TW201944290A - 人臉識別方法以及移動終端 - Google Patents

人臉識別方法以及移動終端

Info

Publication number
TW201944290A
TW201944290A TW108112844A TW108112844A TW201944290A TW 201944290 A TW201944290 A TW 201944290A TW 108112844 A TW108112844 A TW 108112844A TW 108112844 A TW108112844 A TW 108112844A TW 201944290 A TW201944290 A TW 201944290A
Authority
TW
Taiwan
Prior art keywords
imaging
sensor
image
infrared
structured light
Prior art date
Application number
TW108112844A
Other languages
English (en)
Inventor
周海濤
惠方方
郭子青
譚筱
Original Assignee
大陸商Ｏｐｐｏ廣東移動通信有限公司
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
Priority claimed from CN201810327410.5A external-priority patent/CN108596061A/zh
Priority claimed from CN201810326645.2A external-priority patent/CN108616688A/zh
Application filed by 大陸商Ｏｐｐｏ廣東移動通信有限公司 filed Critical 大陸商Ｏｐｐｏ廣東移動通信有限公司
Publication of TW201944290A publication Critical patent/TW201944290A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)
  • Studio Devices (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一種人臉識別方法、裝置及移動終端、儲存媒體，其中，方法包括：控制影像感測器進行成像；獲取影像感測器成像得到的成像資料；根據成像資料，對成像對象進行活體檢測。

Description

人臉識別方法以及移動終端
本申請涉及移動終端技術領域，尤其涉及一種人臉識別方法、裝置及移動終端、儲存媒體。
隨著科技的發展，基於生物特徵的身份識別技術日益成熟並在實際應用中展現出極大的優越性。目前，可以基於人臉識別進行身份驗證，在驗證通過後進行終端解鎖、電子支付等。
本申請提出一種人臉識別方法、人臉識別裝置、移動終端和電腦可讀儲存媒體。
在第一方面，本申請實施例提出了一種人臉識別方法，包括：控制影像感測器進行成像；獲取影像感測器成像得到的成像資料；根據所述成像資料，對成像對象進行活體檢測。
在第二方面，本申請實施例提出了一種人臉識別裝置，包括控制模組、獲取模組和檢測模組；控制模組用於控制影像感測器進行成像；獲取模組用於獲取影像感測器成像得到的成像資料；檢測模組用於根據所述成像資料，對成像對象進行活體檢測。
在第三方面，本申請實施例提出了一種移動終端，包括：成像感測器、儲存器、微處理晶片MCU、處理器及儲存在所述儲存器上並可在所述處理器的可信執行環境下運行的可信應用程式；所述MCU爲所述可信執行環境的專用硬體，與所述成像感測器和所述處理器連接，用於控制所述成像感測器進行成像，並將成像資料發送至所述處理器；所述處理器執行所述可信應用程式時，實現第一方面中的人臉識別方法。
在第四方面，本申請實施例提出了一種電腦可讀儲存媒體，其上儲存有電腦程式，該程式被處理器執行時實現上述實施例的人臉識別方法。
本申請附加的方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本申請的實踐瞭解到。
下面詳細描述本申請的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用於解釋本申請，而不能理解爲對本申請的限制。
本發明的實施例至少公開了以下技術方案。
方案1. 一種人臉識別方法，所述方法包括以下步驟：
控制影像感測器進行成像；
獲取影像感測器成像得到的成像資料；
根據所述成像資料，對成像對象進行活體檢測。
方案2. 根據方案1所述的人臉識別方法，其中，所述影像感測器包括結構光感測器，所述方法還包括以下步驟：
若活體檢測通過，將依據所述成像資料中的深度資料構建的結構光深度模型，與預設人臉深度模型進行匹配；
當所述結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
方案3. 根據方案2所述的人臉識別方法，其中，所述影像感測器還包括紅外線感測器，所述成像資料包括紅外線影像，所述根據所述成像資料，對成像對象進行活體檢測，包括：
根據所述成像資料中的紅外線影像，識別所述紅外線影像的成像對象是否爲活體。
方案4. 根據方案3所述的人臉識別方法，其中，所述根據所述成像資料中的紅外線影像，識別所述紅外線影像的成像對象是否爲活體，包括：
從所述紅外線影像中提取成像輪廓；
根據處於所述成像輪廓內部的局部紅外線影像，確定所述紅外線影像的成像對象的溫度；
若所述成像輪廓與預設人臉輪廓匹配，且所述紅外線影像的成像對象的溫度處於體溫範圍內，確定所述紅外線影像的成像對象爲活體。
方案5. 根據方案2所述的人臉識別方法，其中，所述影像感測器還包括紅外線感測器和可見光感測器，所述成像資料包括紅外線影像和可見光影像，所述根據所述成像資料，對成像對象進行活體檢測，包括：
在所述可見光影像中識別人臉區域，並在所述紅外線影像中，確定與所述人臉區域相對應的第一目標區域；
根據所述第一目標區域，確定包含所述第一目標區域且大於所述第一目標區域的第二目標區域；
在所述第二目標區域內統計直方圖，並根據所述直方圖計算對比度；
若所述對比度大於閾值，確定所述紅外線影像和所述可見光影像的成像對象爲活體。
方案6. 根據方案3至5中任一項所述的人臉識別方法，其中，所述控制影像感測器進行成像，包括：
控制影像感測器中的紅外線感測器進行成像；
若根據所述紅外線感測器成像得到的紅外線影像確定成像對象爲活體，控制結構光感測器進行成像。
方案7. 根據方案3至5中任一項所述的人臉識別方法，其中，所述控制影像感測器進行成像，包括：
同步控制影像感測器中的紅外線感測器和結構光感測器進行成像。
方案8. 根據方案3至5中任一項所述的人臉識別方法，其中，所述控制影像感測器進行成像，包括：
控制影像感測器中的紅外線感測器和可見光感測器進行成像；
