WO2019127365A1 - 人脸活体检测方法、电子设备和计算机程序产品 - Google Patents
人脸活体检测方法、电子设备和计算机程序产品 Download PDFInfo
- Publication number
- WO2019127365A1 WO2019127365A1 PCT/CN2017/119828 CN2017119828W WO2019127365A1 WO 2019127365 A1 WO2019127365 A1 WO 2019127365A1 CN 2017119828 W CN2017119828 W CN 2017119828W WO 2019127365 A1 WO2019127365 A1 WO 2019127365A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- face
- image
- frame
- detection
- queue
- Prior art date
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
- G06V40/40—Spoof detection, e.g. liveness detection
Definitions
- the present application relates to the field of face detection technologies, and in particular, to a method for detecting a living body of a human face, an electronic device, and a computer program product.
- face recognition technology can directly acquire the camera through the camera. It is convenient and fast, but it also brings some information security issues, such as face photos or face videos. Deceive the face recognition system.
- the embodiment of the present application provides a method for detecting a living body of a human face, an electronic device, and a computer program product, which are mainly used for blind navigation.
- an embodiment of the present application provides a method for detecting a living body of a human face, including:
- the face living body detection passes.
- an embodiment of the present application provides an electronic device, where the electronic device includes:
- a memory one or more processors; a memory coupled to the processor via a communication bus; a processor configured to execute instructions in the memory; the storage medium having stored therein for performing the steps of the method of the first aspect of the claims instruction.
- an embodiment of the present application provides a computer program product for use in conjunction with an electronic device including a display, the computer program product comprising a computer readable storage medium and a computer program mechanism embedded therein, the computer
- the program mechanism includes instructions for performing the various steps in the method of the first aspect described above.
- the image is continuously collected, the face of each frame in the image is tracked, and the image is determined to be a living image, and when the tracking result of each frame face is the same face, the face is detected by the living body, and the image is continuously tracked.
- Each frame in the face effectively prevents the fraudulent behavior of stealing photos, videos or other people's faces during the detection of human faces.
- the behavior of the face recognition system realizes the function of distinguishing real people and ensuring information security.
- FIG. 1 is a schematic flowchart of a method for detecting a living body of a human face according to an embodiment of the present application
- FIG. 2 is a schematic diagram showing the functional structure of a method for detecting a human face in the embodiment of the present application
- FIG. 3 is a schematic flowchart of another method for detecting a living body in a living body according to an embodiment of the present application
- FIG. 4 is a schematic structural diagram of an electronic device according to an embodiment of the present application.
- face recognition technology can directly acquire the camera through the camera. It is convenient and fast, but it also brings some information security issues, such as face photos or face videos. Deceive the face recognition system.
- the embodiment of the present application provides a method for detecting a living body of a human face, continuously collecting images, tracking a face of each frame in the image, and determining that the image is a living image, and the tracking result of each frame is the same face.
- a method for detecting a living body of a human face continuously collecting images, tracking a face of each frame in the image, and determining that the image is a living image, and the tracking result of each frame is the same face.
- a method for detecting a living body in a living body includes:
- step 104 For details of the face motion detection through the queue, see step 105.
- tracking face regions in each frame of image include:
- the face detection of the face region of each frame image is implemented by the following scheme:
- face detection is performed on the face region of each frame image based on the face key point.
- step 102 may use a trained face detector for face detection, such as face detection using a haar feature combined with an adaboost classifier, or a face detection method based on deep learning, such as using fast- The rcnn network performs face detection.
- face detection using a haar feature combined with an adaboost classifier
- a face detection method based on deep learning such as using fast- The rcnn network performs face detection.
- the face tracking can be performed according to the face features, or the key points of the face are extracted first, and then these key points are tracked to ensure that the two frames are the same face.
- the queue is cleared, and the queue is used for subsequent face motion detection. For details about the establishment of the queue, see step 104. For details of the face motion detection through the queue, see step 105.
- each frame image is detected to determine whether each frame is a photo or video.
- the steps such as the depth learning image classification algorithm can be used to realize the photo and video images. Distinguish from real faces.
- any frame image if it is determined that any frame image is not a photo or video, it is determined that any frame is image-detected, and the feature of any frame image is stored in the queue; if any frame image is determined to be a photo or video, It is determined that any frame does not pass the image detection, the subsequent steps are not performed, the queue is cleared, and the face detection does not pass.
- the queue is used for subsequent face motion detection. For details, see step 105.
- the action content is sent to guide the user to perform an action according to the action content.
- step 101 After the action content is sent, the image of the user's action is continuously collected in step 101. After step 102 to step 104, the related image is stored in the queue, that is, the image in the queue includes the image after the action content is sent.
- the queue when the number of frames of the image after the action content is sent reaches a preset threshold; in the queue, the face region of the image after the action content is sent is detected by the face key point; and the face key point detection result is determined. Whether it matches the action content.
- the face key point detection result matches the action content, it is determined that the face motion detection is performed. If the face key point detection result does not match the action content, it is determined that the face motion detection is not passed.
- the action content is a mouth opening, 1) performing face key detection on each frame image after sending the action content in the queue, specifically: normalizing each frame image after sending the action content in the queue; The key point of the face is calculated by calculating the up and down distance of the lips and the distance between the lips in each frame of the processed image. 2) determining whether the face key point detection result matches the action content, specifically: determining whether the lips are open according to the upper and lower distances of the lips in the processed frame images and the distance between the lips; if the lips are open, determining the face key The point detection result matches the action content and is detected by the face motion.
- the detection of the movement of the mouth is normalized to each successive image, and the distance between the upper and lower sides is calculated according to the key points of the face.
- the change of the distance between the lips is also in a continuous state. To judge the opening and closing of the lips.
- the determining manner of the action content includes, but is not limited to, generating a set of random action combination sequences, prompting the user to complete the corresponding action composition, and the steps of the action may be increased or decreased according to the specific applicable scenario.
- multiple face motions and micro-expressions can be detected and randomly combined to perform secondary screening on photos and video images.
- the image is determined to be a living image
- the face motion detection is not passed, the image is not a live image, and the subsequent steps are not performed, the queue is cleared, and the face detection is not passed.
