CN114639129A - 一种用于门禁系统的纸张介质活体检测方法 - Google Patents
一种用于门禁系统的纸张介质活体检测方法 Download PDFInfo
- Publication number
- CN114639129A CN114639129A CN202011372239.3A CN202011372239A CN114639129A CN 114639129 A CN114639129 A CN 114639129A CN 202011372239 A CN202011372239 A CN 202011372239A CN 114639129 A CN114639129 A CN 114639129A
- Authority
- CN
- China
- Prior art keywords
- living body
- detection
- tracking
- sum
- target
- 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 91
- 230000003068 static effect Effects 0.000 claims abstract description 10
- 230000003287 optical effect Effects 0.000 claims abstract description 4
- 238000001228 spectrum Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 description 11
- 210000003128 head Anatomy 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
Abstract
本发明提供一种用于门禁系统的纸张介质活体检测方法，所述方法包括以下步骤：S1，人脸检测：通过人脸检测网络得到人脸检测框，更新人脸检测列表；S2，判断人脸检测框是否在跟踪列表里：检测列表里的每一个检测框与跟踪列表里的历史检测框求重合度，如果超过阈值T1，则进行步骤S4认为是同一目标，更新跟踪列表；否则进行步骤S3认为是新目标；S3，如果没有在跟踪列表则定义为新的目标；S4，如果检测目标在跟踪列表里，对跟踪列表里所有的ex特征点f1序列进行光流跟踪得到新的特征点f2序列，对f1和f2求谱范数，即2‑范数记为norm，如果norm小于阈值T2，则认为是静止状态，删除特征点，如果跟踪失败也删除特征点。
Description
技术领域
本发明涉及图像识别技术领域，特别涉及一种用于门禁系统的纸张介质活体检测方法。
背景技术
随着时代的发展，人脸识别系统的应用变得越来越普遍。从智能手机上的人脸识别解锁、到人脸识别打卡、门禁系统等，人脸识别系统正在各行各业得到应用。然而，人脸识别系统很容易被“非真实”的面孔所欺骗。比如将人的照片放在人脸识别相机，就可以骗过人脸识别系统，让其识别为人脸。为了使人脸识别系统更安全，我们不仅要识别出人脸，还需要能够检测其是否为真实面部，这就要用到活体检测了。支持活体检测的人脸识别的流程图如图1所示。大多数的活体检测是针对人脸检测区域的，如图2所示。
特别地，纸张攻击是最常用，便捷的攻击方式之一，攻击成本也低，所以成为大家普遍关注的问题。实践证明可见光活体检测单靠一种方法不能绝对的区分活体与非活体，需要多种方法配合使用，才能达到最优效果。
现有技术的缺陷包括：
近红外活体检测：需要额外的硬件配合，需要增加成本。
配合式活体检测：需要用户主动配合，用户体验不友好。
但是因为现在大多数可见光活体检测和论文都是针对人脸区域的，这增加了可见光活体检测的落地难度，因为彩色打印的纸张，或者高清屏幕翻拍的人脸非常的逼真，我们肉眼都不能很好的进行区分。
现有技术中常用的技术术语包括：
1.人脸活体检测：是要判别这张脸是不是真人活体脸，而对于合成的、或者他人照片来攻击算法的，应该予以拒绝。常用的攻击方式，主要包含打印出人脸照片、视频等。
2.可见光活体检测：采用普通RGB摄像头，通过分析采集到人像的破绽，比如摩尔纹、成像畸形、图像里面漏出的各种类型的边框、图像质量、反射率等，并结合分析全局特征和局部微纹理信息有效过滤假体。
3.配合式活体检测：通过眨眼、张嘴、摇头、点头等配合式组合动作，使用人脸关键点及追踪等技术，验证用户是否是真实的人脸。
4.近红外活体检测：近红外活体技术具有对光照不敏感，电子屏幕无法成像，可穿透墨镜成像等特点，在实际应用场景中可以防止照片、视频等攻击。
5.纸张介质活体检测：把人脸图片复印或彩印，用打印出来的人脸照片进行活体攻击。
6.Backbone神经网络模型：Backbone是主干网络，用来做特征提取的网络，是网络的一部分。其作用是提取图片中的信息，以供后面的网络使用。
7.ROI感兴趣区域；crop剪切；anchors锚点。
