JP7191139B2 - 生体を検知するための方法及び装置 - Google Patents
生体を検知するための方法及び装置 Download PDFInfo
- Publication number
- JP7191139B2 JP7191139B2 JP2021028352A JP2021028352A JP7191139B2 JP 7191139 B2 JP7191139 B2 JP 7191139B2 JP 2021028352 A JP2021028352 A JP 2021028352A JP 2021028352 A JP2021028352 A JP 2021028352A JP 7191139 B2 JP7191139 B2 JP 7191139B2
- Authority
- JP
- Japan
- Prior art keywords
- sample
- image
- network
- attack feature
- training
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Description
ステップ201、原始画像を取得する。
本実施例において、上記実行主体は、攻撃特徴信号の要素レベル(element-wise)平均値を計算できる。要素レベルの平均値は攻撃特徴信号を要素ごとに加算して得られた平均値であってもよい。
ステップ301、訓練サンプルを取得する。
ステップ401、訓練サンプルを取得する。
Claims (19)
- 生体を検知するための方法であって、
原始画像を取得するステップと、
前記原始画像を訓練済み攻撃特徴抽出ネットワークに入力し、前記原始画像の攻撃特徴信号を出力するステップであって、前記攻撃特徴信号は、前記原始画像におけるターゲットが生体ではないことを示す特徴信号である、ステップと、
前記攻撃特徴信号の要素ごとの平均値を計算するステップと、
前記要素ごとの平均値に基づいて、前記原始画像の生体検知結果を生成するステップであって、前記生体検知結果は、前記原始画像における検知対象が生体であること、または前記原始画像における検知対象が生体ではないことである、ステップと、
を含む生体を検知するための方法。 - 前記訓練済み攻撃特徴抽出ネットワークは、
サンプルの原始画像と、前記サンプルの原始画像が生体サンプルまたは攻撃サンプルに該当することをマークするためのサンプルのカテゴリラベルとが含まれる訓練サンプルを取得するステップと、
前記訓練サンプルを利用して訓練待ちの攻撃特徴抽出ネットワークと訓練待ちの補助分類器ネットワークとを同時に訓練し、前記訓練済み攻撃特徴抽出ネットワークを取得するステップと、によって取得する請求項1に記載の方法。 - 前記の前記訓練サンプルを利用して訓練待ちの攻撃特徴抽出ネットワークと訓練待ちの補助分類器ネットワークとを同時に訓練し、前記訓練済み攻撃特徴抽出ネットワークを取得するステップは、
前記サンプルの原始画像を利用して前記訓練待ちの攻撃特徴抽出ネットワークを訓練し、前記サンプルの原始画像のサンプル攻撃特徴信号と前記生体サンプルに対応するピクセルレベルL1損失とを取得するステップと、
前記サンプル攻撃特徴信号を利用して前記訓練待ちの補助分類器ネットワークを訓練し、前記サンプルの原始画像のサンプルカテゴリとバイナリ分類損失とを取得するステップと、
前記ピクセルレベルL1損失と前記バイナリ分類損失を踏まえ、前記訓練待ちの攻撃特徴抽出ネットワークと前記訓練待ちの補助分類器ネットワークのパラメータとを、ネットワークが収束するまで更新し、前記訓練済み攻撃特徴抽出ネットワークを取得するステップと、を含む請求項2に記載の方法。 - 前記の前記サンプルの原始画像を利用して前記訓練待ちの攻撃特徴抽出ネットワークを訓練し、前記サンプルの原始画像のサンプル攻撃特徴信号を取得するステップは、
前記サンプルの原始画像を前記訓練待ちの攻撃特徴抽出ネットワークに入力し、前記サンプル攻撃特徴信号を出力するステップを含み、
前記の前記サンプル攻撃特徴信号を利用して前記訓練待ちの補助分類器ネットワークを訓練して、前記サンプルの原始画像のサンプルカテゴリを取得するステップは、
前記サンプル攻撃特徴信号を前記サンプルの原始画像に重畳し、サンプル重畳画像を取得するステップと、
前記サンプル重畳画像を前記訓練待ちの補助分類器ネットワークに入力し、前記サンプルの原始画像のサンプルカテゴリを出力するステップと、を含む請求項3に記載の方法。 - 前記攻撃特徴抽出ネットワークはエンコーダ-デコーダ構造であり、
前記の前記サンプルの原始画像を前記訓練待ちの攻撃特徴抽出ネットワークに入力し、前記サンプル攻撃特徴信号を出力するステップは、
前記サンプルの原始画像を前記エンコーダに入力し、サンプル符号化画像を出力するステップと、
前記サンプル符号化画像を前記デコーダに入力し、サンプル復号画像を出力するステップと、
前記サンプル復号画像を正接活性化層に入力し、前記サンプル攻撃特徴信号を出力するステップと、を含む請求項4に記載の方法。 - 前記エンコーダは複数の符号化残差サブネットワークを含み、
前記の前記サンプルの原始画像を前記エンコーダに入力し、サンプル符号化画像を出力するステップは、
前記複数の符号化残差サブネットワークを利用して順次直列前記サンプルの原始画像をダウンサンプリングし、前記複数の符号化残差サブネットワークから出力された複数のサンプルダウンサンプリング符号化画像を取得し、最後の符号化残差サブネットワークから出力されたサンプルダウンサンプリング符号化画像は前記サンプル符号化画像であるステップと、を含む請求項5に記載の方法。 - 前記デコーダは複数の復号化残差サブネットワークを含み、
