KR20220042316A - 얼굴 생체 검출 방법, 장치, 전자 기기 및 저장 매체 - Google Patents
얼굴 생체 검출 방법, 장치, 전자 기기 및 저장 매체 Download PDFInfo
- Publication number
- KR20220042316A KR20220042316A KR1020220033216A KR20220033216A KR20220042316A KR 20220042316 A KR20220042316 A KR 20220042316A KR 1020220033216 A KR1020220033216 A KR 1020220033216A KR 20220033216 A KR20220033216 A KR 20220033216A KR 20220042316 A KR20220042316 A KR 20220042316A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- color
- face
- biometric
- sequence
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 172
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000001727 in vivo Methods 0.000 title abstract 7
- 239000003086 colorant Substances 0.000 claims abstract description 72
- 230000001815 facial effect Effects 0.000 claims description 66
- 210000001747 pupil Anatomy 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 20
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 18
- 230000009466 transformation Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 210000003128 head Anatomy 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 15
- 238000013135 deep learning Methods 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012800 visualization Methods 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 27
- 238000010586 diagram Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013434 data augmentation Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
-
- 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
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- 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
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
-
- 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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ophthalmology & Optometry (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
Abstract
본 개시는 얼굴 생체 검출 방법, 장치, 전자 기기 및 저장 매체를 제공하며, 컴퓨터 시각 및 딥러닝 기술 분야 등 인공지능 기술 분야에 관한 것으로, 스마트 시티 및 스마트 금융 시나리오에 적용될 수 있다. 구체적인 구현 수단은 색상 시퀀스 인증번호를 획득하는 단계; 전자 기기의 스크린에 해당 색상이 순서대로 나타나도록 제어하고, 해당 색상에서 타겟 대상 얼굴의 이미지를 수집하도록 전자 기기의 카메라를 제어하여, 타겟 대상의 상이한 색상에서의 이미지 시퀀스를 획득하는 단계; 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 타겟 대상에 대해 얼굴 생체 인증을 수행하여 생체 점수값을 획득하는 단계; 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득하고, 색상 시퀀스 인증번호 및 이미지 시퀀스 각자의 색상에 대응되는 차분도에 따라 색상 인증을 수행하는 단계; 및 생체 점수값 및 색상 인증 결과에 따라 타겟 대상의 최종 얼굴 생체 검출 결과를 결정하는 단계를 포함한다.
Description
본 개시는 인공지능 기술 분야에 관한 것으로, 구체적으로 컴퓨터 시각 및 딥러닝 기술 분야, 특히 얼굴 생체 검출 방법, 장치, 전자 기기 및 저장 매체에 관한 것으로, 스마트 시티 및 스마트 금융 시나리오에 적용될 수 있다.
얼굴 생체 검출라는 것은 이미지가 실물 촬영인지 구분하기 위한 것으로, 얼굴 인식 시스템의 기본 구성 모듈로 얼굴 인식 시스템의 안전성을 확보한다. 딥러닝 기술을 적용하는 얼굴 생체 검출 알고리즘이 현재 당해 분야의 주류 방법으로, 전통적인 알고리즘에 비해 정밀도가 크게 향상되었다.
하지만, 일부 적용 시나리오에서, 딥러닝에 기반한 얼굴 생체 알고리즘은 범화성이 나쁘고, 모르는 공격 샘플 및 방식에 대한 효과가 떨어지는 문제 등이 있으므로, 실제 적용 성능에 영향을 미친다.
본 개시는 스마트 시티 및 스마트 금융 시나리오에 적용되는 얼굴 생체 검출 방법, 장치, 전자 기기 및 저장 매체를 제공한다.
본 개시의 제 1 측면에 따르면, 얼굴 생체 검출 방법이 제공되어,
색상 시퀀스 인증번호를 획득하는 단계;
상기 색상 시퀀스 인증번호에 포함된 색상의 순서에 따라 전자 기기의 스크린에 해당 색상이 순서대로 나타나도록 제어하고, 상기 해당 색상에서 타겟 대상 얼굴의 이미지를 수집하도록 상기 전자 기기의 카메라를 제어하여, 상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스를 획득하는 단계;
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 상기 타겟 대상에 대해 얼굴 생체 인증을 수행하여 생체 점수값을 획득하는 단계;
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 상기 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득하고, 상기 색상 시퀀스 인증번호 및 상기 이미지 시퀀스 각자의 색상에 대응되는 차분도에 따라 색상 인증을 수행하는 단계; 및
상기 생체 점수값 및 색상 인증 결과에 따라 상기 타겟 대상의 최종 얼굴 생체 검출 결과를 결정하는 단계를 포함한다.
본 개시의 제 2 측면에 따르면, 얼굴 생체 검출 장치가 제공되어,
색상 시퀀스 인증번호를 획득하는 획득 모듈;
상기 색상 시퀀스 인증번호에 포함된 색상의 순서에 따라 전자 기기의 스크린에 해당 색상이 순서대로 나타나도록 제어하고, 상기 해당 색상에서 타겟 대상 얼굴의 이미지를 수집하도록 상기 전자 기기의 카메라를 제어하여, 상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스를 획득하는 제어 모듈;
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 상기 타겟 대상에 대해 얼굴 생체 인증을 수행하여 생체 점수값을 획득하는 얼굴 생체 인증 모듈;
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 상기 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득하고, 상기 색상 시퀀스 인증번호 및 상기 이미지 시퀀스 각자의 색상에 대응되는 차분도에 따라 색상 인증을 수행하는 색상 인증 모듈; 및
상기 생체 점수값 및 색상 인증 결과에 따라 상기 타겟 대상의 최종 얼굴 생체 검출 결과를 결정하는 결정 모듈을 포함한다.
본 개시의 제 3 측면에 따르면, 전자 기기가 제공되어,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신 가능하게 연결되는 메모리; 를 포함하고,
상기 메모리에는 상기 적어도 하나의 프로세서에 의해 수행 가능한 명령이 저장되어 있고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 수행되므로, 상기 적어도 하나의 프로세서에 의해 전술한 제 1 측면의 실시예에 따른 얼굴 생체 검출 방법을 수행하도록 한다.
본 개시의 제 4 측면에 따르면, 컴퓨터 명령이 저장되어 있는 비일시적 컴퓨터 판독 가능 저장 매체가 제공되어, 상기 컴퓨터 명령은 상기 컴퓨터가 전술한 제 1 측면의 실시예에 따른 얼굴 생체 검출 방법을 수행하는데 사용된다.
본 개시의 제 5 측면에 따르면, 컴퓨터 프로그램을 포함하는 컴퓨터 프로그램 제품이 제공되어, 상기 컴퓨터 프로그램이 프로세서에 의해 수행되는 경우 전술한 제 1 측면의 실시예에 따른 얼굴 생체 검출 방법을 수행하도록 한다.
본 개시의 제6 측면에 따르면, 컴퓨터 판독 가능 매체에 저장되어 있는 컴퓨터 프로그램을 더 제공하는바, 상기 컴퓨터 프로그램중의 명령이 실행될 경우, 본 개시의 제1 측면의 실시예에 따른 얼굴 생체 검출 방법이 실행된다.
본 개시의 기술 수단에 따르면, 색상 인증번호를 설정하여 입력된 이미지가 수집된 이미지와 일치하는지 여부를 판단하므로, 전체의 생체 검출 프로세스의 안전성을 향상시키고, 복잡한 샘플 공격 상황을 고려하여 생체 검출 알고리즘의 정확도 및 범화성을 크게 향상시킨다. 본 개시의 기술 수단은 임의의 얼굴 생체 검출의 딥러닝 신경망 모델에 적용하여, 성능 향상에 도움을 줄 수 있다. 당해 기술은 얼굴 생체 판단의 성능을 향상시켜, 얼굴 인식 분야의 출퇴근, 접근 통제, 보안, 금융 결제 등과 같은 응용에 적용될 수 있다.
이해 가능한 바로는 본 부분에서 설명된 내용은 본 개시의 실시예의 핵심 또는 중요한 특징을 식별하기 위한 것이 아니며, 본 개시의 범위를 한정하지도 않는다. 본 개시의 다른 특징들은 하기의 명세서에 의해 쉽게 이해될 것이다.
첨부된 도면은 본 수단을 더 잘 이해하기 위한 것으로, 본 개시에 대한 한정이 구성되지 않는다.
도 1은 본 개시의 실시예에서 제공되는 얼굴 생체 검출 방법의 흐름도이다.
도 2는 본 개시의 실시예에 따른 생체 점수값을 획득하는 프로세스의 개략도이다.
도 3은 본 개시의 실시예에서 제공되는 다른 얼굴 생체 검출 방법의 흐름도이다.
도 4는 본 개시의 실시예에 따른 얼굴 생체 검출 방법의 예시적인 흐름도이다.
도 5는 본 개시의 실시예에 따른 전자 기기의 스크린 표시 인터페이스의 예시도이다.
도 6은 본 개시의 실시예에서 제공되는 얼굴 생체 검출 장치의 구조 블록도이다.
도 7은 본 개시의 실시예에서 제공되는 다른 얼굴 생체 검출 장치의 구조 블록도이다.
도 8은 본 개시의 실시예에 따른 얼굴 생체 검출 방법을 구현하기 위한 전자 기기의 블록도이다.
도 1은 본 개시의 실시예에서 제공되는 얼굴 생체 검출 방법의 흐름도이다.
도 2는 본 개시의 실시예에 따른 생체 점수값을 획득하는 프로세스의 개략도이다.
도 3은 본 개시의 실시예에서 제공되는 다른 얼굴 생체 검출 방법의 흐름도이다.
도 4는 본 개시의 실시예에 따른 얼굴 생체 검출 방법의 예시적인 흐름도이다.
도 5는 본 개시의 실시예에 따른 전자 기기의 스크린 표시 인터페이스의 예시도이다.
도 6은 본 개시의 실시예에서 제공되는 얼굴 생체 검출 장치의 구조 블록도이다.
도 7은 본 개시의 실시예에서 제공되는 다른 얼굴 생체 검출 장치의 구조 블록도이다.
도 8은 본 개시의 실시예에 따른 얼굴 생체 검출 방법을 구현하기 위한 전자 기기의 블록도이다.
이하, 첨부된 도면을 결합하여 본 개시의 예시적인 실시예에 대해 설명하며, 여기에는 이해를 돕기 위해 본 개시의 실시예의 다양한 세부 사항을 포함하므로, 이는 단지 예시적인 것으로 이해해야 한다. 따라서, 당업자는 본 개시의 범위 및 사상을 벗어나지 않는 한 여기에 설명된 실시예에 대해 다양한 변경 및 수정이 이루어질 수 있음을 인식해야 한다. 마찬가지로, 명확성과 간결성을 위해, 하기의 설명에서는 공지된 기능 및 구조에 대한 설명을 생략한다.
설명해야 하는 바로는, 얼굴 생체 검출라는 것은 이미지가 실물 촬영인지 구분하기 위한 것으로, 얼굴 인식 시스템의 기본 구성 모듈로 얼굴 인식 시스템의 안전성을 확보한다. 딥러닝 기술을 적용하는 얼굴 생체 검출 알고리즘이 현재 당해 분야의 주류 방법으로, 전통적인 알고리즘에 비해 정밀도가 크게 향상되었다.
딥러닝을 사용하는 얼굴 생체 검출 방법은 주로 콘볼루션 신경망의 생체 판별, LSTM(Long Short-Term Memory, 장단기 메모리)에 기반한 생체 판별 등 방법이 있다. 이러한 유형의 방법은 신경망을 사용하여 얼굴 특징을 추출하고 분류한다. 딥러닝과 같은 방법은 안정성이 더 높은 얼굴 특징을 추출할 수 있으므로, 전통적인 방법에 비해, 성능이 크게 향상되었다.
