• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 25
    • 下载费用:30 金币  

    重庆时时彩杀码个位: 活体判别方法和装置、身份认证方法和装置.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201610992121.8

    申请日:

    2016.11.10

    公开号:

    CN106570489A

    公开日:

    2017.04.19

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06K 9/00申请日:20161110|||公开
    IPC分类号: G06K9/00 主分类号: G06K9/00
    申请人: 腾讯科技(深圳)有限公司
    发明人: 赵凌; 李季檩
    地址: 518000 广东省深圳市福田区振兴路赛格科技园2栋东403室
    优先权:
    专利代理机构: 广州华进联合专利商标代理有限公司 44224 代理人: 何平;邓云鹏
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201610992121.8

    授权公告号:

    |||

    法律状态公告日:

    2018.01.05|||2017.04.19

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明涉及一种活体判别方法,所述方法包括:采集多帧人脸图像;对每一帧人脸图像,提取人脸区域;获取人脸区域的光照强度,根据所述人脸区域的光照强度,计算每一帧人脸图像对应的脉搏特征;根据所述每一帧人脸图像对应的脉搏特征,建立脉搏特征曲线;将所述脉搏特征曲线与预存标准非活体脉搏特征曲线进行对比,若所述脉搏特征曲线的特征值与所述预存标准非活体脉搏特征曲线的特征值相差超过预设特征阈值,则判定采集到的是活体人脸图像,否则,判定采集到的是非活体人脸图像。此方法能够节省硬件成本且提高检测率。此外,还提供了一种活体判别装置、一种身份认证方法和装置。

    权利要求书

    1.一种活体判别方法,所述方法包括:
    采集多帧人脸图像;
    对每一帧人脸图像,提取人脸区域;
    获取人脸区域的光照强度,根据所述人脸区域的光照强度,计算每一帧人脸图像对应
    的脉搏特征;
    根据所述每一帧人脸图像对应的脉搏特征,建立脉搏特征曲线;
    将所述脉搏特征曲线与预存标准非活体脉搏特征曲线进行对比,若所述脉搏特征曲线
    的特征值与所述预存标准非活体脉搏特征曲线的特征值相差超过预设特征阈值,则判定采
    集到的是活体人脸图像,否则,判定采集到的是非活体人脸图像。
    2.根据权利要求1所述的方法,其特征在于,所述获取人脸区域的光照强度,根据所述
    人脸区域的光照强度,计算每一帧人脸图像对应的脉搏特征,包括:
    对所述人脸区域进行分割得到人脸子区域;
    获取每个所述人脸子区域对应的光照强度和每个人脸子区域对应的权重,根据所述人
    脸子区域对应的光照强度和所述人脸子区域对应的权重,计算每一帧人脸图像对应的脉搏
    特征。
    3.根据权利要求2所述的方法,其特征在于,所述对人脸区域进行分割得到人脸子区
    域,包括:
    获取所述人脸子区域中所有像素的光照强度,若任意两个像素的光照强度的差值超过
    预设光强阈值,继续分割所述人脸子区域,直至分割后得到的人脸子区域中的任意两个像
    素的光照强度的差值不超过预设光强阈值。
    4.一种身份认证方法,所述方法包括:
    接收用户身份认证请求,所述用户身份认证请求携带用户标识;
    根据所述用户身份认证请求,采集用户的多帧人脸图像;
    对每一帧人脸图像,提取人脸区域;
    获取人脸区域的光照强度,根据所述人脸区域的光照强度,计算每一帧人脸图像对应
    的脉搏特征;
    根据所述每一帧人脸图像对应的脉搏特征,建立脉搏特征曲线;
    将所述脉搏特征曲线与预存的与所述用户标识对应的标准脉搏特征曲线进行对比,若
    所述脉搏特征曲线的特征值与所述标准脉搏特征曲线的特征值相差在预设范围内,则用户
    身份认证通过,否则用户身份认证不通过。
    5.根据权利要求4所述的方法,其特征在于,在将所述脉搏特征曲线与预存的与所述用
    户标识对应的标准脉搏特征曲线进行对比之前,还包括:
    将所述脉搏特征曲线与预先标准非活体脉搏特征曲线进行对比,若所述脉搏特征曲线
    的特征值与所述预先标准非活体脉搏特征曲线的特征值相差超过预设特征阈值,则进入所
    述将脉搏特征曲线与预存的与用户标识对应的标准脉搏特征曲线进行对比的步骤。
    6.根据权利要所述的4方法,其特征在于,所述获取人脸区域的光照强度,根据人脸区
    域的光照强度,计算每一帧人脸图像对应的脉搏特征,包括:
    对所述人脸区域进行分割得到人脸子区域;
    获取每个所述人脸子区域的光照强度和每个人脸子区域的权重,根据所述人脸子区域
    的光照强度和所述人脸子区域的权重,计算每一帧人脸图像对应的脉搏特征。
    7.根据权利要求6所述的方法,其特征在于,所述对人脸区域进行分割得到人脸子区
    域,包括:
    获取所述人脸子区域中所有像素的光照强度,若任意两个像素的光照强度的差值超过
    预设光强阈值,继续分割所述人脸子区域,直至分割后得到的人脸子区域中的任意两个像
    素的光照强度的差值不超过预设光强阈值。
    8.一种活体判别装置,其特征在于,所述装置包括:
    人脸图像采集???,用于采集多帧人脸图像;
    人脸区域提取???,用于对每一帧人脸图像,提取人脸区域;
    脉搏特征计算???,用于获取所述人脸区域的光照强度,根据所述光照强度,计算所述
    每一帧人脸图像对应的脉搏特征;
    脉搏特征曲线建立???,用于根据所述每一帧人脸图像对应的所述脉搏特征,建立脉
    搏特征曲线;
    活体判别???,用于将所述脉搏特征曲线与预存标准非活体脉搏特征曲线进行对比,
    若所述脉搏特征曲线的特征值与所述预存标准非活体脉搏特征曲线的特征值相差超过预
    设特征阈值,则判定采集到的是活体人脸图像,否则,判定采集到的是非活体人脸图像。
    9.根据权利要求8所示的装置,其特征在于,所述脉搏特征计算??橛糜诙运鋈肆城?br />域进行分割得到人脸子区域;获取每个所述人脸子区域的光照强度和每个人脸子区域的权
    重,根据所述人脸子区域的光照强度和所述人脸子区域的权重,计算每一帧人脸图像对应
    的脉搏特征。
    10.根据权利要求8所述的装置,其特征在于,所述脉搏特征计算??橛糜诨袢∷鋈?br />脸子区域中所有像素的光照强度,若任意两个像素的光照强度的差值超过预设光强阈值,
    继续分割所述人脸子区域,直至分割后得到的人脸子区域中的任意两个像素的光照强度的
    差值不超过预设光强阈值。
    11.一种身份认证装置,其特征在于,所述装置包括:
    身份认证请求获取???,用于接收身份认证请求,所述用户身份认证请求携带用户标
    识;
    人脸图像采集???,用于根据所述用户身份认证请求,采集用户的多帧人脸图像;
    人脸区域提取???,用于对每一真人脸图像,提取人脸区域;
    脉搏特征计算???,用于获取人脸区域的光照强度,根据所述人脸区域的光照强度,计
    算每一帧人脸图像对应的脉搏特征;
    脉搏特征曲线建立???,用于根据所述每一帧人脸图像对应的脉搏特征,建立脉搏特
    征曲线;
    身份认证???,用于将所述脉搏特征曲线与预存的与所述用户标识对应的标准脉搏特
    征曲线进行对比,若所述脉搏特征曲线的特征值与所述标准脉搏特征曲线的特征值相差在
    预设范围内,则用户身份认证通过,否则用户身份认证不通过。
    12.根据权利要求11所述的装置,其特征在于,所述装置还包括:
    活体判别???,用于将所述脉搏特征曲线与预先标准非活体脉搏特征曲线进行对比,
    若所述脉搏特征曲线的特征值与所述预先标准非活体脉搏特征曲线的特征值相差超过预
    设特征阈值,则进入所述将脉搏特征曲线与预存的与用户标识对应的标准脉搏特征曲线进
    行对比的步骤。
    13.根据权利要求11所述的装置,其特征在于,所述脉搏特征计算??橛糜诙运鋈肆?br />区域进行分割得到人脸子区域;获取每个所述人脸子区域对应的光照强度和每个人脸子区
    域对应的权重,根据所述人脸子区域对应的光照强度和所述权重计算每一帧人脸图像对应
    的脉搏特征。
    14.根据权利要求11所述的装置,其特征在于,所述脉搏特征计算??橛糜诨袢∷鋈?br />脸子区域中所有像素的光照强度,若任意两个像素的光照强度的差值超过预设光强阈值,
    继续分割所述人脸子区域,直至分割后得到的人脸子区域中的任意两个像素的光照强度的
    差值不超过预设光强阈值。

