JP2021534497A - 個人識別方法、コンピュータ可読記憶媒体、端末デバイスおよび装置 - Google Patents

個人識別方法、コンピュータ可読記憶媒体、端末デバイスおよび装置 Download PDF

Info

Publication number
JP2021534497A
JP2021534497A JP2021507823A JP2021507823A JP2021534497A JP 2021534497 A JP2021534497 A JP 2021534497A JP 2021507823 A JP2021507823 A JP 2021507823A JP 2021507823 A JP2021507823 A JP 2021507823A JP 2021534497 A JP2021534497 A JP 2021534497A
Authority
JP
Japan
Prior art keywords
face image
image sequence
face
frame
sequence
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
Application number
JP2021507823A
Other languages
English (en)
Other versions
JP7105988B2 (ja
Inventor
文泱 黄
Original Assignee
ワン・コネクト・スマート・テクノロジー・カンパニー・リミテッド・（シェンチェン）
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 ワン・コネクト・スマート・テクノロジー・カンパニー・リミテッド・（シェンチェン） filed Critical ワン・コネクト・スマート・テクノロジー・カンパニー・リミテッド・（シェンチェン）
Publication of JP2021534497A publication Critical patent/JP2021534497A/ja
Application granted granted Critical
Publication of JP7105988B2 publication Critical patent/JP7105988B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06V40/174—Facial expression 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
    • G06V40/40—Spoof detection, e.g. liveness detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本願は、コンピュータ技術の分野に属し、特に、顔識別に基づく個人識別方法、コンピュータ可読記憶媒体、端末デバイスおよび装置に関する。前記方法において、顔画像を収集し、前記顔画像に対して顔識別を行い、顔識別に成功した場合、顔画像シーケンスを収集し、前記顔画像シーケンスにはＦフレームの顔画像が含まれ、ここで、Ｆは１より大きい整数であり、前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算し、前記基準画像シーケンスにはＦフレームの顔画像が含まれ、且つ少なくとも２フレームの顔画像の表情が異なっており、前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度が予め設定された一致度閾値よりも大きい場合には、個人識別にパスしたと確定する。基準画像シーケンスには、異なる表情の顔画像が含まれているため、不正者は正当な利用者の写真を入手しても個人識別にパスすることができず、セキュリティ性が格段に向上する。