- the face living body detection passes.
- the face living body detection method implemented by the above steps 101 to 107 has the following characteristics:
- the present application performs photo and video filtering on each frame of image, and if it fails, the entire process is restarted; for continuous frame images filtered by photos or videos, face motion detection is performed, and during the detection, if there is no face, If the same person's face is not detected, the image is detected as a photo or video, and the detection time expires, the live detection process is restarted, and the secondary filtering of photos and videos is realized.
- the continuous face feature sequence obtained from the queue is used for face motion detection, and a plurality of face motions randomly generated by the system are completed within a limited time.
- the face recognition module will only be performed through the above live screening process.
- the image is continuously collected, the face of each frame in the image is tracked, and the image is determined to be a living image, and when the tracking result of each frame face is the same face, the face is detected by the living body, and the image is continuously tracked.
- Each frame of the face effectively prevents the fraudulent behavior of stealing photos, videos or other people's faces during the detection of the human face.
- By judging whether the image is a living image it effectively prevents people from being deceived by face photos or face videos.
- the behavior of the face recognition system realizes the function of distinguishing the real person dummy and ensures the information security.
- the embodiment of the present application further provides an electronic device.
- the electronic device includes:
- the storage medium stores instructions for performing the following steps:
- the face living body detection passes.
- tracking the face of each frame in the image including:
- tracking the face area in each frame image includes:
- performing face detection on the face region of each frame image includes:
- Face detection is performed on the face region of each frame image based on the face key point.
- the method before determining that the image is a living image, the method further includes:
- Whether the image is a living image is determined according to the result of the face motion detection.
- image detection is performed on each frame in the image, including:
- each frame image is detected to determine whether each frame is a photo or video.
- the method further includes:
- any frame image is not a photo or a video, it is determined that any frame is image detected, and the features of any frame image are stored in the queue;
- the method before performing the face motion detection according to the image detection result, the method further includes:
- the image in the queue includes the image after the action content is sent.
- performing facial motion detection according to the image detection result including:
- the action content is a mouth opening
- the face key detection is performed, including:
- the method further includes:
- the image is determined to be a living image
- the face motion detection is not passed, the image is not a live image, and the subsequent steps are not performed, the queue is cleared, and the face detection is not passed.
- the method further includes:
- the image is continuously collected, the face of each frame in the image is tracked, and the image is determined to be a living image, and when the tracking result of each frame is the same face, the face is detected by the living body, and the image is continuously tracked.
- Each frame of the face effectively prevents the fraudulent behavior of stealing photos, videos or other people's faces during the detection of the human face.
- By judging whether the image is a living image it effectively prevents people from being deceived by face photos or face videos.
- the behavior of the face recognition system realizes the function of distinguishing the real person dummy and ensures the information security.
- an embodiment of the present application further provides a computer program product for use in conjunction with an electronic device including a display, the computer program product comprising a computer readable storage medium and a computer program mechanism embedded therein,
- the computer program mechanism includes instructions for performing the various steps described below:
- the face living body detection passes.
- tracking the face of each frame in the image including:
- tracking the face area in each frame image includes:
- performing face detection on the face region of each frame image includes:
- Face detection is performed on the face region of each frame image based on the face key point.
- the method before determining that the image is a living image, the method further includes:
- Whether the image is a living image is determined according to the result of the face motion detection.
- image detection is performed on each frame in the image, including:
- each frame image is detected to determine whether each frame is a photo or video.
- the method further includes:
- any frame image is not a photo or a video, it is determined that any frame is image detected, and the features of any frame image are stored in the queue;
- the method before performing the face motion detection according to the image detection result, the method further includes:
- the image in the queue includes the image after the action content is sent.
- performing facial motion detection according to the image detection result including:
- the action content is a mouth opening
- the face key detection is performed, including:
- the method further includes:
- the image is determined to be a living image
- the face motion detection is not passed, the image is not a live image, and the subsequent steps are not performed, the queue is cleared, and the face detection is not passed.
- the method further includes:
- the image is continuously collected, the face of each frame in the image is tracked, and the image is determined to be a living image, and when the tracking result of each frame face is the same face, the face is detected by the living body, and the image is continuously tracked.
- Each frame of the face effectively prevents the fraudulent behavior of stealing photos, videos or other people's faces during the detection of the human face.
- By judging whether the image is a living image it effectively prevents people from being deceived by face photos or face videos.
- the behavior of the face recognition system realizes the function of distinguishing the real person dummy and ensures the information security.
- embodiments of the present application can be provided as a method, system, or computer program product.
- the present application can take the form of an entirely hardware embodiment, an entirely software embodiment, or an embodiment in combination of software and hardware.
- the application can take the form of a computer program product embodied on one or more computer-usable storage media (including but not limited to disk storage, CD-ROM, optical storage, etc.) including computer usable program code.
- the computer program instructions can also be stored in a computer readable memory that can direct a computer or other programmable data processing device to operate in a particular manner, such that the instructions stored in the computer readable memory produce an article of manufacture comprising the instruction device.
- the apparatus implements the functions specified in one or more blocks of a flow or a flow and/or block diagram of the flowchart.
- These computer program instructions can also be loaded onto a computer or other programmable data processing device such that a series of operational steps are performed on a computer or other programmable device to produce computer-implemented processing for execution on a computer or other programmable device.
- the instructions provide steps for implementing the functions specified in one or more of the flow or in a block or blocks of a flow diagram.
