CN116682181A - 一种基于震动信号的活体检测方法、设备及存储介质 - Google Patents

一种基于震动信号的活体检测方法、设备及存储介质 Download PDF

Info

Publication number
CN116682181A
CN116682181A CN202310639525.9A CN202310639525A CN116682181A CN 116682181 A CN116682181 A CN 116682181A CN 202310639525 A CN202310639525 A CN 202310639525A CN 116682181 A CN116682181 A CN 116682181A
Authority
CN
China
Prior art keywords
vibration
signal
frequency
living body
video
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
CN202310639525.9A
Other languages
English (en)
Inventor
李辉
贾坤
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.)
Sichuan XW Bank Co Ltd
Original Assignee
Sichuan XW Bank Co Ltd
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 Sichuan XW Bank Co Ltd filed Critical Sichuan XW Bank Co Ltd
Priority to CN202310639525.9A priority Critical patent/CN116682181A/zh
Publication of CN116682181A publication Critical patent/CN116682181A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于震动信号的活体检测方法、设备及存储介质，属于人脸识别技术领域，解决现有AI合成人像的高逼真度，加上注入视频没有边框、摩尔纹等翻拍特征、与物理摄像头实时拍摄的视频在影像上没有任何差异，现有的活体检测技术容易被突破的问题。通过控制移动终端设备的震动马达按特定信号震动，在活体检测影像录制过程中通过传感器采集终端震动信号，分析其震动频率是否与震动生成频率一致，进而判断活体视频是否为实时拍摄而非注入攻击。进一步的，经由麦克风采集马达震动发出声音，作为活体检测音频输入的一部分，在验证活体时对声音频率进行提取，并判断是否与马达震动频率一致。以此来辅助活体检测判断，提高活体检测安全性。