前記の前記サンプル符号化画像を前記デコーダに入力し、サンプル復号画像を出力するステップは、
前記複数の復号化残差サブネットワークを利用して前記サンプル符号化画像を順次直列デコードし、前記サンプル復号画像を取得するステップを含む請求項6に記載の方法。 - 前記の前記複数の復号化残差サブネットワークを利用して前記サンプル符号化画像を順次直列デコードするステップは、
前記複数の復号化残差サブネットワークにおける現在復号化残差ネットワークに対して、最近傍補間を使用して現在の復号化残差サブネットワークの入力をアップサンプリングし、サンプルアップサンプリング復号画像を取得するステップと、
前記サンプルアップサンプリング復号画像を畳み込み、サンプル畳み込み復号画像を取得するステップと、
前記サンプル畳み込み復号画像と前記現在の復号化残差サブネットワーク対称の符号化残差サブネットワークの出力を合併して、サンプル合併復号画像を取得するステップと、
サンプル合併復号画像を前記現在の復号化残差サブネットワークにおける符号化残差サブネットワークに入力し、前記現在の復号化残差サブネットワークの出力を取得するステップと、を含む請求項7に記載の方法。 - 生体を検知するための装置であって、
原始画像を取得するように構成される取得ユニットと、
前記原始画像を訓練済み攻撃特徴抽出ネットワークに入力し、前記原始画像の攻撃特徴信号を出力するように構成される抽出ユニットであって、前記攻撃特徴信号は、前記原始画像における検知対象が生体ではないことを示す特徴信号である、抽出ユニットと、
前記攻撃特徴信号の要素ごとの平均値を計算するように構成される計算ユニットと、
前記要素ごとの平均値に基づいて、前記原始画像の生体検知結果を生成するように構成される生成ユニットであって、前記生体検知結果は、前記原始画像における検知対象が生体であること、または前記原始画像における検知対象が生体ではないことである、生成ユニットと、を備える生体を検知するための装置。 - 前記訓練済み攻撃特徴抽出ネットワークは、
サンプルの原始画像と、前記サンプルの原始画像が生体サンプルまたは攻撃サンプルに該当することをマークするためのサンプルのカテゴリラベルとが含まれる訓練サンプルを取得するステップと、
前記訓練サンプルを利用して訓練待ちの攻撃特徴抽出ネットワークと訓練待ちの補助分類器ネットワークとを同時に訓練し、前記訓練済み攻撃特徴抽出ネットワークを取得するステップと、によって取得した請求項9に記載の装置。 - 前記の前記訓練サンプルを利用して訓練待ちの攻撃特徴抽出ネットワークと訓練待ちの補助分類器ネットワークとを同時に訓練し、前記訓練済み攻撃特徴抽出ネットワークを取得するステップは、
前記サンプルの原始画像を利用して前記訓練待ちの攻撃特徴抽出ネットワークを訓練し、前記サンプルの原始画像のサンプル攻撃特徴信号と前記生体サンプルに対応するピクセルレベルL1損失とを取得するステップと、
前記サンプル攻撃特徴信号を利用して前記訓練待ちの補助分類器ネットワークを訓練し、前記サンプルの原始画像のサンプルカテゴリとバイナリ分類損失とを取得するステップと、
前記ピクセルレベルL1損失と前記バイナリ分類損失とを踏まえ、前記訓練待ちの攻撃特徴抽出ネットワークと前記訓練待ちの補助分類器ネットワークのパラメータとを、ネットワークが収束するまで更新し、前記訓練済み攻撃特徴抽出ネットワークを取得するステップと、を含む請求項10に記載の装置。 - 前記の前記サンプルの原始画像を利用して前記訓練待ちの攻撃特徴抽出ネットワークを訓練し、前記サンプルの原始画像のサンプル攻撃特徴信号を取得するステップは、
前記サンプルの原始画像を前記訓練待ちの攻撃特徴抽出ネットワークに入力し、前記サンプル攻撃特徴信号を出力するステップを含み、
前記の前記サンプル攻撃特徴信号を利用して前記訓練待ちの補助分類器ネットワークを訓練し、前記サンプルの原始画像のサンプルカテゴリを取得するステップは、
前記サンプル攻撃特徴信号を前記サンプルの原始画像に重畳し、サンプル重畳画像を取得するステップと、
前記サンプル重畳画像を前記訓練待ちの補助分類器ネットワークに入力し、前記サンプルの原始画像のサンプルカテゴリを出力するステップと、を含む請求項11に記載の装置。 - 前記攻撃特徴抽出ネットワークはエンコーダ-デコーダ構造であり、
前記の前記サンプルの原始画像を前記訓練待ちの攻撃特徴抽出ネットワークに入力し、前記サンプル攻撃特徴信号を出力するステップは、
前記サンプルの原始画像を前記エンコーダに入力し、サンプル符号化画像を出力するステップと、
前記サンプル符号化画像を前記デコーダに入力し、サンプル復号画像を出力するステップと、
前記サンプル復号画像を正接活性化層に入力し、前記サンプル攻撃特徴信号を出力するステップと、を含む請求項12に記載の装置。 - 前記エンコーダは複数の符号化残差サブネットワークを含み、
前記の前記サンプルの原始画像を前記エンコーダに入力し、サンプル符号化画像を出力するステップは、
前記複数の符号化残差サブネットワークを利用して前記サンプルの原始画像を順次直列ダウンサンプリングし、前記複数の符号化残差サブネットワークから出力された複数のサンプルダウンサンプリング符号化画像を取得するステップを含み、最後の符号化残差サブネットワークから出力されたサンプルダウンサンプリング符号化画像は前記サンプル符号化画像である請求項13に記載の装置。 - 前記デコーダは複数の復号化残差サブネットワークを含み、
前記の前記サンプル符号化画像を前記デコーダに入力して、サンプル復号画像を出力するステップは、
