Nothing Special   »   [go: up one dir, main page]

CN107992811A - 人脸识别方法及装置 - Google Patents

人脸识别方法及装置 Download PDF

Info

Publication number
CN107992811A
CN107992811A CN201711203783.3A CN201711203783A CN107992811A CN 107992811 A CN107992811 A CN 107992811A CN 201711203783 A CN201711203783 A CN 201711203783A CN 107992811 A CN107992811 A CN 107992811A
Authority
CN
China
Prior art keywords
image
face
characteristic point
local binary
binary patterns
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711203783.3A
Other languages
English (en)
Inventor
万韶华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
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 Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN201711203783.3A priority Critical patent/CN107992811A/zh
Publication of CN107992811A publication Critical patent/CN107992811A/zh
Pending legal-status Critical Current

Links

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
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]

Landscapes

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

Abstract

本公开是关于一种人脸识别方法及装置。该方法包括：在第一图像中检测到人脸的情况下，定位所述第一图像中的人脸特征点，其中，所述第一图像通过RGB摄像头获取；根据所述第一图像中的人脸特征点的位置，确定第二图像中的人脸特征点，其中，所述第二图像通过红外光摄像头获取；根据所述第二图像中的人脸特征点的位置，提取所述第二图像的局部二值模式特征；根据所述局部二值模式特征，确定所述第二图像中的人脸的类别，其中，所述人脸的类别包括活体人脸和假体人脸。本公开能够准确识别采集到的人脸是活体人脸还是假体人脸，以确保人脸识别系统的安全。