    说明书

    活体判别方法和装置、身份认证方法和装置

    技术领域

    本发明涉及计算机技术领域,特别是涉及一种活体判别方法和装置、身份认证方
    法和装置。

    背景技术

    随着对信息安全需求的不断增长,人脸活体判别已被广泛应用于人脸门禁、金融
    核身等领域,以防止用户使用非法照片通过人脸识别系统或机器大规模自动注册银行账户
    等。

    传统的活体判别技术,通常需要在实际应用场景中结合一定的交互,如摇头、眨眼
    等,通过脸部某一点的位置移动来区分真人和照片;传统的光学体积描记法,采用近距离接
    触式,通过附加的仪器设备检测人体末端的血液容积变化,估计出人的脉搏,再根据脉搏的
    变化区分真人与照片。

    然而,这种传统的活体判别需要用户交互,只有用户按照提示做出正确的交互后,
    才能通过活体检测,导致检测率低;传统的光学体积描记法需要附加仪器设备,使得硬件成
    本高。

    发明内容

    基于此,有必要针对上述问题,提供一种能够节省硬件成本且能提高检测率的活
    体判别方法和装置、身份认证方法和装置。

    一种活体判别方法,所述方法包括:

    采集多帧人脸图像;

    对每一帧人脸图像,提取人脸区域;

    获取人脸区域的光照强度,根据所述人脸区域的光照强度,计算每一帧人脸图像
    对应的脉搏特征;

    根据所述每一帧人脸图像对应的脉搏特征,建立脉搏特征曲线;

    将所述脉搏特征曲线与预存标准非活体脉搏特征曲线进行对比,若所述脉搏特征
    曲线的特征值与所述预存标准非活体脉搏特征曲线的特征值相差超过预设特征阈值,则判
    定采集到的是活体人脸图像,否则,判定采集到的是非活体人脸图像。

    一种活体判别装置,所述装置包括:

    人脸图像采集???,用于采集多帧人脸图像;

    人脸区域提取???,用于对每一帧人脸图像,提取人脸区域;

    脉搏特征计算???,用于获取所述人脸区域的光照强度,根据所述光照强度,计算
    所述每一帧人脸图像对应的脉搏特征;

    脉搏特征曲线建立???,用于根据所述每一帧人脸图像对应的所述脉搏特征,建
    立脉搏特征曲线;

    活体判别???,用于将所述脉搏特征曲线与预存标准非活体脉搏特征曲线进行对
    比,若所述脉搏特征曲线的特征值与所述预存标准非活体脉搏特征曲线的特征值相差超过
    预设特征阈值,则判定采集到的是活体人脸图像,否则,判定采集到的是非活体人脸图像。