Description

本願は、２０１８年９月２６日に中国特許庁に提出された、出願番号が２０１８１１１２１９６５．０で、発明名称が「個人識別方法、コンピュータ可読記憶媒体および端末デバイス」である中国特許出願の優先権を主張し、その全内容を引用により本出願に組み込んでいる。
本願は、コンピュータ技術の分野に属し、特に、個人識別方法、コンピュータ可読記憶媒体、端末デバイスおよび装置に関する。
顔によるバイオメトリック識別は、応用の面でまだいくつかの課題に直面しており、その中でも特に目立つのは、識別システムのセキュリティ問題であり、個人識別のための装置において、不正者によって正当な利用者になりすまされることが容易であり、現在の顔識別システムのほとんどは、本物の顔と写真を区別できず、正当な利用者の写真を取得さえすれば、そのような識別システムを簡単に騙すことができ、セキュリティ性が低い。
上記に鑑みて、本願の実施例は、従来の個人識別方法におけるセキュリティ性が低いという問題を解決するための個人識別方法、コンピュータ可読記憶媒体、端末デバイス及び装置を提供する。
本願の実施例の第１態様は、個人識別方法であって、
顔画像を収集し、前記顔画像に対して顔識別を行うことと、
顔識別に成功した場合、顔画像シーケンスを収集し、前記顔画像シーケンスにはＦフレームの顔画像が含まれ、ここで、Ｆは１より大きい整数であることと、
前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算し、前記基準画像シーケンスにはＦフレームの顔画像が含まれ、且つ少なくとも２フレームの顔画像の表情が異なっていることと、
前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度が予め設定された一致度閾値よりも大きい場合には、個人識別にパスしたと確定することと、を含むことができる個人識別方法を提供する。
本願の実施例の第２態様は、コンピュータ可読命令が記憶されているコンピュータ可読記憶媒体であって、前記コンピュータ可読命令がプロセッサによって実行される時に、上記の個人識別方法のステップを実現するコンピュータ可読記憶媒体を提供する。
本願の実施例の第３態様は、メモリと、プロセッサと、前記メモリに記憶され且つ前記プロセッサ上で実行可能なコンピュータ可読命令と、を備える端末デバイスであって、前記プロセッサは、前記コンピュータ可読命令を実行する時に、上記の個人識別方法のステップを実現する端末デバイスを提供する。
本願の実施例の第４態様は、上記の個人識別方法のステップを実現するためのモジュールを含むことができる個人識別装置を提供する。
本願の実施例は、通常の顔識別を基に、一連の複数の顔画像、すなわち、顔画像シーケンスを収集し、そして前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算し、２つの画像シーケンスが比較的に類似している場合、すなわち、両者の一致度が予め設定された一致度閾値よりも大きい場合にのみ、個人識別にパスしたと確定する。基準画像シーケンスには異なる表情の顔画像が含まれているため、不正者は正当な利用者の写真を入手しても個人識別にパスすることができず、セキュリティ性が格段に向上する。
本願の実施例における個人識別方法の一実施例のフローチャートである。 画像シーケンスセットから基準画像シーケンスを選択することを示すフローチャートである。 顔画像シーケンスにおける第ｆフレームの顔画像と基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算することを示すフローチャートである。 前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離を計算することを示すフローチャートである。 本願の実施例における個人識別装置の一実施例の構成図である。 本願の実施例における端末デバイスの概略ブロック図である。
図１に示すように、本願の実施例における個人識別方法の一実施例は次のステップを含む。
ステップＳ１０１において、顔画像を収集し、前記顔画像に対して顔識別を行う。
本実施例では、携帯電話やタブレットなどの端末デバイスのフロントカメラにより現在のユーザの顔画像を収集し、従来の様々な顔識別方法により顔画像に顔識別を行うことができ、顔識別は一般的な従来技術であるため、ここではその具体的な過程については再び説明しない。
ステップＳ１０２において、顔識別に成功したか否かを判断する。
顔識別に成功した場合、ステップＳ１０３及びそれに続くステップを実行し、顔識別が失敗した場合、ステップＳ１０７を実行する。
ステップＳ１０３において、顔画像シーケンスを収集する。
前記端末デバイスには、画像シーケンスセットが予め設定されており、この画像シーケンスセットには、顔画像を含むＮ組の画像シーケンスを含み、Ｎは１より大きい整数である。各組の画像シーケンスには、Ｆフレームの顔画像が含まれ、且つ少なくとも２フレームの顔画像の表情は異なっており、Ｆは１より大きい整数である。
例えば、Ｆの値が３であるとすると、画像シーケンス１における各フレームの顔画像の表情は、それぞれ｛ほほえみ、口をゆがめ、眉をしかめ｝であり、画像シーケンス２における各フレームの顔画像の表情は、それぞれ｛頬をふくらませ、目を閉じ、ほほえみ｝であり、画像シーケンス３の各フレームの顔画像の表情は、それぞれ画像シーケンス３＝｛眉を上げ、ほほえみ、口をゆがめ｝であり、……、以下も同様である。
個人識別を行うたびに、端末デバイスは、前記画像シーケンスセットから、個人識別の根拠として１組の画像シーケンス、すなわち前記基準画像シーケンスを自動的に選択する。
ここでは、具体的な実施態様では、シーケンス番号に従って順番に選択することができ、例えば、１回目の個人識別の際には、画像シーケンス１を選択することができ、２回目の個人識別の際には、画像シーケンス２を選択することができ、…、以下も同様であり、ただし、このような方式には、毎回選択される画像シーケンスは事前に推測可能であり、不正者に付け入る機会を提供する可能性があるという欠点がある。
本実施例では、図２に示されるステップを用いて、前記画像シーケンスセットから前記基準画像シーケンスを選択することが好ましい。
ステップＳ２０１において、予め設定された擬似乱数生成器を介して乱数を生成する。
真の乱数は、コインの投げ、サイコロ、回転輪、電子部品を使用する際のノイズ、核分裂などの物理現象を使って生成される。このような乱数発生器は物理的乱数発生器と呼ばれ、技術要件が高いという欠点がある。実際の応用では擬似乱数を用いれば十分であることが多い。これらの数列は「一見」ランダムな数であり、実際には固定された反復可能な計算方法によって生成されたものである。実際に計算されたものであるため、それらが真のランダムではないが、乱数に似た統計的な特徴を持っている。