若根據所述紅外線感測器成像得到的紅外線影像和所述可見光感測器成像得到的可見光影像確定成像對象爲活體，控制結構光感測器進行成像。
方案9. 根據方案2至5中任一項所述的人臉識別方法，其中，所述方法由可信應用程式執行，所述可信應用程式運行於可信執行環境中。
方案10. 根據方案1所述的人臉識別方法，其中，所述方法還包括以下步驟：
控制開啓紅外線感測器進行成像；
獲取所述紅外線感測器成像得到的第一成像資料；
根據所述第一成像資料，對成像對象與預存的成像對象進行比對；
如果所述成像對象爲所述預存的成像對象，則進入所述控制影像感測器進行成像的步驟；
所述影像感測器成像得到的成像資料爲第二成像資料，所述根據所述成像資料，對成像對象進行活體檢測，包括：
根據所述第二成像資料，對所述成像對象進行活體檢測。
方案11. 根據方案10所述的方法，其中，所述影像感測器爲結構光感測器，所述第二成像資料爲深度影像，則所述對所述成像對象進行活體檢測之後，還包括：
若活體檢測通過，利用所述深度影像形成結構光深度模型，與預設人臉深度模型進行匹配；
當所述結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
方案12. 根據方案11所述的方法，其中，所述根據所述第二成像資料，對所述成像對象進行活體檢測，包括：
從所述結構光深度模型中識別目標器官；
繼續採集所述深度影像，對所述目標器官進行跟蹤，識別所述目標器官是否處於運動狀態；
如果所述目標器官處於運動狀態，則確定所述成像對象爲活體。
方案13. 根據方案10所述的方法，其中，所述影像感測器爲可見光感測器，所述第二成像資料包括可見光影像，則所述對所述成像對象進行活體檢測之後，還包括：
若活體檢測通過後，控制開啓所述結構光感測器進行成像；
獲取所述結構光感測器成像得到的第三成像資料；
將所述第三成像資料中的結構光深度模型，與預設人臉深度模型進行匹配；
當所述結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
方案14. 根據方案13所述的方法，其中，所述根據所述第二成像資料，對所述成像對象進行活體檢測，包括：
從所述可見光影像中識別人臉區域中的目標器官；
繼續採集所述可見光影像，對所述目標器官進行跟蹤，識別所述目標器官是否處於運動狀態；
如果所述目標器官處於運動狀態，則確定所述成像對象爲活體。
方案15. 根據方案13所述的方法，其中，所述第一成像資料爲紅外線影像，所述根據所述第二成像資料，對所述成像對象進行活體檢測，包括：
在所述可見光影像中識別人臉區域，並在所述紅外線影像中，確定與所述人臉區域相對應的第一目標區域；
根據所述第一目標區域，確定包含所述第一目標區域且大於所述第一目標區域的第二目標區域；
在所述第二目標區域內統計直方圖，並根據所述直方圖計算對比度；
若所述對比度大於閾值，確定所述紅外線影像和所述可見光影像的成像對象爲活體。
方案16. 根據方案10至15中任一項所述的方法，其中，所述第一成像資料爲紅外線影像，則所述根據所述第一成像資料，對成像對象與預存的成像對象進行比對，包括：
從所述紅外線影像中提取成像輪廓；
將所述成像輪廓與預存的成像對象的成像輪廓匹配；
如果所述成像輪廓與預存的成像對象的成像輪廓匹配，則確定所述成像對象屬於機主。
方案17. 根據方案10至15任一項所述的方法，其中，所述方法由可信應用程式執行，所述可信應用程式運行於可信執行環境中。
方案18. 一種人臉識別裝置，所述裝置包括：
控制模組，用於控制影像感測器進行成像；
獲取模組，用於獲取影像感測器成像得到的成像資料；
檢測模組，用於根據所述成像資料，對成像對象進行活體檢測。
方案19. 根據方案18所述的人臉識別裝置，其中，所述影像感測器包括結構光感測器，所述裝置還包括：
匹配模組，用於若活體檢測通過，將依據所述成像資料中的深度資料構建的結構光深度模型，與預設人臉深度模型進行匹配；當所述結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
方案20. 根據方案18所述的人臉識別裝置，其中，所述控制模組還用於控制紅外線感測器進行成像；以及在比對出成像對象爲預存的成像對象時，控制開啓影像感測器進行成像；
所述獲取模組還用於獲取紅外線感測器成像得到的第一成像資料，以及獲取所述影像感測器成像得到的第二成像資料；
所述裝置還包括匹配模組，所述匹配模組用於根據所述第一成像資料，對成像對象與預存的成像對象進行比對；
所述檢測模組還用於根據所述第二成像資料，對所述成像對象進行活體檢測。
方案21. 一種移動終端，包括：成像感測器、儲存器、微處理晶片MCU、處理器及儲存在所述儲存器上並可在所述處理器的可信執行環境下運行的可信應用程式；
所述MCU，爲所述可信執行環境的專用硬體，與所述成像感測器和所述處理器連接，用於控制所述成像感測器進行成像，並將成像資料發送至所述處理器；
所述處理器執行所述可信應用程式時，實現方案1-17中任一項所述的人臉識別方法。
方案22. 根據方案21所述的移動終端，其中，所述MCU與所述處理器之間通過加密方式進行通信。
方案23. 根據方案21所述的移動終端，其中，所述成像感測器包括：紅外線感測器、結構光感測器和可見光感測器；
其中，所述紅外線感測器包括雷射攝像頭和泛光燈；
所述結構光感測器包括：雷射燈，以及與所述紅外線感測器共用的雷射攝像頭；
所述可見光感測器包括：可見光攝像頭。
方案24. 根據方案23所述的移動終端，其中，所述MCU包括：脈衝寬度調變PWM、深度引擎、匯流排介面以及隨機存取儲存器RAM；
所述PWM，用於調變泛光燈以使發出紅外線光，以及調變雷射燈以發出結構光；
所述雷射攝像頭，用於採集所述成像對象的結構光影像；
所述深度引擎，用於根據所述結構光影像，計算獲得所述成像對象對應的深度資料；以及
所述匯流排介面，用於將所述深度資料發送至所述處理器，並由所述處理器上運行的可信應用程式利用所述深度資料執行相應的操作。
方案25. 一種電腦可讀儲存媒體，其上儲存有電腦程式，該程式被處理器執行時實現方案1至17中任一項所述的人臉識別方法。
方案26. 一種移動終端，包括：成像感測器、微處理晶片MCU、和處理器；其中，
所述MCU，用於控制所述成像感測器進行成像，獲取所述成像感測器成像得到的成像資料，並將所述成像資料發送至所述處理器；
所述處理器，用於根據所述成像資料，對成像對象進行活體檢測。
方案27. 根據方案26所述的移動終端，其中，所述成像感測器包括結構光感測器，所述處理器，還配置爲：
若活體檢測通過，將依據所述成像資料中的深度資料構建的結構光深度模型，與預設人臉深度模型進行匹配；
當所述結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
方案28. 根據方案27所述的移動終端，其中，所述成像感測器還包括紅外線感測器，所述成像資料包括紅外線影像，所述處理器，還配置爲：
從所述成像資料中的所述紅外線影像中提取成像輪廓；
