匹配。
12.根据权利要求11所述的系统，其中，所述处理器响应于选择所述第一颜色和所述第二颜色以最大化所述第一颜色和所述第二颜色的色度值之间的色度差，控制所述多色照射设备以所述第一颜色和所述第二颜色照射所述面部。
13.根据权利要求10至12中任一项所述的系统，其中，所述处理器控制所述多色照射设备第一次以所述第一颜色照射所述面部，并且控制所述多色照射设备第二次以所述第二颜色照射所述面部，其中，所述第一次和所述第二次由所述处理器随机选择。
14.根据权利要求10至13中任一项所述的系统，其中，所述多色照射设备包括显示器，并且其中，所述处理器响应于确定所述面部图像和光照不正确，向所述显示器提供参考标记信息，以建议所述用户在获取所述第一图像之前调整所述摄像头的位置。
15.根据权利要求14所述的系统，其中，所述参考标记信息包括所述用户的图像。
16.根据权利要求14或权利要求15所述的系统，其中，所述处理器移动所述显示器上的所述参考标记信息，以建议所述用户通过将所述参考标记的位置基本保持在所述显示器的中心来调整所述摄像头的位置。
17.根据权利要求10至16中任一项所述的系统，其中，所述处理器通过对齐所述第一图像和所述第二图像并响应于对齐的所述第一图像和所述第二图像的组合确定所述面部图像是否与3D结构一致，确定所述面部图像与3D结构一致。
18.根据权利要求17所述的系统，其中，确定所述面部图像与3D结构一致还包括过滤来自所述第一图像的不是所述第一颜色照射的光。
19.根据权利要求17或权利要求18所述的系统，其中，确定面部图像与3D结构一致还包括过滤来自所述第二图像的不是所述第二颜色照射的光。
20.根据权利要求10至19中任一项所述的系统，其中，所述设备包括手机。
21.一种用于执行面部图像的活体检测认证的计算机可读介质，所述计算机可读介质存储用于处理装置的指令，以执行以下操作：
获取以第一颜色照射的所述面部图像的第一图像；
获取以第二颜色照射的所述面部图像的第二图像；
响应于所述第一图像和所述第二图像的组合，确定所述面部图像是否与三维3D结构一致；以及
如果所述面部图像与3D结构一致，并且所述面部图像与待认证用户的面部匹配，则认证所述面部图像。
22.根据权利要求21所述的计算机可读介质，还存储用于所述处理装置的指令以提供视觉指令，以建议所述用户在获取所述第一图像之前，响应于确定所述面部图像和光照不正确，调整所述摄像头的位置。
23.根据权利要求21或权利要求22所述的计算机可读介质，还存储用于所述处理装置的指令，以响应于对齐所述第一图像和所述第二图像来确定所述面部图像与3D结构一致。
24.根据权利要求21至23中任一项所述的计算机可读介质，还存储用于所述处理装置的指令，以响应于过滤来自所述第一图像的不是所述第一颜色照射的光来确定所述面部图像与3D结构一致。
25.根据权利要求21至24中任一项所述的计算机可读介质，其中，确定所述面部图像与3D结构一致还包括：过滤来自所述第二图像的不是所述第二颜色照射的光。
CN202080043803.9A 2019-07-19 2020-07-17 用于基于色度的面部活体检测的方法和系统 Pending CN113994395A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SG10201906721SA SG10201906721SA (en) 2019-07-19 2019-07-19 Method and system for chrominance-based face liveness detection
SG10201906721S 2019-07-19
PCT/JP2020/028772 WO2021015293A1 (en) 2019-07-19 2020-07-17 Method and system for chrominance-based face liveness detection

Publications (1)

Publication Number Publication Date
CN113994395A true CN113994395A (zh) 2022-01-28

Family

ID=74193712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080043803.9A Pending CN113994395A (zh) 2019-07-19 2020-07-17 用于基于色度的面部活体检测的方法和系统

Country Status (7)

Country Link
US (1) US11954940B2 (zh)
EP (1) EP4000039A4 (zh)
JP (1) JP7226653B2 (zh)
CN (1) CN113994395A (zh)
BR (1) BR112021023774A2 (zh)
SG (1) SG10201906721SA (zh)
WO (1) WO2021015293A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11741748B2 (en) * 2020-10-14 2023-08-29 Shenzhen GOODIX Technology Co., Ltd. Passive image depth sensing for object verification based on chromatic differentiation
US12020512B2 (en) * 2021-09-17 2024-06-25 Jumio Corporation Spoof detection using eye boundary analysis
US11792506B2 (en) * 2022-02-09 2023-10-17 Motorola Mobility Llc Electronic devices and corresponding methods for defining an image orientation of captured images