하지만, 일부 적용 시나리오에서, 딥러닝에 기반한 얼굴 생체 알고리즘은 범화성이 나쁘고, 모르는 공격 샘플 및 방식에 대한 효과가 떨어지는 문제 등이 있으므로, 실제 적용 성능에 영향을 미친다. 휴대폰/인쇄사진의 공격, 3D 헤드모델 공격 등과 같은 공격 샘플이 복잡하고 다양하므로, 상이한 재질의 공격 도구의 반사율이 생체 피부의 반사율과 다르기 때문에, 본 개시는 다채로운 색상 인증에 기반한 얼굴 생체 검출 방법, 장치, 전자 기기 및 저장 매체를 제공하며, 색상 시퀀스를 인증번호로 하고, 기기의 스크린을 사용하여 상이한 색상의 빛을 얼굴에 투사하는 동시에 기기의 전면 카메라에 의해 상이한 색상에서의 얼굴 이미지를 수집하고, 품질 알고리즘으로 품질이 합격된 프레임을 선별한 후, 얼굴 색상 차분 알고리즘을 사용하여 색상 순서가 색상 시퀀스 인증번호와 일치하는지 여부를 인증하고, 이러한 이미지를 콘볼루션 신경망의 입력으로 사용하여 최종의 생체 검출 결과를 획득한다. 본 개시는 색상 인증번호를 설정하여 입력된 이미지가 수집된 이미지와 일치하는지 여부를 판단하므로, 전체의 생체 검출 프로세스의 안전성을 향상시키고, 복잡한 샘플 공격 상황을 고려하여, 생체 검출 알고리즘의 정확도 및 범화성을 크게 향상시킨다.
이하, 첨부된 도면을 참조하여 본 개시의 실시예에 따른 얼굴 생체 검출 방법, 장치, 전자 기기 및 저장 매체를 설명한다.
도 1은 본 개시의 실시예에서 제공되는 얼굴 생체 검출 방법의 흐름도이다. 도 1에 도시된 바와 같이, 당해 얼굴 생체 검출 방법은 다음과 같은 단계를 포함할 수 있다.
단계 101에서, 색상 시퀀스 인증번호를 획득한다.
예를 들면, 신분 인증 생체 검출 요청을 수신한 경우, 당해 요청에 따라 색상 시퀀스 인증번호를 획득할 수 있다. 예시로서, 당해 색상 시퀀스 인증번호는 당해 요청에 따라 랜덤으로 생성된 것일 수 있다.
단계 102에서, 색상 시퀀스 인증번호에 포함된 색상의 순서에 따라 전자 기기의 스크린에 해당 색상이 순서대로 나타나도록 제어하고, 해당 색상에서 타겟 대상 얼굴의 이미지를 수집하도록 전자 기기의 카메라를 제어하여, 타겟 대상의 상이한 색상에서의 이미지 시퀀스를 획득한다.
예를 들면, 색상 시퀀스 인증번호를 획득한 후, 색상 시퀀스 인증번호에 포함된 색상의 순서에 따라 전자 기기의 스크린을 사용하여 타겟 대상에 해당 색상의 빛을 투사하고, 전자 기기의 전면 카메라를 사용하여 상이한 색상이 타겟 대상에 투사된 이미지를 수집하며, 타겟 대상의 상이한 색상에서의 이미지 시퀀스를 획득한다.
이미지 명령을 향상시키기 위해, 본 개시의 실시예에서, 전면 카메라를 사용하여 이미지를 수집하는 경우, 전면 카메라의 광도를 가장 밝게 조정할 수 있다. 또는, 본 개시의 다른 실시예에서, 전자 기기의 스크린을 사용하여 타겟 대상에 해당 색상의 빛을 투사할 때, 스크린의 광도를 타겟 광도로 조정할 수 있다.
설명해야 하는 바로는, 인젝션 공격을 방지하기 위해, 본 개시의 일부 실시예에서, 서버로부터 색상 시퀀스 인증번호를 획득할 수 있다. 즉, 서버에서 생성된 상기 색상 시퀀스 인증번호를 획득한다. 예를 들면, 신분 인증 생체 검출 요청을 수신한 경우, 서버에게 색상 시퀀스 인증번호를 요청할 수 있다. 서버가 당해 요청을 수신한 경우, 색상 시퀀스 인증번호를 랜덤으로 생성할 수 있고, 랜덤으로 생성된 색상 시퀀스 인증번호를 전자 기기로 송신한다. 이에 따라, 서버로부터 랜덤으로 생성된 색상 시퀀스 인증번호를 획득하여 전자 기기의 인젝션 공격에 의해 얼굴 생체 검출 결과에 영향을 주는 것을 방지할 수 있고, 인젝션 공격 샘플 방식에 대한 얼굴 생체 검출 알고리즘의 방어 효과를 향상시킬 수 있다.
단계 103에서, 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 타겟 대상에 대해 얼굴 생체 인증을 수행하여 생체 점수값을 획득한다.
선택적으로, 타겟 대상의 상이한 색상에서의 이미지 시퀀스를 획득한 후, 당해 이미지 시퀀스를 사용하여 얼굴 생체 인증을 수행하고, 생체 점수값을 획득하여 당해 생체 점수값에 따라 당해 타겟 대상이 실물 촬영인지 여부를 결정할 수 있다. 예를 들어, 당해 생체 점수값이 일정한 임계값보다 크거나 같으면, 당해 타겟 대상은 실물 촬영인 것으로 결정하고, 당해 생체 점수값이 당해 임계값보다 작으면, 당해 타겟 대상은 실물 촬영이 아닌 것으로 결정하며, 즉 당해 타겟 대상은 생체가 아니다.
단계 104에서, 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득하고, 색상 시퀀스 인증번호 및 이미지 시퀀스 각자의 색상에 대응되는 차분도에 따라 색상 인증을 수행한다.
선택적으로, 얼굴 색상 차분 알고리즘을 사용하여 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득한다. 가능한 구현 방식으로서, 이미지 시퀀스 중의 각 이미지의 얼굴 키 포인트를 결정하여, 각 이미지의 얼굴 키 포인트에 따라 각 이미지에서 좌안 외안각 좌표 및 우안 외안각 좌표를 결정하고; 좌안 외안각 좌표 및 우안 외안각 좌표에 따라 각 이미지에 대해 아핀 변환 처리를 수행하여 각 이미지의 교정된 얼굴 구역 이미지를 획득하고; 스크린이 생성한 색상 순서에 따라, 각 이미지의 교정된 얼굴 구역 이미지를 둘씩 차분 연산하여, 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득한다.
예를 들면, 이미지 시퀀스 중의 각 이미지에 대해 얼굴 검출을 각각 수행하여 각 이미지에서 복수의 키 포인트, 예컨대 72개의 키 포인트를 획득한다. 좌, 우안 외안각 좌표 (x13, y13) (x34, y34)를 사용하여 굴절각 α, 중심점 Ce을 계산하고, 굴절각 α, 중심점 Ce에 따라 아핀 변환 행렬 M를 계산하여 아핀 변환 M에 의해 각 이미지의 교정된 얼굴 구역를 획득하고, 128 x 128의 척도로 크기를 조절하여 각 이미지의 교정된 얼굴 구역 이미지를 획득한다. 스크린이 생성한 색상 순서에 따라, 각 이미지의 교정된 얼굴 구역 이미지를 둘씩 차분 연산하여, 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득한다. 예를 들어, 스크린이 생성한 색상 순서가 레드색(R), 그린색(G), 블루색(B)인 것으로 가정하면, “블루 - 레드 = 레드, 레드 - 그린 = 그린, 그린 - 블루 = 블루”의 순서에 따라 세 장의 얼굴 구역 이미지를 둘씩 차분 연산하여 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득한다.
설명해야 하는 바로는, 얼굴 구역 색상이 환경 빛 및 얼굴 피부색의 영향을 크게 받기 때문에, 얼굴 구역 색상이 현저한 색상 편차를 가지며, 색상 인식을 수행하기 위해 빛이 투사된 얼굴 구역을 그대로 사용하는 경우 인식 효과가 상대적으로 나쁘다. 따라서, 본 개시에서는 인접한 두 장의 빛이 투사된 얼굴 구역의 차분도를 사용하여, 얼굴 피부색으로 인한 얼굴 구역 색상 편차를 잘 제거할 수 있고, 정확한 빛 투사 색상 인식을 구현한다.
본 개시의 실시예에서, 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득할 때, 이미지 시퀀스 각자의 색상에 대응되는 차분도를 색상별 분류하여, 대응되는 색상 시퀀스를 획득하고, 대응되는 색상 순서가 색상 시퀀스 인증번호와 일치하는지 여부를 검증할 수 있다.
단계 105에서, 생체 점수값 및 색상 인증 결과에 따라 타겟 대상의 최종 얼굴 생체 검출 결과를 결정한다.
선택적으로, 생체 점수값 및 색상 인증 결과가 모두 각자의 조건을 만족한 경우, 타겟 대상이 얼굴 생체 검출을 통과한 것으로 결정하며, 즉 타겟 대상이 실물 촬영인 것으로 결정하고; 생체 점수값 및/또는 색상 인증 결과가 각자의 조건을 만족하지 못한 경우, 타겟 대상이 얼굴 생체 검출을 통과하지 못한 것으로 결정하며, 즉 타겟 대상이 실물 촬영이 아닌 것으로 결정한다. 예를 들어, 생체 점수값이 일정한 임계값보다 크거나 같고, 색상 인증 결과가 인증을 통과한 것인 경우, 타겟 대상이 얼굴 생체 인증을 최종적으로 통과한 것으로 결정하며, 즉 타겟 대상이 실물 촬영인 것으로 결정하고; 생체 점수값이 일정한 임계값보다 크거나 같고, 색상 인증 결과가 인증을 통과하지 못한 것인 경우, 타겟 대상이 얼굴 생체 검출을 통과하지 못한 것으로 결정하며, 즉 타겟 대상이 실물 촬영이 아닌 것으로 결정하고; 생체 점수값이 일정한 임계값보다 작고, 색상 인증 결과가 인증을 통과한 것인 경우, 타겟 대상이 얼굴 생체 검출을 통과하지 못한 것으로 결정하며, 즉 타겟 대상이 실물 촬영이 아닌 것으로 결정하고; 생체 점수값이 일정한 임계값보다 작고, 색상 인증 결과가 인증을 통과하지 못한 것인 경우, 타겟 대상이 얼굴 생체 검출을 통과하지 못한 것으로 결정하며, 즉 타겟 대상이 실물 촬영이 아닌 것으로 결정한다.