根據處於所述成像輪廓內部的局部紅外線影像，確定所述紅外線影像的成像對象的溫度；
若所述成像輪廓與預設人臉輪廓匹配，且所述紅外線影像的成像對象的溫度處於體溫範圍內，確定所述紅外線影像的成像對象爲活體。
方案29. 根據方案27所述的移動終端，其中，所述成像感測器還包括紅外線感測器和可見光感測器，所述成像資料包括紅外線影像和可見光影像，所述處理器，還配置爲：
在所述可見光影像中識別人臉區域，並在所述紅外線影像中，確定與所述人臉區域相對應的第一目標區域；
根據所述第一目標區域，確定包含所述第一目標區域且大於所述第一目標區域的第二目標區域；
在所述第二目標區域內統計直方圖，並根據所述直方圖計算對比度；
若所述對比度大於閾值，確定所述紅外線影像和所述可見光影像的成像對象爲活體。
方案30. 根據方案28或29所述的移動終端，其中，所述MCU，還配置爲執行以下之一：
控制所述成像感測器中的紅外線感測器進行成像；
若根據所述紅外線感測器成像得到的紅外線影像確定成像對象爲活體，控制結構光感測器進行成像；或者
同步控制所述成像感測器中的紅外線感測器和結構光感測器進行成像；或者
控制所述成像感測器中的紅外線感測器和可見光感測器進行成像；
若根據所述紅外線感測器成像得到的紅外線影像和所述可見光感測器成像得到的可見光影像確定成像對象爲活體，控制結構光感測器進行成像。
方案31. 根據方案26所述的移動終端，其中，
所述MCU還配置爲：
控制開啓紅外線感測器進行成像；
獲取所述紅外線感測器成像得到的第一成像資料；且
將所述第一成像資料發送至所述處理器；
所述處理器配置爲：
根據所述第一成像資料，對成像對象與預存的成像對象進行比對；
如果所述成像對象爲所述預存的成像對象，則觸發所述MCU；
所述MCU，還配置爲：控制成像感測器進行成像，所述成像感測器成像得到的成像資料爲第二成像資料；將所述第二成像資料發送至所述處理器；
所述處理器，還配置爲：根據所述第二成像資料，對所述成像對象進行活體檢測。
方案32. 根據方案31所述的移動終端，其中，所述成像感測器爲結構光感測器，所述第二成像資料爲深度影像，則處理器還配置爲：
若活體檢測通過，利用所述深度影像形成結構光深度模型，與預設人臉深度模型進行匹配；
當所述結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
方案33. 根據方案32所述的移動終端，其中，所述處理器還配置爲：
從所述結構光深度模型中識別目標器官；
繼續採集所述深度影像，對所述目標器官進行跟蹤，識別所述目標器官是否處於運動狀態；
如果所述目標器官處於運動狀態，則確定所述成像對象爲活體。
方案34. 根據方案31所述的移動終端，其中，所述成像感測器爲可見光感測器，所述第二成像資料包括可見光影像，則所述對所述成像對象進行活體檢測之後，所述MCU還配置爲：
若活體檢測通過後，控制開啓結構光感測器進行成像；
獲取所述結構光感測器成像得到的第三成像資料；及
將所述第三成像資料發送至所述處理器；
所述處理器還配置爲：
將所述第三成像資料中的結構光深度模型，與預設人臉深度模型進行匹配；
當所述結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
方案35. 根據方案34所述的移動終端，其中，所述處理器還配置爲：
從所述可見光影像中識別人臉區域中的目標器官；
繼續採集所述可見光影像，對所述目標器官進行跟蹤，識別所述目標器官是否處於運動狀態；
如果所述目標器官處於運動狀態，則確定所述成像對象爲活體，或者
所述處理器還配置爲：
在所述可見光影像中識別人臉區域，並在所述第一成像資料包括的所述紅外線影像中，確定與所述人臉區域相對應的第一目標區域；
根據所述第一目標區域，確定包含所述第一目標區域且大於所述第一目標區域的第二目標區域；
在所述第二目標區域內統計直方圖，並根據所述直方圖計算對比度；
若所述對比度大於閾值，確定所述紅外線影像和所述可見光影像的成像對象爲活體。
下面參考附圖描述本申請實施例的人臉識別方法及人臉識別裝置。
目前，可以基於人臉識別進行身份驗證，在驗證通過後進行終端解鎖、電子支付等，相比傳統的密碼驗證更加方便、安全。但是，傳統單一的人臉識別等只能保證人的特徵能够被有效驗證，而導致利用照片也可以進行終端解鎖、電子支付等。可見，現有的基於人臉識別技術的身份驗證安全性和可靠性低。
針對這一問題，本申請實施例提出一種人臉識別方法，該方法在利用結構光深度模型進行身份驗證之前，先進行活體檢測，在活體檢測通過後，再進行人臉的深度模型的驗證，以避免利用仿照物如照片進行身份驗證，提高了身份驗證的安全性和可靠性。
圖1爲本申請實施例提供的一種人臉識別方法的流程示意圖。
該人臉識別方法可應用電子設備，作爲一種可能的實現方式，該電子設備的結構可參見圖2，圖2爲本申請實施例提供的一種電子設備的結構示意圖。
需要說明的是，本領域技術人員可以知曉，圖1對應方法不僅適用於圖2所示的電子設備，圖2所示電子設備僅作爲一種示意性描述，圖1對應方法可以用於具有普通執行環境的電子設備，還可以用於其他具有可信執行環境，以及可信執行環境專用硬體的電子設備，本實施例中對此不作限定。
如圖2所示，該電子設備包括：雷射攝像頭、泛光燈、可見光攝像頭、雷射燈以及微處理器（Microcontroller Unit，簡稱MCU）。其中，MCU包括脈衝寬度調變（Pulse Width Modulation，簡稱PWM）、深度引擎、匯流排介面以及隨機存取儲存器RAM。另外，電子設備還包括處理器，該處理器具有可信執行環境，MCU爲可信執行環境專用硬體，執行圖1所示方法的可信應用程式運行於該可信執行環境下；處理器還可以具有普通執行環境，該普通執行環境與可信執行環境相互隔離。
其中，PWM用於調變泛光燈以使發出紅外線光，以及調變雷射燈以發出結構光；雷射攝像頭，用於採集成像對象的結構光影像或可見光影像；深度引擎，用於根據結構光影像，計算獲得成像對象對應的深度資料；匯流排介面，用於將深度資料發送至處理器，並由處理器上運行的可信應用程式利用深度資料執行相應的操作。其中，匯流排介面包括：移動産業處理器介面(Mobile Industry Processor Interface 簡稱MIPI)、I2C同步串行匯流排介面、串行周邊介面（Serial Peripheral Interface，簡稱SPI）。
如圖1所示，該人臉識別方法包括：
步驟101，控制影像感測器進行成像，其中，影像感測器包括結構光感測器。
本實施例中，該人臉識別方法可由可信應用程式執行，其中，可信應用程式運行於可信執行環境中，可信應用程式可以理解爲涉及用戶資源、用戶隱私等信息安全性的應用程式，該類應用程式需要的安全級別較高，例如電子支付程式、解鎖程式等等。
可信執行環境是電子設備（包含智慧型手機、平板電腦等）主處理器上的一個安全區域，其可以保證加載到該環境內部的代碼和資料的安全性、機密性以及完整性。可信執行環境提供一個隔離的執行環境，提供的安全特徵包含：隔離執行、可信應用程式的完整性、可信資料的機密性、安全儲存等。總之，可信執行環境提供的執行空間比常見的移動操作系統，如ISO、Android等，提供更高級別的安全性。