ステップＳ２０２において、前記基準画像シーケンスが前記画像シーケンスセットにおけるシーケンスナンバーを計算する。
具体的には、次の式に従って、前記基準画像シーケンスが前記画像シーケンスセットにおけるシーケンスナンバーを計算することができ、
EmoSeqNum=MOD(RandomNum,N)
ここで、ＭＯＤは剰余関数であり、RandomNumは前記乱数であり、Ｎは前記画像シーケンスセットにおける画像シーケンスの総数であり、EmoSeqNumは前記基準画像シーケンスが前記画像シーケンスセットにおけるシーケンスナンバーである。
ステップＳ２０３において、前記シーケンスナンバーに基づいて、前記画像シーケンスセットから前記基準画像シーケンスを選択する。
前記基準画像シーケンスを選択した後、端末デバイスは、前記基準画像シーケンスに従って、ユーザに対応する表情を作るように段階的に提示することができ、具体的な提示方法は、文字提示であってもよいし、または音声提示であってもよい。
例えば、選択された前記基準画像シーケンスにおける各フレームの顔画像の表情が、それぞれ｛ほほえみ、口をゆがめ、眉をしかめ｝であり、端末デバイスはまず、「ほほえみの表情をしてください」と音声で提示し、そして、そのときのユーザの顔画像（顔画像１と記す）を収集し、端末デバイスは、「口をゆがめるような表情をしてください」ともう一度音声で提示し、そして、そのときのユーザの顔画像（顔画像２と記す）を収集し、最後に端末デバイスは、「眉をしかめるような表情をしてください」と音声で提示し、そして、そのときのユーザの顔画像（顔画像３と記す）を収集する。
収集された顔画像を、｛顔画像１、顔画像２、顔画像３、…｝のようなシーケンス形で構成し、該顔画像シーケンスにはＦフレームの顔画像も含まれている。
ステップＳ１０４において、前記顔画像シーケンスと前記基準画像シーケンスとの一致度を計算する。
具体的には、まずは図３に示されるステップによって、前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算することができ、ここで、１≦ｆ≦Ｆである。
ステップＳ３０１において、前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離をそれぞれ計算する。
前記特徴距離は、任意の２つの特徴エリア（それぞれ第１特徴エリアおよび第２特徴エリアと記載することができる）の中心点の間の距離であり、前記特徴エリアは、眉が位置するエリア、目が位置するエリア、鼻が位置するエリア、口が位置するエリアなどを含むことができるが、これらに限定されなく、図４に示すように、図中の×は顔画像の１つの特徴エリアの中心点を表し、図中のｄ１、ｄ２、ｄ３、ｄ４などのように、任意の２つの特徴エリアの中心点の間の距離は、１つの特徴距離である。
具体的には、次の式に従って、前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離を計算することができ、
Figure 2021534497
 ここで、ＬＮf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第１特徴エリアの画素点の個数であり、（xlf,m,ln，ylf,m,ln）は前記第１特徴エリアの第ｌｎ番目の画素点の座標であり、１≦ｌｎ≦ＬＮf,mであり、ＲＮf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第２特徴エリアの画素点の個数であり、（xrf,m,rn，yrf,m,rn）は前記第１特徴エリアの第ｒｎ番目の画素点の座標であり、１≦ｒｎ≦ＲＮf,mであり、（AveXLf,m，AveYLf,m）は前記第１特徴エリアの中心点座標であり、且つ
Figure 2021534497
 であり、（AveXRf,m，AveYRf,m）は前記第２特徴エリアの中心点座標であり、且つ
Figure 2021534497
 である。
ステップＳ３０２において、各特徴距離を、前記顔画像シーケンスにおける第ｆフレームの顔画像の特徴ベクトルとして構築する。
具体的には、次の式に従って、各特徴距離を、前記顔画像シーケンスにおける第ｆフレームの顔画像の特徴ベクトルとして構築することができ、
Figure 2021534497
 ここで、ｍは特徴距離の番号であり、１≦ｍ≦Ｍであり、Ｍは特徴距離の総数であり、FtValf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第ｍ番目の特徴距離である。
ステップＳ３０３において、前記顔画像シーケンスにおける第ｆフレームの顔画像と、前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算する。
具体的には、次の式に従って、前記顔画像シーケンスにおける第ｆフレームの顔画像と、前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算することができ、
Figure 2021534497
 ここで、StdVecfは前記基準画像シーケンスにおける第ｆフレームの顔画像の特徴ベクトルであり、且つ
Figure 2021534497
 であり、StdValf,mは前記基準画像シーケンスにおける第ｆフレームの顔画像の第ｍ番目の特徴距離であり、Ａｂｓは絶対値を求める関数であり、SimDegfは前記顔画像シーケンスにおける第ｆフレームの顔画像と、前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度である。
図３に示されるステップによって、前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を算出した後、次の式に従って、前記顔画像シーケンスと前記基準画像シーケンスとの一致度を計算することができ、
Figure 2021534497
 ここで、SrSimDegは前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度である。該式から分かるように、あるフレームの顔画像間の一致度が小さいほど、画像シーケンス間の一致度を計算するときの重みが大きくなり、逆に、あるフレームの顔画像間の一致度が大きいほど、画像シーケンス間の一致度を計算する際の重みが小さくなるので、画像シーケンスの中に一致度が非常に小さい顔画像が１つでもあれば、画像シーケンス全体の一致度も小さい値となる。
ステップＳ１０５において、前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度が予め設定された一致度閾値よりも大きいことを判断する。