Description

人脸识别方法及装置
技术领域
本公开涉及计算机视觉技术领域，尤其涉及人脸识别方法及装置。
背景技术
随着人脸识别技术的逐步成熟，人脸识别系统已经被大规模使用，并向着全自动化的趋势发展。与指纹、虹膜等生物特征相比，人脸图像非常容易取得(例如，在目标人物不知情的情况下对目标人物拍照，即可获得目标人物的人脸图像)。如果不采取任何防范措施，则只需要采集一张目标人物的人脸图像，就可以通过人脸识别系统的识别。
目前，假体人脸攻击的重要形式包括打印照片攻击、电子屏幕攻击、3D(3Dimensions，三维)打印攻击和投影仪攻击等。在以上几种假体人脸攻击下，RGB(Red，红；Green，绿；Blue，蓝)摄像头难以识别采集到的人脸是活体人脸还是假体人脸。
因此，如何识别采集到的人脸是活体人脸还是假体人脸，以确保人脸识别系统的安全，已成为人脸识别技术中一个迫切需要解决的问题。
发明内容
为克服相关技术中存在的问题，本公开提供一种人脸识别方法及装置。
根据本公开实施例的第一方面，提供一种人脸识别方法，包括：
在第一图像中检测到人脸的情况下，定位所述第一图像中的人脸特征点，其中，所述第一图像通过RGB摄像头获取；
根据所述第一图像中的人脸特征点的位置，确定第二图像中的人脸特征点，其中，所述第二图像通过红外光摄像头获取；
根据所述第二图像中的人脸特征点的位置，提取所述第二图像的局部二值模式特征；
根据所述局部二值模式特征，确定所述第二图像中的人脸的类别，其中，所述人脸的类别包括活体人脸和假体人脸。
在一种可能的实现方式中，根据所述局部二值模式特征，确定所述第二图像中的人脸的类别，包括：
将所述局部二值模式特征输入支持向量机分类器中，由所述支持向量机分类器输出所述第二图像中的人脸的类别。
在一种可能的实现方式中，所述方法还包括：
采用L2范数和L1范数对所述支持向量机分类器的参数向量进行约束。
在一种可能的实现方式中，根据所述第二图像中的人脸特征点的位置，提取所述第二图像的局部二值模式特征，包括：
提取所述第二图像中的人脸特征点的周围区域的局部二值模式特征。
根据本公开实施例的第二方面，提供一种人脸识别装置，包括：
定位模块，用于在第一图像中检测到人脸的情况下，定位所述第一图像中的人脸特征点，其中，所述第一图像通过RGB摄像头获取；
第一确定模块，用于根据所述第一图像中的人脸特征点的位置，确定第二图像中的人脸特征点，其中，所述第二图像通过红外光摄像头获取；
提取模块，用于根据所述第二图像中的人脸特征点的位置，提取所述第二图像的局部二值模式特征；
第二确定模块，用于根据所述局部二值模式特征，确定所述第二图像中的人脸的类别，其中，所述人脸的类别包括活体人脸和假体人脸。
在一种可能的实现方式中，所述第二确定模块用于：
将所述局部二值模式特征输入支持向量机分类器中，由所述支持向量机分类器输出所述第二图像中的人脸的类别。
在一种可能的实现方式中，所述装置还包括：
约束模块，用于采用L2范数和L1范数对所述支持向量机分类器的参数向量进行约束。
在一种可能的实现方式中，所述提取模块用于：
提取所述第二图像中的人脸特征点的周围区域的局部二值模式特征。
根据本公开实施例的第三方面，提供一种人脸识别装置，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。
根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行上述方法。
本公开的实施例提供的技术方案可以包括以下有益效果：通过在第一图像中检测到人脸的情况下，定位第一图像中的人脸特征点，根据第一图像中的人脸特征点的位置，确定由红外光摄像头获取的第二图像中的人脸特征点，根据第二图像中的人脸特征点的位置，提取第二图像的局部二值模式特征，并根据第二图像的局部二值模式特征确定第二图像中的人脸为活体人脸或者假体人脸，由此能够准确识别采集到的人脸是活体人脸还是假体人脸，以确保人脸识别系统的安全。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种人脸识别方法的流程图。
图2是根据一示例性实施例示出的一种人脸识别方法中第一图像的示意图。
图3是根据一示例性实施例示出的一种人脸识别方法中第二图像的示意图。
图4是根据一示例性实施例示出的一种人脸识别方法中第二图像的另一示意图。
图5是根据一示例性实施例示出的一种人脸识别方法中第一图像中的人脸框的示意图。
图6是根据一示例性实施例示出的一种人脸识别方法中第二图像中的人脸框的示意图。
图7是根据一示例性实施例示出的一种人脸识别装置的框图。
图8是根据一示例性实施例示出的一种人脸识别装置的一示例性的框图。
图9是根据一示例性实施例示出的一种用于人脸识别的装置800的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种人脸识别方法的流程图。该方法可以应用于终端设备中。如图1所示，该方法包括步骤S11至步骤S14。
在步骤S11中，在第一图像中检测到人脸的情况下，定位第一图像中的人脸特征点，其中，第一图像通过RGB摄像头获取。
在本实施例中，可以采用相关技术中的人脸检测方法对第一图像进行人脸图像。在第一图像中检测到人脸的情况下，则可以定位第一图像中的人脸特征点；在第一图像中检测不到人脸的情况下，则可以不对第一图像进行人脸特征点的定位。