本實施例中，可信應用程式運行於可信執行環境中，從運行環境上提高了身份驗證的安全性。
當可信應用程式執行時，如進行電子支付、電子設備解鎖時，可通過可信執行環境的專用硬體，控制開啓影像感測器進行成像。其中，專用硬體可以爲MCU，影像感測器可包括結構光感測器。
本實施例中，結構光感測器可包括雷射攝像頭和雷射燈。MCU可以調變電子設備上的雷射燈發出結構光，結構光投射到成像對象。結構光受到成像對象的阻礙，被成像對象反射，雷射攝像頭捕獲成像對象反射的結構光進行成像。
本實施例中，由於每個人的身體部分的特徵一般是不相同的，可以選取身體部位作爲成像對象，例如，成像對象可以爲人臉、面部器官（眼睛、鼻子、嘴巴）或者手部等身體部位。
步驟102，獲取影像感測器成像得到的成像資料。
本實施例中，可通過專用硬體，獲取影像感測器成像得到的成像資料，如結構光感測器成像得到的深度資料。
步驟103，根據成像資料，對成像對象進行活體檢測。
本實施例中，可利用成像資料中的深度資料，對成像對象進行活體檢測。具體而言，根據深度資料構建結構光深度模型，並從結構光深度模型中識別目標器官，具體地，將結構光深度模型與預存的臉部器官的結構光深度模型進行比對，以從結構光深度模型中識別出目標器官。
由於成像對象爲活體時，成像對象不可能始終保持靜止，當某器官處於運動狀態時，其深度資料也會發生變化，因此本實施例中對目標器官進行跟蹤，以確定目標器官是否處於運動狀態。
在識別出目標器官後，繼續採集成像對象的深度影像，獲取連續的多幀深度影像。通過比較同一器官在連續的多幀深度影像中的深度資料，以確定該器官是否處於運動狀態。當同一器官在連續的多幀深度影像中的深度資料發生了變化，可以確定該器官處於運動狀態。
當目標器官處於運動狀態時，說明成像對象不是仿照物，如照片等，可以確定該成像對象爲活體。當目標器官處於靜止狀態時，可以確定該成像對象不是活體，可能爲照片等仿照物。
本實施例中，通過從結構光深度模型中識別出目標器官，對目標器官進行跟蹤，以確定目標器官是否處於運動狀態，進而確定成像對象是否爲活體，活體檢測的準確率高。
步驟104，若活體檢測通過，將依據成像資料中的深度資料構建的結構光深度模型，與預設人臉深度模型進行匹配。
如果成像對象通過活體檢測，將成像對象的結構光深度模型與預設的人臉深度模型進行匹配。
作爲一種可能的實現方式，可將構建的結構光深度模型，與預設的人臉深度模型進行比對，當相似度超過預設閾值時，可以認爲結構光深度模型與預設的人臉深度模型匹配。
可以理解的是，這裡預設的人臉深度模型，是預先儲存的利用結構光感測器對電子設備的機主的人臉進行成像得到的結構光影像，利用結構光影像中深度資料構建得到的預設的人臉深度模型，以用於身份驗證。
步驟105，當結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
當成像對象的結構光深度模型與預設人臉深度模型匹配時，確定通過了身份驗證，可以進行後續的操作，如完成電子支付、電子設備解鎖等等。
當未通過活體檢測時，可返回未通過活體檢測的消息，或者當成像對象的結構光深度模型與預設人臉深度模型不匹配時，返回身份驗證失敗的信息。
本實施例中，先根據成像資料對成像對象進行活體檢測，在活體檢測通過後，再根據結構光深度模型進行身份驗證，從而可以避免利用仿照物如照片身份驗證通過的情况，提高了用人臉進行身份驗證的安全性和可靠性。
進一步而言，在前述身份驗證和活體檢測過程中，在可信環境下通過專用硬體獲取身份驗證和活體檢測所需的成像資料，保證了身份驗證和活體檢測資料來源的安全性，進一步提高了安全性和可靠性。
上述實施例中，通過專用硬體，控制進行成像的影像感測器還可包括紅外線感測器，紅外線感測器包括雷射攝像頭和泛光燈。在控制紅外線感測器進行成像時，PWM可以調變電子設備上的泛光燈發出紅外線光，投射到成像對象。紅外線光受到成像對象的阻礙，被成像對象反射，雷射攝像頭捕獲成像對應反射的紅外線光進行成像。
在進行活體檢測時，可通過紅外線感測器成像得到紅外線影像，識別紅外線影像的成像對象是否爲活體。圖3爲本申請實施例提供的一種根據紅外線影像進行活體檢測的方法的流程示意圖。
如圖3所示，該活體檢測方法包括：
步驟301，從紅外線影像中提取成像輪廓。
本實施例中，可根據紅外線影像中的邊緣像素點，提取得到成像輪廓。
步驟302，根據處於成像輪廓內部的局部紅外線影像，確定紅外線影像的成像對象的溫度。
本實施例中，可將成像輪廓劃分多個部分，確定每個局部紅外線影像對應的溫度，將每個局部紅外線影像對應的溫度相加求出平均值，將平均值作爲紅外線影像的成像對象的溫度。
作爲一種可能的實現方式，紅外線影像是紅外線感測器採集人體發出的紅外線光成像得到的，該紅外線影像中各像素點的取值與人體溫度相對應，據此可以確定出成像對象的溫度。
作爲另一種可能的實現方式，紅外線影像是通過主動向人體投射紅外線光後，經人體反射後，紅外線感測器接收人體反射的紅外線光成像得到的。紅外線感測器的響應頻率應當同時覆蓋主動投射的紅外線光頻率以及人體發出的紅外線光頻率，從而，在紅外線影像中，各像素點的取值是人體反射的紅外線光與人體發出的紅外線光叠加的效果。由於，投射的紅外線光的强度是已知的，在根據紅外線影像各像素點取值與紅外線輻射溫度之間對應關係，確定出各像素點對應的紅外線輻射溫度之後，根據投射的紅外線光的强度確定對應的紅外線輻射修正溫度。採用該紅外線輻射修正溫度，對各像素點對應的紅外線輻射溫度進行修正，將修正後的紅外線輻射溫度作爲成像對象的溫度。
步驟303，若成像輪廓與預設人臉輪廓匹配，且紅外線影像的成像對象的溫度處於體溫範圍內，確定紅外線影像的成像對象爲活體。
本實施例中，將成像輪廓與預設人臉輪廓進行匹配。作爲一個示例，在進行成像輪廓匹配時，可分段進行匹配，當每個分段相似程度均超過每個分段的預設閾值時，可以認爲該成像輪廓與預設的成像輪廓匹配，即成像對象爲預存的成像對象。
在將成像輪廓與預設的人臉輪廓進行比對時，可將人臉輪廓以眉毛爲分界分爲上半部分和下半部分，分段進行比對。由於上半部分（包括眉毛），受到眉形、髮型的影響，相對變化比較大，可信度比較低，而下半部分，如眼睛、眉毛、鼻子、嘴巴等比較固定，因此上半部分對應的相似度的預設閾值，相對下半部分相對較小。
針對兩個部分分別進行比對，當成像輪廓的上半部分與預存的人臉輪廓的上半部分的相似度超過對應的預設閾值，且成像輪廓的下半部分與預存的人臉輪廓的下半部分的相似度超過對應的預設閾值時，可以認爲成像輪廓與預存的人臉輪廓匹配。
若成像輪廓與預設的人臉輪廓匹配，且紅外線影像的成像對象的溫度處於人體體溫範圍內，可以確定紅外線影像的成像對象爲活體。否則，可以認爲紅外線影像的成像對象不是活體。
本實施例中，通過成像輪廓是否與預設人臉輪廓匹配，以及成像對象的溫度是否在人體體溫範圍內，判斷成像對象是否爲活體，從而提高了活體識別的準確率。
