TWI743593B - 活體臉部辨識系統與方法 - Google Patents

活體臉部辨識系統與方法 Download PDF

Info

Publication number
TWI743593B
TWI743593B TW108141723A TW108141723A TWI743593B TW I743593 B TWI743593 B TW I743593B TW 108141723 A TW108141723 A TW 108141723A TW 108141723 A TW108141723 A TW 108141723A TW I743593 B TWI743593 B TW I743593B
Authority
TW
Taiwan
Prior art keywords
data
time
living body
face
person
Prior art date
Application number
TW108141723A
Other languages
English (en)
Other versions
TW202121242A (zh
Inventor
洪志揚
張耀宗
高全淵
Original Assignee
緯創資通股份有限公司
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 緯創資通股份有限公司 filed Critical 緯創資通股份有限公司
Priority to TW108141723A priority Critical patent/TWI743593B/zh
Priority to CN201911240155.1A priority patent/CN112818729A/zh
Priority to US16/740,311 priority patent/US11126829B2/en
Publication of TW202121242A publication Critical patent/TW202121242A/zh
Application granted granted Critical
Publication of TWI743593B publication Critical patent/TWI743593B/zh

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
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
    • 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
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Abstract

一種活體臉部辨識方法，包含擷取待辨識者的臉部的複數影像；根據該些影像以得到時變資料，其代表待辨識者因為心跳產生臉部血管收縮與舒張，造成臉部色澤的週期性變化；及比較時變資料與預設頻率範圍，如果時變資料落入預設頻率範圍，表示待辨識者為活體。

Description

活體臉部辨識系統與方法
本發明係有關一種臉部辨識，特別是關於一種活體臉部辨識方法與系統。
臉部辨識(face recognition)是電腦影像處理技術的一種，用以從數位影像(image)或影片(video)識別出人的臉部特徵，可作為保全機制。臉部辨識是生物(biometric)辨識的一種，其他的生物辨識技術如指紋識別、虹膜(iris)識別等。臉部辨識可應用於電子裝置，例如電腦、行動電話、刷卡機等，特別是行動裝置的使用日漸普及，因此對於保全機制的要求也更高。
傳統的臉部辨識系統使用相機以擷取二維(2D)的人臉影像，經萃取臉部五官的特徵後，與資料庫作比對以進行辨識。但是，傳統的臉部辨識系統通常無法分辨相機所擷取的是真正的人或者僅是一張照片，因而形成保全機制的漏洞。
為了提高保全機制的信賴度，有些臉部辨識系統會要求使用者依照指示進行臉部的活動，例如搖擺、旋轉頭部或張嘴、閉眼等動作，以確認相機所擷取的是真正的人。有些臉部辨識系統更於臉部活動時，擷取多張照片，以得到深度資訊，以確認相機所擷取的是真正的人。但是，傳統臉部辨識系統會增加成本，或者於進行臉部活動時花費較多時間且造成使用者的不便。
因此亟需提出一種新穎的臉部辨識機制，不但可以維持或提升保全機制的信賴度，更能加速辨識處理且兼顧使用上的便利性。
鑑於上述，本發明實施例的目的之一在於提出一種活體臉部辨識方法與系統，可快速、便利且準確地辨識臉部。
根據本發明實施例之活體臉部辨識方法，擷取待辨識者的臉部的複數影像。根據該些影像以得到時變資料，其代表待辨識者因為心跳產生臉部血管收縮與舒張，造成臉部色澤的週期性變化。比較時變資料與預設頻率範圍，如果時變資料落入預設頻率範圍，表示待辨識者為活體。
第一A圖顯示本發明實施例之活體臉部辨識系統100的方塊圖，第一B圖顯示本發明實施例之活體臉部辨識方法200A的流程圖。活體臉部辨識系統(以下簡稱系統)100的方塊與活體臉部辨識方法(以下簡稱方法)200A的步驟可使用硬體、軟體或其組合來實施，例如執行於數位影像處理器。
在本實施例中，系統100可包含影像擷取裝置11，例如相機，用以擷取待辨識者臉部的複數影像(步驟21)，例如每秒擷取30圖框(亦即30 FPS (frame per second))。本實施例之相機可為二維相機或者三維相機(例如雙鏡頭的三維相機或者結合二維相機與深度偵測裝置)。
在本實施例中，系統100可包含臉部辨識模組12，其根據該些影像當中的至少一影像，萃取待辨識者臉部的至少一特徵資料(步驟22)。於步驟23，系統100的輸出模組13將萃取的特徵資料與臉部特徵資料庫(以下簡稱資料庫)進行比較。如果萃取的特徵資料未與資料庫相符合(亦即，兩者特徵資料的差值未小於預設臨界值)，表示兩者的臉部特徵不同，則輸出模組13判定為辨識失敗(步驟24)。如果萃取的特徵資料與資料庫相符合，則方法200A的流程進入步驟25。
第二A圖顯示資料庫建立方法300的流程圖。首先，於步驟31，使用相機擷取待辨識者的影像。接著，於步驟32，使用處理器對擷取影像進行臉部偵測(face detection)。於步驟33，根據臉部偵測的結果，從擷取影像當中擷取出臉部影像(亦即，大致僅包含臉部輪廓區域的影像)。接著，於步驟34，處理器從臉部影像當中萃取出多個臉部特徵(face characteristic)。第二B圖例示本實施例之臉部特徵，可為雙眼間距301、鼻子寬度302、眼窩深度303、臉頰骨頭結構304、下巴線條長度305或/且下巴點306。於步驟35，處理器進一步將這些臉部特徵予以數值化(numeralization)，以產生臉部特徵值，作為特徵資料。接著，於步驟36，根據所產生的臉部特徵值以建立模型，據以建立臉部特徵資料庫而儲存於儲存裝置(步驟37)。
第二C圖顯示第一B圖的方法200A之步驟22的細部流程圖。萃取待辨識者臉部的特徵資料(步驟22)類似於第二A圖當中的步驟32~35，亦即，於步驟32，使用臉部辨識模組12對擷取影像進行臉部偵測(face detection)。於步驟33，根據臉部偵測的結果，從擷取影像當中擷取出臉部影像(亦即，大致僅包含臉部輪廓區域的影像)。接著，於步驟34，臉部辨識模組12從臉部影像當中萃取出多個臉部特徵(face characteristic)。於步驟35，臉部辨識模組12進一步將這些臉部特徵予以數值化(numeralization)，以產生臉部特徵值，作為特徵資料。
根據本實施例的特徵之一，系統100可包含活體辨識模組14，其根據該些影像以擷取得到待辨識者臉部當中的至少一選取區域(例如眼部區域、鼻子區域或嘴部區域)的影像資料，經處理選取區域的該些影像資料後以萃取得到顏色資料，再根據顏色資料以得到時變(time-varying)資料，其代表待辨識者因為心跳產生臉部血管收縮與舒張，造成臉部色澤的週期性變化(步驟25)。
在本實施例中，顏色資料可表示為三原色光(例如紅、綠、藍)、亮度-色差(luminance-chrominance)(例如YCbCr或YUV)、亮度值、單一色彩值(例如單一紅、單一綠、單一藍色彩值)或兩種顏色的和。
第三A圖顯示第一A圖之活體辨識模組14的細部方塊圖，第三B圖顯示第一B圖之步驟25的細部流程圖。在本實施例中，活體辨識模組14可包含影像資料擷取裝置141，其接收該些影像，據以擷取得到待辨識者臉部當中的至少一選取區域(例如眼部區域、鼻子區域或嘴部區域)的影像資料(步驟251)。
在本實施例中，活體辨識模組14可包含顏色資料萃取裝置142，其接收選取區域的該些影像資料，經處理以萃取得到顏色資料(步驟252)。在本實施例中，取該些影像資料的平均值(例如數學平均值、中位數或中間部分(例如50%)之平均值)作為顏色資料。在一實施例中，顏色資料可表示為三原色光(例如紅、綠、藍或RGB)與亮度-色差(例如YCbCr)，其關係可表示如下： Y = 0.299 R + 0.587 G + 0.114 B Cb = 0.564 (B – Y) Cr = 0.713 (R – Y) R = Y + 1.402 Cr G = Y – 0.344 Cb – 0.714 Cr B = Y + 1.772 Cb 其中Y代表亮度，Cb代表藍色色差，Cr代表紅色色差。第四A圖例示眼部區域之紅色(R)、綠色(G)、藍色(B)及亮度(Y)之平均值的顏色資料。
在本實施例中，活體辨識模組14可包含波段濾波器(band-pass filter)143，對顏色資料進行波段濾波(步驟253)，以濾取預設頻率範圍(例如一般的心跳頻率範圍0.75~4Hz)，藉以濾除雜訊以得到較平滑的顏色資料。第四B圖例示藍色色差(Cb)與紅色色差(Cr)之和的信號強度，其每秒擷取30圖框，亦即取樣率為每秒30取樣數(sample)；第四C圖顯示第四B圖之信號經過波段濾波後的信號強度。
在本實施例中，活體辨識模組14可包含內插(interpolation)裝置144，對顏色資料進行內插取樣以增加取樣率(步驟254)，除了讓信號較平滑，也可增加頻寬(bandwidth)。第四D圖顯示第四B圖之信號經過內插取樣後的信號強度。
在本實施例中，活體辨識模組14可包含時變資料產生裝置145，其根據(波段濾波或/且內插取樣後的)顏色資料以產生時變資料(步驟255)，其代表待辨識者因為心跳產生臉部血管收縮與舒張，造成臉部色澤的週期性變化。
在一實施例中，時變資料產生裝置145將顏色資料從時域變換為頻域(例如使用快速傅立葉變換(FFT))，取強度最大所相應之頻率作為時變資料。第四E圖例示經變換為頻域的綠色(G)及亮度(Y)的顏色資料。在另一實施例中，於時域的顏色資料當中，將相鄰信號峰值(或谷值)之間的時間作為週期，取其倒數得到頻率作為時變資料；或者，於時域的顏色資料當中，將相鄰(n+1)個信號峰值(或谷值)之間的時間除以n作為平均週期，取其倒數得到頻率作為時變資料。第四F圖例示藍色色差(Cb)與紅色色差(Cr)之和的信號強度，將相鄰信號峰值之間的時間作為週期。在又一實施例中，於時域的顏色資料當中，取顏色資料的一階導數，過零點為負斜率者代表信號波峰，過零點為正斜率者代表信號波谷，將相鄰信號波峰(或波谷)之間的時間作為週期，取其倒數得到頻率作為時變資料。第四G圖顯示第四F圖之信號的一階導數。
於步驟26，輸出模組13將時變資料與預設頻率範圍(例如一般的心跳範圍0.75~4Hz)進行比較。如果時變資料落入預設頻率範圍，表示待辨識者為活體，則輸出模組13判定為辨識成功(步驟27)。如果時變資料未落入預設頻率範圍，表示待辨識者非為活體，則輸出模組13判定為辨識失敗(步驟24)。
第一C圖顯示本發明另一實施例之活體臉部辨識方法200B的流程圖。活體臉部辨識方法200B(以下簡稱方法)與第一B圖的方法200A類似，但是方法200B可適用於多人的活體臉部辨識。於步驟21，影像擷取裝置11擷取複數待辨識者臉部的複數影像。於步驟22，臉部辨識模組12根據該些影像當中的至少一影像，萃取其中一個待辨識者臉部的至少一特徵資料。接著，於步驟23，輸出模組13將萃取的特徵資料與臉部特徵資料庫(以下簡稱資料庫)進行比較。如果萃取的特徵資料未與資料庫相符合(亦即，兩者特徵資料的差值未小於預設臨界值)，表示兩者的臉部特徵不同，則輸出模組13判定為辨識失敗(步驟24)。如果萃取的特徵資料與資料庫相符合，則流程進入步驟25。
於步驟25，活體辨識模組14根據該些影像以擷取得到待辨識者臉部當中的至少一選取區域(例如眼部區域、鼻子區域或嘴部區域)的影像資料，經處理選取區域的該些影像資料(例如取平均值、中位數值或中間部分(例如50%)之平均值)後以萃取得到顏色資料，再根據顏色資料以分別得到時變資料。於步驟26，輸出模組13將時變資料與預設頻率範圍(例如一般的心跳範圍0.75~4Hz)進行比較。如果時變資料落入預設頻率範圍，表示待辨識者為活體，則輸出模組13判定為辨識成功(步驟27)。如果時變資料未落入預設頻率範圍，表示待辨識者非為活體，則輸出模組13判定為辨識失敗(步驟24)。於判定辨識失敗(步驟24)或辨識成功(步驟27)後，流程進入步驟28以決定是否所有待辨識者都已完成辨識，如果為否，則流程回到步驟22，對下一個待辨識者進行辨識。
以上所述僅為本發明之較佳實施例而已，並非用以限定本發明之申請專利範圍；凡其它未脫離發明所揭示之精神下所完成之等效改變或修飾，均應包含在下述之申請專利範圍內。
100:活體臉部辨識系統 11:影像擷取裝置 12:臉部辨識模組 13:輸出模組 14:活體辨識模組 141:影像資料擷取裝置 142:顏色資料萃取裝置 143:波段濾波器 144:內插裝置 145:時變資料產生裝置 200A:活體臉部辨識方法 200B:活體臉部辨識方法 21:擷取影像 22:萃取特徵資料 23:決定特徵資料是否符合資料庫 24:辨識失敗 25:萃取顏色資料據以得到時變資料 251:擷取選取區域的影像資料 252:萃取顏色資料 253:對顏色資料進行波段濾波 254:對顏色資料進行內插取樣 255:產生時變資料 26:決定時變資料是否落入預設範圍 27:辨識成功 28:決定是否所有待辨識者都已完成辨識 300:資料庫建立方法 31:擷取待辨識者的影像 32:臉部偵測 33:擷取臉部影像 34:萃取臉部特徵 35:特徵數值化 36:建立模型 37:儲存於儲存裝置 301:雙眼間距 302:鼻子寬度 303:眼窩深度 304:臉頰骨頭結構 305:下巴線條長度 306:下巴點 R:紅色 G:綠色 B:藍色 Y:亮度 Cb:藍色色差 Cr:紅色色差
第一A圖顯示本發明實施例之活體臉部辨識系統的方塊圖。 第一B圖顯示本發明實施例之活體臉部辨識方法的流程圖。 第一C圖顯示本發明另一實施例之活體臉部辨識方法的流程圖。 第二A圖顯示資料庫建立方法的流程圖。 第二B圖例示本實施例之臉部特徵。 第二C圖顯示第一B圖的方法之步驟22的細部流程圖。 第三A圖顯示第一A圖之活體辨識模組的細部方塊圖。 第三B圖顯示第一B圖之步驟25的細部流程圖。 第四A圖例示眼部區域之紅色(R)、綠色(G)、藍色(B)及亮度(Y)之平均值的顏色資料。 第四B圖例示藍色色差(Cb)與紅色色差(Cr)之和的信號強度。 第四C圖顯示第四B圖之信號經過波段濾波後的信號強度。 第四D圖顯示第四B圖之信號經過內插取樣後的信號強度。 第四E圖例示經變換為頻域的綠色(G)及亮度(Y)的顏色資料。 第四F圖例示藍色色差(Cb)與紅色色差(Cr)之和的信號強度。 第四G圖顯示第四F圖之信號的一階導數。
200A:活體臉部辨識方法
21:擷取影像
22:萃取特徵資料
23:決定特徵資料是否符合資料庫
24:辨識失敗
25:萃取顏色資料據以得到時變資料
26:決定時變資料是否落入預設範圍
27:辨識成功