图2是根据一示例性实施例示出的一种人脸识别方法中第一图像的示意图。，在可见光范围内，识别假体人脸的难度较高，假体人脸在红外光范围内不能表现出明显不同于活体人脸的特征。
在步骤S12中，根据第一图像中的人脸特征点的位置，确定第二图像中的人脸特征点，其中，第二图像通过红外光摄像头获取。
其中，人脸特征点可以包括人脸中的眼睛、鼻子、嘴巴和眉毛等特征点中的一项或多项。
在一种可能的实现方式中，第一图像与第二图像所包含的图像范围可以相同或相似。
作为该实现方式的一个示例，在第一图像与第二图像所包含的图像范围相同的情况下，可以将人脸特征点在第一图像中的坐标，作为人脸特征点在第二图像中的坐标，从而确定第二图像中的人脸特征点。
作为该实现方式的另一个示例，在第一图像与第二图像所包含的图像范围相似的情况下，可以分别提取第一图像和第二图像的SIFT(Scale Invariant FeatureTransform，尺度不变特征变换)特征；根据第一图像的SIFT特征和第二图像的SIFT特征，对第一图像和第二图像进行匹配，可以确定第一图像与第二图像的相对位置关系；根据第一图像与第二图像的相对位置关系，以及第一图像中人脸特征点的位置，可以确定第二图像中的人脸特征点。
在一种可能的实现方式中，第一图像和第二图像可以同时获取。
图3是根据一示例性实施例示出的一种人脸识别方法中第二图像的示意图。例如，图3中的第二图像可以为中波红外线下的人脸图像。
图4是根据一示例性实施例示出的一种人脸识别方法中第二图像的另一示意图。例如，图4中的第二图像可以为长波红外线下的人脸图像。
如图3和图4所示，在红外光范围内，活体人脸不同区域的亮度与区域的温度相关，温度越高，则亮度越高。而假体人脸在红外光范围内表现出明显不同于活体人脸的特征。例如，打印照片的温度与周围环境的温度一致，打印照片在红外光范围内表现为一块亮度均匀的区域。因此，通过红外光能够较准确地识别活体人脸和假体人脸。
在一种可能的实现方式中，可以根据第一图像中的人脸特征点的位置，确定第一图像中的人脸框。图5是根据一示例性实施例示出的一种人脸识别方法中第一图像中的人脸框的示意图。将第一图像中的人脸框和人脸特征点的位置映射到第二图像中，可以得到第二图像中的人脸框和人脸特征点。图6是根据一示例性实施例示出的一种人脸识别方法中第二图像中的人脸框的示意图。
在步骤S13中，根据第二图像中的人脸特征点的位置，提取第二图像的局部二值模式(LBP，Local Binary Patterns)特征。
在一种可能的实现方式中，根据第二图像中的人脸特征点的位置，提取第二图像的局部二值模式特征，可以包括：提取第二图像中的人脸特征点的周围区域的局部二值模式特征。在该实现方式中，可以不提取第二图像中整个人脸框中所有区块的局部二值模式特征，而只提取第二图像中人脸特征点的周围区域的局部二值模式特征，从而能够提高人脸识别的效率。
在步骤S14中，根据该局部二值模式特征，确定第二图像中的人脸的类别，其中，人脸的类别包括活体人脸和假体人脸。
在一种可能的实现方式中，可以获取训练数据集，该训练数据集可以包括多组局部二值模式特征和人脸的类别；根据局部二值模式特征和人脸的类别，可以训练根据局部二值模式特征确定图像中人脸的类别的分类器。其中，分类器可以为支持向量机(SVM，Support Vector Machine)分类器。
本实施例通过在第一图像中检测到人脸的情况下，定位第一图像中的人脸特征点，根据第一图像中的人脸特征点的位置，确定由红外光摄像头获取的第二图像中的人脸特征点，根据第二图像中的人脸特征点的位置，提取第二图像的局部二值模式特征，并根据第二图像的局部二值模式特征确定第二图像中的人脸为活体人脸或者假体人脸，由此能够准确识别采集到的人脸是活体人脸还是假体人脸，以确保人脸识别系统的安全。
在一种可能的实现方式中，根据该局部二值模式特征，确定第二图像中的人脸的类别，可以包括：将该局部二值模式特征输入支持向量机分类器中，由支持向量机分类器输出第二图像中的人脸的类别。
在一种可能的实现方式中，该方法还可以包括：采用L2范数(L2-norm)和L1范数(L1-norm)对支持向量机分类器的参数向量进行约束。
在该实现方式中，采用L2范数λ||ω||2和L1范数η||ω||对支持向量机分类器的参数向量进行约束可以如式1所示，
其中，xi表示第i个局部二值模式特征对应的向量，n表示局部二值模式特征对应的向量的总数，yi＝1表示第二图像中的人脸为活体人脸，yi＝0表示第二图像中的人脸为假体人脸，ω和b为待求解的参数，λ为第一系数，η为第二系数。
传统的支持向量机分类器采用L2范数对支持向量机分类器的参数向量进行约束。采用L2范数对支持向量机分类器的参数向量进行约束，相当于假设支持向量机分类器的参数向量符合高斯分布。该实现方式在L2范数的基础上，添加L1范数对支持向量机分类器的参数向量进行约束，L1范数约束可以对局部二值模式特征向量中的特征值进行选择，有效减少局部二值模式特征向量中的无效特征。因此，采用L2范数和L1范数对支持向量机分类器的参数向量进行约束，能够进一步提高识别活体人脸和假体人脸的准确率。
图7是根据一示例性实施例示出的一种人脸识别装置的框图。参照图7，该装置包括定位模块71、第一确定模块72、提取模块73和第二确定模块74。