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
一种人脸活体检测、电子设备和计算机程序产品，应用于人脸检测技术领域，该方法持续采集影像；跟踪影像中每一帧的人脸；确定影像为活体影像，且各帧人脸的跟踪结果为同一人脸时，人脸活体检测通过。通过持续采集影像，跟踪影像中每一帧的人脸，确定影像为活体影像，且各帧人脸的跟踪结果为同一人脸时，人脸活体检测通过，通过持续跟踪影像中的每一帧人脸，有效防止人脸活体检测过程中偷换照片、视频或他人人脸的欺骗行为，通过对影像是否为活体影像进行判断，有效防止通过人脸照片或者人脸视频欺骗人脸识别系统的行为，实现区分真人假人的功能，保证信息安全。
Description
本申请涉及人脸检测技术领域，特别涉及一种人脸活体检测方法、电子设备和计算机程序产品。
随着深度学习技术的发展，人脸已经成为一种新的身份验证。
人脸识别技术与其他生物特征识别技术相比，通过摄像头直接获取，可以非接触的方式完成识别过程，方便快捷，但是也带来了一些信息安全问题，比如可以通过人脸照片或者人脸视频欺骗人脸识别系统。
发明内容
本申请实施例提供了一种人脸活体检测方法、电子设备和计算机程序产品，主要用于盲人导航。
第一方面，本申请实施例提供了一种人脸活体检测方法，包括：
持续采集影像；
跟踪所述影像中每一帧的人脸；
确定所述影像为活体影像，且各帧人脸的跟踪结果为同一人脸时，人脸活体检测通过。
第二方面，本申请实施例提供了一种电子设备，所述电子设备包括：
存储器，一个或多个处理器；存储器与处理器通过通信总线相连；处理器被配置为执行存储器中的指令；所述存储介质中存储有用于执行权利要求第一方面所述方法中各个步骤的指令。
第三方面，本申请实施例提供了一种与包括显示器的电子设备结合使用的计算机程序产品，所述计算机程序产品包括计算机可读的存储介质和 内嵌于其中的计算机程序机制，所述计算机程序机制包括用于执行上述第一方面所述方法中各个步骤的指令。
有益效果如下：
本申请实施例中，持续采集影像，跟踪影像中每一帧的人脸，确定影像为活体影像，且各帧人脸的跟踪结果为同一人脸时，人脸活体检测通过，通过持续跟踪影像中的每一帧人脸，有效防止人脸活体检测过程中偷换照片、视频或他人人脸的欺骗行为，通过对影像是否为活体影像进行判断，有效防止通过人脸照片或者人脸视频欺骗人脸识别系统的行为，实现区分真人假人的功能，保证信息安全。
下面将参照附图描述本申请的具体实施例，其中：
图1为本申请实施例中的一种人脸活体检测方法流程示意图；
图2为本申请实施例中的一种人脸活体检测方法的功能构成示意图；
图3为本申请实施例中的另一种人脸活体检测方法流程示意图；
图4为本申请实施例中的一种电子设备的结构示意图。
为了使本申请的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以互相结合。
人脸识别技术与其他生物特征识别技术相比，通过摄像头直接获取，可以非接触的方式完成识别过程，方便快捷，但是也带来了一些信息安全问题，比如可以通过人脸照片或者人脸视频欺骗人脸识别系统。
基于此，本申请实施例提供了一种人脸活体检测方法，持续采集影像， 跟踪影像中每一帧的人脸，确定影像为活体影像，且各帧人脸的跟踪结果为同一人脸时，人脸活体检测通过，通过持续跟踪影像中的每一帧人脸，有效防止人脸活体检测过程中偷换照片、视频或他人人脸的欺骗行为，通过对影像是否为活体影像进行判断，有效防止通过人脸照片或者人脸视频欺骗人脸识别系统的行为，实现区分真人假人的功能，保证信息安全。
参见图1，本实施例提供的人脸活体检测方法，包括：
101，持续采集影像。
102，跟踪影像中每一帧的人脸。
本步骤的具体实现方案包括但不限于：
1，确定影像中各帧图像是否存在人脸区域。
2，若存在一帧不存在人脸区域，则不再执行后续步骤，人脸活体检测不通过。同时，清空队列，该队列用于后续的人脸动作检测，该队列的建立详见步骤104，通过该队列进行人脸动作检测的内容详见步骤105。
3，否则，则跟踪各帧图像中的人脸区域。
跟踪各帧图像中的人脸区域的具体实现方式包括：
3.1，对每一帧图像的人脸区域进行人脸检测，获取人脸特征。
其中，通过如下方案实现对每一帧图像的人脸区域进行人脸检测：
3.1.1，提取每一帧图像的人脸区域的人脸关键点。
3.1.2，基于人脸关键点对每一帧图像的人脸区域进行人脸检测。
3.2，对比相邻两针的人脸特征，确定前后两针是否为同一人脸。
在具体实践时，步骤102可采用训练好的人脸检测器进行人脸检测，比如采用和haar特征结合adaboost分类器进行人脸检测，或者采用基于深度学习的人脸检测方法，比如采用faster-rcnn网络进行人脸检测；检测到人脸后，可根据人脸特征进行人脸跟踪，或者先提取人脸关键点，再对这些关键点进行跟踪，以保证前后两帧是同一张人脸。
103，若存在前后两帧非同一人脸，则不再执行后续步骤，人脸活体检测不通过。
同时，清空队列，该队列用于后续的人脸动作检测，该队列的建立详见步骤104，通过该队列进行人脸动作检测的内容详见步骤105。
104，对影像中的每一帧进行图像检测。
检测每一帧图像的人脸区域，判断各帧是否为照片或者视频。
由于照片和视频图像在二次成像过程中，在光照，边框等图像细节上与真实人脸在成像过程中有偏差，本步骤可采用如深度学习图像分类算法等方法，实现对照片、视频图像与真实人脸的区分。
对于任一帧图像，若判断任一帧图像非照片或者视频，则确定任一帧通过图像检测，将任一帧图像的特征存入队列中；若判断任一帧图像为照片或者视频，则确定任一帧未通过图像检测，不再执行后续步骤，清空队列，人脸活体检测不通过。
其中，该队列用于后续的人脸动作检测，详见步骤105。
另外，在执行步骤105之前，会发送动作内容，以引导用户根据该动作内容做动作。
发送动作内容后，用户做动作的影像会在步骤101中被持续采集到，经过步骤102至步骤104，相关图像被存入队列中，即队列中的图像包括发送动作内容后的图像。
105，根据图像检测结果，进行人脸动作检测。
当所述队列中，发送动作内容后的图像的帧数达到预设阈值时；对所述队列中，发送动作内容后的图像的人脸区域做人脸关键点检测；确定人脸关键点检测结果是否与动作内容匹配。
如果人脸关键点检测结果与动作内容匹配，则确定通过人脸动作检测。如果人脸关键点检测结果与动作内容不匹配，则确定未通过人脸动作检测。
下面以动作内容为张嘴为例对其人脸动作检测流程进行描述。
若动作内容为张嘴，则1)对队列中，发送动作内容后的各帧图像做人脸关键点检测，具体为：对队列中，发送动作内容后的各帧图像做归一化处理；根据人脸关键点，计算处理后的各帧图像中嘴唇的上下距离以及嘴唇间距离。2)确定人脸关键点检测结果是否与动作内容匹配，具体为：根据处理后的各帧图像中嘴唇的上下距离以及嘴唇间距离，判断嘴唇是否张开；若嘴唇张开则确定人脸关键点检测结果与动作内容匹配，通过人脸动作检测。
如对张嘴的动作的检测，对连续的每帧图像做归一化，根据人脸关键点，计算上下的距离，在张嘴的持续过程中，嘴唇间距离的变换也是处于连续状态的，由此来判断嘴唇的张开和闭合。