본 개시의 실시예에 따른 얼굴 생체 검출 방법은 기기의 스크린을 사용하여 상이한 색상의 빛을 얼굴에 투사하는 동시에 기기의 전면 카메라에 의해 상이한 색상에서의 얼굴 이미지를 수집하고, 얼굴 색상 차분 알고리즘을 사용하여 색상 순서가 색상 시퀀스 인증번호와 일치하는지 여부를 인증하고, 이러한 이미지를 얼굴 생체 인증을 수행하여, 색상 인증 결과 및 얼굴 생체 인증 결과에 따라 타겟 대상의 최종 얼굴 생체 검출 결과를 결정하고, 전체의 생체 검출 프로세스의 안전성을 향상시키고, 복잡한 샘플 공격 상황을 고려하여, 생체 검출 알고리즘의 정확도 및 범화성을 크게 향상시킨다. 모르는 공격 샘플 방식에 대한 얼굴 생체 검출 알고리즘의 방어 효과를 향상시킨다. 얼굴 생체 검출은 얼굴 관련 분야의 기본 기술 중 하나이며, 보안, 출퇴근, 금융, 접근 통제와 같은 많은 시나리오에 적용된다. 현재 많은 업무에서 널리 사용되고 있다. 본 개시에 따르면, 얼굴 생체 검출 기술 성능을 향상시킬 수 있고, 얼굴 생체 검출 기술에 기반한 많은 응용의 효과 및 사용자 체험을 향상시킬 수 있도록 보좌해준다. 업무 프로젝트의 추가 보급에 도움이 된다.
설명해야 하는 바로는, 얼굴 색 생체 검출 및 동공 색 생체 검출 양 측면으로부터 얼굴 생체 인증을 구현할 수 있다. 즉, 본 개시의 일부 실시예에서, 얼굴 색 생체 검출 및 동공 색 생체 검출 양 측면으로부터 당해 타겟 대상이 실물 촬영인지 여부를 인증할 수 있다. 가능한 구현 방식으로서, 도 2에 도시된 바와 같이, 상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 타겟 대상에 대해 얼굴 생체 인증을 수행하여 생체 점수값을 획득하는 구현 방식은 다음과 같은 단계를 포함할 수 있다.
단계 201에서, 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 대해 얼굴 정렬을 각각 수행하여, 이미지 시퀀스 중의 각 이미지에서의 얼굴 이미지를 획득한다.
선택적으로, 이미지 시퀀스 중의 각 이미지에 대해 이미지 전처리를 수행하여, 얼굴이 포함된 이미지를 획득하고, 검출 모델을 통해 얼굴에 대한 검출을 수행하여, 얼굴의 대략 위치 구역을 획득하며; 여기서, 검출 모델은 기존 얼굴 검출 모델이며, 얼굴 위치를 검출할 수 있다. 검출된 얼굴 구역에 따라, 얼굴 키 포인트 검출 모델을 통해 얼굴 키 포인트에 대한 검출을 수행하여 얼굴 키 포인트의 좌표값을 획득하며; 여기서, 얼굴 키 포인트 검출 모델은 기존 모델이며, 기존 모델을 호출하고, 얼굴이 검출된 이미지를 입력하여, 복수의 얼굴 키 포인트 좌표, 예컨대 각각 (x1, y1) …(x72, y72)인 72개의 얼굴 키 포인트 좌표를 획득한다. 얼굴 키 포인트의 좌표값에 따라 타겟 얼굴에 대한 얼굴 정렬을 수행하여 얼굴 이미지를 획득한다. 구체적으로, 복수의 얼굴 키 포인트 좌표에 따라 x와 y의 최대 및 최소값 xmin, xmax, ymin, ymax를 획득하고, 최대 및 최소값에 따라 하나의 얼굴 프레임을 결정할 수 있고, 그 다음 당해 얼굴 프레임을 3배로 확대한 후 얼굴 이미지를 절취하여, 224x224px 크기로 조정하고, 이미지 시퀀스 중의 각 이미지에서의 얼굴 이미지를 획득한다.
단계 202에서, 각각의 얼굴 이미지에 대해 얼굴 색 생체 검출을 수행하여, 각각의 얼굴 이미지에 대응되는 얼굴 색 생체 점수를 획득한다.
선택적으로, 획득한 얼굴 이미지에 대해 이미지 정규화 처리를 수행한다. 본 실시예에서, 이미지 정규화 처리는 이미지 중의 각 픽셀이 순서대로 정규화 처리되는 것이며, 정규화 처리 방법은 각 픽셀의 픽셀값에서 128을 뺀 후 256으로 나누어, 각 픽셀의 픽셀값이 [-0.5, 0.5] 사이에 되도록 하는 것이다. 정규화 처리된 이미지에 대한 랜덤 데이터 증강 처리를 수행한다. 증강 처리를 거친 이미지를 얼굴 색 생체 검출 모델에 입력하여, 각각의 얼굴 이미지에 대응되는 얼굴 색 생체 점수를 획득한다. 당해 얼굴 색 생체 검출 모델은 이미 훈련된 콘볼루션 신경망일 수 있다.
단계 203에서, 타겟 대상의 상이한 색상에서의 이미지 시퀀스 중의 두눈 구역을 각각 절취하여, 이미지 시퀀스 중의 각 이미지에서의 두눈 이미지를 획득한다.
이해 가능한 바로는, 스크린이 상이한 색상의 빛을 나타내는 경우, 사람 눈의 동공은 대응 색상의 광반을 나타내며, 동공이 나타낸 광반을 통해 타겟 대상이 생체인지 여부를 인증할 수 있다. 하나의 예시로서, 얼굴 키 포인트 중의 안각 좌표를 사용하여 각 이미지에서의 두눈 구역을 처리하여 각 이미지에서의 두눈 이미지를 획득할 수 있다.
일부 실시예에서, 이미지 시퀀스 중의 각 이미지의 얼굴 키 포인트를 결정하여, 이미지 시퀀스 중의 각 이미지 중의 두눈 구역 이미지를 절취하고, 각 이미지의 얼굴 키 포인트에 따라 각각의 두눈 구역 이미지 중의 좌안 안각 좌표 및 우안 안각 좌표를 결정하며; 좌안 안각 좌표에 따라 두눈 구역 이미지를 처리하여, 제 1 두눈 이미지를 획득하고, 우안 안각 좌표에 따라 두눈 구역 이미지를 처리하여, 제 2 두눈 이미지를 획득하며; 각 이미지의 제 1 두눈 이미지 및 제 2 두눈 이미지를 중첩 처리하여, 각 이미지의 두눈 이미지를 획득한다.
예를 들어, 이미지 시퀀스 중 하나의 이미지를 처리하는 것을 예로 하여, 당해 이미지 중의 얼굴 키 포인트를 결정한 후 당해 이미지 중의 두눈 구역을 절취하여 얼굴 키 포인트에 따라 좌안의 안각 좌표 (x13, y13) (x17, y17)를 찾아내고, 안각의 거리 L1 및 눈의 중심점 C1을 구하고, 아핀 변환 행렬 M1을 구하여 획득하고, 아핀 변환에 따라 절취한 두눈 구역 이미지를 크기가 56x36인 눈만 있는 이미지로 아핀 변환하여, 당해 이미지의 제 1 두눈 이미지를 획득하고; 얼굴 키 포인트에 따라 우안의 안각 좌표 (x30, y30) (x34, y34)를 찾아내고, 안각의 거리 L2 및 눈의 중심점 C2를 구하고, 아핀 변환 행렬 M2를 구하여 획득하고, 아핀 변환 M2에 따라 절취한 두눈 구역 이미지를 크기가 56x36인 눈만 있는 이미지로 아핀 변환하여, 당해 이미지의 제 2 두눈 이미지를 획득한다. 제 1 두눈 이미지 및 제 2 두눈 이미지를 중첩 처리하여, 당해 이미지의 두눈 이미지를 획득한다. 중첩 처리는 제 1 두눈 이미지 중의 색상 채널과 제 2 두눈 이미지의 색상 채널을 더하는 것을 의미하며, 예컨대, 제 1 두눈 이미지의 색상 채널은 3개이고, 제 2 두눈 이미지의 색상 채널도 3개이면, 제 1 두눈 이미지 및 제 2 두눈 이미지를 중첩 처리하여 획득한 이미지의 색상 채널은 6개로 변경된다. 이에 따라, 두 장의 두눈 이미지를 사용하여 동공 색 생체 검출을 수행하여 검출 결과의 정확도를 더 향상시킬 수 있다.
단계 204에서, 이미지 시퀀스 중의 각 이미지에서의 두눈 이미지에 따라 동공 색 생체 검출을 수행하여, 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수를 획득한다.
선택적으로, 이미지 시퀀스 중의 각 이미지에서의 두눈 이미지를 동공 색 생체 검출 모듈에 입력하여, 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수를 획득한다. 동공 색 생체 검출 모듈은 이미 훈련된 콘볼루션 신경망일 수 있으며, 당해 콘볼루션 신경망은 5개의 콘볼루션 계층, 3개의 최대 풀링 계층 및 1개의 완전 연결 계층을 포함한다.
단계 205에서, 각각의 얼굴 이미지에 대응되는 얼굴 색 생체 점수 및 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수에 따라, 생체 점수값을 획득한다.
일부 실시예에서, 각각의 얼굴 이미지에 대응되는 얼굴 색 생체 점수의 평균을 구하여, 얼굴 색 생체 점수의 평균값을 획득하고, 각 이미지의 동공 색 생체 점수의 평균을 구하여, 동공 색 생체 점수의 평균값을 획득하고, 얼굴 색 생체 점수의 평균값과 동공 색 생체 점수의 평균값의 합을 상기 생체 점수값으로 한다.
다른 실시예에서, 상기 얼굴 색과 동공 색 생체 검출은 실제 운용 중의 가중치 분배에 따라 최종의 생체 점수값을 획득한다. 가능한 구현 방식으로서, 각각의 얼굴 이미지에 대응되는 얼굴 색 생체 점수의 평균을 구하여, 얼굴 색 생체 점수의 평균값을 획득하고, 각 이미지의 동공 색 생체 점수의 평균을 구하여, 동공 색 생체 점수의 평균값을 획득하고, 얼굴 색 생체 점수의 평균값과 동공 색 생체 점수의 평균값을 가중 처리하여, 가중 처리 후 획득한 수치를 상기 생체 점수값으로 할 수 있다. 다른 가능한 구현 방식으로서, 각각의 얼굴 이미지에 대응되는 얼굴 색 생체 점수 및 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수에 따라 가중 처리를 수행하여, 생체 점수값을 획득할 수 있다.
이로부터 알 수 있는 바는, 본 개시는 얼굴 색 생체 검출 및 동공 색 생체 검출 양 측면으로부터 얼굴 생체 인증을 구현할 수 있으므로, 생체 검출 알고리즘의 정확도를 크게 향상시킨다.
도 3은 본 개시의 실시예에서 제공되는 다른 얼굴 생체 검출 방법의 흐름도이다. 도 3에 도시된 바와 같이, 당해 얼굴 생체 검출 방법은 다음과 같은 단계를 포함할 수 있다.
단계 301에서, 타겟 대상에 대한 얼굴 검출을 수행한다.
선택적으로, 당해 얼굴 검출은 얼굴 검출 알고리즘과 얼굴 품질 인증 메커니즘을 포함한다. 예를 들면, 얼굴 검출 알고리즘의 구현 방식은 다음과 같으며, 카메라에 포착된 얼굴 구조를 분석 판단하여 인체의 얼굴 특징 임계값을 만족한 경우 인증을 통과한 것이다. 얼굴 품질 인증 메커니즘의 구현 방식은 다음과 같으며, 얼굴 검출 과정에서 얼굴 이미지의 품질을 판단하고, 얼굴 크기, 가린 정도, 모호 정도 등 차원에서 여과하므로, 얼굴 이미지의 품질이 높을수록, 후속 과정의 신임도가 더 높다. 품질의 임계값은 사전에 설정될 수 있으며, 실제 과정에서 사전에 설정된 값과 판단하여, 통과한 경우 다음 단계를 수행하고; 통과하지 못한 경우 “얼굴 검출”으로 되돌아간다.
단계 302에서, 타겟 대상이 얼굴 검출을 통과한 것에 응답하여, 타겟 대상에 대한 동작 생체 인증을 수행한다.