前記一致度閾値は、実際の状況に応じて設定することができ、例えば、８０％、９０％、９５％、または他の値に設定することができる。前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度が予め設定された一致度閾値よりも大きい場合には、ステップＳ１０６を実行し、前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度が前記一致度閾値以下である場合には、ステップＳ１０７を実行する。
ステップＳ１０６において、個人識別にパスしたと確定する。
ステップＳ１０７において、個人識別にパスしなかったと確定する。
以上に述べたように、本願の実施例は、通常の顔識別に基づき、さらに一連の複数の顔画像すなわち、顔画像シーケンスを収集し、前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算し、２つの画像シーケンスが比較的に類似している場合、すなわち、両者の一致度が予め設定された一致度閾値よりも大きい場合にのみ、個人識別にパスしたと確定する。基準画像シーケンスには、異なる表情の顔画像が含まれているため、不正者は正当な利用者の写真を入手しても個人識別にパスすることができず、セキュリティ性が格段に向上する。
上記の実施例に記載の個人識別方法に対応して、図５には本願の実施例で提供される個人識別装置の一実施例の構成図が示される。
本実施例において、個人識別装置は、
顔画像を収集し、前記顔画像に対して顔識別を行うための顔識別モジュール５０１と、
顔識別に成功した場合、顔画像シーケンスを収集するために用いられ、前記顔画像シーケンスにはＦフレームの顔画像が含まれ、Ｆは１より大きい整数である画像シーケンス収集モジュール５０２と、
前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算するために用いられ、前記基準画像シーケンスにはＦフレームの顔画像が含まれ、且つ少なくとも２フレームの顔画像の表情が異なっているシーケンス一致度計算モジュール５０３と、
前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度が予め設定された一致度閾値よりも大きい場合には、個人識別にパスしたと確定するための個人確定モジュール５０４と、を含むことができる。
さらに、前記個人識別装置は、
予め設定された擬似乱数生成器を介して乱数を生成するための乱数生成モジュールと、
次の式に従って、前記基準画像シーケンスの予め設定された画像シーケンスセットにおけるシーケンスナンバーを計算するために用いられ、
EmoSeqNum=MOD(RandomNum,N)
ここで、ＭＯＤは剰余関数であり、RandomNumは前記乱数であり、Ｎは前記画像シーケンスセットにおける画像シーケンスの総数であり、EmoSeqNumは前記基準画像シーケンスが前記画像シーケンスセットにおけるシーケンスナンバーであるシーケンスナンバー計算モジュールと、
前記シーケンスナンバーに基づいて、前記画像シーケンスセットから前記基準画像シーケンスを選択するための基準画像シーケンス選択モジュールと、をさらに含むことができる。
さらに、前記シーケンス一致度計算モジュールは、
前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算するために用いられ、１≦ｆ≦Ｆである第１計算ユニットと、
前記顔画像シーケンスと前記基準画像シーケンスとの一致度を計算するための第２計算ユニットと、を含むことができる。
さらに、前記第１計算ユニットは、
前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離をそれぞれ計算するために用いられ、前記特徴距離は、任意の２つの特徴エリアの中心点の間の距離である特徴距離計算サブユニットと、
各特徴距離を、前記顔画像シーケンスにおける第ｆフレームの顔画像の特徴ベクトルとして構築するための特徴ベクトル構築モジュールと、
前記顔画像シーケンスにおける第ｆフレームの顔画像と、前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算する、一致度計算モジュールと、を含むことができる。
当業者であれば明確に理解できるのは、記載の便宜と簡潔性のために、上記に説明した装置、モジュール及びユニットの具体的な動作過程は、前記方法の実施例における対応する過程を参照すればよく、ここでは再び説明しない。
前記の実施例において、各実施例についての説明はそれぞれ重点があり、ある実施例で詳細に説明されていない、又は記載されていない部分は、他の実施例の関連記述を参照することができる。
図６には、本願の実施例によって提供される端末デバイスの概略ブロック図であり、説明の便宜上、本願の実施例に関連する部分のみが示されている。
本実施例では、前記端末デバイス６は、デスクトップコンピュータ、ノートパソコン、パームトップコンピュータ、クラウドサーバなどのコンピューティングデバイスであってもよい。該端末デバイス６は、プロセッサ６０と、メモリ６１と、上記の個人識別方法を実行するコンピュータ可読命令などの、前記メモリ６１に記憶され且つ前記プロセッサ６０上で実行可能なコンピュータ可読命令６２とを含むことができる。前記プロセッサ６０は、前記コンピュータ可読命令６２を実行する時に、上記の各個人識別方法の実施例におけるステップを実現する。
本願の各実施例における各機能ユニットがソフトウェア機能ユニットの形で実現され独立した商品として販売又は使用される場合、コンピュータ可読記憶媒体に記憶されてもよい。このような理解に基づいて、本願の技術手段の本質的或いは従来技術に寄与する部分、或いはこの技術手段の全部又は一部は、ソフトウェア製品の形で実現されてもよく、該コンピュータソフトウェア製品は１つの記憶媒体に記憶され、コンピュータ機器（パソコン、サーバ、又はネットワーク機器などであってもよい。）を、本願に係る各実施形態に記載された方法の全部又は一部のステップを実行させるための幾つかのコンピュータ可読命令を含む。上記の記憶媒体は、コンピュータ可読命令を記憶できるＵＳＢスティック、モバイルハードディスク、リードオンリーメモリ（Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ、ＲＯＭ）、ランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、ＲＡＭ）、磁気ディスク、又は光ディスクなどの種々の媒体を含む。
５０１ 顔識別モジュール
５０２ 画像シーケンス収集モジュール
５０３ シーケンス一致度計算モジュール
５０４ 個人確定モジュール