前記複数の復号化残差サブネットワークを利用して前記サンプル符号化画像を順次直列デコードし、前記サンプル復号画像を取得するステップを含む請求項14に記載の装置。 - 前記の前記複数の復号化残差サブネットワークを利用して前記サンプル符号化画像を順次直列デコードするステップは、
前記複数の復号化残差サブネットワークにおける現在復号化残差ネットワークに対して、最近傍補間を使用して現在の復号化残差サブネットワークの入力をアップサンプリングし、サンプルアップサンプリング復号画像を取得するステップと、
前記サンプルアップサンプリング復号画像を畳み込み、サンプル畳み込み復号画像を取得するステップと、
前記サンプル畳み込み復号画像と前記現在の復号化残差サブネットワーク対称な符号化残差サブネットワークの出力を合併し、サンプル合併復号画像を取得するステップと、
サンプル合併復号画像を前記現在の復号化残差サブネットワークにおける符号化残差サブネットワークに入力し、前記現在の復号化残差サブネットワークの出力を取得するステップと、を含む請求項15に記載の装置。 - 電子機器であって、
1つまたは複数のプロセッサと、
1つまたは複数のプログラムが記憶された記憶装置と、を備え、
前記1つまたは複数のプログラムが前記1つまたは複数のプロセッサによって実行されると、前記1つまたは複数のプロセッサに請求項1-8のいずれかに記載の方法を実現させる電子機器。 - コンピュータ読み取り可能な媒体であって、コンピュータプログラムが記憶され、前記コンピュータプログラムがプロセッサによって実行されると請求項1-8のいずれかに記載の方法を実現させるコンピュータ読み取り可能な媒体。
- コンピュータプログラムであって、
プロセッサによって実行されると請求項1-8のいずれかに記載の方法を実現させるコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010304904.9A CN111507262B (zh) | 2020-04-17 | 2020-04-17 | 用于检测活体的方法和装置 |
CN202010304904.9 | 2020-04-17 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021174529A JP2021174529A (ja) | 2021-11-01 |
JP7191139B2 true JP7191139B2 (ja) | 2022-12-16 |
Family
ID=71864096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021028352A Active JP7191139B2 (ja) | 2020-04-17 | 2021-02-25 | 生体を検知するための方法及び装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210326617A1 (ja) |
EP (1) | EP3896605A1 (ja) |
JP (1) | JP7191139B2 (ja) |
KR (1) | KR102606734B1 (ja) |
CN (1) | CN111507262B (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132832B (zh) * | 2020-08-21 | 2021-09-28 | 苏州浪潮智能科技有限公司 | 一种增强图像实例分割的方法、系统、设备及介质 |
US11895330B2 (en) * | 2021-01-25 | 2024-02-06 | Lemon Inc. | Neural network-based video compression with bit allocation |
CN113705425B (zh) * | 2021-08-25 | 2022-08-16 | 北京百度网讯科技有限公司 | 活体检测模型的训练方法和活体检测的方法、装置、设备 |
WO2023154606A1 (en) * | 2022-02-14 | 2023-08-17 | Qualcomm Incorporated | Adaptive personalization for anti-spoofing protection in biometric authentication systems |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008171094A (ja) | 2007-01-09 | 2008-07-24 | Silex Technology Inc | 生体認証装置及び生体認証プログラム |
WO2011114520A1 (ja) | 2010-03-19 | 2011-09-22 | 富士通株式会社 | 識別装置、識別方法、及びプログラム |
WO2015122183A1 (ja) | 2014-02-12 | 2015-08-20 | 日本電気株式会社 | 情報処理装置、情報処理方法及びプログラム記憶媒体 |
CN106599872A (zh) | 2016-12-23 | 2017-04-26 | 北京旷视科技有限公司 | 用于验证活体人脸图像的方法和设备 |
CN108875333A (zh) | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 终端解锁方法、终端和计算机可读存储介质 |
WO2019163066A1 (ja) | 2018-02-22 | 2019-08-29 | 日本電気株式会社 | なりすまし検知装置、なりすまし検知方法、及びコンピュータ読み取り可能な記録媒体 |