이해 가능한 바로는, 동작 생체 인증은 상기 타겟 대상이 요구에 따라 지정된 랜덤 동작을 수행하는 것을 통해 타겟 대상이 생체인지 여부를 판단하는 것을 의미한다. 당해 기술의 인터랙션에서 사용자의 체험감과 편안도를 고려하여, 과정에서 사용자의 배합이 낮은 윙크, 입 벌리기 두 동작을 선택하여 증강 인증을 수행할 수 있다.
설명해야 하는 바로는, 동작 생체 인증의 단계는 보조 인증 수단으로서, 다채로운 생체가 생체 인증의 첫 번째 선별을 완성하도록 보좌해줄 수 있고, 결과의 정확도를 일정하게 높일 수 있다. 마찬가지로, 동작 생체의 판단은 또한 임계값에 대해 독립적으로 조절할 수 있으며, 예를 들어, 윙크의 횟수, 또는 입 벌린 정도. 동작 생체 인증을 통과한 후 다음 단계를 수행하고; 아니면, 동작 생체 인증을 다시 수행한다.
단계 303에서, 타겟 대상이 동작 생체 인증을 통과한 것에 응답하여 색상 시퀀스 인증번호를 획득한다.
본 개시의 실시예에서, 단계 303은 본 개시의 각 실시예에 따른 임의 하나의 방식을 사용하여 구현될 수 있는 바, 본 개시의 실시예에서 이에 대해 한정하지 않고, 상세한 설명도 생략한다.
단계 304에서, 색상 시퀀스 인증번호에 포함된 색상의 순서에 따라 전자 기기의 스크린에 해당 색상이 순서대로 나타나도록 제어하고, 해당 색상에서 타겟 대상 얼굴의 이미지를 수집하도록 전자 기기의 카메라를 제어하여, 타겟 대상의 상이한 색상에서의 이미지 시퀀스를 획득한다.
본 개시의 실시예에서, 단계 304는 본 개시의 각 실시예에 따른 임의 하나의 방식을 사용하여 구현될 수 있는 바, 본 개시의 실시예에서 이에 대해 한정하지 않고, 상세한 설명도 생략한다.
단계 305에서, 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 타겟 대상에 대해 얼굴 생체 인증을 수행하여 생체 점수값을 획득한다.
본 개시의 실시예에서, 단계 305는 본 개시의 각 실시예에 따른 임의 하나의 방식을 사용하여 구현될 수 있는 바, 본 개시의 실시예에서 이에 대해 한정하지 않고, 상세한 설명도 생략한다.
단계 306에서, 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득하고, 색상 시퀀스 인증번호 및 이미지 시퀀스 각자의 색상에 대응되는 차분도에 따라 색상 인증을 수행한다.
본 개시의 실시예에서, 단계 306은 본 개시의 각 실시예에 따른 임의 하나의 방식을 사용하여 구현될 수 있는 바, 본 개시의 실시예에서 이에 대해 한정하지 않고, 상세한 설명도 생략한다.
단계 307에서, 생체 점수값 및 색상 인증 결과에 따라 타겟 대상의 최종 얼굴 생체 검출 결과를 결정한다.
본 개시의 실시예에서, 단계 307은 본 개시의 각 실시예에 따른 임의 하나의 방식을 사용하여 구현될 수 있는 바, 본 개시의 실시예에서 이에 대해 한정하지 않고, 상세한 설명도 생략한다.
본 개시의 실시예의 얼굴 생체 검출 방법에 따르면, 타겟 대상에 대한 얼굴 검출 및 동작 생체 인증을 수행하여, 다채로운 생체가 생체 인증의 첫 번째 선별을 완성하도록 보좌해줄 수 있고, 얼굴 생체 검출 알고리즘 결과의 정확도를 더 향상시킬 수 있다.
당업자가 본 개시를 더 명확하게 이해하기 위해, 이하 도 4 및 도 5를 결부하여 본 개시의 얼굴 생체 검출 방법의 구현 방식을 상세히 설명한다. 먼저 설명해야 하는 것은, 본 개시의 실시예에서 당해 얼굴 생체 검출 방법은 얼굴 검출 단계, 동작 생체 인증 단계 및 다채로운 생체 인증 단계를 포함할 수 있다.
예를 들면, 도 4에 도시된 바와 같이, 얼굴 검출 단계는 얼굴 검출 알고리즘과 얼굴 품질 인증 메커니즘을 포함한다. 얼굴 검출의 구현 방식은 다음과 같으며, 카메라에 포착된 얼굴 구조를 분석 판단하여, 인체의 얼굴 특징 임계값을 만족한 경우 인증을 통과한 것이다. 얼굴 품질 인증 메커니즘의 구현 방식은 다음과 같으며, 상기 과정에서 얼굴 이미지의 품질을 판단하고, 얼굴 크기, 가린 정도, 모호 정도 등 차원에서 여과하므로, 얼굴 이미지의 품질이 높을수록, 후속 과정의 신임도가 더 높다. 품질의 임계값은 사전에 설정될 수 있으며, 실제 과정에서 사전에 설정된 값과 판단하여, 통과한 경우 다음 단계를 수행하고; 통과하지 못한 경우 “얼굴 검출”으로 되돌아간다.
동작 생체 인증 단계는 다음과 같으며, 사용자가 요구에 따라 지정된 랜덤 동작을 수행하는 것을 통해 생체인지 여부를 판단한다. 당해 기술의 인터랙션에서 사용자의 체험감과 편안도를 고려하여, 본 실시예에서 사용자의 배합도가 낮은 윙크, 입 벌리기 두 동작을 선택하여 증강 인증을 수행한다. 당해 단계는 보조 인증 수단으로서, 다채로운 생체가 생체 인증의 첫 번째 선별을 완성하도록 보좌해줄 수 있고, 결과의 정확도를 일정하게 높일 수 있다. 마찬가지로, 동작 생체의 판단은 또한 임계값에 대해 독립적으로 조절할 수 있으며, 예를 들어, 윙크의 횟수, 또는 입 벌린 정도. 동작 생체 인증을 통과한 후 다음 단계를 수행하고; 아니면, 동작 생체 인증을 다시 수행한다.
다채로운 생체 인증 단계는 색상 시퀀스 인증번호를 획득하고, 색상 시퀀스 인증번호에 포함된 색상을 방송하여 얼굴 이미지를 수집하고, 얼굴 색과 동공 색 생체 검출을 수행하고, 색상 판단, 결과 출력, 및 안전성과 품질 제어를 수행하는 단계들을 포함한다. 이하, 다채로운 생체 인증 단계를 상세히 설명하되, 레드(Red), 그린(Green), 블루(Blue) 삼색을 예로 하여 당해 수단을 설명하나, 색상은 교체될 수 있지만, 원리는 일치하다.
1) 색상 시퀀스 인증번호를 획득한다.
색상 시퀀스 인증번호는 후속에서 스크린에 나타내도록 서버가 랜덤으로 생성한 색상 순서일 수 있으며, 랜덤 시퀀스는 검출할 사용자가 실시간으로 인증을 수행하는 것을 확보할 수 있다.
2) 색상 시퀀스 인증번호에 포함된 색상을 방송하여 얼굴 이미지를 수집한다.
먼저 전자 기기를 사용하여 얼굴/공격 샘플에 세 가지 상이한 색상의 빛을 투사하고, 그 다음 전자 기기의 전면 카메라를 사용하여 세 가지 색상이 투사된 얼굴/공격 샘플의 이미지를 수집하고, 세 장의 이미지를 한 그룹으로 하여 일련의 얼굴이 포함된 이미지를 획득한다. 예를 들어, 도 5에 도시된 바와 같이, 세 가지 상이한 색상의 빛은 구체적으로 전자 기기의 스크린에 색상이 각각 레드(R), 그린(G), 블루(B)인 세 장의 이미지를 나타내는 것이며, 당해 세 장의 이미지를 나타낼 때 카메라가 얼굴 이미지를 수집한다.
선택적으로, 각 색상의 투사 과정은 약 1.5초이고, 수집은 최적 프레임의 전략을 따르며, 즉 연속적인 비디오 스트림에서 품질이 최적인 얼굴 이미지를 선택하여 후속 단계의 입력으로 사용하며, 여기서 품질은 전술한 품질 판단 규칙을 따른다.
3) 얼굴 색과 동공 색 생체 검출을 수행한다.
단계 2)에서 획득한 삼색 얼굴 이미지에 대해 생체 검출을 수행하며, 얼굴 색과 동공 색 생체 검출을 포함하고, 두 가지 검출 알고리즘은 모두 생체 점수를 출력한다.
3.1) 얼굴 색 생체 검출 알고리즘
상기 단계에서 세 가지 색상의 얼굴 이미지를 획득한 후, 본 개시는 얼굴에 포함된 72개의 키 포인트를 각각 (x1, y1) … (x72, y72)로 정의한다.
각 이미지에 대해 이미지 전처리를 수행하여, 먼저 한 장의 얼굴이 포함된 이미지를 획득하고, 검출 모델을 통해 얼굴에 대한 검출을 수행하여, 얼굴의 대략 위치 구역을 획득하며; 여기서, 검출 모델은 기존 얼굴 검출 모델이며, 얼굴 위치를 검출할 수 있다. 다음, 검출된 얼굴 구역에 따라, 얼굴 키 포인트 검출 모델을 통해 얼굴 키 포인트에 대한 검출을 수행하여 얼굴 키 포인트의 좌표값을 획득하며; 여기서, 얼굴 키 포인트 검출 모델은 기존 모델이며, 기존 모델을 호출하고, 얼굴이 검출된 이미지를 입력하여, 각각 (x1, y1) …(x72, y72)인 72개의 얼굴 키 포인트 좌표를 획득한다. 다음 얼굴 키 포인트의 좌표값에 따라 타겟 얼굴에 대한 얼굴 정렬을 수행하여 얼굴 이미지를 획득한다. 구체적으로, 72개의 얼굴 키 포인트 좌표에 따라 x와 y의 최대 및 최소값 xmin, xmax, ymin, ymax를 획득하고, 최대 및 최소값에 따라 하나의 얼굴 프레임을 결정할 수 있고, 그 다음 당해 얼굴 프레임을 3배로 확대한 후 얼굴 이미지를 절취하여, 224x224px 크기로 조정한다.
획득한 얼굴이 포함된 이미지 구역에 대해 이미지 정규화 처리를 수행한다. 본 실시예에서, 이미지 정규화 처리는 이미지 중의 각 픽셀이 순서대로 정규화 처리되는 것이며, 정규화 처리 방법은 각 픽셀의 픽셀값에서 128을 뺀 후 256으로 나누어, 각 픽셀의 픽셀값이 [-0.5, 0.5] 사이에 되도록 하는 것이다. 정규화 처리된 이미지에 대한 랜덤 데이터 증강 처리를 수행한다. 증강 처리를 거친 이미지를 얼굴 색 생체 검출 모델에 입력하여, 각각의 얼굴 이미지에 대응되는 얼굴 색 생체 점수를 획득한다.