Claims (10)

  1. 一種活體臉部辨識方法，包含：(a)擷取一待辨識者的臉部的複數影像；(b)根據該些影像以得到一時變資料，其代表該待辨識者因為心跳產生臉部血管收縮與舒張，造成臉部色澤的週期性變化；及(c)比較該時變資料與一預設頻率範圍，如果該時變資料落入該預設頻率範圍，表示該待辨識者為活體；其中該步驟(b)包含：(b1)接收該些影像，據以擷取得到該待辨識者的臉部當中的至少一選取區域的複數影像資料；(b2)處理該些影像資料以萃取得到一顏色資料；及(b3)將該顏色資料從時域變換為頻域，取強度最大所相應之頻率作為該時變資料；其中於時域的該顏色資料當中，將相鄰信號峰值或谷值之間的時間作為週期，取其倒數得到頻率作為該時變資料。
  2. 如請求項1之活體臉部辨識方法，其中該步驟(b2)包含：取該些影像資料的平均值作為該顏色資料。
  3. 如請求項1之活體臉部辨識方法，其中該步驟(b)更包含：對該顏色資料進行波段濾波，以濾取該預設頻率範圍內的該顏色資料。
  4. 如請求項1之活體臉部辨識方法，其中該步驟(b)更包含：對該顏色資料進行內插取樣以增加取樣率。
  5. 如請求項1之活體臉部辨識方法，於該步驟(b)之前，更包含： 根據該些影像當中的至少一影像，萃取該待辨識者臉部的至少一特徵資料；及比較該特徵資料與一臉部特徵資料庫。
  6. 一種活體臉部辨識系統，包含：一影像擷取裝置，擷取一待辨識者的臉部的複數影像；一活體辨識模組，根據該些影像以得到一時變資料，其代表該待辨識者因為心跳產生臉部血管收縮與舒張，造成臉部色澤的週期性變化；及一輸出模組，比較該時變資料與一預設頻率範圍，如果該時變資料落入該預設頻率範圍，表示該待辨識者為活體；其中該活體辨識模組包含：一影像資料擷取裝置，接收該些影像，據以擷取得到該待辨識者的臉部當中的至少一選取區域的複數影像資料；一顏色資料萃取裝置，處理該些影像資料以萃取得到一顏色資料；及一時變資料產生裝置，將該顏色資料從時域變換為頻域，取強度最大所相應之頻率作為該時變資料；其中該時變資料產生裝置於時域的該顏色資料當中，將相鄰信號峰值或谷值之間的時間作為週期，取其倒數得到頻率作為該時變資料。
  7. 如請求項6之活體臉部辨識系統，其中該顏色資料萃取裝置取該些影像資料的平均值作為該顏色資料。
  8. 如請求項6之活體臉部辨識系統，其中該活體辨識模組更包含：一波段濾波器，對該顏色資料進行波段濾波，以濾取該預設頻率範圍內的該顏色資料。
  9. 如請求項6之活體臉部辨識系統，其中該活體辨識模組更包含：一內插裝置，對該顏色資料進行內插取樣以增加取樣率。
  10. 如請求項6之活體臉部辨識系統，更包含：一臉部辨識模組，根據該些影像當中的至少一影像，萃取該待辨識者臉部的至少一特徵資料，且比較該特徵資料與一臉部特徵資料庫。
TW108141723A 2019-11-18 2019-11-18 活體臉部辨識系統與方法 TWI743593B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW108141723A TWI743593B (zh) 2019-11-18 2019-11-18 活體臉部辨識系統與方法
CN201911240155.1A CN112818729A (zh) 2019-11-18 2019-12-06 活体脸部辨识系统与方法
US16/740,311 US11126829B2 (en) 2019-11-18 2020-01-10 Live facial recognition system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108141723A TWI743593B (zh) 2019-11-18 2019-11-18 活體臉部辨識系統與方法

Publications (2)

Publication Number Publication Date
TW202121242A TW202121242A (zh) 2021-06-01
TWI743593B true TWI743593B (zh) 2021-10-21

Family

ID=75852896

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108141723A TWI743593B (zh) 2019-11-18 2019-11-18 活體臉部辨識系統與方法

Country Status (3)

Country Link
US (1) US11126829B2 (zh)
CN (1) CN112818729A (zh)
TW (1) TWI743593B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109101949A (zh) * 2018-08-29 2018-12-28 广州洪荒智能科技有限公司 一种基于彩色视频信号频域分析的人脸活体检测方法
CN109977858A (zh) * 2019-03-25 2019-07-05 北京科技大学 一种基于图像分析的心率检测方法及装置
CN110348385A (zh) * 2019-07-12 2019-10-18 苏州小阳软件科技有限公司 活体人脸识别方法和装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2404283B1 (en) * 2009-03-06 2013-06-19 Koninklijke Philips Electronics N.V. Processing images of at least one living being
KR101443139B1 (ko) * 2011-09-30 2014-09-19 아이포콤 주식회사 단일 영상을 사용한 위조 얼굴 검출 방법
CN103120581B (zh) * 2011-11-18 2015-11-04 原相科技股份有限公司 整合心跳量测及身份辨识的系统及方法
US9495008B2 (en) * 2014-06-27 2016-11-15 Amazon Technologies, Inc. Detecting a primary user of a device
WO2016204968A1 (en) * 2015-06-16 2016-12-22 EyeVerify Inc. Systems and methods for spoof detection and liveness analysis
KR101777738B1 (ko) * 2015-07-07 2017-09-12 성균관대학교산학협력단 동영상을 이용하여 혈압을 추정하는 방법
CN116269262A (zh) * 2016-12-01 2023-06-23 松下知识产权经营株式会社 生物体信息检测装置、生物体信息检测方法及存储介质
CN106845395A (zh) * 2017-01-19 2017-06-13 北京飞搜科技有限公司 一种基于人脸识别进行活体检测的方法
KR101996996B1 (ko) * 2017-07-13 2019-07-05 성균관대학교산학협력단 적외선 영상을 이용한 생체신호 측정 방법 및 장치
US10380444B2 (en) * 2017-07-14 2019-08-13 Hong Kong Baptist University 3D mask face anti-spoofing with remote photoplethysmography
JP6620999B2 (ja) * 2017-11-30 2019-12-18 国立大学法人東北大学 生体情報計測装置、生体情報計測プログラム、及び生体情報計測方法
TWI658815B (zh) * 2018-04-25 2019-05-11 國立交通大學 非接觸式心跳量測系統、非接觸式心跳量測方法以及非接觸式心跳量測裝置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109101949A (zh) * 2018-08-29 2018-12-28 广州洪荒智能科技有限公司 一种基于彩色视频信号频域分析的人脸活体检测方法
CN109977858A (zh) * 2019-03-25 2019-07-05 北京科技大学 一种基于图像分析的心率检测方法及装置
CN110348385A (zh) * 2019-07-12 2019-10-18 苏州小阳软件科技有限公司 活体人脸识别方法和装置

Also Published As

Publication number Publication date
CN112818729A (zh) 2021-05-18
TW202121242A (zh) 2021-06-01
US11126829B2 (en) 2021-09-21
US20210150189A1 (en) 2021-05-20

Similar Documents

Publication Publication Date Title
Nowara et al. Ppgsecure: Biometric presentation attack detection using photopletysmograms
CN105072327B (zh) 一种防闭眼的人像拍摄处理的方法和装置
WO2017177768A1 (zh) 一种信息处理方法及终端、计算机存储介质
CN105612533B (zh) 活体检测方法、活体检测系统以及计算机程序产品
US8983202B2 (en) Smile detection systems and methods
TW201911130A (zh) 一種翻拍影像識別方法及裝置
JP4597391B2 (ja) 顔領域検出装置およびその方法並びにコンピュータ読み取り可能な記録媒体
TWI731503B (zh) 活體臉部辨識系統與方法
US11006864B2 (en) Face detection device, face detection system, and face detection method
US20170161553A1 (en) Method and electronic device for capturing photo
CN109359634A (zh) 一种基于双目摄像机的人脸活体检测方法
WO2017096861A1 (zh) 拍摄照片的方法及装置
WO2016172923A1 (zh) 视频检测方法、视频检测系统以及计算机程序产品
JP6157165B2 (ja) 視線検出装置及び撮像装置
Li et al. Video is all you need: Attacking PPG-based biometric authentication
TWI743593B (zh) 活體臉部辨識系統與方法
CN110321782B (zh) 一种检测人体特征信号的系统
JP6497218B2 (ja) 脈波検出装置、脈波検出方法、脈波検出システム、及び、プログラム
CN112364329A (zh) 一种结合心率检测的人脸认证系统及方法
CN110321781B (zh) 一种用于无接触式测量的信号处理方法及装置
JP2004128715A (ja) ビデオデータの記憶制御方法およびシステム、プログラム、記録媒体、ビデオカメラ
TWI478690B (zh) 整合心跳量測及身份辨識的系統及方法
Tankasala et al. Application of pyramidal directional filters for biometric identification using conjunctival vasculature patterns
CN110547782B (zh) 一种用于无接触式测量的脉率信号处理方法及装置
JP6471924B2 (ja) 顔認証装置及び顔認証方法