Family Cites Families (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1629651A1 (en) * | 2003-05-30 | 2006-03-01 | International Business Machines Corporation | Detecting network attacks |
KR101064945B1 (ko) * | 2008-11-25 | 2011-09-15 | 한국전자통신연구원 | 적외선 영상을 이용한 위조 얼굴 검출 방법 및 그 장치 |
CN104143078B (zh) * | 2013-05-09 | 2016-08-24 | 腾讯科技(深圳)有限公司 | 活体人脸识别方法、装置和设备 |
US9231965B1 (en) * | 2014-07-23 | 2016-01-05 | Cisco Technology, Inc. | Traffic segregation in DDoS attack architecture |
CN107111755B (zh) * | 2015-01-13 | 2020-07-03 | 摩福公司 | 基于活跃度评价的视频假冒检测方法和系统 |
US10990808B2 (en) * | 2016-02-09 | 2021-04-27 | Aware, Inc. | Face liveness detection using background/foreground motion analysis |
KR102483642B1 (ko) * | 2016-08-23 | 2023-01-02 | 삼성전자주식회사 | 라이브니스 검사 방법 및 장치 |
US10157323B2 (en) * | 2016-08-30 | 2018-12-18 | Qualcomm Incorporated | Device to provide a spoofing or no spoofing indication |
US10902244B2 (en) * | 2017-03-27 | 2021-01-26 | Samsung Electronics Co., Ltd. | Apparatus and method for image processing |
KR102387571B1 (ko) * | 2017-03-27 | 2022-04-18 | 삼성전자주식회사 | 라이브니스 검사 방법 및 장치 |
US10679083B2 (en) * | 2017-03-27 | 2020-06-09 | Samsung Electronics Co., Ltd. | Liveness test method and apparatus |
CN108875467B (zh) * | 2017-06-05 | 2020-12-25 | 北京旷视科技有限公司 | 活体检测的方法、装置及计算机存储介质 |
CN107358157B (zh) * | 2017-06-07 | 2020-10-02 | 创新先进技术有限公司 | 一种人脸活体检测方法、装置以及电子设备 |
CN107622240B (zh) * | 2017-09-21 | 2023-10-13 | 百度在线网络技术(北京)有限公司 | 人脸检测方法和装置 |
CN107644209A (zh) * | 2017-09-21 | 2018-01-30 | 百度在线网络技术(北京)有限公司 | 人脸检测方法和装置 |
CN107491771A (zh) * | 2017-09-21 | 2017-12-19 | 百度在线网络技术(北京)有限公司 | 人脸检测方法和装置 |
US11580775B2 (en) * | 2017-10-18 | 2023-02-14 | Fingerprint Cards Anacatum Ip Ab | Differentiating between live and spoof fingers in fingerprint analysis by machine learning |
CN107818313B (zh) * | 2017-11-20 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 活体识别方法、装置和存储介质 |
KR102455633B1 (ko) * | 2017-12-21 | 2022-10-17 | 삼성전자주식회사 | 라이브니스 검사 방법 및 장치 |
US11023757B2 (en) * | 2018-02-14 | 2021-06-01 | Samsung Electronics Co., Ltd. | Method and apparatus with liveness verification |
CN108537152B (zh) * | 2018-03-27 | 2022-01-25 | 百度在线网络技术(北京)有限公司 | 用于检测活体的方法和装置 |
CN108416324B (zh) * | 2018-03-27 | 2022-02-25 | 百度在线网络技术(北京)有限公司 | 用于检测活体的方法和装置 |
US20190347786A1 (en) * | 2018-05-08 | 2019-11-14 | Pixart Imaging Inc. | Method, apparatus, and electronic device having living body detection capability |