3.2) 동공 색 생체 검출 알고리즘
스크린이 R/G/B 세 가지 색상의 빛을 나타낼 때, 사람 눈의 동공은 대응 색상의 광반을 나타내며, 동공이 나타낸 광반을 통해 투사한 빛의 색상을 인증할 수 있으며, 구체적으로 상기에서 72개의 키 포인트를 획득한 후, 두눈 구역 이미지를 절취하여 얼굴 키 포인트에 따라 좌안의 안각 좌표 (x13, y13) (x17, y17)를 찾아내고, 안각의 거리 L1 및 눈의 중심점 C1을 구하고, 아핀 변환 행렬 M1을 구하여 획득하고, 아핀 변환 M1에 따라 원초의 이미지를 크기가 56x36인 눈만 있는 이미지로 아핀 변환하고; 얼굴 키 포인트에 따라 우안의 안각 좌표 (x30, y30) (x34, y34)를 찾아내고, 안각의 거리 L2 및 눈의 중심점 C2를 구하고, 아핀 변환 행렬 M2를 구하여 획득하고, 아핀 변환 M2에 따라 원초의 이미지를 크기가 56x36인 눈만 있는 이미지로 아핀 변환한다. 두눈 이미지를 중첩한 후 동공 색 생체 검출 모델에 입력하여 각각의 두눈 이미지의 동공 색 생체 점수를 획득한다.
각각의 얼굴 이미지에 대응되는 얼굴 색 생체 점수 및 각 두눈 이미지의 동공 색 생체 점수에 따라, 실제 운용 중의 가중치 분배에 따라 가중 처리를 수행하여, 최종의 생체 점수값을 획득한다.
4) 색상 판단 및 결과 출력
먼저 얼굴 검출 및 거리 판단을 수행하여, 얼굴이 존재하고, 얼굴에서 단말의 빛 투사 스크린까지의 거리가 요구에 부합되면, 서버는 색상 시퀀스 인증번호를 전자 기기에게 송신한다. 전자 기기는 색상 시퀀스 인증번호의 정보에 따라 빛을 투사한다. 빛 투사 데이터에서 이미지 품질 요구를 만족하는 빛 투사 색상이 각각 레드색(R), 그린색(G), 블루색(B)인 이미지를 각각 1장씩 선택하여 한 그룹의 데이터로 하며, 주의해야 하는 것은, 세 장의 이미지의 색상은 레드, 그린, 블루 세 가지 색상의 임의의 순열일 수 있으며, 그 다음, 당해 그룹의 이미지 및 세 장의 이미지의 색상 순서 입력 모델을 사용하여 당해 그룹의 이미지의 색상 순서가 입력 모델의 색상 순서인지 여부를 인증하여, 색상 순서와 일치하는 것을 인증한 경우, 색상 인식 모듈을 통과하고, 아니면 색상 인증이 실패된 것이다. 구체적인 구현 단계는 다음과 같다.
4.1) 획득한 세 장의 이미지에 대해 얼굴 검출을 각각 수행하여, 해당 72개의 키 포인트를 획득하고;
4.2) 좌, 우안 외안각 좌표 (x13, y13) (x34, y34)를 사용하여 굴절각 α, 중심점 Ce을 계산하고;
4.3) 굴절각 α, 중심점 Ce에 따라 아핀 변환 행렬 M를 계산하고, 아핀 변환에 의해 세 장의 이미지의 교정된 얼굴 구역를 획득하여, 128 x 128의 척도로 크기를 조절하고;
4.4) “블루 - 레드 = 레드, 레드 - 그린 = 그린, 그린 - 블루 = 블루”의 순서에 따라 세 장의 이미지 각자의 색상에 대응되는 차분도를 획득하고;
4.5) 콘볼루션 신경망을 사용하여 차분도의 특징을 추출하여 색상별 분류를 수행한다. ResNet50을 콘볼루션 신경망의 backbone로 사용하여 얼굴 차분도의 색상 특징을 추출하고, 마지막 계층의 특징도에서 전역 평균 풀링 조작을 수행한 후 완전 연결 계층 및 Softmax 계층을 경과하여 얼굴 차분도의 색상별 분류를 수행한다.
세 장의 얼굴 차분도를 차이 계산 모델에 입력하여 색상 인식을 수행한다. 여기서 색상은 모르는 것으로, X/Y/Z로 가정하면, 색상 판단 규칙은 다음과 같다.
4.5.1) 그중 세 가지 색상의 신임도가 모두 임계값 N보다 크거나 같은 경우, 색상 비교를 수행하여, 두 가지 색상 또는 세 가지 색상이 매칭되는 경우, 최종 색상이 매칭되는 것으로 판단하고; 아니면 매칭되지 않는 것으로 판단하고;
4.5.2) 그중 두 가지 색상의 신임도가 N보다 크거나 같은 경우, 색상 비교를 수행한다. 두 가지 색상이 매칭되는 경우, 최종 색상이 매칭되는 것으로 판단하고; 아니면 매칭되지 않는 것으로 판단하고;
4.5.3) 그중 한 가지 색상의 신임도가 N보다 크거나 같은 경우, 매칭되지 않는 것으로 직접 판단한다(N는 신임도 임계값이며, 실제 상황에 따라 조정될 수 있음).
상기 단계에서 획득한 색상 판단을 출력하여 이번 검출을 통과하는지 여부의 표준으로 한다. 색상 일치하면 통과한 것이고, 그리고 생체 점수값이 일정한 임계값보다 크거나 같은지 여부를 판단하여, 생체 점수값이 일정한 임계값보다 크거나 같은 경우, 당해 타겟 대상의 얼굴 생체 검출 인증이 통과된 것으로 결정한다. 색상이 일치하지 않고, 및/또는 생체 점수값이 일정한 임계값보다 작은 경우, 당해 타겟 대상의 얼굴 생체 검출 인증이 실패된 것으로 결정하며, 타겟 대상은 다시 인증을 선택할 수 있다.
5) 안전성 및 품질 제어
생체 검출의 전체 과정에서, 얼굴을 지속적으로 추적하여 품질 판단을 수행할 수 있다. 타겟 대상의 두상이 중도에 이출된 경우(얼굴 바꾸는 위험이 있을 수 있음), 전체 과정을 다시 수행하는 것으로 판단한다. 과정에서 품질이 사전에 설정된 임계값보다 낮은 경우, 이전 단계로 되돌아가서 프로세스를 계속 수행한다.
종합하면, 본 개시는 완전한 다채로운 색상 인증에 기반한 얼굴 생체 검출의 구현 수단을 제공하여, 상이한 재질의 공격 도구의 반사율과 생체 피부의 반사율이 상이한 선험지식응 사용하여, 다채로운 색상 인증에 기반한 얼굴 생체 검출 방법을 제공하는 바, 기기의 스크린을 사용하여 상이한 광도의 빛을 얼굴에 투사하는 동시에 기기의 전면 카메라에 의해 상이한 광도에서의 얼굴 이미지를 수집하고, 이러한 이미지를 콘볼루션 신경망의 입력으로 사용하여, 최종의 생체 검출 결과를 획득하며, 본 개시는 복잡한 샘플 공격 상황을 고려하여, 생체 검출 알고리즘의 정확도 및 범화성을 크게 향상시킨다.
도 6은 본 개시의 실시예에서 제공되는 얼굴 생체 검출 장치의 구조 블록도이다. 도 6에 도시된 바와 같이, 당해 얼굴 생체 검출 장치는 획득 모듈(601), 제어 모듈(602), 얼굴 생체 인증 모듈(603), 색상 인증 모듈(604) 및 결정 모듈(605)을 포함할 수 있다.
획득 모듈(601)은 색상 시퀀스 인증번호를 획득한다. 가능한 구현 방식에서, 획득 모듈(601)은 서버에서 생성된 색상 시퀀스 인증번호를 획득한다.
제어 모듈(602)은 색상 시퀀스 인증번호에 포함된 색상의 순서에 따라 전자 기기의 스크린에 해당 색상이 순서대로 나타나도록 제어하고, 해당 색상에서 타겟 대상 얼굴의 이미지를 수집하도록 전자 기기의 카메라를 제어하여, 타겟 대상의 상이한 색상에서의 이미지 시퀀스를 획득한다.
얼굴 생체 인증 모듈(603)은 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 타겟 대상에 대해 얼굴 생체 인증을 수행하여 생체 점수값을 획득한다.
가능한 구현 방식에서, 얼굴 생체 인증 모듈(603)은 구체적으로 각각의 얼굴 이미지에 대해 얼굴 색 생체 검출을 수행하여, 각각의 얼굴 이미지에 대응되는 얼굴 색 생체 점수를 획득하고; 타겟 대상의 상이한 색상에서의 이미지 시퀀스 중의 두눈 구역을 각각 절취하여, 이미지 시퀀스 중의 각 이미지에서의 두눈 이미지를 획득하고; 이미지 시퀀스 중의 각 이미지에서의 두눈 이미지에 따라 동공 색 생체 검출을 수행하여, 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수를 획득하고; 각각의 얼굴 이미지에 대응되는 얼굴 색 생체 점수 및 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수에 따라, 생체 점수값을 획득하는데 사용된다.
선택적으로, 얼굴 생체 인증 모듈(603)이 타겟 대상의 상이한 색상에서의 이미지 시퀀스 중의 두눈 구역을 각각 절취하여, 이미지 시퀀스 중의 각 이미지에서의 두눈 이미지를 획득하는 구현 방식은 다음과 같다. 이미지 시퀀스 중의 각 이미지의 얼굴 키 포인트를 결정하고; 이미지 시퀀스 중의 각 이미지 중의 두눈 구역 이미지를 절취하고; 각 이미지의 얼굴 키 포인트에 따라 각각의 두눈 구역 이미지 중의 좌안 안각 좌표 및 우안 안각 좌표를 결정하고; 좌안 안각 좌표에 따라 두눈 구역 이미지를 처리하여, 제 1 두눈 이미지를 획득하고; 우안 안각 좌표에 따라 두눈 구역 이미지를 처리하여, 제 2 두눈 이미지를 획득하고; 각 이미지의 제 1 두눈 이미지 및 제 2 두눈 이미지를 중첩 처리하여, 각 이미지의 두눈 이미지를 획득한다.
선택적으로, 얼굴 생체 인증 모듈(603)이 각각의 얼굴 이미지에 대응되는 얼굴 색 생체 점수 및 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수에 따라, 생체 점수값을 획득하는 구현 방식은 다음과 같다. 각각의 얼굴 이미지에 대응되는 얼굴 색 생체 점수 및 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수에 따라 가중 처리를 수행하여, 생체 점수값을 획득한다.
색상 인증 모듈(604)은 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득하고, 색상 시퀀스 인증번호 및 이미지 시퀀스 각자의 색상에 대응되는 차분도에 따라 색상 인증을 수행하는데 사용된다.
가능한 구현 방식에서, 색상 인증 모듈(604)은 이미지 시퀀스 중의 각 이미지의 얼굴 키 포인트를 결정하고; 각 이미지의 얼굴 키 포인트에 따라 각 이미지 중의 좌안 외안각 좌표 및 우안 외안각 좌표를 결정하고; 좌안 외안각 좌표 및 우안 외안각 좌표에 따라 각 이미지에 대해 아핀 변환 처리를 수행하여, 각 이미지의 교정된 얼굴 구역 이미지를 획득하고; 스크린이 생성한 색상 순서에 따라, 각 이미지의 교정된 얼굴 구역 이미지를 둘씩 차분 연산하여, 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득한다. 이미지 시퀀스 각자의 색상에 대응되는 차분도를 색상별 분류하여, 대응되는 색상 시퀀스를 획득하고, 대응되는 색상 순서가 색상 시퀀스 인증번호와 일치하는지 여부를 검증할 수 있다.
결정 모듈(605)은 생체 점수값 및 색상 인증 결과에 따라 타겟 대상의 최종 얼굴 생체 검출 결과를 결정한다.