该定位模块71被配置为在第一图像中检测到人脸的情况下，定位第一图像中的人脸特征点，其中，第一图像通过RGB摄像头获取。
该第一确定模块72被配置为根据第一图像中的人脸特征点的位置，确定第二图像中的人脸特征点，其中，第二图像通过红外光摄像头获取。
该提取模块73被配置为根据第二图像中的人脸特征点的位置，提取第二图像的局部二值模式特征。
该第二确定模块74被配置为根据该局部二值模式特征，确定第二图像中的人脸的类别，其中，人脸的类别包括活体人脸和假体人脸。
在一种可能的实现方式中，第二确定模块74被配置为：将该局部二值模式特征输入支持向量机分类器中，由支持向量机分类器输出第二图像中的人脸的类别。
图8是根据一示例性实施例示出的一种人脸识别装置的一示例性的框图。参照图8：
在一种可能的实现方式中，该装置还包括约束模块75。
该约束模块75，用于采用L2范数和L1范数对支持向量机分类器的参数向量进行约束。
在一种可能的实现方式中，提取模块73被配置为：提取第二图像中的人脸特征点的周围区域的局部二值模式特征。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本实施例通过在第一图像中检测到人脸的情况下，定位第一图像中的人脸特征点，根据第一图像中的人脸特征点的位置，确定由红外光摄像头获取的第二图像中的人脸特征点，根据第二图像中的人脸特征点的位置，提取第二图像的局部二值模式特征，并根据第二图像的局部二值模式特征确定第二图像中的人脸为活体人脸或者假体人脸，由此能够准确识别采集到的人脸是活体人脸还是假体人脸，以确保人脸识别系统的安全。
图9是根据一示例性实施例示出的一种用于人脸识别的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图9，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种人脸识别方法，其特征在于，包括：
在第一图像中检测到人脸的情况下，定位所述第一图像中的人脸特征点，其中，所述第一图像通过RGB摄像头获取；
根据所述第一图像中的人脸特征点的位置，确定第二图像中的人脸特征点，其中，所述第二图像通过红外光摄像头获取；
根据所述第二图像中的人脸特征点的位置，提取所述第二图像的局部二值模式特征；
根据所述局部二值模式特征，确定所述第二图像中的人脸的类别，其中，所述人脸的类别包括活体人脸和假体人脸。
2.根据权利要求1所述的方法，其特征在于，根据所述局部二值模式特征，确定所述第二图像中的人脸的类别，包括：
将所述局部二值模式特征输入支持向量机分类器中，由所述支持向量机分类器输出所述第二图像中的人脸的类别。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
采用L2范数和L1范数对所述支持向量机分类器的参数向量进行约束。
4.根据权利要求1所述的方法，其特征在于，根据所述第二图像中的人脸特征点的位置，提取所述第二图像的局部二值模式特征，包括：
提取所述第二图像中的人脸特征点的周围区域的局部二值模式特征。
5.一种人脸识别装置，其特征在于，包括：
定位模块，用于在第一图像中检测到人脸的情况下，定位所述第一图像中的人脸特征点，其中，所述第一图像通过RGB摄像头获取；
第一确定模块，用于根据所述第一图像中的人脸特征点的位置，确定第二图像中的人脸特征点，其中，所述第二图像通过红外光摄像头获取；
提取模块，用于根据所述第二图像中的人脸特征点的位置，提取所述第二图像的局部二值模式特征；
第二确定模块，用于根据所述局部二值模式特征，确定所述第二图像中的人脸的类别，其中，所述人脸的类别包括活体人脸和假体人脸。
6.根据权利要求5所述的装置，其特征在于，所述第二确定模块用于：
将所述局部二值模式特征输入支持向量机分类器中，由所述支持向量机分类器输出所述第二图像中的人脸的类别。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
约束模块，用于采用L2范数和L1范数对所述支持向量机分类器的参数向量进行约束。
8.根据权利要求5所述的装置，其特征在于，所述提取模块用于：
提取所述第二图像中的人脸特征点的周围区域的局部二值模式特征。
9.一种人脸识别装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1至4中任意一项所述的方法。
10.一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行根据权利要求1至4中任意一项所述的方法。
CN201711203783.3A 2017-11-27 2017-11-27 人脸识别方法及装置 Pending CN107992811A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711203783.3A CN107992811A (zh) 2017-11-27 2017-11-27 人脸识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711203783.3A CN107992811A (zh) 2017-11-27 2017-11-27 人脸识别方法及装置