US10769261B2 (en) * | 2018-05-09 | 2020-09-08 | Futurewei Technologies, Inc. | User image verification |
CN108875688B (zh) * | 2018-06-28 | 2022-06-10 | 北京旷视科技有限公司 | 一种活体检测方法、装置、系统及存储介质 |
KR101975186B1 (ko) * | 2018-07-04 | 2019-05-07 | 광운대학교 산학협력단 | 객체 검출을 위한 생성적 적대 신경망 기반의 데이터 생성 장치 및 방법 |
US10733292B2 (en) * | 2018-07-10 | 2020-08-04 | International Business Machines Corporation | Defending against model inversion attacks on neural networks |
CN110889312B (zh) * | 2018-09-07 | 2022-09-02 | 北京市商汤科技开发有限公司 | 活体检测方法和装置、电子设备、计算机可读存储介质 |
US11273841B2 (en) * | 2018-09-20 | 2022-03-15 | Toyota Research Institute, Inc. | Method and apparatus for spoofing prevention |
KR102140340B1 (ko) * | 2018-10-18 | 2020-07-31 | 엔에이치엔 주식회사 | 컨볼루션 뉴럴 네트워크를 통해 이미지 위변조를 탐지하는 시스템 및 이를 이용하여 무보정 탐지 서비스를 제공하는 방법 |
GB2579583B (en) * | 2018-12-04 | 2021-01-06 | Yoti Holding Ltd | Anti-spoofing |
US11657525B2 (en) * | 2018-12-04 | 2023-05-23 | Yoti Holding Limited | Extracting information from images |
CN109815797B (zh) * | 2018-12-17 | 2022-04-19 | 苏州飞搜科技有限公司 | 活体检测方法和装置 |
EP3674934A1 (en) * | 2018-12-26 | 2020-07-01 | Thales Dis France SA | Biometric acquisition system and method |
EP3674973A1 (en) * | 2018-12-28 | 2020-07-01 | Samsung Electronics Co., Ltd. | Method and apparatus with liveness detection and object recognition |
CN111444744A (zh) * | 2018-12-29 | 2020-07-24 | 北京市商汤科技开发有限公司 | 活体检测方法、装置以及存储介质 |
US10970574B2 (en) * | 2019-02-06 | 2021-04-06 | Advanced New Technologies Co., Ltd. | Spoof detection using dual-band near-infrared (NIR) imaging |
CN109886244A (zh) * | 2019-03-01 | 2019-06-14 | 北京视甄智能科技有限公司 | 一种人脸识别活体检测方法及装置 |
CN111767760A (zh) * | 2019-04-01 | 2020-10-13 | 北京市商汤科技开发有限公司 | 活体检测方法和装置、电子设备及存储介质 |
US11568168B2 (en) * | 2019-04-08 | 2023-01-31 | Shutterstock, Inc. | Generating synthetic photo-realistic images |
US11164021B2 (en) * | 2019-05-16 | 2021-11-02 | Arizona Board Of Regents On Behalf Of Arizona State University | Methods, systems, and media for discriminating and generating translated images |
CN110633647A (zh) * | 2019-08-21 | 2019-12-31 | 阿里巴巴集团控股有限公司 | 活体检测方法及装置 |
CN110717522A (zh) * | 2019-09-18 | 2020-01-21 | 平安科技(深圳)有限公司 | 图像分类网络的对抗防御方法及相关装置 |
CN110688950B (zh) * | 2019-09-26 | 2022-02-11 | 杭州艾芯智能科技有限公司 | 基于深度信息的人脸活体检测方法、装置 |
CN110781776B (zh) * | 2019-10-10 | 2022-07-05 | 湖北工业大学 | 一种基于预测和残差细化网络的道路提取方法 |
US11348375B2 (en) * | 2019-10-15 | 2022-05-31 | Assa Abloy Ab | Systems and methods for using focal stacks for image-based spoof detection |