上述實施例中，通過專用硬體，控制開啓的影像感測器可包括紅外線感測器和可見光感測器，通過紅外線感測器和可見光感測器成像得到紅外線影像和可見光影像。在進行活體檢測時，可通過紅外線影像和可見光影像，對成像對象進行活體檢測。圖4爲本申請實施例提供的一種根據紅外線影像和可見光影像進行活體檢測的方法的流程示意圖。
如圖4所示，該活體檢測方法包括：
步驟401，在可見光影像中識別人臉區域，並在紅外線影像中，確定與人臉區域相對應的第一目標區域。
本實施例中，在可見光影像上，檢測人臉區域，如果沒有檢測到人臉區域，重新採集可見光影像和紅外線影像。如果檢測到人臉區域，則在紅外線影像中識別出人臉輪廓，確定與可見光影像中人臉區域對應的第一目標區域。可以理解的是，這裡第一目標區域爲紅外線影像中的人臉區域。
步驟402，根據第一目標區域，確定包含第一目標區域且大於第一目標區域的第二目標區域。
在紅外線影像上在第一目標區域的基礎上擴大範圍，得到第二目標區域。可以理解的是，第二目標區域包含第一目標區域且大於第一目標區域。
步驟403，在第二目標區域內統計直方圖，並根據直方圖計算對比度。
在紅外線影像上的第二目標區域內統計直方圖，如公式（1）所示。
（1）
其中，，即相鄰像素間灰度差，爲相鄰像素間的灰度差的像素分布機率。
步驟404，若對比度大於閾值，確定紅外線影像和可見光影像的成像對象爲活體。
當對比度大於一定的閾值時，可以確定紅外線影像和可見光影像的成像對象爲活體，否則爲仿照物。
本實施例中，通過紅外線影像和可見光影像兩種影像，確定成像對象是否活體，提高了活體檢測的準確率。
進一步地，在提高利用人臉進行身份驗證的安全性和可靠性的情况下，能够節省電子設備能量，提高續航能力。若控制成像的影像感測器中還包括紅外線感測器，則通過專用硬體，控制開啓紅外線感測器進行成像。若根據紅外線感測器成像得到的紅外線影像確定成像對象爲活體，控制結構光感測器進行成像。
具體而言，通過專用硬體MCU調整泛光燈以發出紅外線光，紅外線光照射至成像對象。紅外線光受到成像對象的阻礙，反射紅外線光，紅外線感測器接收到成像對象反射的紅外線光，進行成像。
通過MCU獲取紅外線感測器成像得到的紅外線影像，並根據紅外線影像對成像對象進行活體檢測，具體的檢測方法可參見上述實施例中描述的方法，在此不再贅述。
若根據紅外線影像確定成像對象爲活體，再控制結構光感測器進行成像，以根據結構光深度模型進行身份驗證。
本實施例中，先控制紅外線感測器進行成像，在根據紅外線影像確定成像對象爲活體後，再控制結構光感測器進行成像，從而使得結構光感測器不需要一直處於工作狀態，可以很好地節省電子設備的電量，提高電子設備的續航能力。
可以理解的是，爲了提高身份驗證的速度，可同步控制影像感測器中的紅外線感測器和結構光感測器進行成像，從而在根據紅外線影像確定成像對象爲活體後，直接根據結構光感測器成像得到的成像資料進行身份驗證，提高了身份驗證的速度。
上述實施例中，若控制成像的影像感測器中包括可見光感測器、紅外線感測器、結構光感測器，爲了節省電子設備的能量，可先控制可見光感測器和紅外線感測器進行成像。若根據紅外線感測器成像得到的紅外線影像和可見光感測器成像得到的可見光影像確定成像對象爲活體，控制結構光感測器進行成像。
其中，根據可見光影像和紅外線影像，檢測成像對象是否爲活體的過程，可參見上述實施例中所述的方法，在此不再贅述。
本實施例中，先控制可見光感測器和紅外線感測器進行成像，在根據可見光影像和紅外線影像，確定成像對象爲活體後，再控制結構光感測器進行成像，以根據結構光深度模型進行身份驗證，進行身份驗證之前先進行活體檢測，提高了利用人臉進行身份驗證的可靠性和安全性，而且結構光感測器可以不需要一直處於成像的工作狀態，大大節省了電子設備的能量，提高了電子設備的續航能力。
本申請實施例還提出一種人臉識別裝置。圖5爲本申請實施例提供的一種人臉識別裝置的結構示意圖。
如圖5所示，該裝置包括：控制模組501、獲取模組502、檢測模組503、匹配模組504。
控制模組501，用於控制影像感測器進行成像，其中，影像感測器包括結構光感測器；
獲取模組502，用於獲取影像感測器成像得到的成像資料；
檢測模組503，用於根據成像資料，對成像對象進行活體檢測；
匹配模組504，用於若活體檢測通過，將依據成像資料中的深度資料構建的結構光深度模型，與預設人臉深度模型進行匹配；當結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
在本實施例一種可能的實現方式中，影像感測器還包括紅外線感測器，成像資料包括紅外線影像，檢測模組503還用於：
根據成像資料中的紅外線影像，識別紅外線影像的成像對象是否爲活體。
進一步地，在本實施例一種可能的實現方式中，檢測模組503還用於：
從紅外線影像中提取成像輪廓；
根據處於成像輪廓內部的局部紅外線影像，確定紅外線影像的成像對象的溫度；
若成像輪廓與預設人臉輪廓匹配，且紅外線影像的成像對象的溫度處於體溫範圍內，確定紅外線影像的成像對象爲活體。
在本實施例一種可能的實現方式中，影像感測器還包括紅外線感測器和可見光感測器，成像資料包括紅外線影像和可見光影像，檢測模組503還用於：
在可見光影像中識別人臉區域，並在紅外線影像中，確定與人臉區域相對應的第一目標區域；
根據第一目標區域，確定包含第一目標區域且大於第一目標區域的第二目標區域；
在第二目標區域內統計直方圖，並根據直方圖計算對比度；
若對比度大於閾值，確定紅外線影像和可見光影像的成像對象爲活體。
在本實施例一種可能的實現方式中，控制模組501還用於：
控制影像感測器中的紅外線感測器進行成像；
若根據紅外線感測器成像得到的紅外線影像確定成像對象爲活體，控制結構光感測器進行成像。
在本實施例一種可能的實現方式中，控制模組501還用於：
同步控制影像感測器中的紅外線感測器和結構光感測器進行成像。
在本實施例一種可能的實現方式中，控制模組501還用於：
控制影像感測器中的紅外線感測器和可見光感測器進行成像；
若根據紅外線感測器成像得到的紅外線影像和可見光感測器成像得到的可見光影像確定成像對象爲活體，控制結構光感測器進行成像。
在本實施例一種可能的實現方式中，該人臉識別裝置可具有可信執行環境，控制模組501還用於通過可信執行環境中的專用硬體，控制影像感測器進行成像，獲取模組502可通過專用硬體獲取影像感測器成像得到的成像數。
在前述身份驗證和活體檢測過程中，通過專用硬體獲取身份驗證和活體檢測所需的成像資料，保證了身份驗證和活體檢測資料來源的安全性，進一步提高了安全性和可靠性。
上述人臉識別裝置中各個模組的劃分僅用於舉例說明，在其他實施例中，可將人臉識別裝置按照需要劃分爲不同的模組，以完成上述人臉識別裝置的全部或部分功能。
需要說明的是，前述對人臉識別方法實施例的解釋說明，也適用於該實施例的人臉識別裝置，故在此不再贅述。
