[go: up one dir, main page]

TWI761739B - 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
TWI761739B
TWI761739B TW108145047A TW108145047A TWI761739B TW I761739 B TWI761739 B TW I761739B TW 108145047 A TW108145047 A TW 108145047A TW 108145047 A TW108145047 A TW 108145047A TW I761739 B TWI761739 B TW I761739B
Authority
TW
Taiwan
Prior art keywords
image
person
face
recognized
pattern
Prior art date
Application number
TW108145047A
Other languages
English (en)
Other versions
TW202123082A (zh
Inventor
高全淵
張耀宗
洪志揚
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 TW108145047A priority Critical patent/TWI761739B/zh
Priority to CN201911317597.1A priority patent/CN112949364B/zh
Priority to US16/781,722 priority patent/US11335123B2/en
Publication of TW202123082A publication Critical patent/TW202123082A/zh
Application granted granted Critical
Publication of TWI761739B publication Critical patent/TWI761739B/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
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/167—Detection; Localisation; Normalisation using comparisons between temporally consecutive images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/169—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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Analysis (AREA)

Abstract

一種活體臉部辨識方法，包含投射已知圖案至待辨識者；擷取待辨識者的反射圖案；及根據反射圖案以偵測待辨識者是否為平面。如果待辨識者非為平面，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，投射已知圖案至待辨識者；擷取待辨識者的反射圖案；及根據反射圖案以偵測待辨識者是否為平面。如果待辨識者非為平面，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200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)200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至少一影像(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，其根據所擷取的影像，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200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圖顯示方法200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可包含圖案投射辨識模組14，其投射已知圖案，再擷取並處理反射圖案，據以偵測待辨識者是否為平面(步驟25)。於步驟26，如果待辨識者為平面，表示影像擷取裝置11所擷取的對象可能為相片或者顯示螢幕(亦即非活體)，則輸出模組13判定為辨識失敗(步驟24)。如果待辨識者非為平面，則輸出模組13判定為辨識成功(步驟27)。
第三A圖顯示第一A圖之圖案投射辨識模組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，圖案投射辨識模組14可包含圖案投射裝置141，用以向待辨識者140的臉部投射已知圖案(步驟251)。圖案投射裝置141包含光學投射器，其發射光可以是可見光或不可見光(例如紅外線)。在一實施例中，發射光可以是雷射光，可避免投射的圖案因距離而發散。在本實施例中，投射的圖案包含至少一平滑線，例如直線(如一或複數直線、矩形)或圓形。