其中动作内容的确定方式，包括但不限于：生成一组随机动作组合顺序，提示用户完成相应动作组成，动作的步骤多少可根据具体适用场景，进行增减。
通过对影像进行人脸动作检测，可以检测出多个人脸动作和微表情，加以随机组合，对照片和视频图像做了二次筛选。
106，根据人脸动作检测结果确定影像是否为活体影像。
若通过人脸动作检测，则确定影像为活体影像；
若未通过人脸动作检测，则确定影像非活体影像，不再执行后续步骤，清空队列，人脸活体检测不通过。
107，确定影像为活体影像，且各帧人脸的跟踪结果为同一人脸时，人脸活体检测通过。
通过上述步骤101至107实现的人脸活体检测方法，具有如下特点：
1)由于照片和视频在做识别的时候，存在二次成像的问题，与正常人的识别图像相比有偏差，通过采用如深度学习分类算法等方法可进行区分， 实现对照片和视频的过滤。
2)通过对影像中每帧图像做人脸关键点检测，可辨别出摇头、点头、眨眼、张嘴、皱眉等多种微表情动作，对这些动作识别加以随机组合的方式，亦可对照片和视频造假情况进行过滤。
本申请通过对每帧图像，都进行照片和视频过滤，没通过，则重新开始整个流程；对通过照片或者视频过滤的连续帧图像，做人脸动作检测，在检测期间，如果出现没有人脸、不是同一个人脸、检测出图像为照片或者视频、检测时间超时等情况，都重新开始活体检测流程，实现对照片和视频的二次过滤。通过这样双层检验，可有效降低误检概率，保证人脸信息真实性。
下面以图2所示的功能构成为例，对本申请提供的人脸活体检测方法再次进行说明。
1)连续人脸检测：
检测有无人脸和定位人脸区域，采用跟踪算法，防止两个人的切换或人与照片的切换。
2)照片、视频检测：
验证采集到的是否为照片或者视频，进行筛选过滤。
3)人脸动作检测：
判断用户是否为正常操作，通过指定用户做随机动作(摇头、点头、张嘴等)和微表情(眨眼，皱眉等)，防止视频攻击、非正常动作的攻击。
参见图3所示的流程，以用队列存储相邻多帧的人脸特征为例。
1)通过对每帧图像进行人脸检测并对同一个人脸进行跟踪，如果在检测期间，发现不是同一人脸，或者中间存在人脸丢失，则重新开始检测，并清空存储的人脸特征队列；
2)对检测到的人脸图像进行照片和视频检测，过滤掉照片和视频的情 况，如果存在一帧是照片或者视频，重新开始，并清空存储的人脸特征队列；如果通过检测，则存入人脸特征缓存队列。
3)从队列中获取到的连续人脸特征序列，做人脸动作检测，在有限的时间内，完成由系统随机产生的几组人脸动作。只有通过以上活体筛选过程，才会进行人脸识别模块。
本申请实施例，持续采集影像，跟踪影像中每一帧的人脸，确定影像为活体影像，且各帧人脸的跟踪结果为同一人脸时，人脸活体检测通过，通过持续跟踪影像中的每一帧人脸，有效防止人脸活体检测过程中偷换照片、视频或他人人脸的欺骗行为，通过对影像是否为活体影像进行判断，有效防止通过人脸照片或者人脸视频欺骗人脸识别系统的行为，实现区分真人假人的功能，保证信息安全。
基于同一构思，本申请实施例还提供了一种电子设备，参见图4，电子设备包括：
存储器401，一个或多个处理器402；以及收发组件403，存储器、处理器以及收发组件403通过通信总线(本申请实施例中是以通信总线为I/O总线进行的说明)相连；所述存储介质中存储有用于执行下述各个步骤的指令：
持续采集影像；
跟踪影像中每一帧的人脸；
确定影像为活体影像，且各帧人脸的跟踪结果为同一人脸时，人脸活体检测通过。
可选地，跟踪影像中每一帧的人脸，包括：
确定影像中各帧图像是否存在人脸区域；
若存在一帧不存在人脸区域，则不再执行后续步骤，人脸活体检测不 通过；
否则，则跟踪各帧图像中的人脸区域。
可选地，跟踪各帧图像中的人脸区域，包括：
对每一帧图像的人脸区域进行人脸检测，获取人脸特征；
对比相邻两针的人脸特征，确定前后两针是否为同一人脸。
可选地，对每一帧图像的人脸区域进行人脸检测，包括：
提取每一帧图像的人脸区域的人脸关键点；
基于人脸关键点对每一帧图像的人脸区域进行人脸检测。
可选地，确定影像为活体影像之前，还包括：
对影像中的每一帧进行图像检测；
根据图像检测结果，进行人脸动作检测；
根据人脸动作检测结果确定影像是否为活体影像。
可选地，对影像中的每一帧进行图像检测，包括：
检测每一帧图像的人脸区域，判断各帧是否为照片或者视频。
可选地，检测每一帧图像的人脸区域，判断各帧是否为照片或者视频之后，还包括：
对于任一帧图像，
若判断任一帧图像非照片或者视频，则确定任一帧通过图像检测，将任一帧图像的特征存入队列中；
若判断任一帧图像为照片或者视频，则确定任一帧未通过图像检测，不再执行后续步骤，清空队列，人脸活体检测不通过。
可选地，根据图像检测结果，进行人脸动作检测之前，还包括：
发送动作内容；
队列中的图像包括发送动作内容后的图像。
可选地，根据图像检测结果，进行人脸动作检测，包括：
当队列中，发送动作内容后的图像的帧数达到预设阈值时；
对队列中，发送动作内容后的图像的人脸区域做人脸关键点检测；
确定人脸关键点检测结果是否与动作内容匹配。
可选地，动作内容为张嘴；
对队列中，发送动作内容后的图像的人脸区域做人脸关键点检测，包括：
对队列中，发送动作内容后的各帧图像做归一化处理；
根据人脸关键点，计算处理后的各帧图像中嘴唇的上下距离以及嘴唇间距离；
确定人脸关键点检测结果是否与动作内容匹配，包括：
根据处理后的各帧图像中嘴唇的上下距离以及嘴唇间距离，判断嘴唇是否张开；
若嘴唇张开则确定人脸关键点检测结果与动作内容匹配。
可选地，根据图像检测结果，进行人脸动作检测之后，还包括：
若通过人脸动作检测，则确定影像为活体影像；
若未通过人脸动作检测，则确定影像非活体影像，不再执行后续步骤，清空队列，人脸活体检测不通过。
可选地，跟踪影像中每一帧的人脸之后，还包括：
若存在前后两帧非同一人脸，则不再执行后续步骤，清空队列，人脸活体检测不通过。
不难理解的是，在具体实施时，就为了实现本申请的基本目的而言，上述的并不必然的需要包含上述的收发组件403。
有益效果：
本申请实施例，持续采集影像，跟踪影像中每一帧的人脸，确定影像为活体影像，且各帧人脸的跟踪结果为同一人脸时，人脸活体检测通过， 通过持续跟踪影像中的每一帧人脸，有效防止人脸活体检测过程中偷换照片、视频或他人人脸的欺骗行为，通过对影像是否为活体影像进行判断，有效防止通过人脸照片或者人脸视频欺骗人脸识别系统的行为，实现区分真人假人的功能，保证信息安全。
再一方面，本申请实施例还提供了一种与包括显示器的电子设备结合使用的计算机程序产品，所述计算机程序产品包括计算机可读的存储介质和内嵌于其中的计算机程序机制，所述计算机程序机制包括用于执行下述各个步骤的指令：
持续采集影像；
跟踪影像中每一帧的人脸；
确定影像为活体影像，且各帧人脸的跟踪结果为同一人脸时，人脸活体检测通过。
可选地，跟踪影像中每一帧的人脸，包括：
确定影像中各帧图像是否存在人脸区域；
若存在一帧不存在人脸区域，则不再执行后续步骤，人脸活体检测不通过；
否则，则跟踪各帧图像中的人脸区域。