Claims (20)

  1. 個人識別方法であって、
    顔画像を収集し、前記顔画像に対して顔識別を行うことと、
    顔識別に成功した場合、顔画像シーケンスを収集し、前記顔画像シーケンスにはＦフレームの顔画像が含まれ、ここで、Ｆは１より大きい整数であることと、
    前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算し、前記基準画像シーケンスにはＦフレームの顔画像が含まれ、且つ少なくとも２フレームの顔画像の表情が異なっていることと、
    前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度が予め設定された一致度閾値よりも大きい場合には、個人識別にパスしたと確定することと、を含むことを特徴とする個人識別方法。
  2. 前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算することの前に、
    予め設定された擬似乱数生成器を介して乱数を生成することと、
    次の式に従って、前記基準画像シーケンスの予め設定された画像シーケンスセットにおけるシーケンスナンバーを計算し、
    EmoSeqNum=MOD(RandomNum,N)
    ＭＯＤは剰余関数であり、RandomNumは前記乱数であり、Ｎは前記画像シーケンスセットにおける画像シーケンスの総数であり、EmoSeqNumは前記基準画像シーケンスの前記画像シーケンスセットにおけるシーケンスナンバーであることと、
    前記シーケンスナンバーに基づいて、前記画像シーケンスセットから前記基準画像シーケンスを選択することと、をさらに含むことを特徴とする請求項１に記載の個人識別方法。
  3. 前記の前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算することは、
    前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算し、１≦ｆ≦Ｆであることと、
    次の式に従って、前記顔画像シーケンスと前記基準画像シーケンスとの一致度を計算し、
    Figure 2021534497
     SimDegfは前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度であり、SrSimDegは前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度であることと、を含むことを特徴とする請求項１に記載の個人識別方法。
  4. 前記の前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算することは、
    前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離をそれぞれ計算し、前記特徴距離は、任意の２つの特徴エリアの中心点の間の距離であることと、
    次の式に従って、各特徴距離を、前記顔画像シーケンスにおける第ｆフレームの顔画像の特徴ベクトルとして構築し、
    Figure 2021534497
     ｍは特徴距離の番号であり、１≦ｍ≦Ｍであり、Ｍは特徴距離の総数であり、FtValf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第ｍ番目の特徴距離であることと、
    次の式に従って、前記顔画像シーケンスにおける第ｆフレームの顔画像と、前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算し、
    Figure 2021534497
     StdVecfは前記基準画像シーケンスにおける第ｆフレームの顔画像の特徴ベクトルであり、且つ
    Figure 2021534497
     であり、StdValf,mは前記基準画像シーケンスにおける第ｆフレームの顔画像の第ｍ番目の特徴距離であり、Ａｂｓは絶対値を求める関数であることと、を含むことを特徴とする請求項３に記載の個人識別方法。
  5. 前記の前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離をそれぞれ計算することは、
    次の式に従って、前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離を計算し、
    Figure 2021534497
     ＬＮf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第１特徴エリアの画素点の個数であり、（xlf,m,ln，ylf,m,ln）は前記第１特徴エリアの第ｌｎ番目の画素点の座標であり、１≦ｌｎ≦ＬＮf,mであり、ＲＮf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第２特徴エリアの画素点の個数であり、（xrf,m,rn，yrf,m,rn）は前記第１特徴エリアの第ｒｎ番目の画素点の座標であり、１≦ｒｎ≦ＲＮf,mであり、（AveXLf,m，AveYLf,m）は前記第１特徴エリアの中心点座標であり、且つ
    Figure 2021534497
     であり、（AveXRf,m，AveYRf,m）は前記第２特徴エリアの中心点座標であり、且つ
    Figure 2021534497
     であることと、を含むことを特徴とする請求項４に記載の個人識別方法。
  6. コンピュータ可読命令が記憶されているコンピュータ可読記憶媒体であって、前記コンピュータ可読命令がプロセッサによって実行される時に、
    顔画像を収集し、前記顔画像に対して顔識別を行うステップと、
    顔識別に成功した場合、顔画像シーケンスを収集し、前記顔画像シーケンスにはＦフレームの顔画像が含まれ、Ｆは１より大きい整数であるステップと、
    前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算し、前記基準画像シーケンスにはＦフレームの顔画像が含まれ、且つ少なくとも２フレームの顔画像の表情が異なっているステップと、
    前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度が予め設定された一致度閾値よりも大きい場合には、個人識別にパスしたと確定するステップと、を実現することを特徴とするコンピュータ可読記憶媒体。
  7. 前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算する前に、
    予め設定された擬似乱数生成器を介して乱数を生成することと、
    次の式に従って、前記基準画像シーケンスの予め設定された画像シーケンスセットにおけるシーケンスナンバーを計算し、
    EmoSeqNum=MOD(RandomNum,N)
    ＭＯＤは剰余関数であり、RandomNumは前記乱数であり、Ｎは前記画像シーケンスセットにおける画像シーケンスの総数であり、EmoSeqNumは前記基準画像シーケンスの前記画像シーケンスセットにおけるシーケンスナンバーであることと、
    前記シーケンスナンバーに基づいて、前記画像シーケンスセットから前記基準画像シーケンスを選択することと、をさらに含むことを特徴とする請求項６に記載のコンピュータ可読記憶媒体。
  8. 前記の前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算することは、
    前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算し、１≦ｆ≦Ｆであることと、
    次の式に従って、前記顔画像シーケンスと前記基準画像シーケンスとの一致度を計算し、
    Figure 2021534497
     SimDegfは前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度であり、SrSimDegは前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度であることと、を含むことを特徴とする請求項６に記載のコンピュータ可読記憶媒体。
  9. 前記の前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算することは、
    前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離をそれぞれ計算し、前記特徴距離は、任意の２つの特徴エリアの中心点の間の距離であることと、
    次の式に従って、各特徴距離を、前記顔画像シーケンスにおける第ｆフレームの顔画像の特徴ベクトルとして構築し、
    Figure 2021534497
     ｍは特徴距離の番号であり、１≦ｍ≦Ｍであり、Ｍは特徴距離の総数であり、FtValf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第ｍ番目の特徴距離であることと、
    次の式に従って、前記顔画像シーケンスにおける第ｆフレームの顔画像と、前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算し、
    Figure 2021534497
     StdVecfは前記基準画像シーケンスにおける第ｆフレームの顔画像の特徴ベクトルであり、且つ
    Figure 2021534497
     であり、StdValf,mは前記基準画像シーケンスにおける第ｆフレームの顔画像の第ｍ番目の特徴距離であり、Ａｂｓは絶対値を求める関数であることと、を含むことを特徴とする請求項８に記載のコンピュータ可読記憶媒体。
  10. 前記の前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離をそれぞれ計算することは、
    次の式に従って、前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離を計算し、
    Figure 2021534497
     ＬＮf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第１特徴エリアの画素点の個数であり、（xlf,m,ln，ylf,m,ln）は前記第１特徴エリアの第ｌｎ番目の画素点の座標であり、１≦ｌｎ≦ＬＮf,mであり、ＲＮf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第２特徴エリアの画素点の個数であり、（xrf,m,rn，yrf,m,rn）は前記第１特徴エリアの第ｒｎ番目の画素点の座標であり、１≦ｒｎ≦ＲＮf,mであり、（AveXLf,m，AveYLf,m）は前記第１特徴エリアの中心点座標であり、且つ
    Figure 2021534497
     であり、（AveXRf,m，AveYRf,m）は前記第２特徴エリアの中心点座標であり、且つ
    Figure 2021534497
     であること、を含むことを特徴とする請求項９に記載のコンピュータ可読記憶媒体。
  11. メモリと、プロセッサと、前記メモリに記憶され且つ前記プロセッサ上で実行可能なコンピュータ可読命令と、を備える端末デバイスであって、前記プロセッサは、前記コンピュータ可読命令を実行する時に、
    顔画像を収集し、前記顔画像に対して顔識別を行うステップと、