일부 실시예에서, 도 7에 도시된 바와 같이, 당해 얼굴 생체 검출 장치는 검출 모듈(706)을 더 포함할 수 있다. 검출 모듈(706)은 얼굴 생체 검출 과정에서, 타겟 대상의 얼굴을 지속적으로 추적하여 타겟 대상의 두부가 중도에 카메라에서 이출되는지 여부를 검출한다. 획득 모듈(701)은 또한 타겟 대상의 두부가 중도에 카메라에서 이출된 것에 응답하여 상기 색상 시퀀스 인증번호를 획득하는 단계를 수행한다. 도 7에서 나타낸701-705는 도 6에서 나타낸 601-605과 같은 기능과 구조를 구비한다.
상기 실시예에 따른 장치에 있어서, 각각의 모듈이 조작을 수행하는 구체적인 방식은 이미 해당 방법의 실시예에서 상세히 설명되어, 여기서 더 이상 상세히 설명하지 않는다.
본 개시의 실시예에 따른 얼굴 생체 검출 장치는 기기의 스크린을 사용하여 상이한 색상의 빛을 얼굴에 투사하는 동시에 기기의 전면 카메라에 의해 상이한 색상에서의 얼굴 이미지를 수집하고, 얼굴 색상 차분 알고리즘을 사용하여 색상 순서가 색상 시퀀스 인증번호와 일치하는지 여부를 인증하고, 이러한 이미지를 얼굴 생체 인증을 수행하여, 색상 인증 결과 및 얼굴 생체 인증 결과에 따라 타겟 대상의 최종 얼굴 생체 검출 결과를 결정하고, 전체의 생체 검출 프로세스의 안전성을 향상시키고, 복잡한 샘플 공격 상황을 고려하여, 생체 검출 알고리즘의 정확도 및 범화성을 크게 향상시킨다. 모르는 공격 샘플 방식에 대한 얼굴 생체 검출 알고리즘의 방어 효과를 향상시킨다. 얼굴 생체 검출은 얼굴 관련 분야의 기본 기술 중 하나이며, 보안, 출퇴근, 금융, 접근 통제와 같은 많은 시나리오에 적용된다. 현재 많은 업무에서 널리 사용되고 있다. 본 개시에 따르면, 얼굴 생체 검출 기술 성능을 향상시킬 수 있고, 얼굴 생체 검출 기술에 기반한 많은 응용의 효과 및 사용자 체험을 향상시킬 수 있도록 보좌해준다. 업무 프로젝트의 추가 보급에 도움이 된다.
본 개시의 실시예에 따르면, 본 개시는 또한 전자 기기, 판독 가능 저장 매체 및 컴퓨터 프로그램 제품을 제공한다. 본 개시의 실시예에 따르면, 컴퓨터 판독 가능 매체에 저장되어 있는 컴퓨터 프로그램을 더 제공한다. 당해 컴퓨터 프로그램중의 명령이 실행될 경우, 상기 얼굴 생체 검출 방법이 실행된다.
도 8에 도시된 바와 같이, 본 개시의 실시예에 따른 얼굴 생체 검출 방법을 구현하기 위한 전자 기기의 블록도를 나타낸다. 전자 기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크 스테이션, 개인용 디지털 비서, 서버, 블레이드 서버, 메인 프레임 컴퓨터 및 다른 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 나타내기 위한 것이다. 전자 기기는 또한 개인용 디지털 처리, 셀룰러 폰, 스마트 폰, 웨어러블 기기 및 다른 유사한 컴퓨팅 장치와 같은 다양한 형태의 모바일 장치를 나타낼 수도 있다. 본 명세서에서 제시된 구성 요소, 이들의 연결 및 관계, 또한 이들의 기능은 단지 예일 뿐이며 본문에서 설명되거나 및/또는 요구되는 본 개시의 구현을 한정하려는 의도가 아니다.
도 8에 도시된 바와 같이, 당해 전자 기기는 하나 또는 복수의 프로세서(801), 메모리(802), 및 고속 인터페이스 및 저속 인터페이스를 포함하는 각 구성 요소를 연결하는데 사용되는 인터페이스를 포함한다. 각 구성 요소는 상이한 버스를 통해 서로 연결되어 공통 메인보드에 설치되거나 필요에 따라 다른 방식으로 설치될 수도 있다. 프로세서는 전자 기기 내부에서 수행되는 명령을 처리할 수 있고, 메모리 내에 혹은 메모리 위에 저장된 외부 입력/출력 장치(예를 들어, 인터페이스에 연결된 디스플레이 기기)에 GUI의 그래픽 정보를 디스플레이하기 위한 명령을 포함한다. 다른 실시 방식에서, 필요한 경우, 복수의 프로세서 및/또는 복수의 버스와 복수의 메모리를 복수의 메모리와 함께 사용될 수 있다. 마찬가지로 복수의 전자 기기를 연결할 수 있으며 각 기기는 필요한 작업의 일부를 제공한다(예를 들어, 서버 어레이, 블레이드 서버 세트 또는 다중 프로세서 시스템). 도 8에서는 하나의 프로세서(801)를 예로 하여 나타낸다.
메모리(802)는 본 개시에 의해 제공되는 비일시적 컴퓨터 판독 가능 저장 매체이다. 상기 메모리는 적어도 하나의 프로세서에 의해 수행 가능한 명령을 저장하므로, 상기 적어도 하나의 프로세서에 의해 본 개시에서 제공되는 얼굴 생체 검출 방법을 수행하도록 한다. 본 개시의 비일시적 컴퓨터 판독 가능 저장 매체에는 컴퓨터 명령이 저장되어 있고, 당해 컴퓨터 명령은 컴퓨터에 의해 본 개시에서 제공되는 얼굴 생체 검출 방법을 수행하도록 사용된다.
메모리(802)는 비일시적 컴퓨터 판독 가능 저장 매체로서, 본 개시의 실시예에 따른 얼굴 생체 검출 방법에 대응되는 프로그램 명령/모듈과 같은 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 수행 가능 프로그램 및 모듈을 저장하는데 사용될 수 있다. 프로세서(801)는 메모리(802)에 저장되어 있는 비일시적 소프트웨어 프로그램, 명령 및 모듈을 수행함으로써 서버의 다양한 기능 응용 및 데이터 처리를 수행하며, 즉 전술한 방법 실시예에 따른 얼굴 생체 검출 방법을 구현한다.
메모리(802)는 프로그램 저장 영역 및 데이터 저장 영역을 포함할 수 있는 바, 프로그램 저장 영역은 운영 시스템, 적어도 하나의 기능에 필요한 응용 프로그램을 저장할 수 있고; 데이터 저장 영역은 얼굴 생체 검출 방법을 수행하는 전자 기기의 사용시 구축된 데이터 등을 저장할 수 있다. 이 외에, 메모리(802)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 적어도 하나의 자기 디스크 메모리 소자, 플래시 메모리 소자 또는 기타 비일시적 솔리드 스테이트 메모리 소자와 같은 비일시적 메모리를 포함할 수도 있다. 일부 실시예에서, 메모리(802)는 프로세서(801)에 대해 원격으로 설치되는 메모리를 선택적으로 포함할 수 있고, 이러한 원격 메모리는 네트워크를 통해 얼굴 생체 검출 방법을 구현하기 위한 전자 기기에 연결될 수 있다. 상기 네트워크의 구현예는 인터넷, 기업 인트라넷, 근거리 통신망, 모바일 통신망 및 이들의 조합을 포함하지만 이에 한정되지 않는다.
얼굴 생체 검출 방법을 구현하기 위한 전자 기기는 입력 장치(803) 및 출력 장치(804)를 더 포함할 수 있다. 프로세서(801), 메모리(802), 입력 장치(803) 및 출력 장치(804)는 버스 또는 다른 방식으로 연결될 수 있고, 도 8에서는 버스를 통한 연결을 예시로 도시되었다.
입력 장치(803)는 입력된 디지털 또는 캐릭터 정보를 수신하고, 얼굴 생체 검출 방법을 구현하기 위한 전자 기기의 사용자 설정 및 기능 제어와 관련된 키 신호 입력을 생성할 수 있으며, 예를 들어 터치 스크린, 작은 키보드, 마우스, 트랙 패드, 터치 패드, 포인팅 스틱, 하나 또는 복수의 마우스 버튼, 트랙볼, 조이스틱 등과 같은 입력 장치일 수 있다. 출력 장치(804)는 디스플레이 기기, 보조 조명 장치(예를 들어, LED) 및 촉각 피드백 장치(예를 들어, 진동 모터) 등을 포함할 수 있다. 당해 디스플레이 기기는 액정 디스플레이 장치(LCD), 발광 다이오드(LED) 디스플레이 장치 및 플라즈마 디스플레이 장치를 포함할 수 있으나 이에 한정되지 않는다. 일부 실시 방식에서, 디스플레이 기기는 터치 스크린일 수 있다.
여기서 설명된 시스템 및 기술의 다양한 실시 방식은 디지털 전자 회로 시스템, 집적 회로 시스템, 주문형 ASIC(주문형 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및 이들의 조합 중의 적어도 하나로 구현될 수 있다. 이러한 다양한 실시 방식은 하나 또는 복수의 컴퓨터 프로그램에서의 구현을 포함할 수 있으며, 당해 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 수행 및/또는 해석될 수있고, 당해 프로그램 가능 프로세서는 전용 또는 일반용일 수 있고, 저장 시스템, 적어도 하나의 입력 장치 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신하고 또한 데이터 및 명령을 당해 저장 시스템, 적어도 하나의 입력 장치 및 적어도 하나의 출력 장치에 전송할 수 있다.
이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 응용 또는 코드로 지칭되기도 함)은 프로그램 가능 프로세서의 기계 명령을 포함하고, 고급 프로세스 및/또는 객체 지향 프로그래밍 언어 및/또는 어셈블리/기계 언어를 사용하여 이러한 컴퓨팅 프로그램을 실시할 수 있다. 본 명세서에서 사용되는 용어 “기계 판독 가능 매체” 및 “컴퓨터 판독 가능 매체”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기 및/또는 장치(예를 들어, 자기 디스크, 광 디스크, 메모리, 프로그램 가능 논리 장치(PLD))를 의미하고, 기계 판독 가능 신호인 기계 명령을 수신하는 기계 판독 가능 매체를 포함한다. 용어 “기계 판독 가능 신호”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.
사용자와의 인터랙션을 제공하기 위해 여기에 설명된 시스템 및 기술은 컴퓨터에서 실시될 수 있다. 당해 컴퓨터는 사용자에게 정보를 디스플레이하기 위한 디스플레이 장치(예를 들어, CRT(음극선관) 또는 LCD(액정 디스플레이) 모니터); 및 키보드 및 포인팅 장치(예를 들어, 마우스 또는 트랙볼)를 구비하며, 사용자는 당해 키보드 및 포인팅 장치를 통해 컴퓨터에 입력을 제공할 수 있다. 다른 유형의 장치를 사용하여 사용자와의 인터랙션을 제공할 수도 있으며, 예를 들어, 사용자에게 제공되는 피드백은 임의의 형태의 감지 피드백(예를 들어, 시각적 피드백, 청각적 피드백 또는 촉각적 피드백)일 수 있고; 임의의 형태(소리 입력, 음성 입력 또는 촉각 입력을 포함)로 사용자로부터의 입력을 수신할 수 있다.