    上述活体判别方法和装置,通过采集多帧人脸图像,对每一帧人脸图像,提取人脸
    区域,获取人脸区域的光照强度,根据人脸区域的光照强度,计算每一帧人脸图像对应的脉
    搏特征,再根据每一帧人脸图像对应的脉搏特征,建立脉搏特征曲线,将脉搏特征曲线与预
    存标准非活体脉搏特征曲线进行对比,再根据对比结果进行活体判定。由于该方法和装置
    利用人脸区域的光照强度计算人脸图像对应的脉搏特征,分析脉搏特征曲线实现活体判
    定,而不需要额外的仪器设备来估计脉搏特征,节省了硬件成本;也不需要用户的交互来完
    成活体判定,提高了活体判别的检测率。

    一种身份认证方法,所述方法包括:

    接收用户身份认证请求,所述用户身份认证请求携带用户标识;

    根据所述用户身份认证请求,采集用户的多帧人脸图像;

    对每一帧人脸图像,提取人脸区域;

    获取人脸区域的光照强度,根据所述人脸区域的光照强度,计算每一帧人脸图像
    对应的脉搏特征;

    根据所述每一帧人脸图像对应的脉搏特征,建立脉搏特征曲线;

    将所述脉搏特征曲线与预存的与所述用户标识对应的标准脉搏特征曲线进行对
    比,若所述脉搏特征曲线的特征值与所述标准脉搏特征曲线的特征值相差在预设范围内,
    则用户身份认证通过,否则用户身份认证不通过。

    一种身份认证装置,所述装置包括:

    身份认证请求获取???,用于接收身份认证请求,所述用户身份认证请求携带用
    户标识;

    人脸图像采集???,用于根据所述用户身份认证请求,采集用户的多帧人脸图像;

    人脸区域提取???,用于对每一真人脸图像,提取人脸区域;

    脉搏特征计算???,用于获取人脸区域的光照强度,根据所述人脸区域的光照强
    度,计算每一帧人脸图像对应的脉搏特征;

    脉搏特征曲线建立???,用于根据所述每一帧人脸图像对应的脉搏特征,建立脉
    搏特征曲线;

    身份认证???,用于将所述脉搏特征曲线与预存的与所述用户标识对应的标准脉
    搏特征曲线进行对比,若所述脉搏特征曲线的特征值与所述标准脉搏特征曲线的特征值相
    差在预设范围内,则用户身份认证通过,否则用户身份认证不通过。

    上述身份认证方法和装置,通过将活体判别方法应用到身份认证领域,将活体判
    别时得到的脉搏特征曲线与预存的与所述用户标识对应的标准脉搏特征曲线进行对比,若
    脉搏特征曲线的特征值与所述标准脉搏特征曲线的特征值相差在预设范围内,则用户身份
    认证通过,否则用户身份认证不通过。由于该方法和装置是通过对比用户的脉搏特征曲线
    来进行身份认证,不需要用户做额外的交互动作,也不需要额外的仪器设备,因此能够提高
    身份认证的效率以及节省硬件成本。

    附图说明

    图1为一个实施例中活体判别方法和身份认证方法的应用环境图;

    图2A为一个实施例中服务器的内部结构图;

    图2B为一个实施例中终端的内部结构图;

    图3为一个实施例中活体判别方法的流程图;

    图4为一个实施例中图3的人脸额头区域分割结果图;

    图5为一个实施例中图3的脉搏特征计算方法的流程图;

    图6为一个实施例中身份认证方法的流程图;

    图7为一个实施例中图6的脉搏特征计算方法的流程图;

    图8为另一个实施例中身份认证方法的流程图;

    图9为一个实施例中活体判别装置的结构框图;

    图10为一个实施例中身份认证装置的结构框图;

    图11为另一个实施例中身份认证装置的结构框图。

    具体实施方式

    为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对
    本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并
    不用于限定本发明。

    本发明实施例提供的活体判别方法可应用于如图1所示的环境中。参考图1所示,
    服务器102可接收终端104采集到的多帧人脸图像并进行处理。具体的,服务器102通过网络
    与终端104进行通信,接收终端104发送的采集到的多帧人脸图像,提取每一帧人脸图像的
    人脸区域,获取人脸区域的光照强度,计算每一帧人脸图像对应的脉搏特征并建立脉搏特
    征曲线,将建立的脉搏特征曲线与标准非活体脉搏特征曲线进行对比,根据对比结果进行
    活体判别,并将判定结果发送给终端104。这里的终端包括但不限于各种个人计算机、笔记
    本电脑、智能手机、平板电脑、便携式穿戴设备等。应当说明的是,在其他实施例中,终端采
    集到多帧人脸图像也可直接对多帧人脸图像进行处理,判别图像是否为活体。

    本发明实施例提供的身份认证方法也可应用于如图1所示的环境中。参考图1所
    示,服务器102可接收终端104发送的用户身份认证请求,也可将用户身份认证结果返回给
    终端104。具体的,服务器102通过网络与终端104进行通信,接收终端104发送的用户身份认
    证请求和终端104根据用户身份认证请求采集的用户的多帧人脸图像,提取每一帧人脸图
    像的人脸区域,获取人脸区域的光照强度,计算每一帧人脸图像对应的脉搏特征并建立脉
    搏特征曲线,将建立的脉搏特征曲线与预存的与用户标识对应的标准脉搏特征曲线进行对
    比,根据对比结果进行身份认证,并将身份认证结果发送给终端104。这里的终端包括但不
    限于各种个人计算机、笔记本电脑、智能手机、平板电脑、便携式穿戴设备等。在其它实施例
    中,终端104获取到用户身份认证请求,也可直接对用户身份进行验证。具体的,终端104可
    直接对采集到的用户的多帧人脸图像进行处理,得到用户的脉搏特征曲线,与该用户的标
    准脉搏特征曲线进行对比,得到用户身份验证结果。