本申請實施例的人臉識別裝置，通過控制影像感測器進行成像，獲取影像感測器成像得到的成像資料，根據成像資料，對成像對象進行活體檢測，若活體檢測通過，將依據成像資料中的深度資料構建的結構光深度模型，與預設人臉深度模型進行匹配，當結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。本實施例中，根據成像資料進行活體檢測，在活體檢測通過後再根據結構光深度模型，進行人臉的深度模型的驗證，由於在活體檢測通過後，再進行人臉的深度模型的驗證，從而可以避免利用仿照物如照片身份驗證通過的情况，提高了利用人臉進行身份驗證的安全性和可靠性。
下面參考附圖描述本申請另一個實施例的影像處理方法（下文統稱爲人臉識別方法）及影像處理裝置（下文統稱爲人臉識別裝置）。
目前，以通過電子設備上的影像感測器採集人臉的成像資料，然後基於成像資料進行身份驗證。但是，目前直接調用影像感測器採集影像進行身份驗證，驗證方式單一，安全性較低。而且影像感測器採集影像時能耗較大，直接調用往往會影響到電子設備的續航能力。
針對這一問題，本申請實施例提出一種人臉識別方法，通過在確定成像對象爲預存的成像對象後再進行活體檢測，從而可以避免利用仿照物如照片驗證通過的情况出現，提高了身份驗證的安全性和可靠性。由於在確定成像對象與預存的成像對象匹配後，再開啓影像感測器，從而使得影像感測器不需要一直處於開啓狀態，可以很好地節省電子設備的電量，提高電子設備的續航能力。
圖6爲本申請實施例提供的一種人臉識別方法的流程示意圖。
該人臉識別方法應用電子設備，作爲一種可能的實現方式，電子設備的結構可參見圖2，圖2爲本申請實施例提供的一種電子設備的結構示意圖。
如圖2所示，該電子設備包括：雷射攝像頭、泛光燈、可見光攝像頭、雷射燈以及微處理器（Microcontroller Unit，簡稱MCU）。其中，MCU包括脈衝寬度調變（Pulse Width Modulation，簡稱PWM）、深度引擎、匯流排介面以及隨機存取儲存器RAM。另外，電子設備還包括處理器，該處理器具有可信執行環境，MCU爲可信執行環境專用硬體，執行圖6所示方法的可信應用程式運行於該可信執行環境下；處理器還可以具有普通執行環境，該普通執行環境與可信執行環境相互隔離。需要說明的是，圖6所示方法的應用程式也可在普通執行環境中運行。
需要說明的是，本領域技術人員可以知曉，圖6對應方法不僅適用於圖2所示的電子設備，圖2所示電子設備僅作爲一種示意性描述，圖6對應方法還可以用於其他具有可信執行環境，以及可信執行環境專用硬體的電子設備，本實施例中對此不作限定。
其中，PWM用於調變泛光燈以使發出紅外線光，以及調變雷射燈以發出結構光；雷射攝像頭，用於採集成像對象的結構光影像或可見光影像；深度引擎，用於根據結構光影像，計算獲得成像對象對應的深度資料；匯流排介面，用於將深度資料發送至處理器，並由處理器上運行的可信應用程式利用深度資料執行相應的操作。其中，匯流排介面包括：移動産業處理器介面(Mobile Industry Processor Interface 簡稱MIPI)、I2C同步串行匯流排介面、串行外設介面（Serial Peripheral Interface，簡稱SPI）。
如圖6所示，該人臉識別方法包括：
步驟110，控制開啓紅外線感測器進行成像。
本實施例中，該人臉識別方法可由可信應用程式執行，其中，可信應用程式運行於可信執行環境中，可信應用程式可以理解爲涉及用戶資源、用戶隱私等信息安全性的應用程式，該類應用程式需要的安全級別較高，例如電子支付程式、解鎖程式等等。
可信執行環境是電子設備（包含智慧型手機、平板電腦等）主處理器上的一個安全區域，相對普通執行環境，其可以保證加載到該環境內部的代碼和資料的安全性、機密性以及完整性。可信執行環境提供一個隔離的執行環境，提供的安全特徵包含：隔離執行、可信應用程式的完整性、可信資料的機密性、安全儲存等。總之，可信執行環境提供的執行空間比常見的移動操作系統，如ISO、Android等，提供更高級別的安全性。
本實施例中，可信應用程式運行於可信執行環境中，從運行環境上提高了身份驗證的安全性。
本實施例中，電子設備可包括紅外線感測器、可見光感測器、結構光感測器。其中，紅外線感測器可以根據成像對象反射的紅外線光進行紅外線成像，得到紅外線影像；可見光感測器利用成像對象反射的可見光進行成像，得到可見光影像；結構光感測器可以根據成像對象反射的結構光成像，得到結構光影像。
其中，成像對象可以爲人臉，也可以爲其他具有特徵的部分如手部、眼睛、嘴巴等等。
當可信應用程式執行時，如進行電子支付、電子設備解鎖時，可通過可信執行環境的專用硬體，控制開啓紅外線感測器進行成像。其中，專用硬體可以爲MCU。
本實施例中，紅外線感測器可包括雷射攝像頭和泛光燈。MCU可以調變電子設備上的泛光燈發出紅外線光，投射到成像對象。紅外線光受到成像對象的阻礙，被成像對象反射，雷射攝像頭捕獲成像對應反射的紅外線光進行成像。
步驟120，獲取紅外線感測器成像得到的第一成像資料。
本實施例中，可通過專用硬體如MCU，獲取紅外線感測器成像得到的第一成像資料。具體地，專用硬體根據紅外線感測器的成像結果，得到第一成像資料，這裡爲紅外線影像。
步驟130，根據第一成像資料，對成像對象與預存的成像對象進行比對。
本實施例中，由於每個人的身體部分的特徵一般是不相同的，可以選取身體部位作爲成像對象，例如，成像對象可以爲人臉、面部器官（眼睛、鼻子、嘴巴）或者手部等身體部位。在獲得成像對象的第一成像資料即紅外線影像後，可從紅外線影像中提取成像輪廓，具體而言，可以提取紅外線影像的邊緣像素點，以及像素值相近的像素點，以得到成像輪廓。
然後，將成像輪廓與預存的成像對象的成像輪廓進行匹配。作爲一個示例，在進行成像輪廓匹配時，可分段進行匹配，當每個分段相似程度均超過每個分段的預設閾值時，可以認爲該成像輪廓與預設的成像輪廓匹配，即成像對象爲預存的成像對象。
具體而言，從紅外線影像中可以提取影像邊緣的像素點，以及像素值的差值小於預設閾值的像素點，即像素值相近的像素點，以得到成像輪廓。
在將成像輪廓與預設的人臉輪廓進行比對，可將人臉輪廓以眉毛爲分界分爲上半部分和下半部分，分段進行比對。由於上半部分（包括眉毛），受到眉形、髮型的影響，相對變化比較大，可信度比較低，而下半部分，如眼睛、眉毛、鼻子、嘴巴等比較固定，因此上半部分對應的相似度的預設閾值，相對下半部分相對較小。
針對兩個部分分別進行比對，當成像輪廓的上半部分與預存的人臉輪廓的上半部分的相似度超過對應的預設閾值，且成像輪廓的下半部分與預存的人臉輪廓的下半部分的相似度超過對應的預設閾值時，可以認爲成像輪廓與預存的人臉輪廓匹配，即成像對象爲預存的人臉。
步驟140，如果成像對象爲預存的成像對象，則控制開啓影像感測器進行成像。
當成像對象爲預存的成像對象時，可以說明該成像對象屬於電子設備的機主，這時可以控制開啓影像感測器。這裡開啓的影像感測器可以爲可見光感測器或者結構光感測器，也可以爲可見光感測器和結構光感測器。