여기서 설명된 시스템 및 기술은 백엔드 구성 요소를 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버로 사용됨), 또는 미들웨어 구성 요소를 포함하는 컴퓨팅 시스템(예를 들어, 응용 서버), 또는 프런트 엔드 구성 요소를 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 사용자 인터페이스 또는 네트워크 브라우저를 구비하는 사용자 컴퓨터인 바, 사용자는 당해 그래픽 사용자 인터페이스 또는 네트워크 브라우저를 통해 여기서 설명된 시스템 및 기술의 실시 방식과 인터랙션할 수 있음), 또는 이러한 백엔드 구성 요소, 미들웨어 구성 요소 또는 프런트 엔드 구성 요소의 임의의 조합을 포한하는 컴퓨팅 시스템에서 실시될 수 있다. 시스템의 구성 요소는 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)을 통해 서로 연결될 수 있다. 통신 네트워크의 예로는 근거리 통신망(LAN), 광역 통신망(WAN), 인터넷 및 블록체인 네트워크를 포함한다.
컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있고, 일반적으로 통신 네트워크를 통해 인터랙션한다. 서로 클라이언트-서버 관계를 가지는 컴퓨터 프로그램을 대응되는 컴퓨터에서 수행하여 클라이언트와 서버 간의 관계를 생성한다. 서버는 클라우드 컴퓨팅 서버 또는 클라우드 호스트라고도 하는 클라우드 서버일 수 있고, 클라우드 컴퓨팅 서비스 시스템 중의 하나의 호스트 제품이고, 기존의 물리적 호스트 및 VPS 서버(“Virtual Private Server”, 또는 약자 “VPS”)에 존재하고 있는 관리가 어렵고 업무 확장이 약한 결점을 해결하기 위한 것이다. 서버는 또한 분산 시스템의 서버, 또는 블록체인을 결합한 서버일 수 있다.
이해 가능한 바로는 전술한 다양한 형태의 프로세스에 있어서 단계 재정렬, 추가 또는 삭제를 할 수 있다. 예를 들어, 본 개시의 기술 수단이 이루고자 하는 결과를 구현할 수 있는 한, 본 출원에 기재된 각 단계들은 병렬로, 순차적으로 또는 다른 순서로 수행될 수 있으나, 본 명세서에서 이에 대해 한정하지 않는다.
전술한 구체적인 실시 방식들은 본 개시의 보호 범위에 대한 한정을 구성하지 않는다. 당업자라면 본 개시의 설계 요건 및 기타 요인에 따라 다양한 수정, 조합, 서브 조합 및 대체가 이루어질 수 있음을 이해해야 한다. 본 개시의 정신과 원칙 내에서 이루어진 모든 수정, 동등한 대체 및 개선은 본 개시의 보호 범위에 포함된다.
Claims (19)
- 얼굴 생체 검출 방법에 있어서,
색상 시퀀스 인증번호를 획득하는 단계;
상기 색상 시퀀스 인증번호에 포함된 색상의 순서에 따라 전자 기기의 스크린에 해당 색상이 순서대로 나타나도록 제어하고, 상기 해당 색상에서 타겟 대상 얼굴의 이미지를 수집하도록 상기 전자 기기의 카메라를 제어하여, 상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스를 획득하는 단계;
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 상기 타겟 대상에 대해 얼굴 생체 인증을 수행하여 생체 점수값을 획득하는 단계;
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 상기 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득하고, 상기 색상 시퀀스 인증번호 및 상기 이미지 시퀀스 각자의 색상에 대응되는 차분도에 따라 색상 인증을 수행하는 단계; 및
상기 생체 점수값 및 색상 인증 결과에 따라 상기 타겟 대상의 최종 얼굴 생체 검출 결과를 결정하는 단계를 포함하는,
것을 특징으로 하는 얼굴 생체 검출 방법. - 제1항에 있어서,
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 상기 타겟 대상에 대해 얼굴 생체 인증을 수행하여 생체 점수값을 획득하는 단계는,
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 대해 얼굴 정렬을 각각 수행하여, 상기 이미지 시퀀스 중의 각 이미지에서의 얼굴 이미지를 획득하는 단계;
각각의 상기 얼굴 이미지에 대해 얼굴 색 생체 검출을 수행하여, 각각의 상기 얼굴 이미지에 대응되는 얼굴 색 생체 점수를 획득하는 단계;
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스 중의 두눈 구역을 각각 절취하여, 상기 이미지 시퀀스 중의 각 이미지에서의 두눈 이미지를 획득하는 단계;
상기 이미지 시퀀스 중의 각 이미지에서의 두눈 이미지에 따라 동공 색 생체 검출을 수행하여, 상기 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수를 획득하는 단계; 및
각각의 상기 얼굴 이미지에 대응되는 얼굴 색 생체 점수 및 상기 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수에 따라, 상기 생체 점수값을 획득하는 단계를 포함하는,
것을 특징으로 하는 얼굴 생체 검출 방법. - 제2항에 있어서,
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스 중의 두눈 구역을 각각 절취하여, 상기 이미지 시퀀스 중의 각 이미지에서의 두눈 이미지를 획득하는 단계는,
상기 이미지 시퀀스 중의 각 이미지의 얼굴 키 포인트를 결정하는 단계;
상기 이미지 시퀀스 중의 각 이미지 중의 두눈 구역 이미지를 절취하는 단계;
상기 각 이미지의 얼굴 키 포인트에 따라 각각의 상기 두눈 구역 이미지 중의 좌안 안각 좌표 및 우안 안각 좌표를 결정하는 단계;
상기 좌안 안각 좌표에 따라 상기 두눈 구역 이미지를 처리하여, 제 1 두눈 이미지를 획득하는 단계;
상기 우안 안각 좌표에 따라 상기 두눈 구역 이미지를 처리하여, 제 2 두눈 이미지를 획득하는 단계; 및
상기 각 이미지의 제 1 두눈 이미지 및 제 2 두눈 이미지를 중첩 처리하여, 상기 각 이미지의 두눈 이미지를 획득하는 단계를 포함하는,
것을 특징으로 하는 얼굴 생체 검출 방법. - 제2항에 있어서,
각각의 상기 얼굴 이미지에 대응되는 얼굴 색 생체 점수 및 상기 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수에 따라, 상기 생체 점수값을 획득하는 단계는,
각각의 상기 얼굴 이미지에 대응되는 얼굴 색 생체 점수 및 상기 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수에 따라 가중 처리를 수행하여, 상기 생체 점수값을 획득하는 단계를 포함하는,
것을 특징으로 하는 얼굴 생체 검출 방법. - 제1항에 있어서,
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 상기 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득하는 단계는,
상기 이미지 시퀀스 중의 각 이미지의 얼굴 키 포인트를 결정하는 단계;
상기 각 이미지의 얼굴 키 포인트에 따라 상기 각 이미지 중의 좌안 외안각 좌표 및 우안 외안각 좌표를 결정하는 단계;
상기 좌안 외안각 좌표 및 우안 외안각 좌표에 따라 상기 각 이미지에 대해 아핀 변환 처리를 수행하여, 상기 각 이미지의 교정된 얼굴 구역 이미지를 획득하는 단계; 및
상기 스크린이 생성한 색상 순서에 따라, 상기 각 이미지의 교정된 얼굴 구역 이미지를 둘씩 차분 연산하여, 상기 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득하는 단계를 포함하는,
것을 특징으로 하는 얼굴 생체 검출 방법. - 제1항에 있어서,
상기 색상 시퀀스 인증번호 및 상기 이미지 시퀀스 각자의 색상에 대응되는 차분도에 따라 색상 인증을 수행하는 단계는,
상기 이미지 시퀀스 각자의 색상에 대응되는 차분도를 색상별 분류하여, 대응되는 색상 시퀀스를 획득하고, 상기 대응되는 색상 시퀀스가 상기 색상 시퀀스 인증번호와 일치하는지 여부를 검증하는 단계를 포함하는,
것을 특징으로 하는 얼굴 생체 검출 방법. - 제1항에 있어서,
상기 색상 시퀀스 인증번호를 획득하는 단계는,
서버에서 생성된 상기 색상 시퀀스 인증번호를 획득하는 단계를 포함하는,
것을 특징으로 하는 얼굴 생체 검출 방법. - 제1항에 있어서,
상기 방법은,
얼굴 생체 검출 과정에서, 상기 타겟 대상의 얼굴을 지속적으로 추적하는 단계;
상기 타겟 대상의 두부가 중도에 카메라에서 이출되는지 여부를 검출하는 단계; 및
상기 타겟 대상의 두부가 중도에 카메라에서 이출된 것에 응답하여 상기 색상 시퀀스 인증번호를 획득하는 단계로 되돌아가는 단계를 더 포함하는,
것을 특징으로 하는 얼굴 생체 검출 방법. - 얼굴 생체 검출 장치에 있어서,
색상 시퀀스 인증번호를 획득하는 획득 모듈;
상기 색상 시퀀스 인증번호에 포함된 색상의 순서에 따라 전자 기기의 스크린에 해당 색상이 순서대로 나타나도록 제어하고, 상기 해당 색상에서 타겟 대상 얼굴의 이미지를 수집하도록 상기 전자 기기의 카메라를 제어하여, 상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스를 획득하는 제어 모듈;
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 상기 타겟 대상에 대해 얼굴 생체 인증을 수행하여 생체 점수값을 획득하는 얼굴 생체 인증 모듈;
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스에 따라 상기 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득하고, 상기 색상 시퀀스 인증번호 및 상기 이미지 시퀀스 각자의 색상에 대응되는 차분도에 따라 색상 인증을 수행하는 색상 인증 모듈; 및
상기 생체 점수값 및 색상 인증 결과에 따라 상기 타겟 대상의 최종 얼굴 생체 검출 결과를 결정하는 결정 모듈을 포함하는,
것을 특징으로 하는 얼굴 생체 검출 장치. - 제9항에 있어서,
상기 얼굴 생체 인증 모듈은 구체적으로,
각각의 상기 얼굴 이미지에 대해 얼굴 색 생체 검출을 수행하여, 각각의 상기 얼굴 이미지에 대응되는 얼굴 색 생체 점수를 획득하고;
상기 타겟 대상의 상이한 색상에서의 이미지 시퀀스 중의 두눈 구역을 각각 절취하여, 상기 이미지 시퀀스 중의 각 이미지에서의 두눈 이미지를 획득하고;
상기 이미지 시퀀스 중의 각 이미지에서의 두눈 이미지에 따라 동공 색 생체 검출을 수행하여, 상기 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수를 획득하고; 및
각각의 상기 얼굴 이미지에 대응되는 얼굴 색 생체 점수 및 상기 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수에 따라, 상기 생체 점수값을 획득하는데 사용되는,
것을 특징으로 하는 얼굴 생체 검출 장치. - 제10항에 있어서,
상기 얼굴 생체 인증 모듈은 구체적으로,
상기 이미지 시퀀스 중의 각 이미지의 얼굴 키 포인트를 결정하고;
상기 이미지 시퀀스 중의 각 이미지 중의 두눈 구역 이미지를 절취하고;
상기 각 이미지의 얼굴 키 포인트에 따라 각각의 상기 두눈 구역 이미지 중의 좌안 안각 좌표 및 우안 안각 좌표를 결정하고;
상기 좌안 안각 좌표에 따라 상기 두눈 구역 이미지를 처리하여, 제 1 두눈 이미지를 획득하고;
상기 우안 안각 좌표에 따라 상기 두눈 구역 이미지를 처리하여, 제 2 두눈 이미지를 획득하고; 및
상기 각 이미지의 제 1 두눈 이미지 및 제 2 두눈 이미지를 중첩 처리하여, 상기 각 이미지의 두눈 이미지를 획득하는데 사용되는,
것을 특징으로 하는 얼굴 생체 검출 장치. - 제10항에 있어서,
상기 얼굴 생체 인증 모듈은 구체적으로,
각각의 상기 얼굴 이미지에 대응되는 얼굴 색 생체 점수 및 상기 이미지 시퀀스 중의 각 이미지의 동공 색 생체 점수에 따라 가중 처리를 수행하여, 상기 생체 점수값을 획득하는데 사용되는,
것을 특징으로 하는 얼굴 생체 검출 장치. - 제9항에 있어서,
상기 색상 인증 모듈은 구체적으로,
상기 이미지 시퀀스 중의 각 이미지의 얼굴 키 포인트를 결정하고;
상기 각 이미지의 얼굴 키 포인트에 따라 상기 각 이미지 중의 좌안 외안각 좌표 및 우안 외안각 좌표를 결정하고;
상기 좌안 외안각 좌표 및 우안 외안각 좌표에 따라 상기 각 이미지에 대해 아핀 변환 처리를 수행하여, 상기 각 이미지의 교정된 얼굴 구역 이미지를 획득하고; 및
상기 스크린이 생성한 색상 순서에 따라, 상기 각 이미지의 교정된 얼굴 구역 이미지를 둘씩 차분 연산하여, 상기 이미지 시퀀스 각자의 색상에 대응되는 차분도를 획득하는데 사용되는,
것을 특징으로 하는 얼굴 생체 검출 장치. - 제9항에 있어서,
상기 색상 인증 모듈은 구체적으로,