    在一个实施例中,如图2A所示,还提供了一种服务器,该服务器包括通过系统总线
    连接的处理器、非易失性存储介质、内存储器、网络接口,非易失性存储介质中存储有操作
    系统和一种活体判别装置或者身份认证装置,该活体判别装置用于执行一种活体判别方
    法,身份认证装置用于执行一种身份认证方法。该处理器用于提高计算和控制能力,支撑整
    个服务器的运行。内存储器用于为非易失性存储介质中的活体判别装置或身份认证装置的
    运行提供环境,该内存储器中可储存有计算机可读指令,该计算机可读指令被处理器执行
    时,可使得该处理器执行一种活体判别方法或身份认证方法。网络接口用于与终端进行网
    络通信,接收或发送数据,例如接收终端发送的人脸图像,以及向终端发送活体判别结果;
    或接收终端发送的身份认证请求和采集到的人脸图像,以及向终端发送身份认证结果等。

    在一个实施例中,如图2B所示,还提供了一种终端,该终端包括通过系统总线连接
    的处理器、非易失性存储介质、内存储器、网络接口和显示屏,非易失性存储介质中存储有
    操作系统和一种活体判别装置或者身份认证装置,该活体判别装置用于执行一种活体判别
    方法,该身份认证装置用于执行一种身份认证方法。该处理器用于提高计算和控制能力,支
    撑整个服务器的运行。内存储器用于为非易失性存储介质中的活体判别装置的运行提供环
    境,该内存储器中可储存有计算机可读指令,该计算机可读指令被处理器执行时,可使得该
    处理器执行一种活体判别方法。网络接口用于与服务器进行网络通信,接收或发送数据,例
    如接收服务器发送的脉搏特征比对结果等。

    如图3所示,在一个实施例中,提供了一种活体判别方法,该方法以应用于如图2A
    所示的服务器或图2B所示的终端中进行举例说明,包括:

    步骤302,采集多帧人脸图像。

    本实施例中,由于需要获取到脉搏特征曲线,因此需要对多帧人脸图像进行处理。
    具体的,可采集预设时间内的包含人脸图像的视频,或者每隔预设时间采集人脸图像,得到
    多帧人脸图像。

    步骤304,对每一帧人脸图像,提取人脸区域。

    由于人脸图像中,人脸区域是最能反映活体的脉搏特征,例如头发、衣服等区域则
    反映不出活体特征。因此,本实施例中,需要从每一帧人脸图像中提取出人脸区域。

    具体的,可采用图像积分图和Adaboost方法来对每一帧人脸图像提取出人脸区
    域。具体包括:通过计算图像积分图,快速得到Haar人脸特征,根据Haar人脸特征,利用
    Adaboost分类算法对训练样本进行分类,用分类得到的最终分类器对测试样本进行分类,
    从而实现提取人脸区域。其中,Haar特征是计算机视觉领域的一种常用的特征描述算子,
    Haar特征值反映了图像的灰度变化情况;Adaboost是一种迭代算法,其核心思想是针对同
    一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强
    的最终分类器(强分类器)。

    步骤306,获取人脸区域的光照强度,根据人脸区域的光照强度,计算每一帧人脸
    图像对应的脉搏特征。

    本实施例中,首先将人脸区域分割成多个人脸子区域,具体包括:使用人脸配准算
    法得到一些人脸关键点,如额头、左眼、右眼、脸颊左侧、脸颊右侧上的一些点,再根据这些
    关键点,对人脸区域进行区域分割,得到额头、左眼、右眼、脸颊左侧和脸颊右侧等人脸子区
    域;获取人脸子区域中所有像素的光照强度,若人脸子区域中任意两个像素的光照强度的
    差值在预设光强阈值内,继续分割人脸子区域,直至分割后得到的人脸子区域中的任意两
    个像素的光照强度的差值不超过预设光强阈值,使得人脸区域分割的更加细致化,如将额
    头区域分割为左中右三部分,如图4所示。

    本实施例中,为了减少环境光照对人脸肤色变化的影响,以便准确的反映出人脸
    子区域因血管的氧气饱和度和血液容积的改变而带来的肤色变化,将人脸区域细分割为多
    个人脸子区域,使得每一个人脸子区域中所有位置的光照强度可近似表示为一个常量,则
    该人脸子区域的光照强度即为该常量。

    其次,获取每个人脸子区域的光照强度和每个人脸子区域对应的权重,将每个人
    脸子区域的光照强度按照其对应的权重进行加权求和,该求和结果即为人脸图像对应的脉
    搏特征。其中,若在一定时间范围内,人脸子区域中最大强度与最小强度超过一定阈值,说
    明该区域受环境光照影响较大,则将该区域忽略,即不参与脉搏特征的计算。

    步骤308,根据每一帧人脸图像对应的脉搏特征,建立脉搏特征曲线。

    每一帧人脸图像对应的脉搏特征是一个静态值,单看一个静态值无法区分是活体
    还是非活体,将采集到的所有人脸图像对应的脉搏特征连点成线,则能够建立起一条脉搏
    特征曲线,通过分析该脉搏特征曲线的一些属性,如是否呈周期性变化,若是则变化周期、
    最大振幅是多少等,来进行后续的活体判别。

    步骤310,将脉搏特征曲线与预存标准非活体脉搏特征曲线进行对比,若脉搏特征
    曲线的特征值与预存标准非活体脉搏特征曲线的特征值相差超过预设特征阈值,则判定采
    集到的是活体人脸图像,否则,判定采集到的是非活体人脸图像。