可选地，跟踪各帧图像中的人脸区域，包括：
对每一帧图像的人脸区域进行人脸检测，获取人脸特征；
对比相邻两针的人脸特征，确定前后两针是否为同一人脸。
可选地，对每一帧图像的人脸区域进行人脸检测，包括：
提取每一帧图像的人脸区域的人脸关键点；
基于人脸关键点对每一帧图像的人脸区域进行人脸检测。
可选地，确定影像为活体影像之前，还包括：
对影像中的每一帧进行图像检测；
根据图像检测结果，进行人脸动作检测；
根据人脸动作检测结果确定影像是否为活体影像。
可选地，对影像中的每一帧进行图像检测，包括：
检测每一帧图像的人脸区域，判断各帧是否为照片或者视频。
可选地，检测每一帧图像的人脸区域，判断各帧是否为照片或者视频之后，还包括：
对于任一帧图像，
若判断任一帧图像非照片或者视频，则确定任一帧通过图像检测，将任一帧图像的特征存入队列中；
若判断任一帧图像为照片或者视频，则确定任一帧未通过图像检测，不再执行后续步骤，清空队列，人脸活体检测不通过。
可选地，根据图像检测结果，进行人脸动作检测之前，还包括：
发送动作内容；
队列中的图像包括发送动作内容后的图像。
可选地，根据图像检测结果，进行人脸动作检测，包括：
当队列中，发送动作内容后的图像的帧数达到预设阈值时；
对队列中，发送动作内容后的图像的人脸区域做人脸关键点检测；
确定人脸关键点检测结果是否与动作内容匹配。
可选地，动作内容为张嘴；
对队列中，发送动作内容后的图像的人脸区域做人脸关键点检测，包括：
对队列中，发送动作内容后的各帧图像做归一化处理；
根据人脸关键点，计算处理后的各帧图像中嘴唇的上下距离以及嘴唇间距离；
确定人脸关键点检测结果是否与动作内容匹配，包括：
根据处理后的各帧图像中嘴唇的上下距离以及嘴唇间距离，判断嘴唇是否张开；
若嘴唇张开则确定人脸关键点检测结果与动作内容匹配。
可选地，根据图像检测结果，进行人脸动作检测之后，还包括：
若通过人脸动作检测，则确定影像为活体影像；
若未通过人脸动作检测，则确定影像非活体影像，不再执行后续步骤，清空队列，人脸活体检测不通过。
可选地，跟踪影像中每一帧的人脸之后，还包括：
若存在前后两帧非同一人脸，则不再执行后续步骤，清空队列，人脸活体检测不通过。
有益效果：
本申请实施例，持续采集影像，跟踪影像中每一帧的人脸，确定影像为活体影像，且各帧人脸的跟踪结果为同一人脸时，人脸活体检测通过，通过持续跟踪影像中的每一帧人脸，有效防止人脸活体检测过程中偷换照片、视频或他人人脸的欺骗行为，通过对影像是否为活体影像进行判断，有效防止通过人脸照片或者人脸视频欺骗人脸识别系统的行为，实现区分真人假人的功能，保证信息安全。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流 程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
Claims (14)
- 一种人脸活体检测方法，其特征在于，包括：持续采集影像；跟踪所述影像中每一帧的人脸；确定所述影像为活体影像，且各帧人脸的跟踪结果为同一人脸时，人脸活体检测通过。
- 根据权利要求1所述的方法，其特征在于，所述跟踪所述影像中每一帧的人脸，包括：确定所述影像中各帧图像是否存在人脸区域；若存在一帧不存在人脸区域，则不再执行后续步骤，人脸活体检测不通过；否则，则跟踪各帧图像中的人脸区域。
- 根据权利要求2所述的方法，其特征在于，所述跟踪各帧图像中的人脸区域，包括：对每一帧图像的人脸区域进行人脸检测，获取人脸特征；对比相邻两针的人脸特征，确定前后两针是否为同一人脸。
- 根据权利要求3所述的方法，其特征在于，所述对每一帧图像的人脸区域进行人脸检测，包括：提取每一帧图像的人脸区域的人脸关键点；基于所述人脸关键点对每一帧图像的人脸区域进行人脸检测。
- 根据权利要求1-4任一权利要求所述的方法，其特征在于，所述确定所述影像为活体影像之前，还包括：对所述影像中的每一帧进行图像检测；根据图像检测结果，进行人脸动作检测；根据人脸动作检测结果确定所述影像是否为活体影像。
- 根据权利要求5所述的方法，其特征在于，所述对所述影像中的每一帧进行图像检测，包括：检测每一帧图像的人脸区域，判断各帧是否为照片或者视频。
- 根据权利要求6所述的方法，其特征在于，所述检测每一帧图像的人脸区域，判断各帧是否为照片或者视频之后，还包括：对于任一帧图像，若判断所述任一帧图像非照片或者视频，则确定所述任一帧通过图像检测，将所述任一帧图像的特征存入队列中；若判断所述任一帧图像为照片或者视频，则确定所述任一帧未通过图像检测，不再执行后续步骤，清空所述队列，人脸活体检测不通过。
- 根据权利要求7所述的方法，其特征在于，所述根据图像检测结果，进行人脸动作检测之前，还包括：发送动作内容；所述队列中的图像包括发送动作内容后的图像。
- 根据权利要求8所述的方法，其特征在于，所述根据图像检测结果，进行人脸动作检测，包括：当所述队列中，发送动作内容后的图像的帧数达到预设阈值时；对所述队列中，发送动作内容后的图像的人脸区域做人脸关键点检测；确定人脸关键点检测结果是否与所述动作内容匹配。
- 根据权利要求9所述的方法，其特征在于，所述动作内容为张嘴；所述对所述队列中，发送动作内容后的图像的人脸区域做人脸关键点检测，包括：对所述队列中，发送动作内容后的各帧图像做归一化处理；根据人脸关键点，计算处理后的各帧图像中嘴唇的上下距离以及嘴唇间距离；所述确定人脸关键点检测结果是否与所述动作内容匹配，包括：根据处理后的各帧图像中嘴唇的上下距离以及嘴唇间距离，判断嘴唇是否张开；若嘴唇张开则确定人脸关键点检测结果与所述动作内容匹配。
- 根据权利要求8-10任一权利要求所述的方法，其特征在于，所述根据图像检测结果，进行人脸动作检测之后，还包括：若通过人脸动作检测，则确定所述影像为活体影像；若未通过人脸动作检测，则确定所述影像非活体影像，不再执行后续步骤，清空所述队列，人脸活体检测不通过。
- 根据权利要求7-10任一权利要求所述的方法，其特征在于，所述跟踪所述影像中每一帧的人脸之后，还包括：若存在前后两帧非同一人脸，则不再执行后续步骤，清空所述队列，人脸活体检测不通过。
- 一种电子设备，其特征在于，所述电子设备包括：存储器，一个或多个处理器；存储器与处理器通过通信总线相连；处理器被配置为执行存储器中的指令；所述存储介质中存储有用于执行权利要求1至12任一项所述方法中各个步骤的指令。
- 一种与包括显示器的电子设备结合使用的计算机程序产品，所述计算机程序产品包括计算机可读的存储介质和内嵌于其中的计算机程序机制，所述计算机程序机制包括用于执行权利要求1至12任一所述方法中各个步骤的指令。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201780002744.9A CN108140123A (zh) | 2017-12-29 | 2017-12-29 | 人脸活体检测方法、电子设备和计算机程序产品 |