本實施例中，可見光感測器包括可見光攝像頭，可見光攝像頭可以捕獲由成像對象反射的可見光進行成像，得到可見光影像。結構光感測器包括雷射燈，以及與紅外線感測器共用的雷射攝像頭。PWM可以調變雷射燈以發出結構光，結構光照射至成像對象，雷射攝像頭可以捕獲由成像對象反射的結構光進行成像，得到結構光影像。
由於在確定成像對象與預存的成像對象匹配後，再開啓影像感測器，從而使得影像感測器不需要一直處於開啓狀態，可以很好地節省電子設備的電量，提高電子設備的續航能力。
步驟150，獲取影像感測器成像得到的第二成像資料。
本實施例中，當開啓的感測器爲可見光感測器時，可通過專用硬體獲取可見光感測器成像得到的第二資料，即可見光影像。當開啓的感測器爲結構光感測器時，可通過專用硬體獲取可見光感測器成像得到的結構光影像。深度引擎根據結構光影像，可計算獲得成像對象對應的深度資料，具體而言，深度引擎解調結構光影像中變形位置像素對應的相位信息，將相位信息轉化爲高度信息，根據高度信息確定被攝物對應的深度資料，從而根據深度資料得到深度影像。當開啓的感測器爲可見光感測器和結構光感測器時，可通過專用硬體獲取可見光影像和深度影像。
步驟160，根據第二成像資料，對成像對象進行活體檢測。
本實施例中，可利用深度影像對成像對象進行活體檢測，也可以通過可見光影像進行活體檢測，也可以通過可見光影像和紅外線影像進行活體檢測。具體過程可詳見後續實施例。
本申請實施例的人臉識別方法，通過先開啓紅外線光感測器，在確定成像對象與預存的成像對象匹配後，再開啓影像感測器，進行活體檢測，不僅可以節省能量，而且可以提高身份驗證的安全性和可靠性。由於在確定成像對象爲預存的成像對象匹配後，再開啓影像感測器，從而使得影像感測器不需要一直處於開啓狀態，可以很好地節省電子設備的電量，提高電子設備的續航能力。
本實施例的人臉識別方法，可由可信應用程式執行，可信應用程式運行於可信執行環境中，在前述身份驗證的過程中，在可信環境下通過專用硬體獲取身份驗證的成像資料，保證了身份驗證資料來源的安全性，進一步提高了身份驗證的安全性和可靠性。
進一步地，如圖7所示，在圖6所示的基礎上，該人臉識別方法在步驟160之後，還可包括：
步驟170，若活體檢測通過，利用深度影像形成結構光深度模型，與預設人臉深度模型進行匹配。
當成像對象通過活體檢測時，通過結構光深度模型進行身份驗證。具體而言，根據深度影像中的深度資料構建結構光深度模型，並與預設的人臉深度模型進行匹配。具體地，可將構建的結構光深度模型中臉部各個器官的結構光深度模型，與預設的人臉深度模型中各個器官的深度模型進行比對，當相似度超過預設閾值時，可以認爲結構光深度模型與預設的人臉深度模型匹配。
可以理解的是，這裡預設的人臉深度模型，是預先儲存的利用結構光感測器對電子設備的機主的人臉進行成像得到的結構光影像，利用結構光影像中深度資料構建得到的預設的人臉深度模型，以用於身份驗證。
步驟180，當結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
當結構光深度模型與預設人臉深度模型匹配時，確定通過了身份驗證，可以進行後續的操作，如完成電子支付、電子設備解鎖等等。
可以理解的是，當未通過活體檢測時，可返回未通過活體檢測的消息，或者當結構光深度模型與預設人臉深度模型不匹配時，返回未身份驗證失敗的信息。
本申請實施例的人臉識別方法，在通過成像對象活體檢測後，也就是在確認進行身份驗證的對象不是仿照物（照片）時，再進行身份驗證，從而提高了身份驗證的安全性和可靠性。
由於當第二成像資料不同時，進行活體檢測的方法不同，當第二成像資料爲結構光影像時，本申請實施例提供了一種進行活體檢測的方法。圖8爲本申請實施例提供的一種根據結構光影像進行活體檢測的方法的流程示意圖。如圖8所示，包括：
步驟310，從結構光深度模型中識別目標器官。
本實施例中，可預先儲存多個人體器官的結構光深度模型。在通過專用硬體獲取成像對象的結構光影像後，從結構光影像中獲取深度資料，深度資料構成深度影像，並根據深度影像構建結構光深度模型，將結構光深度模型與預存的器官的結構光深度模型進行比對，以從結構光深度模型中識別出目標器官。
舉例而言，從人臉的結構光深度模型中識別出眉毛、眼睛、鼻子、嘴巴等器官。
步驟320，繼續採集深度影像，對目標器官進行跟蹤，識別目標器官是否處於運動狀態。
由於成像對象爲活體時，成像對象不可能始終保持靜止，當某器官處於運動狀態時，其深度資料也會發生變化，因此本實施例中對目標器官進行跟蹤，以確定目標器官是否處於運動狀態。
具體地，在識別出目標器官後，繼續採集成像對象的深度影像，獲取連續的多幀深度影像。通過比較同一器官在連續的多幀深度影像中的深度資料，以確定該器官是否處於運動狀態。當同一器官在連續的多幀深度影像中的深度資料發生了變化，可以確定該器官處於運動狀態。
以目標器官爲嘴巴爲例，在當前採集的深度影像中處於閉合狀態，經過幾幀深度影像後，嘴巴處於張開狀態，從而可以確定嘴巴處於運動狀態。
步驟330，如果目標器官處於運動狀態，則確定成像對象爲活體。
當目標器官處於運動狀態時，說明成像對象不是仿照物，如照片等，可以確定該成像對象爲活體。當目標器官處於靜止狀態時，可以確定該成像對象不是活體，可能爲照片等仿照物。
本實施例中，通過從結構光深度模型中識別出目標器官，對目標器官進行跟蹤，以確定目標器官是否處於運動狀態，進而確定成像對象是否爲活體，活體檢測的準確率高。
上述實施例中，當確定成像對象爲預存的成像對象時，控制開啓的影像感測器可以是可見光感測器，以根據可見光影像檢測成像對象是否爲活體。圖9爲本申請實施例提供的又一種人臉識別方法的流程示意圖。
如圖9所示，該方法包括：
步驟410，控制開啓紅外線感測器進行成像。
步驟420，獲取紅外線感測器成像得到的第一成像資料。
步驟430，根據第一成像資料，對成像對象與預存的成像對象進行比對。
本實施例中，根據第一成像資料，判斷成像對象是否與預存的成像對象匹配的方法，與上述實施例中步驟110-步驟130中記載的方法類似，故在此不再贅述。
步驟440，如果成像對象爲預存的成像對象，則控制開啓可見光感測器進行成像。
當成像對象爲預存的成像對象時，可控制開啓可見光感測器，以使成像對象反射的可見光，在可見光感測器上成像。
步驟450，獲取可見光感測器成像得到的可見光影像。
本實施例中，可通過專用硬體如MCU，獲取可見光感測器成像得到的各個像素點的值，進而得到可見光影像。
步驟460，根據可見光影像，對成像對象進行活體檢測。
作爲一種可能的實現方式，可僅根據可見光影像對成像對象進行活體檢測。圖10爲本申請實施例提供的一種根據可見光影像進行活體檢測的方法的流程示意圖。如圖10所示，該活體檢測方法包括：
步驟510，從可見光影像中識別人臉區域中的目標器官。
本實施例中，可預先儲存臉部多個器官的可見光影像，將成像對象的可見光影像與預存的臉部器官的可見光影像進行比對，將成像對象的可見光影像中與預存的某器官的像素值相近的區域，確定爲該器官。
舉例而言，將成像對象的可見光影像中與預存的鼻子的可見光影像的像素值相近的區域識別爲鼻子。