Publications (1)

Publication Number Publication Date
CN107992811A true CN107992811A (zh) 2018-05-04

Family

ID=62033251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711203783.3A Pending CN107992811A (zh) 2017-11-27 2017-11-27 人脸识别方法及装置

Country Status (1)

Country Link
CN (1) CN107992811A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109389719A (zh) * 2018-09-29 2019-02-26 厦门狄耐克智能科技股份有限公司 一种小区单元门门禁系统及开门方法
CN110705530A (zh) * 2019-12-13 2020-01-17 珠海亿智电子科技有限公司 基于活体识别的同一人脸框确认方法、装置、设备及介质
CN112395929A (zh) * 2019-08-19 2021-02-23 扬州盛世云信息科技有限公司 一种基于红外图像lbp直方图特征的人脸活体检测方法
CN113128320A (zh) * 2020-01-16 2021-07-16 浙江舜宇智能光学技术有限公司 基于tof相机的人脸活体检测方法、检测装置及电子设备
CN113128259A (zh) * 2019-12-30 2021-07-16 杭州海康威视数字技术股份有限公司 人脸识别设备及人脸识别方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622588A (zh) * 2012-03-08 2012-08-01 无锡数字奥森科技有限公司 双验证人脸防伪方法及装置
CN104966070A (zh) * 2015-06-30 2015-10-07 北京汉王智远科技有限公司 基于人脸识别的活体检测方法和装置
CN105243386A (zh) * 2014-07-10 2016-01-13 汉王科技股份有限公司 人脸活体判断方法以及系统
CN106295694A (zh) * 2016-08-05 2017-01-04 浙江工业大学 一种迭代重约束组稀疏表示分类的人脸识别方法
CN106529436A (zh) * 2016-10-25 2017-03-22 徐鹤菲 一种身份一致性认证方法、装置和移动终端
CN106548521A (zh) * 2016-11-24 2017-03-29 北京三体高创科技有限公司 一种联合2d+3d主动外观模型的人脸对齐方法及系统
CN107169405A (zh) * 2017-03-17 2017-09-15 上海云从企业发展有限公司 基于双目摄像机活体识别的方法及装置
CN107341481A (zh) * 2017-07-12 2017-11-10 深圳奥比中光科技有限公司 利用结构光图像进行识别

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622588A (zh) * 2012-03-08 2012-08-01 无锡数字奥森科技有限公司 双验证人脸防伪方法及装置
CN105243386A (zh) * 2014-07-10 2016-01-13 汉王科技股份有限公司 人脸活体判断方法以及系统
CN104966070A (zh) * 2015-06-30 2015-10-07 北京汉王智远科技有限公司 基于人脸识别的活体检测方法和装置
CN106295694A (zh) * 2016-08-05 2017-01-04 浙江工业大学 一种迭代重约束组稀疏表示分类的人脸识别方法
CN106529436A (zh) * 2016-10-25 2017-03-22 徐鹤菲 一种身份一致性认证方法、装置和移动终端
CN106548521A (zh) * 2016-11-24 2017-03-29 北京三体高创科技有限公司 一种联合2d+3d主动外观模型的人脸对齐方法及系统
CN107169405A (zh) * 2017-03-17 2017-09-15 上海云从企业发展有限公司 基于双目摄像机活体识别的方法及装置
CN107341481A (zh) * 2017-07-12 2017-11-10 深圳奥比中光科技有限公司 利用结构光图像进行识别