Description

一种基于震动信号的活体检测方法、设备及存储介质
技术领域
本发明属于人脸识别技术领域，具体涉及一种基于震动信号的活体检测方法、设备及存储介质。
背景技术
在开展线上业务的过程中，为了保护客户的信息、资金、隐私等安全，一般需要通过活体检测+人脸比对技术通过视频影像在线上完成对客户的身份认证，活体检测则是为了确保所采集到的视频影像为客户使用真实的设备真人实时拍摄,人脸比对采集到的人像特征与客户本人的人像特征一致。
现有技术中，活体检测的安全性主要取决于是否为真实设备，是否为实时录制，是否为真实的人脸，现有方案大多使用设备指纹技术来验证设备的真实性和识别设备风险，通过引入随机因素来检测是否为实时录制，如要求客户做随机的指定动作或念随机的数字序列，通过检测人脸是否翻拍、面具、合成和人脸比对来判断是否为真实的人脸。设备指纹技术难以对所有的模拟器软件、改机手段和工具；随着AI合成技术的不断成熟，已经能够生成极为逼真的人物影像，并且能驱动人物完成指定的随机动作，虽然现有活体检测技术对面具、照片打印、屏幕翻拍等常见攻击手段已经能有较好的防范，但是如果进行视频注入攻击，由于AI合成人像的高逼真度，加上注入视频没有边框、摩尔纹等翻拍特征、与物理摄像头实时拍摄的视频在影像上没有任何差异，现有的活体检测技术很容易被突破。
发明内容
有鉴于此，本发明提供了一种基于震动信号的活体检测方法、设备及存储介质，以解决现有AI合成人像的高逼真度，加上注入视频没有边框、摩尔纹等翻拍特征、与物理摄像头实时拍摄的视频在影像上没有任何差异，现有的活体检测技术很容易被突破的问题。
本发明采用的技术方案如下：
一种基于震动信号的活体检测方法，包括：
步骤1：打开前置摄像头以拍摄人像，进入活体检测流程；
使用人脸检测技术判断是否拍到完整人脸以及人脸是否符合检测要求；
终端设备检测到人脸后，终端设备的震动马达启动，随机生成震动控制信号S；在震动马达震动的同时，终端设备的摄像头录制用户活体视频，且终端设备的加速度传感器采集终端设备的震动信号D；
所述震动信号D为外部环境产生的噪声信号和震动马达按震动控制信号S震动产生的震动信号的叠加；
具体的：所述震动控制信号S是基于随机的n个频率合成的震动信号，所述频率应尽可能避开噪声信号频率区间，如人手持手机的晃动频率、外部环境声的频率。
示例地，考虑到用户在手持手机进行活体检测的时候，不可避免地会有额外的震动，但这类震动均为低频振动，为了便于后续对采集信号进行滤波处理，更有效地分析检测到的反馈信号，生成的震动控制信号S须由100hz以上的信号组成。抽取n＝3个频率，构成频率序列L1，L1＝[f1,f2,f3]，其中f1＝110hz,f2＝130hz,f3＝140hz，构成信号
S＝sin(2πtf1)+sin(2πtf2)+sin(2πtf3)。
步骤2：将震动信号D和震动控制信号S进行分析比对，判断活体视频是否为真实拍摄的活体视频。
所述步骤2具体包括以下步骤：
步骤A:获取所述震动信号S对应的频率序列为L1，序列长度为n；
步骤B:基于高通滤波函数对震动数据D进行处理，过滤掉频率低于截止频率fc的低频震动信号，得到震动信号Dh；
高通滤波公式如下：
其中，D(τ)是输入信号，Dh(t)为输出信号，h(t)为滤波器冲击响应函数,*表示卷积运算；
示例地，截止频率fc设置为100hz。采用巴特沃斯高通滤波过滤掉低频信号，其冲击响应函数h(t)具体如下：
步骤C：对Dh进行傅里叶变换，得到Dh的频域信号F,基于频域信号F获取频率序列L2；
具体的：所述傅里叶变换(FT)的公式如下：
在F中找到模值最大的前2*n个峰值对应的频率，取其中n个为正的频率，按从小到大顺序排序，得到频率序列L2，示例的,L1＝[fo1,fo2,fo3]，具体的L2＝[110hz,130hz,140hz]
步骤D:计算L1与L2的余弦相似度，得到相似度P，基于相似度P判断活体视频是否为真实拍摄的活体视频；
所述余弦相似度的计算公式如下：
如果P大于指定阈值，则认为采集到的震动信号与生成的震动信号一致，视频为实时拍摄，否则则认为不一致。
需要说明的是，由于震动马达和麦克风距离近，且处于同一整体内，采集到的音频信号特征明显，为了进一步提高震动信号检测的准确率，可选地，可基于音频信号进一步解析和比对实际的震动信号是否与震动控制信号S一致以增强准确率。在所述步骤1中，在震动马达震动的同时，终端设备的麦克风还收集震动产生的音频信号；
所述步骤2中，还包括过滤掉信号的高频噪音信号，保留低于截止频率fc2的低频部分，得到信号Dl(t)，
Dl(t)＝D(t)-Dh(t)
将过滤后的音频信号Dl(t)与震动控制信号S进行分析比对，若比对结果一致，则为真实拍摄的活体视频，若不一致，则测试失败；达到了进一步判断活体视频是否为真实拍摄的活体视频的效果。
音频信号的解析处理与加速度传感器信号的分析过程类似。可选地，由于用户所处环境的环境声一般较为丰富，且环境声中高频信号较多，故可先使用低通滤波器，过滤掉高频部分，提高震动马达震动频率分析的准确性。示例地，截止频率可设置为200hz，即先过滤掉高于200hz音频信号。
一种基于随机震动信号的活体检测安全性提升的设备，包括：
处理器以及设在手机终端上的摄像头、传感器、麦克风以及震动马达；
所述摄像头用以采集用户的活体视频信息；
所述震动马达用以产生震动控制信号S；