发明内容
本发明要解决的就是，非活体比如纸张移动到镜头前面有一个过程，因为尤其对于门禁系统，它的视角都非常窄，所以用户需要移动到确保自己在检测区域内，充分利用运动过程中活体后面的背景不动，非活体背景及纸张边缘跟随人脸运动并且方向一致这个特性，有效过滤由运动到静止的非活体，或运动的非活体。降低时间成本。
具体地，本发明提供一种用于门禁系统的纸张介质活体检测方法，所述方法包括以下步骤：
S1，人脸检测：通过人脸检测网络得到人脸检测框，更新人脸检测列表；
S2，判断人脸检测框是否在跟踪列表里：检测列表里的每一个检测框与跟踪列表里的历史检测框求重合度，如果超过阈值T1，则进行步骤S4认为是同一目标，更新跟踪列表；否则进行步骤S3认为是新目标；
S3，如果没有在跟踪列表则定义为新的目标：
S3.1，分配目标ID；
S3.2，活体计数清零；
S3.3，非活体计数清零；
S3.4，以人脸区域为中心得到两个嵌套区域，大的区域左右外扩边长的1倍，记为ex，小的外扩边长的1/4，记为in；
S3.5，以ex为ROI区域进行特征点提取,统计ROI里的特征点个数记为all_sum，特征点序列记为f1,统计在in区域里面的特征点个数记为in_sum；
S3.6，求取out_ratio，即两个嵌套区域之间的部分特征点的个数占整个ROI区域的比例，即：out_ratio＝(all_sum-in_sum)/all_sum；S4，如果检测目标在跟踪列表里，对跟踪列表里所有的ex特征点f1序列进行光流跟踪得到新的特征点f2序列，对f1和f2求谱范数，即2-范数记为norm，如果norm小于阈值T2，则认为是静止状态，删除特征点，如果跟踪失败也删除特征点；
S4.1，以人脸检测区域为中心得到两个嵌套区域，大的区域左右外扩边长的1倍，记为ex，小的外扩边长的1/4，记为in；
S4.2，以ex为ROI区域进行特征点提取,统计ROI里的特征点个数记为all_sum，特征点序列记为f1,统计在in区域里面的特征点个数记为in_sum；
S4.3，求取out_ratio，即两个嵌套区域之间的部分特征点的个数占整个ROI区域的比例，即：out_ratio＝(all_sum-in_sum)/all_sum；
S4.4，求取in_ratio，即in区域里特征点的个数占整个ROI区域的比例，即：in_ratio＝(in_sum)/all_sum；
S4.5，如果in_ratio大于阈值T3，则认为物体处于运动状态，如果out_ratio大于阈值T4，则置标志为非活体，非活体统计数目加一，否则置标志为活体，活体数目加一；
如果in_ratio小于阈值T3，则认为物体处于静止状态，参考之前多帧状态进行判断是非活体还是活体；
S4.6，对每一个跟踪目标进行记录其是否是检测状态还是跟踪状态，依据一帧检测求取特征点，一帧跟踪跟踪特征点的规则，避免单靠跟踪带来的累计误差问题。
综上，应用本申请方法能够实现的优势在于：
1，利用检测列表和跟踪列表双列表方便用于处理多个人脸目标的情况，比如活体与非活体并存在一帧中，全是活体或全是非活体的情况；
2，对于每一个目标一帧检测，一帧跟踪的交叉思想，有益于及时矫正检测加多帧跟踪带来的误差累计问题；
3，使用两个嵌套区域并且左右外扩统计特征点的思想，能够有效排除人头本身运动带来的特征点干扰影响；
4，如果物体由运动进入接近静止状态或者完全进入静止状态，则能够根据多帧状态累计判断。增加了活体检测的鲁棒性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。
图1是现有技术中支持活体检测的人脸识别的流程示意图。
图2是现有技术中大多数的活体检测是针对人脸检测区域的示意图。
图3是本发明方法的流程示意图。
具体实施方式
为了能够更清楚地理解本发明的技术内容及优点，现结合附图对本发明进行进一步的详细说明。
如图3所示，本发明涉及的一种用于门禁系统的纸张介质活体检测方法，所述方法包括以下步骤：
S1，人脸检测：通过人脸检测网络得到人脸检测框，更新人脸检测列表；
S2，判断人脸检测框是否在跟踪列表里：检测列表里的每一个检测框与跟踪列表里的历史检测框求重合度，如果超过阈值T1，则进行步骤S4认为是同一目标，更新跟踪列表；否则进行步骤S3认为是新目标；这里是所述的人脸检测框，是因为实际人脸检测的结果是框，就是包含人脸的外接矩形，跟踪列表里放的是这个外接矩形或者说是框的左上角和右下角位置。
S3，如果没有在跟踪列表则定义为新的目标：
S3.1，分配目标ID；
S3.2，活体计数清零；
S3.3，非活体计数清零；
S3.4，以人脸区域为中心得到两个嵌套区域，大的区域左右外扩边长的1倍，记为ex，小的外扩边长的1/4，记为in；
S3.5，以ex为ROI区域进行特征点提取,统计ROI里的特征点个数记为all_sum，特征点序列记为f1,统计在in区域里面的特征点个数记为in_sum；
S3.6，求取out_ratio，即两个嵌套区域之间的部分特征点的个数占整个ROI区域的比例，即：out_ratio＝(all_sum-in_sum)/all_sum；S4，如果检测目标在跟踪列表里，对跟踪列表里所有的ex特征点f1序列进行光流跟踪得到新的特征点f2序列，对f1和f2求谱范数，即2-范数记为norm，如果norm小于阈值T2，则认为是静止状态，删除特征点，如果跟踪失败也删除特征点；所述的跟踪失败是指f2序列没有得到，说明场景变化比较大，或者物体已经移除画面范围；
这里还可以得到新的特征点序列，这里是指要重新建立特征点序列f1,因为都被reset了，当然如果人脸被移除画面f1也获取不到；
S4.1，以人脸检测区域为中心得到两个嵌套区域，大的区域左右外扩边长的1倍，记为ex，小的外扩边长的1/4，记为in；
S4.2，以ex为ROI区域进行特征点提取,统计ROI里的特征点个数记为all_sum，特征点序列记为f1,统计在in区域里面的特征点个数记为in_sum；
S4.3，求取out_ratio，即两个嵌套区域之间的部分特征点的个数占整个ROI区域的比例，即：out_ratio＝(all_sum-in_sum)/all_sum；S4.4，求取in_ratio，即in区域里特征点的个数占整个ROI区域的比例，即：in_ratio＝(in_sum)/all_sum；
S4.5，如果in_ratio大于阈值T3，则认为物体处于运动状态，如果out_ratio大于阈值T4，则置标志为非活体，非活体统计数目加一，否则置标志为活体，活体数目加一；
如果in_ratio小于阈值T3，则认为物体处于静止状态，参考之前多帧状态进行判断是非活体还是活体；
out_ratio和in_ratio是配合使用的，因为in_ratio只能判断出物体是否是运动状态，判断是否是活体才是目的；
S4.6，对每一个跟踪目标进行记录其是否是检测状态还是跟踪状态，依据一帧检测求取特征点，一帧跟踪跟踪特征点的规则，避免单靠跟踪带来的累计误差问题。
所述S1中所述人脸检测网络包括Mtcnn人脸检测或dbface人脸检测。
所述S2中阈值T1设置0.5。
所述S4中阈值T2设置为2。
所述S4.5中阈值T设置为0.4。
所述S4.5中阈值T4设置为0.4。
所述S4.5中所述的多帧状态进行判断是判断多帧累计非活体数目是否大于累计活体数目，如果是则认为是非活体，否则是活体；所述参考之前多帧状态进行判断，是指会保存历史信息作为参考，历史信息指的是保存的活体还是非活体状态，之前是静止状态还是运动状态，是跟踪态还是检测状态，比如现在是跟踪状态，由运动到静止，之前的历史信息非活体判断占了80％以上，很容易判断当前是非活体，因为避免不了偶尔有一帧会判断错误的情况，因为在停止的过程中会出现模糊特征不明显的情况，这样综合历史信息会增加判断结果的鲁棒性。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种用于门禁系统的纸张介质活体检测方法，其特征在于，所述方法包括以下步骤：
S1，人脸检测：通过人脸检测网络得到人脸检测框，更新人脸检测列表；
S2，判断人脸检测框是否在跟踪列表里：检测列表里的每一个检测框与跟踪列表里的历史检测框求重合度，如果超过阈值T1，则进行步骤S4认为是同一目标，更新跟踪列表；否则进行步骤S3认为是新目标；
S3，如果没有在跟踪列表则定义为新的目标：
S3.1，分配目标ID；
S3.2，活体计数清零；
S3.3，非活体计数清零；
S3.4，以人脸区域为中心得到两个嵌套区域，大的区域左右外扩边长的1倍，记为ex，小的外扩边长的1/4，记为in；
S3.5，以ex为ROI区域进行特征点提取,统计ROI里的特征点个数记为all_sum，特征点序列记为f1,统计在in区域里面的特征点个数记为in_sum；
S3.6，求取out_ratio，即两个嵌套区域之间的部分特征点的个数占整个ROI区域的比例，即：out_ratio＝(all_sum-in_sum)/all_sum；
S4，如果检测目标在跟踪列表里，对跟踪列表里所有的ex特征点f1序列进行光流跟踪得到新的特征点f2序列，对f1和f2求谱范数，即2-范数记为norm，如果norm小于阈值T2，则认为是静止状态，删除特征点，如果跟踪失败也删除特征点；
S4.1，以人脸检测区域为中心得到两个嵌套区域，大的区域左右外扩边长的1倍，记为ex，小的外扩边长的1/4，记为in；
S4.2，以ex为ROI区域进行特征点提取,统计ROI里的特征点个数记为all_sum，特征点序列记为f1,统计在in区域里面的特征点个数记为in_sum；
S4.3，求取out_ratio，即两个嵌套区域之间的部分特征点的个数占整个ROI区域的比例，即：out_ratio＝(all_sum-in_sum)/all_sum；
S4.4，求取in_ratio，即in区域里特征点的个数占整个ROI区域的比例，即：in_ratio＝(in_sum)/all_sum；
S4.5，如果in_ratio大于阈值T3，则认为物体处于运动状态，如果out_ratio大于阈值T4，则置标志为非活体，非活体统计数目加一，否则置标志为活体，活体数目加一；
如果in_ratio小于阈值T3，则认为物体处于静止状态，参考之前多帧状态进行判断是非活体还是活体；
S4.6，对每一个跟踪目标进行记录其是否是检测状态还是跟踪状态，依据一帧检测求取特征点，一帧跟踪跟踪特征点的规则，避免单靠跟踪带来的累计误差问题。
2.根据权利要求1所述的一种用于门禁系统的纸张介质活体检测方法，其特征在于，所述S1中所述人脸检测网络包括Mtcnn人脸检测或dbface人脸检测。
3.根据权利要求1所述的一种用于门禁系统的纸张介质活体检测方法，其特征在于，所述S2中阈值T1设置0.5。
4.根据权利要求1所述的一种用于门禁系统的纸张介质活体检测方法，其特征在于，所述S4中阈值T2设置为2。
5.根据权利要求1所述的一种用于门禁系统的纸张介质活体检测方法，其特征在于，所述S4.5中阈值T设置为0.4。
6.根据权利要求1所述的一种用于门禁系统的纸张介质活体检测方法，其特征在于，所述S4.5中阈值T4设置为0.4。
7.根据权利要求1所述的一种用于门禁系统的纸张介质活体检测方法，其特征在于，所述S4.5中所述的多帧状态进行判断是判断多帧累计非活体数目是否大于累计活体数目，如果是则认为是非活体，否则是活体；所述参考之前多帧状态进行判断，是指保存历史信息作为参考，历史信息指的是保存的活体还是非活体状态，之前是静止状态还是运动状态，是跟踪态还是检测状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011372239.3A CN114639129B (zh) | 2020-11-30 | 2020-11-30 | 一种用于门禁系统的纸张介质活体检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011372239.3A CN114639129B (zh) | 2020-11-30 | 2020-11-30 | 一种用于门禁系统的纸张介质活体检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114639129A true CN114639129A (zh) | 2022-06-17 |
| CN114639129B CN114639129B (zh) | 2024-05-03 |
Family
ID=81944576
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011372239.3A Active CN114639129B (zh) | 2020-11-30 | 2020-11-30 | 一种用于门禁系统的纸张介质活体检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114639129B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108549884A (zh) * | 2018-06-15 | 2018-09-18 | 天地融科技股份有限公司 | 一种活体检测方法及装置 |
| CN109376704A (zh) * | 2018-11-30 | 2019-02-22 | 高新兴科技集团股份有限公司 | 一种人脸活体检测方法 |
| CN109598242A (zh) * | 2018-12-06 | 2019-04-09 | 中科视拓（北京）科技有限公司 | 一种新型的活体检测方法 |
| WO2019127365A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳前海达闼云端智能科技有限公司 | 人脸活体检测方法、电子设备和计算机程序产品 |
| CN111222432A (zh) * | 2019-12-30 | 2020-06-02 | 新大陆数字技术股份有限公司 | 人脸活体检测方法、系统、设备及可读存储介质 |
| WO2020155873A1 (zh) * | 2019-02-02 | 2020-08-06 | 福州大学 | 一种基于深度表观特征和自适应聚合网络的多人脸跟踪方法 |
-
2020
- 2020-11-30 CN CN202011372239.3A patent/CN114639129B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019127365A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳前海达闼云端智能科技有限公司 | 人脸活体检测方法、电子设备和计算机程序产品 |