在本實施例中，圖案投射辨識模組14可包含反射圖案擷取裝置142，用以擷取從待辨識者140反射回來的反射圖案(步驟252)。反射圖案擷取裝置142包含感測器，可接收可見光或不可見光。若為可見光，則反射圖案擷取裝置142可與影像擷取裝置11可共用；若為不可見光，則反射圖案擷取裝置142(例如紅外線感測器或紅外線相機)可鄰設於影像擷取裝置11。
在本實施例中，圖案投射辨識模組14可包含反射圖案辨識裝置143，用以偵測待辨識者140是否單純為平面(步驟253)，或者具有凹凸表面。如果待辨識者140為平面，表示待辨識者140可能為相片或者顯示螢幕(亦即非活體)，則投射圖案之平滑線仍然維持平滑線。如果待辨識者140具有凹凸表面，表示其為活體，則投射圖案之平滑線會變為非平滑線(例如鋸齒線)。為了讓反射圖案的辨識效果更好，反射圖案擷取裝置142與圖案投射裝置141之間需具有相當距離，且反射圖案擷取裝置142、圖案投射裝置141與待辨識者140之間需具有角度差。
第四圖顯示本發明實施例之圖案投射辨識方法400的流程圖。於步驟41，使用反射圖案擷取裝置142以擷取未投射圖案的第一影像。於步驟42，使用圖案投射裝置141以投射包含直線的圖案，並使用反射圖案擷取裝置142以擷取已投射圖案的第二影像(步驟43)。其中，第二影像的待辨識者臉部相同於第一影像的待辨識者臉部。在另一實施例中，也可投射包含多條直線、正方形、矩形或圓形的圖案。若正方形、矩形或圓形為實心，則可額外使用邊緣偵測(edge detection)技術以萃取其邊緣影像。
於步驟44，反射圖案辨識裝置143藉由影像處理方法將第二影像中包含第一影像的影像內容消去，以得到第三影像，其包含反射圖案但不含待辨識者。在本實施例中，投射圖案係為可見光。在另一實施例中，投射圖案為不可見光(例如紅外線)，則步驟41、44可省略。
於步驟45，(反射圖案辨識裝置143)根據第三影像的能量分布，例如取平均值或中位數，以得到臨界值。於步驟46，(反射圖案辨識裝置143)對第三影像進行二值化(binary thresholding)處理，例如將第三影像的像素與臨界值作比較，以得到第四影像。若第三像素之像素值大於臨界值，則第四影像的相應像素值可設為主動值(例如“1”)；若第三像素之像素值未大於臨界值，則第四影像的相應像素值可設為被動值(例如“0”)。
接著，於步驟47，(反射圖案辨識裝置143)根據第四影像找到反射圖案位於待辨識者的臉部內之線段的二端點，並以該二端點形成一連接直線。若投射包含圓形的圖案，其反射圖案可能為橢圓，則可找出橢圓的長軸與短軸。當投射包含直線的圖案，若直線很粗，則可找出其中心線。
於步驟48，(反射圖案辨識裝置143)計算反射圖案之線段的複數點(例如所有的點)與該連接直線之平均距離。在本實施例中，計算反射圖案之線段的複數點與該連接直線之距離的統計平均(statistical mean)，例如均方根(root mean square)。於步驟49，(反射圖案辨識裝置143)決定平均距離(例如統計平均)是否大於預設值。如果為是，判定待辨識者為活體；否則，判定為非活體。此外，還可分別偵測待辨識者臉部的複數區域(例如鼻子區域與鼻側區域)之曲率，據以判定該些區域的曲率大小是否符合臉部的一般特徵(例如鼻子區域的曲率大於鼻側區域的曲率)。若符合臉部特徵，則判定待辨識者為活體；否則，判定為非活體。
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:圖案投射辨識模組 140:待辨識者 141:圖案投射裝置 142:反射圖案擷取裝置 143:反射圖案辨識裝置 200: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:擷取並處理反射圖案 251:投射已知圖案 252:擷取反射圖案 253:偵測待辨識者是否為平面 26:決定待辨識者是否為平面 27:辨識成功 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 400:圖案投射辨識方法 41:擷取未投射圖案的第一影像 42:投射包含直線的圖案 43:擷取已投射圖案的第二影像 44:將第二影像中包含第一影像的影像內容消去以得到第三影像 45:根據第三影像以得到臨界值 46:二值化處理第三影像以得到第四影像 47:根據第四影像找到二端點以形成連接直線 48:計算反射圖案之線段與連接直線之平均距離 49:決定平均距離是否大於預設值
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圖顯示方法之步驟22的細部流程圖。 第三A圖顯示第一A圖之圖案投射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。 第四圖顯示本發明實施例之圖案投射辨識方法的流程圖。
200: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:擷取並處理反射圖案
26:決定待辨識者是否為平面
27:辨識成功

Claims (18)

  1. 一種活體臉部辨識方法，包含：(a)投射一已知圖案至一待辨識者；(b)使用單一反射圖案擷取裝置以擷取該待辨識者的一反射圖案；及(c)決定該反射圖案位於該待辨識者的臉部內之多個線段的平均距離，據以偵測該待辨識者是否為平面；其中如果該平均距離大於預設值，則該待辨識者非為平面，表示該待辨識者為活體。
  2. 根據申請專利範圍第1項所述之活體臉部辨識方法，其中該已知圖案包含至少一平滑線。
  3. 根據申請專利範圍第2項所述之活體臉部辨識方法，其中該已知圖案包含至少一直線。
  4. 根據申請專利範圍第3項所述之活體臉部辨識方法，其中該步驟(b)包含：擷取未投射該已知圖案的一第一影像，其包含待辨識者臉部影像；及擷取已投射該已知圖案的一第二影像，其包含該反射圖案與待辨識者臉部影像；其中該第一影像的待辨識者臉部影像相同於該第二影像的待辨識者臉部影像。
  5. 根據申請專利範圍第4項所述之活體臉部辨識方法，其中該步驟(c)包含： 藉由影像處理方法，將該第二影像中包含該第一影像的影像內容消去，以得到一第三影像；對該第三影像進行二值化處理以得到一第四影像；根據該第四影像找到該反射圖案位於該待辨識者的臉部內的二端點，並以該二端點形成一連接直線；計算該反射圖案的複數點與該連接直線之平均距離；及決定該平均距離是否大於一預設值。
  6. 根據申請專利範圍第5項所述之活體臉部辨識方法，其中該步驟(c)更包含：根據該第三影像的能量分布以得到臨界值，據以對該第三影像進行二值化處理。
  7. 根據申請專利範圍第5項所述之活體臉部辨識方法，其中該平均距離係為該反射圖案的複數點與該連接直線之間的距離的統計平均。
  8. 根據申請專利範圍第5項所述之活體臉部辨識方法，其中該步驟(c)更包含：偵測該待辨識者的臉部的複數區域之曲率；及比較該些區域的曲率大小。
  9. 根據申請專利範圍第1項所述之活體臉部辨識方法，於該步驟(a)之前，更包含：擷取該待辨識者的臉部的至少一影像；根據該至少一影像，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。
  10. 一種活體臉部辨識系統，包含：一圖案投射裝置，投射一已知圖案至一待辨識者；單一反射圖案擷取裝置，擷取該待辨識者的一反射圖案；及一反射圖案辨識裝置，決定該反射圖案位於該待辨識者的臉部內之多個線段的平均距離，據以偵測該待辨識者是否為平面；其中如果該平均距離大於預設值，則該待辨識者非為平面，表示該待辨識者為活體。
  11. 根據申請專利範圍第10項所述之活體臉部辨識系統，其中該已知圖案包含至少一平滑線。
  12. 根據申請專利範圍第11項所述之活體臉部辨識系統，其中該已知圖案包含至少一直線。
  13. 根據申請專利範圍第12項所述之活體臉部辨識系統，其中該反射圖案擷取裝置執行以下步驟：擷取未投射該已知圖案的一第一影像，其包含待辨識者臉部影像；及擷取已投射該已知圖案的一第二影像，其包含該反射圖案與待辨識者臉部影像；其中該第一影像的待辨識者臉部影像相同於該第二影像的待辨識者臉部影像。
  14. 根據申請專利範圍第13項所述之活體臉部辨識系統，其中該反射圖案辨識裝置執行以下步驟： 藉由影像處理方法，將該第二影像中包含該第一影像的影像內容消去，以得到一第三影像；對該第三影像進行二值化處理以得到一第四影像；根據該第四影像找到該反射圖案位於該待辨識者的臉部內的二端點，並以該二端點形成一連接直線；計算該反射圖案的複數點與該連接直線之平均距離；及決定該平均距離是否大於一預設值。
  15. 根據申請專利範圍第14項所述之活體臉部辨識系統，其中該反射圖案辨識裝置更執行以下步驟：根據該第三影像的能量分布以得到臨界值，據以對該第三影像進行二值化處理。
  16. 根據申請專利範圍第14項所述之活體臉部辨識系統，其中該平均距離係為該反射圖案的複數點與該連接直線之間的距離的統計平均。
  17. 根據申請專利範圍第14項所述之活體臉部辨識系統，其中該反射圖案辨識裝置更執行以下步驟：偵測該待辨識者的臉部的複數區域之曲率；及比較該些區域的曲率大小。
  18. 根據申請專利範圍第10項所述之活體臉部辨識系統，更包含：一臉部辨識模組，擷取該待辨識者的臉部的至少一影像，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。
TW108145047A 2019-12-10 2019-12-10 活體臉部辨識系統與方法 TWI761739B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW108145047A TWI761739B (zh) 2019-12-10 2019-12-10 活體臉部辨識系統與方法
CN201911317597.1A CN112949364B (zh) 2019-12-10 2019-12-19 活体脸部辨识系统与方法
US16/781,722 US11335123B2 (en) 2019-12-10 2020-02-04 Live facial recognition system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108145047A TWI761739B (zh) 2019-12-10 2019-12-10 活體臉部辨識系統與方法

Publications (2)

Publication Number Publication Date
TW202123082A TW202123082A (zh) 2021-06-16
TWI761739B true TWI761739B (zh) 2022-04-21

Family

ID=76209023

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108145047A TWI761739B (zh) 2019-12-10 2019-12-10 活體臉部辨識系統與方法

Country Status (3)

Country Link
US (1) US11335123B2 (zh)
CN (1) CN112949364B (zh)
TW (1) TWI761739B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240205239A1 (en) * 2022-12-14 2024-06-20 Onfido Ltd. Methods and systems for fraud detection using relative movement of facial features

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103034846A (zh) * 2012-12-12 2013-04-10 紫光股份有限公司 一种活体人脸鉴别装置
CN105740778A (zh) * 2016-01-25 2016-07-06 北京天诚盛业科技有限公司 一种改进的三维人脸活体检测方法及其装置
US20180189547A1 (en) * 2016-12-30 2018-07-05 Intel Corporation Biometric identification system
CN108629305A (zh) * 2018-04-27 2018-10-09 朱旭辉 一种面部识别方法
TW201917633A (zh) * 2017-10-16 2019-05-01 緯創資通股份有限公司 活體臉部辨識方法與系統

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7602942B2 (en) * 2004-11-12 2009-10-13 Honeywell International Inc. Infrared and visible fusion face recognition system
KR101700595B1 (ko) * 2010-01-05 2017-01-31 삼성전자주식회사 얼굴 인식 장치 및 그 방법
US8831295B2 (en) * 2012-03-21 2014-09-09 Authentec, Inc. Electronic device configured to apply facial recognition based upon reflected infrared illumination and related methods
US20140267701A1 (en) * 2013-03-12 2014-09-18 Ziv Aviv Apparatus and techniques for determining object depth in images
US9396537B2 (en) * 2014-09-09 2016-07-19 EyeVerify, Inc. Systems and methods for liveness analysis
US10546183B2 (en) * 2015-08-10 2020-01-28 Yoti Holding Limited Liveness detection
CN105117695B (zh) * 2015-08-18 2017-11-24 北京旷视科技有限公司 活体检测设备和活体检测方法
EP3355787B1 (en) * 2015-09-29 2022-06-08 Koninklijke Philips N.V. Device, system and method for extracting physiological information
JP6615723B2 (ja) * 2016-09-07 2019-12-04 株式会社ソニー・インタラクティブエンタテインメント 情報処理装置および対象物認識方法
DE102016011992A1 (de) * 2016-09-30 2018-04-05 LÜTH & DÜMCHEN Automatisierungsprojekt GmbH Verfahren zur Lebenderkennung mittels Nachweis von planmäßig erzeugten Reflexionen im Auge einer Person für Vorrichtungen zur Erfassung personenspezifischer Daten
US10380444B2 (en) * 2017-07-14 2019-08-13 Hong Kong Baptist University 3D mask face anti-spoofing with remote photoplethysmography
CN110069962A (zh) * 2018-01-23 2019-07-30 深圳市祈飞科技有限公司 一种活体检测方法和系统
CN108304801B (zh) * 2018-01-30 2021-10-08 亿慧云智能科技（深圳）股份有限公司 一种防欺骗的人脸识别方法、存储介质及人脸识别装置
US10956714B2 (en) * 2018-05-18 2021-03-23 Beijing Sensetime Technology Development Co., Ltd Method and apparatus for detecting living body, electronic device, and storage medium
US10696305B2 (en) * 2018-11-15 2020-06-30 XMotors.ai Inc. Apparatus and method for measuring physiological information of living subject in vehicle

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103034846A (zh) * 2012-12-12 2013-04-10 紫光股份有限公司 一种活体人脸鉴别装置
CN105740778A (zh) * 2016-01-25 2016-07-06 北京天诚盛业科技有限公司 一种改进的三维人脸活体检测方法及其装置
US20180189547A1 (en) * 2016-12-30 2018-07-05 Intel Corporation Biometric identification system
TW201917633A (zh) * 2017-10-16 2019-05-01 緯創資通股份有限公司 活體臉部辨識方法與系統
CN108629305A (zh) * 2018-04-27 2018-10-09 朱旭辉 一种面部识别方法

Also Published As

Publication number Publication date
CN112949364B (zh) 2023-12-08
US11335123B2 (en) 2022-05-17
US20210174068A1 (en) 2021-06-10
TW202123082A (zh) 2021-06-16
CN112949364A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
JP7597162B2 (ja) 画像処理装置、画像処理方法、顔認証システム及びプログラム
US11238270B2 (en) 3D face identity authentication method and apparatus
US10339402B2 (en) Method and apparatus for liveness detection
US9985963B2 (en) Method and system for authenticating liveness face, and computer program product thereof
US10621454B2 (en) Living body detection method, living body detection system, and computer program product
CN112651348B (zh) 身份认证方法和装置及存储介质
US9747493B2 (en) Face pose rectification method and apparatus
CN109670390B (zh) 活体面部识别方法与系统
EP3241151B1 (en) An image face processing method and apparatus
KR102766550B1 (ko) 라이브니스 검사 방법 및 장치, 생체 인증 방법 및 장치
CN106991377A (zh) 结合深度信息的人脸识别方法、人脸识别装置和电子装置
CN107292283A (zh) 混合人脸识别方法
JP2020501264A (ja) モバイルデバイスを用いてキャプチャした画像を使用する、指紋によるユーザ認証を実施するためのシステムおよび方法
US11315360B2 (en) Live facial recognition system and method
KR20170092533A (ko) 얼굴 포즈 교정 방법 및 장치
CN110612530A (zh) 用于选择脸部处理中使用的帧的方法
TWI761739B (zh) 活體臉部辨識系統與方法
JP2024512247A (ja) 顔ロック解除のための光学的皮膚検出
KR20120135381A (ko) 동공 경계 정보를 이용한 생체 인식 방법 및 이를 적용하는 장치
Shieh et al. Fast facial detection by depth map analysis
US12154378B2 (en) Techniques for detecting a three-dimensional face in facial recognition
JP2025507403A (ja) 画像から抽出した材料データに基づく遮閉検出を含む顔認証
CN112069917B (zh) 一种用于固定场景的人脸识别系统
JP2025507401A (ja) 画像から抽出された材料データを含む顔認証
JP2025508407A (ja) 材料情報決定のための画像操作