| PCT/CN2017/119828 WO2019127365A1 (zh) | 2017-12-29 | 2017-12-29 | 人脸活体检测方法、电子设备和计算机程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2017/119828 WO2019127365A1 (zh) | 2017-12-29 | 2017-12-29 | 人脸活体检测方法、电子设备和计算机程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2019127365A1 true WO2019127365A1 (zh) | 2019-07-04 |
Family
ID=62400246
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2017/119828 WO2019127365A1 (zh) | 2017-12-29 | 2017-12-29 | 人脸活体检测方法、电子设备和计算机程序产品 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN108140123A (zh) |
| WO (1) | WO2019127365A1 (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111126246A (zh) * | 2019-12-20 | 2020-05-08 | 河南中原大数据研究院有限公司 | 基于3d点云几何特征的人脸活体检测方法 |
| CN111325185A (zh) * | 2020-03-20 | 2020-06-23 | 上海看看智能科技有限公司 | 人脸防欺诈方法及系统 |
| CN111401134A (zh) * | 2020-02-19 | 2020-07-10 | 北京三快在线科技有限公司 | 活体检测方法、装置、电子设备及存储介质 |
| CN111523438A (zh) * | 2020-04-20 | 2020-08-11 | 支付宝实验室(新加坡)有限公司 | 一种活体识别方法、终端设备和电子设备 |
| CN111539249A (zh) * | 2020-03-11 | 2020-08-14 | 西安电子科技大学 | 多因子人脸活体检测系统和方法 |
| CN112507798A (zh) * | 2020-11-12 | 2021-03-16 | 上海优扬新媒信息技术有限公司 | 活体检测方法、电子设备与存储介质 |
| CN112949365A (zh) * | 2019-12-10 | 2021-06-11 | 纬创资通股份有限公司 | 活体脸部辨识系统与方法 |
| CN113780228A (zh) * | 2021-09-18 | 2021-12-10 | 中科海微(北京)科技有限公司 | 人证比对方法、系统、终端及介质 |
| CN114639129A (zh) * | 2020-11-30 | 2022-06-17 | 北京君正集成电路股份有限公司 | 一种用于门禁系统的纸张介质活体检测方法 |
| US11532083B2 (en) | 2017-12-29 | 2022-12-20 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining a region of interest in medical imaging |
| CN114639129B (zh) * | 2020-11-30 | 2024-05-03 | 北京君正集成电路股份有限公司 | 一种用于门禁系统的纸张介质活体检测方法 |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108549884A (zh) * | 2018-06-15 | 2018-09-18 | 天地融科技股份有限公司 | 一种活体检测方法及装置 |
| CN110688878B (zh) * | 2018-07-06 | 2021-05-04 | 北京三快在线科技有限公司 | 活体识别检测方法、装置、介质及电子设备 |
| CN109034014A (zh) * | 2018-07-10 | 2018-12-18 | 天津瑟威兰斯科技有限公司 | 基于人脸微表情识别的活体检测方法 |
| CN109040033A (zh) * | 2018-07-19 | 2018-12-18 | 国政通科技有限公司 | 基于拍摄的身份认证方法、电子设备及存储介质 |
| CN109376608B (zh) * | 2018-09-26 | 2021-04-27 | 中国计量大学 | 一种人脸活体检测方法 |
| CN109635021A (zh) * | 2018-10-30 | 2019-04-16 | 平安科技（深圳）有限公司 | 一种基于人体检测的数据信息录入方法、装置及设备 |
| CN109684927A (zh) * | 2018-11-21 | 2019-04-26 | 北京蜂盒科技有限公司 | 活体检测方法、装置、计算机可读存储介质和电子设备 |
| CN109558856A (zh) * | 2018-12-08 | 2019-04-02 | 北京俩俩科技有限公司 | 一种认证线上用户之间真实好友关系的系统及方法 |
| CN109670430A (zh) * | 2018-12-11 | 2019-04-23 | 浙江大学 | 一种基于深度学习的多分类器融合的人脸活体识别方法 |
| CN109684974A (zh) * | 2018-12-18 | 2019-04-26 | 北京字节跳动网络技术有限公司 | 活体检测方法、装置、电子设备及存储介质 |
| CN110032970A (zh) * | 2019-04-11 | 2019-07-19 | 深圳市华付信息技术有限公司 | 高准确率的活体检测方法、装置、计算机设备及存储介质 |
| CN110059624B (zh) * | 2019-04-18 | 2021-10-08 | 北京字节跳动网络技术有限公司 | 用于检测活体的方法和装置 |
| CN110287767A (zh) * | 2019-05-06 | 2019-09-27 | 深圳市华付信息技术有限公司 | 可防攻击的活体检测方法、装置、计算机设备及存储介质 |
| CN111144277B (zh) * | 2019-12-25 | 2023-09-26 | 东南大学 | 一种带活体检测功能的人脸验证方法和系统 |
| CN111209820B (zh) * | 2019-12-30 | 2024-04-23 | 新大陆数字技术股份有限公司 | 人脸活体检测方法、系统、设备及可读存储介质 |
| CN111259857A (zh) * | 2020-02-13 | 2020-06-09 | 星宏集群有限公司 | 一种人脸笑容评分方法及人脸情绪分类方法 |