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
DIEGO A等: "face recognition with visible and thermal infrared imagery", 《COMPUTER VISION AND IMAGE UNDERSTANDING》 *
HARIHARA SANTOSH DADI等: "improved face recognition rate using hog features and svm classifier", 《IOSR JOURNAL OF ELECTRONICS AND COMMUNICATION ENGINEERING》 *
STAN Z. LI等: "Illumination Invariant Face Recognition Using Near-Infrared Images", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 *
WANG, LI等: "the doubley regularized support vector machine", 《STATISTICA SINICA》 *
侯小红等: "一种基于Harris-SIFT特征点检测的LBP人脸表情识别方法", 《西北大学学报（自然科学版）》 *
邱春玲等: "基于局部二进制描述SIFT特征的锆石图像配准方法", 《吉林大学学报（工学版）》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109389719A (zh) * 2018-09-29 2019-02-26 厦门狄耐克智能科技股份有限公司 一种小区单元门门禁系统及开门方法
CN112395929A (zh) * 2019-08-19 2021-02-23 扬州盛世云信息科技有限公司 一种基于红外图像lbp直方图特征的人脸活体检测方法
CN110705530A (zh) * 2019-12-13 2020-01-17 珠海亿智电子科技有限公司 基于活体识别的同一人脸框确认方法、装置、设备及介质
CN113128259A (zh) * 2019-12-30 2021-07-16 杭州海康威视数字技术股份有限公司 人脸识别设备及人脸识别方法
CN113128259B (zh) * 2019-12-30 2023-08-29 杭州海康威视数字技术股份有限公司 人脸识别设备及人脸识别方法
CN113128320A (zh) * 2020-01-16 2021-07-16 浙江舜宇智能光学技术有限公司 基于tof相机的人脸活体检测方法、检测装置及电子设备
CN113128320B (zh) * 2020-01-16 2023-05-16 浙江舜宇智能光学技术有限公司 基于tof相机的人脸活体检测方法、检测装置及电子设备

Similar Documents

Publication Publication Date Title
CN106295566B (zh) 人脸表情识别方法及装置
CN105631403B (zh) 人脸识别方法及装置
CN104850828B (zh) 人物识别方法及装置
CN106295511B (zh) 人脸跟踪方法及装置
CN109740516A (zh) 一种用户识别方法、装置、电子设备及存储介质
CN105069083B (zh) 关联用户的确定方法及装置
CN107992811A (zh) 人脸识别方法及装置
CN107123081A (zh) 图像处理方法、装置及终端
CN110287671B (zh) 验证方法及装置、电子设备和存储介质
CN103688273B (zh) 辅助弱视用户进行图像拍摄和图像回顾
CN110517185A (zh) 图像处理方法、装置、电子设备及存储介质
CN107832741A (zh) 人脸特征点定位的方法、装置及计算机可读存储介质
CN105224924A (zh) 活体人脸识别方法和装置
CN107122679A (zh) 图像处理方法及装置
CN104484858B (zh) 人物图像处理方法及装置
CN107992814A (zh) 对象寻找方法及装置
CN107527053A (zh) 目标检测方法及装置
CN106971164A (zh) 脸型匹配方法及装置
CN106980840A (zh) 脸型匹配方法、装置及存储介质
CN106682736A (zh) 图像识别方法及装置
CN104077563B (zh) 人脸识别方法和装置
CN106295515A (zh) 确定图像中的人脸区域的方法及装置
CN107766820A (zh) 图像分类方法及装置
CN108197585A (zh) 脸部识别方法和装置
CN109360197A (zh) 图像的处理方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180504

RJ01 Rejection of invention patent application after publication