    这里的非活体是没有生命特征的物体,例如纸片。通过采集预设时间内的包含非
    活体的视频,或者每隔预设时间采集非活体的视频,得到多帧非活体图像。由于非活体没有
    因血液容积和氧气饱和度改变而引起的肤色变化,即非活体的所有位置的光照强度是不变
    的。在预设时间内,若环境光照强度保持不变,则预存标准非活体脉搏特征曲线是一条脉搏
    特征值近似于该环境光照强度的直线;若环境光照强度发生变化,则预存标准非活体脉搏
    特征曲线是一条脉搏特征值近似于该环境光照强度的变化曲线。

    非活体因其血管中的氧气饱和度以及血液容积固定不变,相应的其肤色也不会发
    生变化,那么相邻一帧或多帧非活体人脸区域中的光照强度是不变的,于是,预存的标准非
    活体脉搏特征曲线呈单一无变化状。若上一步骤得到的脉搏特征曲线的特征值与预存标准
    非活体脉搏特征曲线的特征值相差超过预设特征阈值,则说明上一步骤得到的脉搏特征曲
    线是变化的,则可判定该脉搏特征曲线对应的人脸图像是活体人脸图像,反之,则说明该脉
    搏特征曲线是单一不变的,即为非活体人脸图像。

    本实施例中,利用人脸区域的光照强度计算人脸图像对应的脉搏特征,通过分析
    该脉搏特征曲线与预存标准非活体脉搏特征曲线的对比结果,实现活体判定,而不需要额
    外的仪器设备来估计脉搏特征,节省了硬件成本;也不需要用户的交互来完成活体判定,提
    高了活体判别的的检测率。

    在一个实施例中,如图5所示,上述步骤306包括:

    步骤316,对人脸区域进行分割得到人脸子区域。

    本实施例中,使用区域分割算法可实现对人脸区域的分割,但在分割之前,通?;?br />先根据人脸配准算法得到一些人脸关键点,如额头、左眼、右眼、脸颊左侧、脸颊右侧上的一
    些点,再根据这些关键点,对人脸区域进行区域分割,得到额头、左眼、右眼、脸颊左侧和脸
    颊右侧等人脸子区域。

    在一个实施例中,对人脸区域使用区域分割算法后,获取人脸子区域中所有像素
    的光照强度,若任意两个像素的光照强度的差值超过预设光强阈值,继续分割人脸子区域,
    直至分割后得到的人脸子区域中的任意两个像素的光照强度的差值不超过预设光强阈值。
    本实施例中,通过判断人脸子区域中任意两个像素的光照强度的差值是否在预设光强阈值
    范围内,来决定人脸子区域的细分程度,使得任一人脸子区域中所有位置的光照强度可近
    似表示为一个常量,这样减少了光照对肤色变化的影响,从而使因血流引起的肤色变化得
    到准确反映。

    步骤336,获取每个人脸子区域对应的光照强度和每个人脸子区域对应的权重,根
    据人脸子区域对应的光照强度和人脸子区域对应的权重,计算每一帧人脸图像对应的脉搏
    特征。

    由于面部血管分布不均匀,人脸不同区域的肤色变化强弱不同,在血管比较集中
    的区域,肤色变化相对明显,则该区域对应的权重相对较大,反之,区域对应的权重相对较
    小。本实施例中,将获取到的每个人脸子区域对应的光照强度按照获取到每个人脸子区域
    对应的权重进行加权求和,得到每一帧人脸图像对应的脉搏特征。

    在一个实施例中,可根据以下公式计算脉搏特征:


    其中,为脉搏特征,n为区域总数,Gi为各区域对应的权重,为各区域的光
    照强度,函数I为指示函数,表示在一定时间范围内,区域i中最大强度与最小强度超过一定
    阈值时,该区域将被忽略,不参与脉搏特征的计算。

    本实施例中,通过对人脸区域进行分割得到人脸子区域,再根据人脸子区域对应
    的光照强度和人脸子区域对应的权重,计算每一帧人脸图像对应的脉搏特征。这种通过加
    权求和的方式得到脉搏特征的估计值,提高了脉搏特征计算的精准率。

    在一个实施例中,如图6所示,提供了一种身份认证方法,该方法以应用于如图1所
    示的服务器中进行举例说明,该方法包括:

    步骤602,接收用户身份认证请求,该用户身份认证请求携带用户标识。

    用户身份认证请求是用户所在终端向服务器发送的验证身份的请求;用户标识用
    于标识每一个用户,具有唯一性,可以是用户的身份证号、即时通信号码、社交账号、电子邮
    箱或者移动通信号码中的任意一种。

    比如在人脸门禁中,用户将身份证置于指定可扫描区域,用户所在终端扫描该身
    份证,获取该用户的用户标识,即身份证号,获取成功后,向服务器发送身份认证请求,以便
    后续服务器可从数据库中查找出与该用户标识相对应的标准脉搏特征曲线。

    步骤604,根据用户身份认证请求,采集用户的多帧人脸图像。

    本实施例中,由于需要获取到脉搏特征曲线,因此需要对多帧人脸图像进行处理。
    具体的,可采集预设时间内的包含人脸图像的视频,或者每隔预设时间采集人脸图像,得到
    多帧人脸图像。