US11294996B2 (en) * | 2019-10-15 | 2022-04-05 | Assa Abloy Ab | Systems and methods for using machine learning for image-based spoof detection |
CN110691100B (zh) * | 2019-10-28 | 2021-07-06 | 中国科学技术大学 | 基于深度学习的分层网络攻击识别与未知攻击检测方法 |
KR20210062381A (ko) * | 2019-11-21 | 2021-05-31 | 삼성전자주식회사 | 라이브니스 검사 방법 및 장치, 생체 인증 방법 및 장치 |
KR20210069404A (ko) * | 2019-12-03 | 2021-06-11 | 삼성전자주식회사 | 라이브니스 검사 방법 및 라이브니스 검사 장치 |
US20230222842A1 (en) * | 2019-12-05 | 2023-07-13 | Aware, Inc. | Improved face liveness detection using background/foreground motion analysis |
US11232284B2 (en) * | 2019-12-27 | 2022-01-25 | Omnivision Technologies, Inc. | Techniques for robust anti-spoofing in biometrics using polarization cues for NIR and visible wavelength band |
CN111241989B (zh) * | 2020-01-08 | 2023-06-13 | 腾讯科技(深圳)有限公司 | 图像识别方法及装置、电子设备 |
US11670069B2 (en) * | 2020-02-06 | 2023-06-06 | ID R&D, Inc. | System and method for face spoofing attack detection |
US11475714B2 (en) * | 2020-02-19 | 2022-10-18 | Motorola Solutions, Inc. | Systems and methods for detecting liveness in captured image data |
CN111582381B (zh) * | 2020-05-09 | 2024-03-26 | 北京市商汤科技开发有限公司 | 确定性能参数的方法及装置、电子设备和存储介质 |
CN111539389B (zh) * | 2020-06-22 | 2020-10-27 | 腾讯科技(深圳)有限公司 | 人脸防伪识别方法、装置、设备及存储介质 |
KR20220082454A (ko) * | 2020-12-10 | 2022-06-17 | 삼성전자주식회사 | 생체 정보의 도용 여부를 검출하는 방법 및 장치 |
US20220318354A1 (en) * | 2021-03-31 | 2022-10-06 | Samsung Electronics Co., Ltd. | Anti-spoofing method and apparatus |
-
2020
- 2020-04-17 CN CN202010304904.9A patent/CN111507262B/zh active Active
-
2021
- 2021-02-09 EP EP21156023.0A patent/EP3896605A1/en not_active Withdrawn
- 2021-02-23 US US17/182,853 patent/US20210326617A1/en not_active Abandoned
- 2021-02-25 JP JP2021028352A patent/JP7191139B2/ja active Active
- 2021-03-17 KR KR1020210034625A patent/KR102606734B1/ko active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008171094A (ja) | 2007-01-09 | 2008-07-24 | Silex Technology Inc | 生体認証装置及び生体認証プログラム |
WO2011114520A1 (ja) | 2010-03-19 | 2011-09-22 | 富士通株式会社 | 識別装置、識別方法、及びプログラム |
WO2015122183A1 (ja) | 2014-02-12 | 2015-08-20 | 日本電気株式会社 | 情報処理装置、情報処理方法及びプログラム記憶媒体 |
CN106599872A (zh) | 2016-12-23 | 2017-04-26 | 北京旷视科技有限公司 | 用于验证活体人脸图像的方法和设备 |
CN108875333A (zh) | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 终端解锁方法、终端和计算机可读存储介质 |
WO2019163066A1 (ja) | 2018-02-22 | 2019-08-29 | 日本電気株式会社 | なりすまし検知装置、なりすまし検知方法、及びコンピュータ読み取り可能な記録媒体 |