所述传感器用以采集震动马达的震动信号D；
所述麦克风用以采集震动马达的音频信号；
所述处理器用以将震动信号D和震动信号S进行分析比对，判断活体视频是否为真实拍摄的活体视频。
一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行以实现基于震动信号的活体检测方法。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1.本发明中，通过终端设备硬件-震动马达发出随机信号，通过终端设备的传感器采集信号，通过从采集信号中分析、提取和比对随机信号的频谱信息来提高活体检测的安全性，具备同时检测是否真实设备和是否实时录制的能力，不需要用户主动配合，安全性好，体验好。
2.本发明中，经由麦克风采集马达震动发出声音，作为活体检测音频输入的一部分，在验证活体时对声音频率进行提取，并判断是否与马达震动频率一致。以此来辅助活体检测判断，提高活体检测安全性。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1是本发明的活体检测流程图；
图2是本发明的震动信号管理模块示意图；
图3是本发明的震动频率解析流程图；
图4是本发明的指定震动控制信号S示例图；
图5是本发明的采集到的震动信号D示意图；
图6是本发明的高通滤波后的信号Dh示意图
图7是本发明的频域信号F的示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。通常在此处附图中描述和示出的本发明实施方式的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
需要说明的是，在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。
实施例1
如图1-6所示，本发明实施例中公开了一种基于震动信号的活体检测方法，包括：
步骤1：打开前置摄像头以拍摄人像，进入活体检测流程；
使用人脸检测技术判断是否拍到完整人脸以及人脸是否符合检测要求；
终端设备检测到人脸后，终端设备的震动马达启动，随机生成震动控制信号S；在震动马达震动的同时，终端设备的摄像头录制用户活体视频，且终端设备的加速度传感器采集终端设备的震动信号D；
所述震动信号D为外部环境产生的噪声信号和震动马达按震动控制信号S震动产生的震动信号的叠加；
具体的：所述震动控制信号S是基于随机的n个频率合成的震动信号，所述频率应尽可能避开噪声信号频率区间，如人手持手机的晃动频率、外部环境声的频率。
示例地，考虑到用户在手持手机进行活体检测的时候，不可避免地会有额外的震动，但这类震动均为低频振动，为了便于后续对采集信号进行滤波处理，更有效地分析检测到的反馈信号，生成的震动控制信号S须由100hz以上的信号组成。抽取n＝3个频率，构成频率序列L1，L1＝[f1,f2,f3]，其中f1＝110hz,f2＝130hz,f3＝140hz，构成控制信号
S＝sin(2πtf1)+sin(2πtf2)+sin(2πtf3)
控制信号S如图4所示
步骤2：将震动信号D和震动控制信号S进行分析比对，判断活体视频是否为真实拍摄的活体视频。
所述步骤2具体包括以下步骤：
步骤A:基于高通滤波函数对震动数据D进行处理(采集到的震动信号D如图5所示)，过滤掉频率低于截止频率fc的低频震动信号，得到震动信号Dh；
高通滤波公式如下：
其中，D(τ)是输入信号，Dh(t)为输出信号，h(t)为滤波器冲击响应函数,*表示卷积运算；
示例地，截止频率fc设置为100hz。采用巴特沃斯高通滤波过滤掉低频信号，其冲击响应函数h(t)具体如下：
进行高通滤波后得到的信号Dh(t)如图6所示
步骤B：对Dh进行傅里叶变换，得到Dh的频域信号F,基于频域信号F获取频率序列L2；
具体的：所述傅里叶变换(FT)的公式如下：
频域信号F如图7所示
在F中找到模值最大的前2*n个峰值对应的频率，取其中n个为正的频率，按从小到大顺序排序，得到频率序列L2，示例的,L1＝[fo1,fo2,fo3]，具体的L2＝[110hz,130hz,140hz]
步骤C:计算L1与L2的余弦相似度，得到相似度P，基于相似度P判断活体视频是否为真实拍摄的活体视频；
所述余弦相似度的计算公式如下：
如果P大于指定阈值，则认为采集到的震动信号与生成的震动信号一致，视频为实时拍摄，否则则认为不一致。
需要说明的是，由于震动马达和麦克风距离近，且处于同一整体内，采集到的音频信号特征明显，为了进一步提高震动信号检测的准确率，可选地，可基于音频信号进一步解析和比对实际的震动信号是否与震动控制信号S一致以增强准确率。在所述步骤1中，在震动马达震动的同时，终端设备的麦克风还收集震动产生的音频信号；所述步骤2中，还包括过滤掉信号的高频噪音信号，保留低于截止频率fc2的低频部分，得到信号Dl(t)，
Dl(t)＝D(t)-Dh(t)
将过滤后的音频信号Dl(t)与震动控制信号S进行分析比对，若比对结果一致，则为真实拍摄的活体视频，若不一致，则测试失败；达到了进一步判断活体视频是否为真实拍摄的活体视频的效果。
音频信号的解析处理与加速度传感器信号的分析过程类似。可选地，由于用户所处环境的环境声一般较为丰富，且环境声中高频信号较多，故可先使用低通滤波器，过滤掉高频部分，提高震动马达震动频率分析的准确性。示例地，截止频率可设置为200hz，即先过滤掉高于200hz音频信号。
实施例2
本实施例提出一种基于随机震动信号的活体检测安全性提升的设备，包括：
处理器以及设在手机终端上的摄像头、传感器、麦克风以及震动马达；
所述摄像头用以采集用户的活体视频信息；
所述震动马达用以产生震动信号S；
所述传感器用以采集震动马达的震动信号D；
所述麦克风用以采集震动马达的音频信号；
所述处理器用以将震动信号D和震动信号S进行分析比对，判断活体视频是否为真实拍摄的活体视频。
实施例3
本实施例提出一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行以实现基于震动信号的活体检测方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于震动信号的活体检测方法，其特征在于，包括：
步骤1：终端设备检测到人脸后，随机生成震动控制信号S，终端设备按震动控制信号S控制震动马达震动；在震动马达震动的同时，终端设备的摄像头录制用户活体视频，且终端设备的传感器采集终端设备由于震动产生的震动信号D；
步骤2：将震动信号D和震动控制信号S进行分析比对，判断活体视频是否为真实拍摄的活体视频。
2.根据权利要求1所述的一种基于震动信号的活体检测方法，其特征在于，所述震动控制信号S是基于随机的n个频率合成的震动信号，所述频率避开噪声信号频率区间。
3.根据权利要求1所述的一种基于震动信号的活体检测方法，其特征在于，所述震动信号D为外部环境产生的噪声信号和震动马达按震动控制信号S震动产生的震动信号的叠加。
4.根据权利要求1-3任一所述的一种基于震动信号的活体检测方法，其特征在于，所述步骤2具体包括以下步骤：
步骤A:获取所述震动信号S对应的频率序列为L1，序列长度为n；
步骤B:基于L1所在频率范围设置截止频率fc，并基于滤波函数对震动信号D进行处理，过滤掉不在截止频率fc范围内的震动信号D，得到震动信号Dh；
步骤C：对Dh进行傅里叶变换，得到Dh的频域信号F,基于频域信号F获取频率序列L2；
步骤D:计算L1与L2的余弦相似度，得到相似度P，基于相似度P判断活体视频是否为真实拍摄的活体视频。
5.根据权利要求4所述的一种基于震动信号的活体检测方法，其特征在于，所述步骤B中，如果L1所在频率范围高于fc，则使用高通滤波函数对信号D进行滤波处理，高通滤波公式如下：
其中D(τ)是输入信号，Dh(t)为输出信号，h(t)是高通滤波器的冲激响应函数，*表示卷积运算；
如果L1所在频率范围低于fc，则需获取信号的低频部分，
Dl(t)＝D(t)-Dh(t)。
6.根据权利要求4所述的一种基于震动信号的活体检测方法，其特征在于，步骤C中，所述傅里叶变换的公式如下：
其中，F(ω)是输出信号的频谱，ω是频率；
在F中找到模值最大的前2*n个峰值对应的频率，取其中n个为正的频率，按从小到大顺序排序，得到频率序列L2，L2的长度与L1的长度均为n。
7.根据权利要求4所述的一种基于震动信号的活体检测方法，其特征在于，步骤D中，所述余弦相似度的计算公式如下：
其中，fi为L1中的元素，foi为L2中的元素,k等于频率序列L1和L2的长度n。
8.根据权利要求1所述的一种基于震动信号的活体检测方法，其特征在于，所述步骤1中，在震动马达震动的同时，终端设备的麦克风还收集震动产生的音频信号；所述步骤2中，还包括将音频信号与震动控制信号S进行分析比对，进一步判断活体视频是否为真实拍摄的活体视频。
9.一种基于随机震动信号的活体检测安全性提升的设备，用以实现权利要求1至8任一所述的一种基于震动信号的活体检测方法，其特征在于，包括：
处理器以及设在手机终端上的摄像头、传感器、麦克风以及震动马达；
所述摄像头用以采集用户的活体视频信息；
所述震动马达用以产生震动控制信号S；
所述传感器用以采集震动马达的震动信号D；
所述麦克风用以采集震动马达的音频信号；
所述处理器用以将震动信号D、音频信号和震动信号S进行分析比对，判断活体视频是否为真实拍摄的活体视频。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行以实现如权利要求1至8任一权利要求所述的一种基于震动信号的活体检测方法。
CN202310639525.9A 2023-05-31 2023-05-31 一种基于震动信号的活体检测方法、设备及存储介质 Pending CN116682181A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310639525.9A CN116682181A (zh) 2023-05-31 2023-05-31 一种基于震动信号的活体检测方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310639525.9A CN116682181A (zh) 2023-05-31 2023-05-31 一种基于震动信号的活体检测方法、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116682181A true CN116682181A (zh) 2023-09-01