    步骤606,对每一帧人脸图像,提取人脸区域。

    由于人脸图像中,人脸区域是最能反映活体的脉搏特征,例如头发、衣服等区域则
    反映不出活体特征。因此,本实施例中,需要从每一帧人脸图像中提取出人脸区域。

    具体的,可采用图像积分图和Adaboost方法来对每一帧人脸图像提取出人脸区
    域。具体包括:通过计算图像积分图,快速得到Haar人脸特征,根据Haar人脸特征,利用
    Adaboost分类算法对训练样本进行分类,用分类得到的最终分类器对测试样本进行分类,
    从而实现提取人脸区域。其中,Haar特征是计算机视觉领域的一种常用的特征描述算子,
    Haar特征值反映了图像的灰度变化情况;Adaboost是一种迭代算法,其核心思想是针对同
    一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强
    的最终分类器(强分类器)。

    步骤608,获取人脸区域的光照强度,根据人脸区域的光照强度,计算每一帧人脸
    图像对应的脉搏特征。

    本实施例中,首先将人脸区域分割成多个人脸子区域,具体包括:使用人脸配准算
    法得到一些人脸关键点,如额头、左眼、右眼、脸颊左侧、脸颊右侧上的一些点,再根据这些
    关键点,对人脸区域进行区域分割,得到额头、左眼、右眼、脸颊左侧和脸颊右侧等人脸子区
    域;获取人脸子区域中所有像素的光照强度,若人脸子区域中任意两个像素的光照强度的
    差值在预设光强阈值内,继续分割人脸子区域,直至分割后得到的人脸子区域中的任意两
    个像素的光照强度的差值不超过预设光强阈值,使得人脸区域分割的更加细致化,如将额
    头区域分割为左中右三部分,如图4所示。

    本实施例中,为了减少环境光照对人脸肤色变化的影响,以便准确的反映出人脸
    子区域因血管的氧气饱和度和血液容积的改变而带来的肤色变化,将人脸区域细分割为多
    个人脸子区域,使得每一个人脸子区域中所有位置的光照强度可近似表示为一个常量,则
    该人脸子区域的光照强度即为该常量。

    其次,获取每个人脸子区域的光照强度和每个人脸子区域对应的权重,将每个人
    脸子区域的光照强度按照其对应的权重进行加权求和,该求和结果即为人脸图像对应的脉
    搏特征。其中,若在一定时间范围内,人脸子区域中最大强度与最小强度超过一定阈值,说
    明该区域受环境光照影响较大,则将该区域忽略,即不参与脉搏特征的计算。

    步骤610,根据每一帧人脸图像对应的脉搏特征,建立脉搏特征曲线。

    每一帧人脸图像对应的脉搏特征是一个静态值,单看一个静态值无法区分是真人
    还是图片,将采集到的所有人脸图像对应的脉搏特征连点成线,建立一个脉搏特征曲线,通
    过分析该脉搏特征曲线的一些属性,如是否呈周期性变化,若是则变化周期、最大振幅是多
    少等,来进行后续的活体判别。

    步骤612,将脉搏特征曲线与预存的与用户标识对应的标准脉搏特征曲线进行对
    比,若脉搏特征曲线的特征值与标准脉搏特征曲线的特征值相差在预设范围内,则用户身
    份认证通过,否则用户身份认证不通过。

    数据库中预先存储了与用户标识对应的标准脉搏特征曲线,可预先采集该用户的
    多帧人脸图像,对每一帧人脸图像提取人脸区域,获取人脸区域的光照强度,根据人脸区域
    的光照强度,计算每一帧人脸图像对应的脉搏特征,根据每一帧人脸图像对应的脉搏特征,
    建立脉搏特征曲线,该脉搏特征曲线即为用户的标准脉搏特征曲线,与用户标识对应存储
    在数据库中,在需要进行身份验证时进行对比。

    本实施例中,通过将活体判别时得到的脉搏特征曲线与预存的用户标识对应的标
    准脉搏特征曲线进行对比,只要两者的特征值(如变化周期、最大振幅等)相差在可接受的
    范围内,则首先表明采集到的人脸图像是活体人脸图像,其次采集到的人脸图像对应的用
    户与数据库中对应用户标识的用户是同一个人,即身份验证通过。这里的数据库可以是在
    线数据库,也可以是本地数据库。

    本实施例中,通过将脉搏特征曲线与预存的与用户标识对应的标准脉搏特征曲线
    进行对比,不需要用户做额外的交互动作,也不需要额外的仪器设备,因此能够提高身份认
    证的效率以及节省硬件成本。

    在一个实施例中,在将脉搏特征曲线与预存的与用户标识对应的标准脉搏特征曲
    线进行对比之前,还包括:将脉搏特征曲线与预先标准非活体脉搏特征曲线进行对比,若脉
    搏特征曲线的特征值与预先标准非活体脉搏特征曲线的特征值相差超过阈值,则进入将脉
    搏特征曲线与预存的与用户标识对应的标准脉搏特征曲线进行对比的步骤。本实施例中,
    只有先通过了活体判别,才进行后续的身份认证,排除了图片冒充的可能,且身份认证是通
    过对比当前采集到的脉搏特征曲线与预存的与用户标识对应的标准脉搏特征曲线,排除了
    他人冒充的可能,故该身份认证方法安全性高。

    在一个实施例中,如7所示,上述步骤608包括:

    步骤618,对人脸区域进行分割得到人脸子区域。

    使用区域分割算法可实现对人脸区域的分割,但在分割之前,通?;嵯雀萑肆?br />配准算法得到一些人脸关键点,如额头、左眼、右眼、脸颊左侧、脸颊右侧上的一些点,再根
    据这些关键点,对人脸区域进行区域分割,得到额头、左眼、右眼、脸颊左侧和脸颊右侧等区
    域。

    在一个实施例中,对人脸区域使用区域分割算法后,获取人脸子区域中所有像素
    的光照强度,若任意两个像素的光照强度的差值超过预设光强阈值,继续分割人脸子区域,
    直至分割后得到的人脸子区域中的任意两个像素的光照强度的差值不超过预设光强阈值。
    本实施例中,通过判断人脸子区域中任意两个像素的光照强度的差值是否在预设光强阈值
    范围内,来决定人脸子区域的细分程度,使得任一人脸子区域中所有位置的光照强度可近
    似表示为一个常量,这样减少了光照对肤色变化的影响,从而使因血流引起的肤色变化得
    到准确反映。