| CN111783617B (zh) * | 2020-06-29 | 2024-02-23 | 中国工商银行股份有限公司 | 人脸识别数据处理方法及装置 |
| CN111783677B (zh) * | 2020-07-03 | 2023-12-01 | 北京字节跳动网络技术有限公司 | 人脸识别方法、装置、服务器和计算机可读介质 |
| CN111985331A (zh) * | 2020-07-20 | 2020-11-24 | 中电天奥有限公司 | 预防商业秘密被窃照的检测方法及装置 |
| CN113011385A (zh) * | 2021-04-13 | 2021-06-22 | 深圳市赛为智能股份有限公司 | 人脸静默活体检测方法、装置、计算机设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868677A (zh) * | 2015-01-19 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 一种活体人脸检测方法及装置 |
| CN106022264A (zh) * | 2016-05-19 | 2016-10-12 | 中国科学院自动化研究所 | 基于多任务自编码器的交互式人脸活体检测方法和装置 |
| CN106557726A (zh) * | 2015-09-25 | 2017-04-05 | 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 |
| US20170169303A1 (en) * | 2015-12-10 | 2017-06-15 | International Business Machines Corportation | Spoof Detection for Facial Recognition |
| CN106897658A (zh) * | 2015-12-18 | 2017-06-27 | 腾讯科技（深圳）有限公司 | 人脸活体的鉴别方法和装置 |
| CN106951866A (zh) * | 2017-03-21 | 2017-07-14 | 北京深度未来科技有限公司 | 一种人脸认证方法及装置 |
| WO2017139325A1 (en) * | 2016-02-09 | 2017-08-17 | Aware, Inc. | Face liveness detection using background/foreground motion analysis |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104751110B (zh) * | 2013-12-31 | 2018-12-04 | 汉王科技股份有限公司 | 一种活体检测方法和装置 |
| CN105260726B (zh) * | 2015-11-11 | 2018-09-21 | 杭州海量信息技术有限公司 | 基于人脸姿态控制的交互式视频活体检测方法及其系统 |
-
2017
- 2017-12-29 WO PCT/CN2017/119828 patent/WO2019127365A1/zh active Application Filing
- 2017-12-29 CN CN201780002744.9A patent/CN108140123A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868677A (zh) * | 2015-01-19 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 一种活体人脸检测方法及装置 |
| CN106557726A (zh) * | 2015-09-25 | 2017-04-05 | 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 |
| US20170169303A1 (en) * | 2015-12-10 | 2017-06-15 | International Business Machines Corportation | Spoof Detection for Facial Recognition |
| CN106897658A (zh) * | 2015-12-18 | 2017-06-27 | 腾讯科技（深圳）有限公司 | 人脸活体的鉴别方法和装置 |
| WO2017139325A1 (en) * | 2016-02-09 | 2017-08-17 | Aware, Inc. | Face liveness detection using background/foreground motion analysis |
| CN106022264A (zh) * | 2016-05-19 | 2016-10-12 | 中国科学院自动化研究所 | 基于多任务自编码器的交互式人脸活体检测方法和装置 |
| CN106951866A (zh) * | 2017-03-21 | 2017-07-14 | 北京深度未来科技有限公司 | 一种人脸认证方法及装置 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11532083B2 (en) | 2017-12-29 | 2022-12-20 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining a region of interest in medical imaging |
| CN112949365A (zh) * | 2019-12-10 | 2021-06-11 | 纬创资通股份有限公司 | 活体脸部辨识系统与方法 |
| CN111126246A (zh) * | 2019-12-20 | 2020-05-08 | 河南中原大数据研究院有限公司 | 基于3d点云几何特征的人脸活体检测方法 |
| CN111126246B (zh) * | 2019-12-20 | 2023-04-07 | 陕西西图数联科技有限公司 | 基于3d点云几何特征的人脸活体检测方法 |
| CN111401134A (zh) * | 2020-02-19 | 2020-07-10 | 北京三快在线科技有限公司 | 活体检测方法、装置、电子设备及存储介质 |
| CN111539249A (zh) * | 2020-03-11 | 2020-08-14 | 西安电子科技大学 | 多因子人脸活体检测系统和方法 |
| CN111325185A (zh) * | 2020-03-20 | 2020-06-23 | 上海看看智能科技有限公司 | 人脸防欺诈方法及系统 |
| CN111325185B (zh) * | 2020-03-20 | 2023-06-23 | 上海看看智能科技有限公司 | 人脸防欺诈方法及系统 |