상기 이미지 시퀀스 각자의 색상에 대응되는 차분도를 색상별 분류하여, 대응되는 색상 시퀀스를 획득하고, 상기 대응되는 색상 시퀀스가 상기 색상 시퀀스 인증번호와 일치하는지 여부를 검증하는데 사용되는,
것을 특징으로 하는 얼굴 생체 검출 장치. - 제9항 내지 제14항 중 어느 한 항에 있어서,
상기 획득 모듈은 구체적으로,
서버에서 생성된 상기 색상 시퀀스 인증번호를 획득하는데 사용되는,
것을 특징으로 하는 얼굴 생체 검출 장치. - 제9항 내지 제14항 중 어느 한 항에 있어서,
얼굴 생체 검출 과정에서, 상기 타겟 대상의 얼굴을 지속적으로 추적하고, 상기 타겟 대상의 두부가 중도에 카메라에서 이출되는지 여부를 검출하는 검출 모듈을 더 포함하며;
상기 획득 모듈은 또한 상기 타겟 대상의 두부가 중도에 카메라에서 이출된 것에 응답하여 상기 색상 시퀀스 인증번호를 획득하는 단계를 수행하는데 사용되는,
것을 특징으로 하는 얼굴 생체 검출 장치. - 전자 기기에 있어서,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신 가능하게 연결되는 메모리; 를 포함하고,
상기 메모리에는 상기 적어도 하나의 프로세서에 의해 수행 가능한 명령이 저장되어 있고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 수행되므로, 상기 적어도 하나의 프로세서에 의해 제1항 내지 제8항 중 어느 한 항에 따른 방법을 수행하도록 하는,
것을 특징으로 하는 전자 기기. - 컴퓨터 명령이 저장되어 있는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서,
상기 컴퓨터 명령은 상기 컴퓨터가 제1항 내지 제8항 중 어느 한 항에 따른 방법을 수행하는데 사용되는,
것을 특징으로 하는 비일시적 컴퓨터 판독 가능 저장 매체. - 컴퓨터 판독 가능 저장 매체에 저장되어 있는 컴퓨터 프로그램에 있어서,
상기 컴퓨터 프로그램중의 명령이 실행될 경우, 제1항 내지 제8항 중 어느 한 항에 따른 방법이 실행되는,
것을 특징으로 하는 컴퓨터 판독 가능 저장 매체에 저장되어 있는 컴퓨터 프로그램.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110573893.9A CN113361349B (zh) | 2021-05-25 | 2021-05-25 | 人脸活体检测方法、装置、电子设备和存储介质 |
| CN202110573893.9 | 2021-05-25 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220042316A true KR20220042316A (ko) | 2022-04-05 |
Family
ID=77527555
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220033216A KR20220042316A (ko) | 2021-05-25 | 2022-03-17 | 얼굴 생체 검출 방법, 장치, 전자 기기 및 저장 매체 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20220343680A1 (ko) |
| EP (1) | EP4024352B1 (ko) |
| JP (1) | JP7334292B2 (ko) |
| KR (1) | KR20220042316A (ko) |
| CN (1) | CN113361349B (ko) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022222904A1 (zh) * | 2021-04-20 | 2022-10-27 | 北京嘀嘀无限科技发展有限公司 | 图像验证方法、系统及存储介质 |
| US12020512B2 (en) * | 2021-09-17 | 2024-06-25 | Jumio Corporation | Spoof detection using eye boundary analysis |
| CN113792701B (zh) * | 2021-09-24 | 2024-08-13 | 北京市商汤科技开发有限公司 | 一种活体检测方法、装置、计算机设备和存储介质 |
| CN115995102A (zh) * | 2021-10-15 | 2023-04-21 | 北京眼神科技有限公司 | 人脸静默活体检测方法、装置、存储介质及设备 |
| CN114495287A (zh) * | 2021-12-08 | 2022-05-13 | 阿里巴巴（中国）有限公司 | 一种生物识别方法、装置及系统，存储介质和电子设备 |
| CN114445898B (zh) * | 2022-01-29 | 2023-08-29 | 北京百度网讯科技有限公司 | 人脸活体检测方法、装置、设备、存储介质及程序产品 |
| CN114821822A (zh) * | 2022-04-02 | 2022-07-29 | 北京海鑫智圣技术有限公司 | 活体检测方法及装置 |
| CN116311553B (zh) * | 2023-05-17 | 2023-08-15 | 武汉利楚商务服务有限公司 | 应用于半遮挡图像下的人脸活体检测方法及装置 |
| CN116343313B (zh) * | 2023-05-30 | 2023-08-11 | 乐山师范学院 | 一种基于眼部特征的人脸识别方法 |
| CN117011950B (zh) * | 2023-08-29 | 2024-02-02 | 国政通科技有限公司 | 一种活体检测方法及装置 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005238422A (ja) * | 2004-02-27 | 2005-09-08 | Sony Corp | ロボット装置、並びにその状態遷移モデル構築方法及び行動制御方法 |
| JP4970557B2 (ja) * | 2007-03-05 | 2012-07-11 | デジタルオプティックス・コーポレイション・ヨーロッパ・リミテッド | デジタル画像取込装置における顔検索及び検出 |
| US9886639B2 (en) * | 2014-12-31 | 2018-02-06 | Morphotrust Usa, Llc | Detecting facial liveliness |
| US10592729B2 (en) * | 2016-01-21 | 2020-03-17 | Samsung Electronics Co., Ltd. | Face detection method and apparatus |
| US10318831B2 (en) * | 2016-07-21 | 2019-06-11 | Gestigon Gmbh | Method and system for monitoring the status of the driver of a vehicle |
| DE102016011992A1 (de) * | 2016-09-30 | 2018-04-05 | LÜTH & DÜMCHEN Automatisierungsprojekt GmbH | Verfahren zur Lebenderkennung mittels Nachweis von planmäßig erzeugten Reflexionen im Auge einer Person für Vorrichtungen zur Erfassung personenspezifischer Daten |
| GB2560340A (en) * | 2017-03-07 | 2018-09-12 | Eyn Ltd | Verification method and system |
| CN107609514B (zh) * | 2017-09-12 | 2021-08-06 | Oppo广东移动通信有限公司 | 人脸识别方法及相关产品 |
| CN108764069B (zh) * | 2018-05-10 | 2022-01-14 | 北京市商汤科技开发有限公司 | 活体检测方法及装置 |
| CN110969077A (zh) * | 2019-09-16 | 2020-04-07 | 成都恒道智融信息技术有限公司 | 一种基于颜色变化的活体检测方法 |
| CN110765923B (zh) * | 2019-10-18 | 2024-05-24 | 腾讯科技（深圳）有限公司 | 一种人脸活体检测方法、装置、设备及存储介质 |
| CN112329612A (zh) * | 2020-11-03 | 2021-02-05 | 北京百度网讯科技有限公司 | 活体检测方法、装置及电子设备 |
-
2021
- 2021-05-25 CN CN202110573893.9A patent/CN113361349B/zh active Active
-
2022
- 2022-03-17 KR KR1020220033216A patent/KR20220042316A/ko unknown
- 2022-03-18 JP JP2022043293A patent/JP7334292B2/ja active Active
- 2022-04-21 EP EP22169131.4A patent/EP4024352B1/en active Active
- 2022-05-20 US US17/664,268 patent/US20220343680A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CN113361349B (zh) | 2023-08-04 |
| EP4024352A3 (en) | 2022-09-21 |
| JP2022078338A (ja) | 2022-05-24 |
| EP4024352B1 (en) | 2024-01-24 |
| US20220343680A1 (en) | 2022-10-27 |
| EP4024352A2 (en) | 2022-07-06 |
| CN113361349A (zh) | 2021-09-07 |
| JP7334292B2 (ja) | 2023-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20220042316A (ko) | 얼굴 생체 검출 방법, 장치, 전자 기기 및 저장 매체 | |
| US11972638B2 (en) | Face living body detection method and apparatus, device, and storage medium | |
| KR101495430B1 (ko) | 바이오메트릭 인증을 위한 품질 메트릭 | |
| CN112102154B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| EP4033458A2 (en) | Method and apparatus of face anti-spoofing, device, storage medium, and computer program product | |
| US20210334998A1 (en) | Image processing method, apparatus, device and medium for locating center of target object region | |
| WO2017025573A1 (en) | Liveness detection | |
| CN112329612A (zh) | 活体检测方法、装置及电子设备 | |
| CN104537292A (zh) | 用于生物特征验证的电子欺骗检测的方法和系统 | |
| CN111862030B (zh) | 一种人脸合成图检测方法、装置、电子设备及存储介质 | |
| CN113469085B (zh) | 人脸活体检测方法、装置、电子设备及存储介质 | |
| US20220318369A1 (en) | Face recognition system and method capable of updating registered face templates | |
| CN109948450A (zh) | 一种基于图像的用户行为检测方法、装置和存储介质 | |
| KR102316165B1 (ko) | 딥러닝 기반 얼굴 인식 시스템의 공격용 이미지 생성 장치 및 방법 | |
| EP4288858A1 (en) | Intention image analysis for determining user focus | |
| CN112949467B (zh) | 人脸检测方法、装置、电子设备和存储介质 | |
| Kurdthongmee et al. | A yolo detector providing fast and accurate pupil center estimation using regions surrounding a pupil | |
| CN112287909B (zh) | 一种随机生成检测点和交互要素的双随机活体检测方法 | |
| KR20200052068A (ko) | 눈 추적 방법 및 장치 | |
| CN116012459A (zh) | 基于三维视线估计和屏幕平面估计的鼠标定位的方法 | |
| CN113642428A (zh) | 人脸活体检测方法、装置、电子设备及存储介质 | |
| KR102151851B1 (ko) | 적외선 영상 기반 얼굴 인식 방법 및 이를 위한 학습 방법 | |
| KR102325251B1 (ko) | 근태 메뉴의 활성화가 가능한 얼굴 인식 시스템 및 방법 | |
| US20230306790A1 (en) | Spoof detection using intraocular reflection correspondences | |
| US20230306789A1 (en) | Spoof detection using head pose to eye gaze correspondence |