Non-Patent Citations (2)
Title |
---|
Amin Jourabloo, 外2名,"Face De-Spoofing: Anti-Spoofing via Noise Modeling",Computer Vision and Pattern Recognition[online],2018年07月26日,[令和4年6月27日検索], インターネット<URL:https://arxiv.org/pdf/1807.09968.pdf> |
Zezheng Wang, 外6名,"Exploiting temporal and depth information for multi-frame face anti-spoofing",Computer Vision and Pattern Recognition[online],2019年03月05日,[令和4年6月27日検索], インターネット<URL:https://arxiv.org/pdf/1811.05118.pdf> |
Also Published As
Publication number | Publication date |
---|---|
CN111507262B (zh) | 2023-12-08 |
KR20210037632A (ko) | 2021-04-06 |
CN111507262A (zh) | 2020-08-07 |
US20210326617A1 (en) | 2021-10-21 |
EP3896605A1 (en) | 2021-10-20 |
JP2021174529A (ja) | 2021-11-01 |
KR102606734B1 (ko) | 2023-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7191139B2 (ja) | 生体を検知するための方法及び装置 | |
CN108509915B (zh) | 人脸识别模型的生成方法和装置 | |
CN108710885B (zh) | 目标对象的检测方法和装置 | |
CN112465828B (zh) | 一种图像语义分割方法、装置、电子设备及存储介质 | |
US20230021661A1 (en) | Forgery detection of face image | |
CN113033465B (zh) | 活体检测模型训练方法、装置、设备以及存储介质 | |
CN110443222B (zh) | 用于训练脸部关键点检测模型的方法和装置 | |
WO2022105125A1 (zh) | 图像分割方法、装置、计算机设备及存储介质 | |
CN111931732B (zh) | 压缩视频的显著性目标检测方法、系统、设备及存储介质 | |
CN112561937A (zh) | 基于病变边界信息响应的上下文感知医学图像分割方法 | |
CN112348838B (zh) | 用于图像分析的方法和系统 | |
JP2023507248A (ja) | 物体検出および認識のためのシステムおよび方法 | |
CN111767750A (zh) | 图像处理方法和装置 | |
US11195024B1 (en) | Context-aware action recognition by dual attention networks | |
US11321848B2 (en) | Method and apparatus with video segmentation | |
CN113177449A (zh) | 人脸识别的方法、装置、计算机设备及存储介质 | |
CN111950251A (zh) | 测量给定ai任务的数据集的相似性的方法 | |
CN113239799B (zh) | 训练方法、识别方法、装置、电子设备和可读存储介质 | |
CN114140831A (zh) | 人体姿态估计方法、装置、电子设备及存储介质 | |
CN114120454A (zh) | 活体检测模型的训练方法、装置、电子设备及存储介质 | |
CN111325068B (zh) | 基于卷积神经网络的视频描述方法及装置 | |
CN112070022A (zh) | 人脸图像识别方法、装置、电子设备和计算机可读介质 | |
CN115910220B (zh) | 一种基于量子计算机的蛋白质氨基酸性质的编码方法及系统 | |
CN113283376B (zh) | 人脸活体检测方法、人脸活体检测装置、介质及设备 | |
CN114283472A (zh) | 一种基于光流估计的人脸图像美颜检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210623 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220705 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221003 |
|
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: 20221129 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221206 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7191139 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |