[发明专利]基于双目摄像机活体识别的方法及装置有效
申请号: | 201710160685.X | 申请日: | 2017-03-17 |
公开(公告)号: | CN107169405B | 公开(公告)日: | 2020-07-03 |
发明(设计)人: | 周曦;程子翰 | 申请(专利权)人: | 上海云从企业发展有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 上海光华专利事务所(普通合伙) 31219 | 代理人: | 李琦 |
地址: | 201203 上海市浦东新区中国(上海*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 双目 摄像机 活体 识别 方法 装置 | ||
1.一种基于双目摄像机活体识别的方法,其特征在于,包括:
利用双目摄像机采集对象在可见光与红外光下分别对应的人脸图像;
提取两种光频率下人脸图像中各自对应的人脸关键点;
根据目标对象反射在所述双目摄像机中人脸关键点确定该对象在人脸图像中的人脸关键点坐标向量;
根据人脸关键点坐标向量进行测距,计算人脸图像到摄像机的距离;
在同一频率且同一距离的光源下,利用Lambertian反射模型计算人脸关键点坐标向量的光强度是否在预设范围内,根据计算结果判断提供人脸的对象是否为活体。
2.根据权利要求1所述的基于双目摄像机活体识别的方法,其特征在于,所述根据人脸关键点坐标向量进行测距的步骤之前,还包括:
采用帧平均的方式对同一人脸的关键点坐标向量进行平均,计算得到每个关键点的平均坐标值。
3.根据权利要求1所述的基于双目摄像机活体识别的方法,其特征在于,所述利用双目摄像机采集对象在可见光与红外光下分别对应的人脸图像的步骤,包括:
所述双目摄像机其中一个为可见光摄像机,另一个为红外摄像机,针对同一对象分别录制视频信息,检测所述视频信息的人脸区域生成对应的人脸图像。
4.根据权利要求1所述的基于双目摄像机活体识别的方法,其特征在于,所述计算人脸图像到摄像机的距离的步骤,包括:
将双目摄像头所对应的人脸图像的同一人脸关键特征点,基于双目立体视觉测距,计算人脸图像到摄像机的距离。
5.根据权利要求1所述的基于双目摄像机活体识别的方法,其特征在于,所述计算人脸关键点坐标向量的光强度是否在预设范围内,根据计算结果判断提供人脸的对象是否为活体的步骤,包括:
在同一频率同一距离下,根据不同材质所对应的人脸图像接收的光强度不同;采用Lambertian反射模型计算人脸关键点坐标向量的光强度;
判断所述光强度是否在预设范围内,如果是,则提供所述人脸的对象为活体;如果不是,则提供人脸的对象不为活体。
6.一种基于双目摄像机活体识别的装置,其特征在于,包括:
采集模块,利用双目摄像机采集对象在可见光与红外光下分别对应的人脸图像;
提取模块,用于提取两种光频率下人脸图像中各自对应的人脸关键点;
获取模块,用于根据目标对象反射在所述双目摄像机中人脸关键点确定该对象在人脸图像中的人脸关键点坐标向量;
计算模块,用于根据人脸关键点坐标向量进行测距,计算人脸图像到摄像机的距离;
处理模块,在同一频率且同一距离的光源下,利用Lambertian反射模型计算人脸关键点坐标向量的光强度是否在预设范围内,根根据计算结果判断提供人脸的对象是否为活体。
7.根据权利要求6所述的基于双目摄像机活体识别的装置,其特征在于,所述计算模块之前包括:
优化模块,采用帧平均的方式对同一人脸的关键点坐标向量进行平均,计算得到每个关键点的平均坐标值。
8.根据权利要求6所述的基于双目摄像机活体识别的装置,其特征在于,所述采集模块具体包括:
所述双目摄像机其中一个为可见光摄像机,另一个为红外摄像机,针对同一对象分别录制视频信息,检测所述视频信息的人脸区域生成对应的人脸图像。
9.根据权利要求6所述的基于双目摄像机活体识别的装置,其特征在于,所述计算模块具体包括:
将双目摄像头所对应的人脸图像的同一人脸关键特征点,基于双目立体视觉测距,计算人脸图像到摄像机的距离。
10.根据权利要求6所述的基于双目摄像机活体识别的装置,其特征在于,所述处理模块包括:
处理单元,用于在同一频率同一距离下,根据不同材质所对应的人脸图像接收的光强度不同;采用Lambertian反射模型计算人脸关键点坐标向量的光强度;
判断单元,用于判断所述光强度是否在预设范围内,如果是,则提供所述人脸的对象为活体;如果不是,则提供人脸的对象不为活体。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海云从企业发展有限公司,未经上海云从企业发展有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710160685.X/1.html,转载请声明来源钻瓜专利网。