    顔識別に成功した場合、顔画像シーケンスを収集し、前記顔画像シーケンスにはＦフレームの顔画像が含まれ、Ｆは１より大きい整数であるステップと、
    前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算し、前記基準画像シーケンスにはＦフレームの顔画像が含まれ、且つ少なくとも２フレームの顔画像の表情が異なっているステップと、
    前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度が予め設定された一致度閾値よりも大きい場合には、個人識別にパスしたと確定するステップと、を実現することを特徴とする端末デバイス。
  12. 前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算する前に、
    予め設定された擬似乱数生成器を介して乱数を生成することと、
    次の式に従って、前記基準画像シーケンスの予め設定された画像シーケンスセットにおけるシーケンスナンバーを計算し、
    EmoSeqNum=MOD(RandomNum,N)
    ＭＯＤは剰余関数であり、RandomNumは前記乱数であり、Ｎは前記画像シーケンスセットにおける画像シーケンスの総数であり、EmoSeqNumは前記基準画像シーケンスの前記画像シーケンスセットにおけるシーケンスナンバーであることと、
    前記シーケンスナンバーに基づいて、前記画像シーケンスセットから前記基準画像シーケンスを選択することと、をさらに含むことを特徴とする請求項１１に記載の端末デバイス。
  13. 前記の前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算することは、
    前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算し、１≦ｆ≦Ｆであることと、
    次の式に従って、前記顔画像シーケンスと前記基準画像シーケンスとの一致度を計算し、
    Figure 2021534497
     SimDegfは前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度であり、SrSimDegは前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度であることと、を含むことを特徴とする請求項１１に記載の端末デバイス。
  14. 前記の前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算することは、
    前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離をそれぞれ計算し、前記特徴距離は、任意の２つの特徴エリアの中心点の間の距離であることと、
    次の式に従って、各特徴距離を、前記顔画像シーケンスにおける第ｆフレームの顔画像の特徴ベクトルとして構築し、
    Figure 2021534497
     ｍは特徴距離の番号であり、１≦ｍ≦Ｍであり、Ｍは特徴距離の総数であり、FtValf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第ｍ番目の特徴距離であることと、
    次の式に従って、前記顔画像シーケンスにおける第ｆフレームの顔画像と、前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算し、
    Figure 2021534497
     StdVecfは前記基準画像シーケンスにおける第ｆフレームの顔画像の特徴ベクトルであり、且つ
    Figure 2021534497
     であり、StdValf,mは前記基準画像シーケンスにおける第ｆフレームの顔画像の第ｍ番目の特徴距離であり、Ａｂｓは絶対値を求める関数であることと、を含むことを特徴とする請求項１３に記載の端末デバイス。
  15. 前記の前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離をそれぞれ計算することは、
    次の式に従って、前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離を計算し、
    Figure 2021534497
     ＬＮf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第１特徴エリアの画素点の個数であり、（xlf,m,ln，ylf,m,ln）は前記第１特徴エリアの第ｌｎ番目の画素点の座標であり、１≦ｌｎ≦ＬＮf,mであり、ＲＮf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第２特徴エリアの画素点の個数であり、（xrf,m,rn，yrf,m,rn）は前記第１特徴エリアの第ｒｎ番目の画素点の座標であり、１≦ｒｎ≦ＲＮf,mであり、（AveXLf,m，AveYLf,m）は前記第１特徴エリアの中心点座標であり、且つ
    Figure 2021534497
     であり、（AveXRf,m，AveYRf,m）は前記第２特徴エリアの中心点座標であり、且つ
    Figure 2021534497
     であることと、を含むことを特徴とする請求項１４に記載の端末デバイス。
  16. 個人識別装置であって、
    顔画像を収集し、前記顔画像に対して顔識別を行うための顔識別モジュールと、
    顔識別に成功した場合、顔画像シーケンスを収集するために用いられ、前記顔画像シーケンスにはＦフレームの顔画像が含まれ、Ｆは１より大きい整数である画像シーケンス収集モジュールと、
    前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度を計算するために用いられ、前記基準画像シーケンスにはＦフレームの顔画像が含まれ、且つ少なくとも２フレームの顔画像の表情が異なっているシーケンス一致度計算モジュールと、
    前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度が予め設定された一致度閾値よりも大きい場合には、個人識別にパスしたと確定するための個人確定モジュールと、を含むことを特徴とする個人識別装置。
  17. 前記個人識別装置は、
    予め設定された擬似乱数生成器を介して乱数を生成するための乱数生成モジュールと、
    次の式に従って、前記基準画像シーケンスの予め設定された画像シーケンスセットにおけるシーケンスナンバーを計算するために用いられ、
    EmoSeqNum=MOD(RandomNum,N)
    ＭＯＤは剰余関数であり、RandomNumは前記乱数であり、Ｎは前記画像シーケンスセットにおける画像シーケンスの総数であり、EmoSeqNumは前記基準画像シーケンスが前記画像シーケンスセットにおけるシーケンスナンバーであるシーケンスナンバー計算モジュールと、
    前記シーケンスナンバーに基づいて、前記画像シーケンスセットから前記基準画像シーケンスを、選択するための基準画像シーケンス選択モジュールと、をさらに含むことを特徴とする請求項１６に記載の個人識別装置。
  18. 前記シーケンス一致度計算モジュールは、
    前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算するために用いられ、１≦ｆ≦Ｆである第１計算ユニットと、
    次の式に従って、前記顔画像シーケンスと前記基準画像シーケンスとの一致度を計算するために用いられ、
    Figure 2021534497
     SimDegfは前記顔画像シーケンスにおける第ｆフレームの顔画像と前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度であり、SrSimDegは前記顔画像シーケンスと予め設定された基準画像シーケンスとの一致度である第２計算ユニットと、を含むことを特徴とする請求項１６に記載の個人識別装置。
  19. 前記第１計算ユニットは、
    前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離をそれぞれ計算するために用いられ、前記特徴距離は、任意の２つの特徴エリアの中心点の間の距離である特徴距離計算サブユニットと、
    次の式に従って、各特徴距離を、前記顔画像シーケンスにおける第ｆフレームの顔画像の特徴ベクトルとして構築するために用いられ、
    Figure 2021534497
     ｍは特徴距離の番号であり、１≦ｍ≦Ｍであり、Ｍは特徴距離の総数であり、FtValf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第ｍ番目の特徴距離である特徴ベクトル構築モジュールと、
    次の式に従って、前記顔画像シーケンスにおける第ｆフレームの顔画像と、前記基準画像シーケンスにおける第ｆフレームの顔画像との一致度を計算するために用いられ、
    Figure 2021534497
     StdVecfは前記基準画像シーケンスにおける第ｆフレームの顔画像の特徴ベクトルであり、且つ
    Figure 2021534497
     であり、StdValf,mは前記基準画像シーケンスにおける第ｆフレームの顔画像の第ｍ番目の特徴距離であり、Ａｂｓは絶対値を求める関数である一致度計算モジュールと、を含むことを特徴とする請求項１８に記載の個人識別装置。
  20. 前記特徴距離計算サブユニットは、具体的には、次の式に従って、前記顔画像シーケンスにおける第ｆフレームの顔画像の各特徴距離を計算するために用いられ、
    Figure 2021534497
     ＬＮf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第１特徴エリアの画素点の個数であり、（xlf,m,ln，ylf,m,ln）は前記第１特徴エリアの第ｌｎ番目の画素点の座標であり、１≦ｌｎ≦ＬＮf,mであり、ＲＮf,mは前記顔画像シーケンスにおける第ｆフレームの顔画像の第２特徴エリアの画素点の個数であり、（xrf,m,rn，yrf,m,rn）は前記第１特徴エリアの第ｒｎ番目の画素点の座標であり、１≦ｒｎ≦ＲＮf,mであり、（AveXLf,m，AveYLf,m）は前記第１特徴エリアの中心点座標であり、且つ
    Figure 2021534497
     であり、（AveXRf,m，AveYRf,m）は前記第２特徴エリアの中心点座標であり、且つ
    Figure 2021534497
     であることを特徴とする請求項１９に記載の個人識別装置。
JP2021507823A 2018-09-26 2018-12-26 個人識別方法、コンピュータ可読記憶媒体、端末デバイスおよび装置 Active JP7105988B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201811121965.0A CN109299692A (zh) 2018-09-26 2018-09-26 一种身份识别方法、计算机可读存储介质及终端设备
CN201811121965.0 2018-09-26
PCT/CN2018/123787 WO2020062671A1 (zh) 2018-09-26 2018-12-26 身份识别方法、计算机可读存储介质、终端设备及装置

Publications (2)

Publication Number Publication Date
JP2021534497A true JP2021534497A (ja) 2021-12-09
JP7105988B2 JP7105988B2 (ja) 2022-07-25

Family

ID=65164073

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021507823A Active JP7105988B2 (ja) 2018-09-26 2018-12-26 個人識別方法、コンピュータ可読記憶媒体、端末デバイスおよび装置

Country Status (6)

Country Link
EP (1) EP3859591A4 (ja)
JP (1) JP7105988B2 (ja)
KR (1) KR20210037672A (ja)
CN (1) CN109299692A (ja)
SG (1) SG11202101616WA (ja)
WO (1) WO2020062671A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110015307B (zh) * 2019-03-12 2022-08-26 深圳壹账通智能科技有限公司 一种车辆控制方法、装置、可读存储介质及终端设备
US20230283960A1 (en) * 2020-08-03 2023-09-07 Spt Co., Ltd. Vibration module for piezoelectric speaker and panel speaker
CN112651310A (zh) * 2020-12-14 2021-04-13 北京影谱科技股份有限公司 一种视频人物唇形检测生成的方法及装置
CN113808179B (zh) * 2021-08-31 2023-03-31 数坤(北京)网络科技股份有限公司 一种图像的配准方法、装置及可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003233816A (ja) * 2002-02-13 2003-08-22 Nippon Signal Co Ltd:The アクセスコントロールシステム
JP2006235718A (ja) * 2005-02-22 2006-09-07 Nec Corp 顔認証装置、その顔認証方法、その顔認証装置を組み込んだ電子機器およびその顔認証プログラムを記録した記録媒体
WO2009107237A1 (ja) * 2008-02-29 2009-09-03 グローリー株式会社 生体認証装置
JP2010148052A (ja) * 2008-12-22 2010-07-01 Kyocera Corp カメラ付き携帯端末
JP2011053952A (ja) * 2009-09-02 2011-03-17 Canon Inc 画像検索装置及び画像検索方法
JP2015141368A (ja) * 2014-01-30 2015-08-03 日本電信電話株式会社 言語モデル作成装置、音声認識装置、その方法及びプログラム

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2410359A (en) * 2004-01-23 2005-07-27 Sony Uk Ltd Display
US7563971B2 (en) * 2004-06-02 2009-07-21 Stmicroelectronics Asia Pacific Pte. Ltd. Energy-based audio pattern recognition with weighting of energy matches
US8077930B2 (en) * 2007-04-13 2011-12-13 Atg Advanced Swiss Technology Group Ag Method for recognizing content in an image sequence
CN103258191A (zh) * 2013-05-15 2013-08-21 苏州福丰科技有限公司 基于人脸识别的小区门禁系统
CN103279768B (zh) * 2013-05-31 2018-02-06 北京航空航天大学 一种基于增量学习人脸分块视觉表征的视频人脸识别方法
CN103475800B (zh) * 2013-09-25 2017-04-12 北京智诺英特科技有限公司 图像序列中前景的检测方法和装置
CN103716309B (zh) * 2013-12-17 2017-09-29 华为技术有限公司 一种安全认证方法及终端
US9639742B2 (en) * 2014-04-28 2017-05-02 Microsoft Technology Licensing, Llc Creation of representative content based on facial analysis
US9985963B2 (en) * 2015-02-15 2018-05-29 Beijing Kuangshi Technology Co., Ltd. Method and system for authenticating liveness face, and computer program product thereof
CN106156578B (zh) * 2015-04-22 2020-02-14 深圳市腾讯计算机系统有限公司 身份验证方法和装置
CN106557726B (zh) * 2015-09-25 2020-06-09 北京市商汤科技开发有限公司 一种带静默式活体检测的人脸身份认证系统及其方法
US10552593B2 (en) * 2015-10-31 2020-02-04 Huawei Technologies Co., Ltd. Face verification method and electronic device
CN107844748B (zh) * 2017-10-17 2019-02-05 平安科技（深圳）有限公司 身份验证方法、装置、存储介质和计算机设备
CN108337551B (zh) * 2018-01-22 2020-03-31 深圳壹账通智能科技有限公司 一种屏幕录制方法、存储介质及终端设备
CN108363999A (zh) * 2018-03-22 2018-08-03 百度在线网络技术（北京）有限公司 基于人脸识别的操作执行方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003233816A (ja) * 2002-02-13 2003-08-22 Nippon Signal Co Ltd:The アクセスコントロールシステム
JP2006235718A (ja) * 2005-02-22 2006-09-07 Nec Corp 顔認証装置、その顔認証方法、その顔認証装置を組み込んだ電子機器およびその顔認証プログラムを記録した記録媒体
WO2009107237A1 (ja) * 2008-02-29 2009-09-03 グローリー株式会社 生体認証装置
JP2010148052A (ja) * 2008-12-22 2010-07-01 Kyocera Corp カメラ付き携帯端末
JP2011053952A (ja) * 2009-09-02 2011-03-17 Canon Inc 画像検索装置及び画像検索方法
JP2015141368A (ja) * 2014-01-30 2015-08-03 日本電信電話株式会社 言語モデル作成装置、音声認識装置、その方法及びプログラム

Also Published As

Publication number Publication date
KR20210037672A (ko) 2021-04-06
WO2020062671A1 (zh) 2020-04-02
EP3859591A4 (en) 2021-12-01
JP7105988B2 (ja) 2022-07-25
SG11202101616WA (en) 2021-03-30
CN109299692A (zh) 2019-02-01
EP3859591A1 (en) 2021-08-04

Similar Documents

Publication Publication Date Title
US10990803B2 (en) Key point positioning method, terminal, and computer storage medium
JP7105988B2 (ja) 個人識別方法、コンピュータ可読記憶媒体、端末デバイスおよび装置
CN106682632B (zh) 用于处理人脸图像的方法和装置
US10824849B2 (en) Method, apparatus, and system for resource transfer
Adler Sample images can be independently restored from face recognition templates
WO2016180224A1 (zh) 一种人物图像处理方法及装置
JP5552519B2 (ja) 顔特徴ベクトルの構築
CN110956691B (zh) 一种三维人脸重建方法、装置、设备及存储介质
CA2922342C (en) Methods and systems for detecting head motion during an authentication transaction
US11132544B2 (en) Visual fatigue recognition method, visual fatigue recognition device, virtual reality apparatus and storage medium
CN111611873A (zh) 人脸替换检测方法及装置、电子设备、计算机存储介质
EP3889915A2 (en) Method and apparatus for generating virtual avatar, device, medium and computer program product
CN112330527A (zh) 图像处理方法、装置、电子设备和介质
CN109635021A (zh) 一种基于人体检测的数据信息录入方法、装置及设备
JP2022105583A (ja) 顔生体検出方法、装置、電子機器、記憶媒体及びコンピュータプログラム
US20230306792A1 (en) Spoof Detection Based on Challenge Response Analysis
CN110910512B (zh) 虚拟物体自适应调整方法、装置、计算机设备和存储介质
CN113221767A (zh) 训练活体人脸识别模型、识别活体人脸的方法及相关装置
WO2022110855A1 (zh) 人脸重建方法、装置、计算机设备及存储介质
US20160350622A1 (en) Augmented reality and object recognition device
CN111476741B (zh) 图像的去噪方法、装置、电子设备和计算机可读介质
EP3699865B1 (en) Three-dimensional face shape derivation device, three-dimensional face shape deriving method, and non-transitory computer readable medium
WO2023124869A1 (zh) 用于活体检测的方法、装置、设备及存储介质
WO2022222735A1 (zh) 信息处理方法、装置、计算机设备和存储介质
CN111324878A (zh) 一种基于人脸识别的身份验证方法、装置、存储介质及终端

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210215

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210215

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220328

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220520

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220613

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220712

R150 Certificate of patent or registration of utility model

Ref document number: 7105988

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150