| CN108549884A (zh) * | 2018-06-15 | 2018-09-18 | 天地融科技股份有限公司 | 一种活体检测方法及装置 |
| CN109376704A (zh) * | 2018-11-30 | 2019-02-22 | 高新兴科技集团股份有限公司 | 一种人脸活体检测方法 |
| CN109598242A (zh) * | 2018-12-06 | 2019-04-09 | 中科视拓（北京）科技有限公司 | 一种新型的活体检测方法 |
| WO2020155873A1 (zh) * | 2019-02-02 | 2020-08-06 | 福州大学 | 一种基于深度表观特征和自适应聚合网络的多人脸跟踪方法 |
| CN111222432A (zh) * | 2019-12-30 | 2020-06-02 | 新大陆数字技术股份有限公司 | 人脸活体检测方法、系统、设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114639129B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6549797B2 (ja) | 通行人の頭部識別方法及びシステム | |
| EP1693782B1 (en) | Method for facial features detection | |
| US8345921B1 (en) | Object detection with false positive filtering | |
| KR100695155B1 (ko) | 가리어진 얼굴 검출장치 및 방법과 이를 이용한 부정거래자식별장치 및 방법 | |
| CN110059644A (zh) | 一种基于人脸图像的活体检测方法、系统及相关组件 | |
| Strehl et al. | Detecting moving objects in airborne forward looking infra-red sequences | |
| US20060082849A1 (en) | Image processing apparatus | |
| CN110969118B (zh) | 轨迹监控系统和方法 | |
| CN110059634B (zh) | 一种大场景人脸抓拍方法 | |
| JPH03274983A (ja) | 画像認識装置 | |
| CN113012383A (zh) | 火灾检测报警方法、相关系统、相关设备及存储介质 | |
| CN115035564A (zh) | 基于巡逻车智能摄像机的人脸识别方法、系统及相关组件 | |
| CN112347988A (zh) | 口罩识别模型的训练方法、装置、计算机设备和可读存储介质 | |
| CN114639129A (zh) | 一种用于门禁系统的纸张介质活体检测方法 | |
| WO2021001323A1 (en) | Method to generate a slap/fingers foreground mask | |
| CN110688967A (zh) | 用于静态人脸活体检测的系统以及方法 | |
| KR100863882B1 (ko) | 얼굴인식 보안 감시 방법과 이에 적용되는 얼굴인식장치 | |
| Colombari et al. | Background initialization in cluttered sequences | |
| Hadiprakoso | Face anti-spoofing method with blinking eye and hsv texture analysis | |
| CN112232113B (zh) | 人员识别方法、人员识别装置、存储介质与电子设备 | |
| Jiang et al. | Combining background subtraction and temporal persistency in pedestrian detection from static videos | |
| KR101311728B1 (ko) | 침입자의 얼굴감지 시스템 및 그 방법 | |
| KR100285587B1 (ko) | 퍼지뉴러얼굴인식방법 | |
| Mollah et al. | Text detection from camera captured images using a novel fuzzy-based technique | |
| CN114639130A (zh) | 一种可见光活体检测方法 |
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 |