    步骤638,获取每个人脸子区域对应的光照强度和每个人脸子区域对应的权重,根
    据人脸子区域对应的光照强度和人脸子区域对应的权重,计算每一帧人脸图像对应的脉搏
    特征。

    由于面部血管分布不均匀,人脸不同区域的肤色变化强弱不同,在血管比较集中
    的区域,肤色变化相对明显,则该区域对应的权重相对较大,反之,区域对应的权重相对较
    小。本实施例中,将获取到的每个人脸子区域对应的光照强度按照获取到每个人脸子区域
    对应的权重进行加权求和,得到每一帧人脸图像对应的脉搏特征。

    本实施例中,通过对人脸区域进行分割得到人脸子区域,再根据人脸子区域对应
    的光照强度和人脸子区域对应的权重,计算每一帧人脸图像对应的脉搏特征。这种通过加
    权求和的方式得到脉搏特征的估计值,提高了脉搏特征计算的精准率。

    在一个实施例中,如图8所示,提供了另一种身份认证方法,该方法包括:

    步骤802,接收用户身份认证请求,用户身份认证请求携带用户标识。

    同样的,用户身份认证请求是用户所在终端向服务器发送的验证身份的请求;用
    户标识是区分每个用户的唯一凭证,比如说用户的电话号码,社交账号,或邮箱等。

    步骤804,根据用户身份认证请求,采集用户的多帧人脸图像。

    同样的,本实施例是基于人脸图像的身份认证,为了保证身份认证准确率高,需要
    先进行活体判别,而活体判别需要通过较多图像的特征分析才可实现,故首先采集多帧人
    脸图像。

    步骤806,对每一帧人脸图像,提取人脸区域。

    由于人脸图像中,人脸区域是最能反映活体的脉搏特征,例如头发、衣服等区域则
    反映不出活体特征。因此,本实施例中,需要从每一帧人脸图像中提取出人脸区域。

    具体的,可采用图像积分图和Adaboost方法来对每一帧人脸图像提取出人脸区
    域。具体包括:通过计算图像积分图,快速得到Haar人脸特征,根据Haar人脸特征,利用
    Adaboost分类算法对训练样本进行分类,用分类得到的最终分类器对测试样本进行分类,
    从而实现提取人脸区域。其中,Haar特征是计算机视觉领域的一种常用的特征描述算子,
    Haar特征值反映了图像的灰度变化情况;Adaboost是一种迭代算法,其核心思想是针对同
    一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强
    的最终分类器(强分类器)。

    步骤808,对人脸区域进行分割得到人脸子区域。

    使用区域分割算法可实现对人脸区域的分割,但在分割之前,通?;嵯雀萑肆?br />配准算法得到一些人脸关键点,如额头、左眼、右眼、脸颊左侧、脸颊右侧上的一些点,再根
    据这些关键点,对人脸区域进行区域分割,得到额头、左眼、右眼、脸颊左侧和脸颊右侧等区
    域。

    步骤810,获取人脸子区域中所有像素的光照强度,若任意两个像素的光照强度的
    差值超过预设光强阈值,继续分割人脸子区域,否则,停止分割人脸子区域。

    通过判断人脸子区域中任意两个像素的光照强度的差值是否在预设光强阈值范
    围内,来决定人脸子区域的细分程度,使得任一人脸子区域中所有位置的光照强度可近似
    表示为一个常量,这样减少了光照对肤色变化的影响,从而使因血流引起的肤色变化得到
    准确反映。

    步骤812,获取每个人脸子区域对应的光照强度和每个人脸子区域对应的权重,根
    据人脸子区域对应的光照强度和人脸子区域对应的权重,计算每一帧人脸图像对应的脉搏
    特征。

    由于面部血管分布不均匀,人脸不同区域的肤色变化强弱不同,在血管比较集中
    的区域,肤色变化相对明显,则该区域对应的权重相对较大,反之,区域对应的权重相对较
    小。

    将获取到的每个人脸子区域对应的光照强度按照获取到每个人脸子区域对应的
    权重进行加权求和,得到每一帧人脸图像对应的脉搏特征。具体计算公式如下:


    其中,为脉搏特征,n为区域总数,Gi为各区域对应的权重,为各区域的光
    照强度,函数I为指示函数,表示在一定时间范围内,区域i中最大强度与最小强度超过一定
    阈值时,该区域将被忽略,不参与脉搏特征的计算。

    步骤814,根据每一帧人脸图像对应的脉搏特征,建立脉搏特征曲线。

    每一帧人脸图像对应的脉搏特征是一个静态值,单看一个静态值无法区分是真人
    还是图片,将采集到的所有人脸图像对应的脉搏特征连点成线,建立一个脉搏特征曲线,通
    过分析该脉搏特征曲线的一些属性,如是否呈周期性变化,若是则变化周期、最大振幅是多
    少等,来进行后续的活体判别。

    步骤816,将脉搏特征曲线与预先标准非活体脉搏特征曲线进行对比,若脉搏特征
    曲线的特征值与预先标准非活体脉搏特征曲线的特征值相差超过预设特征阈值,则判定采
    集到的是活体人脸图像。

    这里的非活体是没有生命特征的物体,例如纸片等。通过采集预设时间内的包含
    非活体的视频,或者每隔预设时间采集非活体的视频,得到多帧非活体图像。由于非活体没
    有因血液容积和氧气饱和度改变而引起的肤色变化,即非活体区域的所有位置的光照强度
    是不变的。在预设时间内,若环境光照强度保持不变,则预存标准非活体脉搏特征曲线是一
    条脉搏特征值近似于该环境光照强度的直线;若环境光照强度发生变化,则预存标准非活
    体脉搏特征曲线是一条脉搏特征值近似于该环境光照强度的变化曲线。