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5550928A (en) * 1992-12-15 1996-08-27 A.C. Nielsen Company Audience measurement system and method
WO2004072899A1 (ja) * 2003-02-13 2004-08-26 Nec Corporation 成り済まし検出装置、および成り済まし検出方法
JP2006259925A (ja) 2005-03-15 2006-09-28 Omron Corp 被写体認証装置、携帯電話、被写体認証方法、及び被写体認証プログラム
JP2009009403A (ja) * 2007-06-28 2009-01-15 Canon Inc 生体認証装置及び生体検知方法
US9082235B2 (en) * 2011-07-12 2015-07-14 Microsoft Technology Licensing, Llc Using facial data for device authentication or subject identification
US8542879B1 (en) 2012-06-26 2013-09-24 Google Inc. Facial recognition
US9679212B2 (en) 2014-05-09 2017-06-13 Samsung Electronics Co., Ltd. Liveness testing methods and apparatuses and image processing methods and apparatuses
MY182294A (en) * 2015-06-16 2021-01-18 Eyeverify Inc Systems and methods for spoof detection and liveness analysis
AU2016291660B2 (en) * 2015-07-15 2021-10-21 15 Seconds of Fame, Inc. Apparatus and methods for facial recognition and video analytics to identify individuals in contextual video streams
EP3403217A4 (en) * 2016-01-12 2019-08-21 Princeton Identity, Inc. SYSTEMS AND METHODS FOR BIOMETRIC ANALYSIS
CN107886032B (zh) 2016-09-30 2021-12-14 阿里巴巴集团控股有限公司 终端设备、智能手机、基于脸部识别的认证方法和系统
US10796178B2 (en) 2016-12-15 2020-10-06 Beijing Kuangshi Technology Co., Ltd. Method and device for face liveness detection
CN112651348B (zh) 2017-03-17 2024-04-05 北京旷视科技有限公司 身份认证方法和装置及存储介质
US20180336397A1 (en) * 2017-05-17 2018-11-22 Tandent Vision Science, Inc. Method for detecting a live face for access to an electronic device
AU2018334318B2 (en) 2017-09-18 2021-05-13 Element, Inc. Methods, systems, and media for detecting spoofing in mobile authentication
US10825157B2 (en) * 2017-09-29 2020-11-03 Apple Inc. Glare reduction in captured images
US11062006B2 (en) * 2018-12-21 2021-07-13 Verizon Media Inc. Biometric based self-sovereign information management

Also Published As

Publication number Publication date
JP2022540733A (ja) 2022-09-16
SG10201906721SA (en) 2021-02-25
WO2021015293A1 (en) 2021-01-28
EP4000039A4 (en) 2022-09-28
EP4000039A1 (en) 2022-05-25
US11954940B2 (en) 2024-04-09
JP7226653B2 (ja) 2023-02-21
US20240112495A1 (en) 2024-04-04
BR112021023774A2 (pt) 2022-01-25
US20220245964A1 (en) 2022-08-04

Similar Documents

Publication Publication Date Title
US9652663B2 (en) Using facial data for device authentication or subject identification
Tang et al. Face flashing: a secure liveness detection protocol based on light reflections
US9767358B2 (en) Systems and methods for performing iris identification and verification using mobile devices
JP6523925B2 (ja) 生体情報を用いた認証装置及び認証方法
CN104537292B (zh) 用于生物特征验证的电子欺骗检测的方法和系统
US8984622B1 (en) User authentication through video analysis
CN113994395A (zh) 用于基于色度的面部活体检测的方法和系统
WO2019134536A1 (zh) 基于神经网络模型的人脸活体检测
CN106529512B (zh) 活体人脸验证方法及装置
CN108764052A (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
JP3802892B2 (ja) 虹彩認証装置
US20150186708A1 (en) Biometric identification system
US20160019420A1 (en) Multispectral eye analysis for identity authentication
US20160019421A1 (en) Multispectral eye analysis for identity authentication
KR20190038594A (ko) 얼굴 인식-기반 인증
EP2434372A2 (en) Controlled access to functionality of a wireless device
CN108805024A (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
CN110032915A (zh) 一种人脸活体检测方法、装置及电子设备
US11126879B1 (en) Spoof detection using illumination sequence randomization
Farrukh et al. FaceRevelio: a face liveness detection system for smartphones with a single front camera
US20220189110A1 (en) System and method for adaptively constructing a three-dimensional facial model based on two or more inputs of a two-dimensional facial image
KR101302601B1 (ko) 홍채인증용 영상처리장치 및 그 방법
CN109952593A (zh) 生物体认证装置以及生物体认证程序
US11173394B2 (en) Information processing apparatus and normal line information acquisition method
US12125313B2 (en) Method and system for chrominance-based face liveness detection

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