| CN111523438B (zh) * | 2020-04-20 | 2024-02-23 | 支付宝实验室(新加坡)有限公司 | 一种活体识别方法、终端设备和电子设备 |
| CN111523438A (zh) * | 2020-04-20 | 2020-08-11 | 支付宝实验室(新加坡)有限公司 | 一种活体识别方法、终端设备和电子设备 |
| CN112507798A (zh) * | 2020-11-12 | 2021-03-16 | 上海优扬新媒信息技术有限公司 | 活体检测方法、电子设备与存储介质 |
| CN112507798B (zh) * | 2020-11-12 | 2024-02-23 | 度小满科技(北京)有限公司 | 活体检测方法、电子设备与存储介质 |
| CN114639129A (zh) * | 2020-11-30 | 2022-06-17 | 北京君正集成电路股份有限公司 | 一种用于门禁系统的纸张介质活体检测方法 |
| CN114639129B (zh) * | 2020-11-30 | 2024-05-03 | 北京君正集成电路股份有限公司 | 一种用于门禁系统的纸张介质活体检测方法 |
| CN113780228B (zh) * | 2021-09-18 | 2023-07-11 | 中科海微(北京)科技有限公司 | 人证比对方法、系统、终端及介质 |
| CN113780228A (zh) * | 2021-09-18 | 2021-12-10 | 中科海微(北京)科技有限公司 | 人证比对方法、系统、终端及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108140123A (zh) | 2018-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019127365A1 (zh) | 人脸活体检测方法、电子设备和计算机程序产品 | |
| JP7004522B2 (ja) | ライブネス検査方法及び装置 | |
| Fathy et al. | Face-based active authentication on mobile devices | |
| Hadid | Face biometrics under spoofing attacks: Vulnerabilities, countermeasures, open issues, and research directions | |
| CN106557726B (zh) | 一种带静默式活体检测的人脸身份认证系统及其方法 | |
| US10990808B2 (en) | Face liveness detection using background/foreground motion analysis | |
| US9619723B1 (en) | Method and system of identification and authentication using facial expression | |
| CN105612533B (zh) | 活体检测方法、活体检测系统以及计算机程序产品 | |
| WO2019127262A1 (zh) | 基于云端的人脸活体检测方法、电子设备和程序产品 | |
| KR101242390B1 (ko) | 사용자를 인증하기 위한 방법, 장치, 및 컴퓨터 판독 가능한 기록 매체 | |
| Killioğlu et al. | Anti-spoofing in face recognition with liveness detection using pupil tracking | |
| JP2016009453A (ja) | 顔認証装置および顔認証方法 | |
| US20220092295A1 (en) | Facial verification method and apparatus based on three-dimensional (3d) image | |
| CN108280418A (zh) | 脸部图像的欺骗识别方法及装置 | |
| JP2015529365A5 (zh) | ||
| WO2016084072A1 (en) | Anti-spoofing system and methods useful in conjunction therewith | |
| WO2010001311A1 (en) | Networked face recognition system | |
| WO2016172923A1 (zh) | 视频检测方法、视频检测系统以及计算机程序产品 | |
| Derman et al. | Continuous real-time vehicle driver authentication using convolutional neural network based face recognition | |
| KR20170104521A (ko) | 생동감 평가에 근거하는 비디오 스푸핑 검출을 위한 시스템 및 프로세스 | |
| JP7318833B2 (ja) | 画像処理デバイス、画像処理方法、およびプログラム | |
| CN107862298B (zh) | 一种基于红外摄像装置下眨眼的活体检测方法 | |
| KR20220123118A (ko) | 모션 센서 데이터에 기록된 사용자, 동작 및 장치에 특유한 특징을 구분하기 위한 시스템 및 방법 | |
| US20230222842A1 (en) | Improved face liveness detection using background/foreground motion analysis | |
| JPWO2020065954A1 (ja) | 認証装置、認証方法、認証プログラムおよび記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 17935879 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 32PN | Ep: public notification in the ep bulletin as address of the adressee cannot be established |
Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 12/11/2020) |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 17935879 Country of ref document: EP Kind code of ref document: A1 |