    非活体因其血管中的氧气饱和度以及血液容积固定不变,相应的其肤色也不会发
    生变化,那么相邻一帧或多帧非活体人脸区域中的光照强度是不变的,于是,预存标准非活
    体脉搏特征曲线呈单一无变化状。若上一步骤得到的脉搏特征曲线的特征值与预存标准非
    活体脉搏特征曲线的特征值相差超过预设特征阈值,则说明上一步骤得到的脉搏特征曲线
    是变化的,则可判定该脉搏特征曲线对应的人脸图像是活体人脸图像。

    步骤818,将脉搏特征曲线与预存的与用户标识对应的标准脉搏特征曲线进行对
    比,若脉搏特征曲线的特征值与标准脉搏特征曲线的特征值相差在预设范围内,则用户身
    份认证通过,否则用户身份认证不通过。

    数据库中预先存储了与用户标识对应的标准脉搏特征曲线,通过将活体判别时得
    到的脉搏特征曲线与预存的用户标识对应的标准脉搏特征曲线进行对比,只要两者的特征
    值(如变化周期、最大振幅等)相差在可接受的范围内,则表明采集到的图像对应的用户与
    数据库中对应用户标识的用户是同一个人,即身份验证通过。这里的数据库可以是在线数
    据库,也可以是本地数据库。

    本实施例中,只有先通过了活体判别,才进行后续的身份认证,排除了图片冒充的
    可能,且身份认证是通过对比当前采集到的脉搏特征曲线与预存的与用户标识对应的标准
    脉搏特征曲线实现的,排除了他人冒充的可能,故该身份认证方法安全性高。

    在一个实施例中,如图9所示,提供了一种活体判别装置,该装置包括:

    人脸图像采集???02,用于采集多帧人脸图像。

    人脸区域提取???04,用于对每一帧人脸图像,提取人脸区域。

    脉搏特征计算???06,用于获取人脸区域的光照强度,根据人脸区域的光照强
    度,计算每一帧人脸图像对应的脉搏特征。

    脉搏特征曲线建立???08,用于根据每一帧人脸图像对应的脉搏特征,建立脉搏
    特征曲线。

    活体判别???10,用于将脉搏特征曲线与预存标准非活体脉搏特征曲线进行对
    比,若脉搏特征曲线的特征值与预存标准非活体脉搏特征曲线的特征值相差超过预设特征
    阈值,则判定采集到的是活体人脸图像,否则,判定采集到的是非活体人脸图像。

    在一个实施例中,脉搏特征计算???06用于对人脸区域进行分割得到人脸子区
    域;获取每个人脸子区域对应的光照强度和每个人脸子区域对应的权重,根据人脸子区域
    对应的光照强度和人脸子区域对应的权重,计算每一帧人脸图像对应的脉搏特征。

    在一个实施例中,脉搏特征计算???06用于获取人脸子区域中所有像素的光照
    强度,若任意两个像素的光照强度的差值超过预设光强阈值,继续分割人脸子区域,否则,
    停止分割人脸子区域。

    在一个实施例中,如图10所示,提供了一种身份认证装置,该装置包括:

    身份认证请求接收???002,用于接收用户身份认证请求,用户身份认证请求携
    带用户标识。

    人脸图像采集???004,用于根据用户身份认证请求,采集用户的多帧人脸图像。

    人脸区域提取???006,用于人脸区域??槎悦恳恢∪肆惩枷?,提取人脸区域。

    脉搏特征计算???008,用于获取人脸区域的光照强度,根据人脸区域的光照强
    度,计算每一帧人脸图像对应的脉搏特征。

    脉搏特征曲线建立???010,用于根据每一帧人脸图像对应的脉搏特征,建立脉
    搏特征曲线。

    身份认证???012,用于将脉搏特征曲线与预存的与用户标识对应的标准脉搏特
    征曲线进行对比,若脉搏特征曲线的特征值与标准脉搏特征曲线的特征值相差在预设范围
    内,则用户身份认证通过,否则用户身份认证不通过。

    在一个实施例中,脉搏特征计算???008用于对人脸区域进行分割得到人脸子区
    域;获取每个人脸子区域对应的光照强度和每个人脸子区域对应的权重,根据人脸子区域
    对应的光照强度和人脸子区域对应的权重,计算每一帧人脸图像对应的脉搏特征。

    在一个实施例中,如图11所示,身份认证装置还包括:活体判别???011,用于将
    脉搏特征曲线与预存标准非活体脉搏特征曲线进行对比,若脉搏特征曲线的特征值与预存
    标准非活体脉搏特征曲线的特征值相差超过预设特征阈值,则判定采集到的是活体人脸图
    像。

    在一个实施例中,脉搏特征计算???008用于获取人脸子区域中所有像素的光照
    强度,若任意两个像素的光照强度的差值超过预设光强阈值,继续分割人脸子区域,直至分
    割后得到的人脸子区域中的任意两个像素的光照强度的差值不超过预设光强阈值。

    本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以
    通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质
    中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁
    碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access
    Memory,RAM)等。

    以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实
    施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存
    在矛盾,都应当认为是本说明书记载的范围。

    以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并
    不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来
    说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的?;?br />范围。因此,本发明专利的?;し段вσ运饺ɡ笪?。

    关 键 词:
    活体 判别 方法 装置 身份 认证
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:活体判别方法和装置、身份认证方法和装置.pdf
    链接地址://www.4mum.com.cn/p-6092773.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03