Family

ID=87788404

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310639525.9A Pending CN116682181A (zh) 2023-05-31 2023-05-31 一种基于震动信号的活体检测方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116682181A (zh)

Similar Documents

Publication Publication Date Title
WO2019127365A1 (zh) 人脸活体检测方法、电子设备和计算机程序产品
CN106163907B (zh) 基于输入声音信号的影像存储装置及方法
Raja et al. Video presentation attack detection in visible spectrum iris recognition using magnified phase information
WO2019127262A1 (zh) 基于云端的人脸活体检测方法、电子设备和程序产品
CN111368811B (zh) 活体检测方法、装置、设备及存储介质
CN107368769A (zh) 人脸活体检测方法、装置及电子设备
US20190065875A1 (en) Verification method and system
CN104700018B (zh) 一种用于智能机器人的识别方法
EP3575993A1 (en) Method and system for validating remote live identification via video-recording
TW201220216A (en) System and method for detecting human emotion and appeasing human emotion
CN110287918A (zh) 活体识别方法及相关产品
CN108446690A (zh) 一种基于多视角动态特征的人脸活体检测方法
CN103984931B (zh) 一种信息处理方法及第一电子设备
CN114299569A (zh) 一种基于眼球运动的安全人脸认证方法
CN109543635A (zh) 活体检测方法、装置、系统、解锁方法、终端及存储介质
CN114387977A (zh) 基于双域深度特征和注意力机制的语音裁剪痕迹定位方法
CN105138886B (zh) 机器人生物体征识别系统
CN112151194A (zh) 康体训练监测系统及方法、存储介质及电子设备
CN106951751A (zh) 一种基于传感器的智能手机开锁识别方法
CN116682181A (zh) 一种基于震动信号的活体检测方法、设备及存储介质
CN106653045A (zh) 从音频信号提取诊断信号的方法及诊断装置
CN109886084B (zh) 基于陀螺仪的人脸认证方法、电子设备及存储介质
CN109492585B (zh) 一种活体检测方法和电子设备
Rahman et al. Movee: Video liveness verification for mobile devices using built-in motion sensors
Peng et al. Face morphing attack detection and attacker identification based on a watchlist

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