步驟520，繼續採集可見光影像，對目標器官進行跟蹤，識別目標器官是否處於運動狀態。
由於成像對象爲活體時，成像對象不可能始終保持靜止，當某器官處於運動狀態時，其位置也會發生變化，因此本實施例中對目標器官進行跟蹤，以確定目標器官是否處於運動狀態。
具體地，在識別出人臉區域中的目標器官後，繼續採集人臉的可見光影像，得到連續多幀的人臉的可見光影像。通過比較目標器官在連續兩幀或多幀可見光影像中的相對位置，以確定該目標器官是否處於運動狀態。
當該目標器官的相對位置發生了變化，可以認爲這兩個器官處於運動狀態。
步驟530，如果目標器官處於運動狀態，則確定成像對象爲活體。
當目標器官處於運動狀態時，可以確定人臉爲活體，而不是仿照物如照片中的人臉，說明人臉通過了活體檢測。當目標器官處於靜止狀態時，可以認爲人臉不是活體而是仿照物，說明人臉沒有通過活體檢測。
作爲另一種可能的實現方式，還可根據可見光影像和紅外線影像，對人臉進行活體檢測。圖4爲本申請實施例提供的一種根據可見光影像和紅外線影像進行活體檢測的方法的流程示意圖。如圖4所示，該方法包括：
步驟401，在可見光影像中識別人臉區域，並在紅外線影像中，確定與人臉區域相對應的第一目標區域。
本實施例中，在可見光影像上，檢測人臉區域，如果沒有檢測到人臉區域，重新採集可見光影像和紅外線影像。如果檢測到人臉區域，則在紅外線影像中識別出人臉輪廓，確定與可見光影像中人臉區域對應的第一目標區域。可以理解的是，這裡第一目標區域爲紅外線影像中的人臉區域。
步驟402，根據第一目標區域，確定包含第一目標區域且大於第一目標區域的第二目標區域。
在紅外線影像上在第一目標區域的基礎上擴大範圍，得到第二目標區域。可以理解的是，第二目標區域包含第一目標區域且大於第一目標區域。
步驟403，在第二目標區域內統計直方圖，並根據直方圖計算對比度。
在紅外線影像上的第二目標區域內統計直方圖，如公式（1）所示。
（1）
其中，，即相鄰像素間灰度差，爲相鄰像素間的灰度差的像素分布機率。
步驟404，若對比度大於閾值，確定紅外線影像和可見光影像的成像對象爲活體。
當對比度大於一定的閾值時，可以確定紅外線影像和可見光影像的成像對象爲活體，否則爲仿照物。
步驟470，若活體檢測通過後，控制開啓結構光感測器進行成像。
本實施例中，當檢測成像對象爲活體時，可通過專用硬體，控制開啓結構光感測器。具體而言，可通過專用硬體調變雷射燈以發出結構光，結構光投射到成像對象。成像對象反射結構光，結構光感測器根據成像對象反射的結構光對成像對象進行成像。
步驟480，獲取結構光感測器成像得到的第三成像資料。
本實施例中，結構光感測器根據成像對象反射的結構光，可成像得到結構光影像。可通過專用硬體，根據結構光影像獲取深度資料，進而根據深度資料構建得到成像對象的結構光深度模型。從而，第三成像資料中包括結構光深度模型。
步驟490，將第三成像資料中的結構光深度模型，與預設人臉深度模型進行匹配，確定是否通過身份驗證。
本實施例中，當成像對象通過活體檢測後，通過結構光深度模型進行身份驗證。具體而言，將結構光深度模型與預設的人臉深度模型進行匹配。具體地，可將構建的結構光深度模型中臉部各個器官的結構光深度模型，與預設的人臉深度模型中各個器官的深度模型進行比對，當相似度超過預設閾值時，可以認爲結構光深度模型與預設的人臉深度模型匹配，可以確定通過了身份驗證。
在確定身份驗證後，電子設備進行只有在身份驗證通過後才可進行的操作，如完成電子支付、解鎖等。
本申請實施例的人臉識別方法，通過第一成像資料確定成像對象是否屬於機主，確定屬於機主後，再開啓可見光感測器，根據可見光影像進行活體檢測。在根據可見光影像確定成像對象爲活體後，再開啓結構光感測器，根據結構光深度模型進行身份驗證。由於可見光感測器和結構光感測器，可以不用一直處於開啓狀態，從而可以節省電子設備的能量，提高電子設備的續航能力。並且，本實施例中，先確定成像對象是否屬於機主，在屬於機主的情况下，再進行活體驗證，可以提高身份驗證對安全性和可靠性。
本申請實施例的人臉識別方法，通過控制開啓紅外線感測器進行成像，在根據紅外線感測器成像得到的成像資料確定成像對象爲預存的成像對象後，再控制開啓影像感測器進行成像，以根據影像感測器成像得到的成像資料進行活體檢測，由於在確定成像對象爲預存的成像對象後再進行活體檢測，從而可以避免利用仿照物如照片驗證通過的情况出現，提高了身份驗證的安全性和可靠性。由於在確定成像對象爲預存的成像對象匹配後，再開啓影像感測器，從而使得影像感測器不需要一直處於開啓狀態，可以很好地節省電子設備的電量，提高電子設備的續航能力。
爲了實現上述實施例，本申請還提出一種影像處理裝置。如圖11所示，該裝置包括：控制模組710、獲取模組720、匹配模組730、檢測模組740。
控制模組710用於控制紅外線感測器進行成像；以及在比對出成像對象爲預存的成像對象時，控制開啓影像感測器進行成像。
獲取模組720用於獲取紅外線感測器成像得到的第一成像資料，以及獲取影像感測器成像得到的第二成像資料；
匹配模組730用於根據第一成像資料，對成像對象與預存的成像對象進行比對；
檢測模組740用於根據第二成像資料，對成像對象進行活體檢測。
在本實施例一種可能的實現方式中，該裝置還包括：
匹配模組730，還用於若活體檢測通過，利用深度影像形成結構光深度模型，與預設人臉深度模型進行匹配；
確定模組，用於當結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
在本實施例一種可能的實現方式中，檢測模組740還用於：
從結構光深度模型中識別目標器官；
繼續採集深度影像，對目標器官進行跟蹤，識別目標器官是否處於運動狀態；
如果目標器官處於運動狀態，則確定成像對象爲活體。
在本實施例一種可能的實現方式中，所述影像感測器爲可見光感測器，所述第二成像資料包括可見光影像，該裝置還可包括：
控制模組710，還用於若活體檢測通過後，控制開啓結構光感測器進行成像；
獲取模組720，還用於獲取結構光感測器成像得到的第三成像資料；
匹配模組730，還用於將第三成像資料中的結構光深度模型，與預設人臉深度模型進行匹配；
確定模組，用於當結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
在本實施例一種可能的實現方式中，檢測模組740還用於：
從可見光影像中識別人臉區域中的目標器官；
繼續採集可見光影像，對目標器官進行跟蹤，識別目標器官是否處於運動狀態；
如果目標器官處於運動狀態，則確定成像對象爲活體。
在本實施例一種可能的實現方式中，第一成像資料爲紅外線影像，檢測模組740還用於：
在可見光影像中識別人臉區域，並在所述紅外線影像中，確定與人臉區域相對應的第一目標區域；
根據第一目標區域，確定包含第一目標區域且大於第一目標區域的第二目標區域；
在第二目標區域內統計直方圖，並根據直方圖計算對比度；
若對比度大於閾值，確定紅外線影像和可見光影像的成像對象爲活體。
在本實施例一種可能的實現方式中，第一成像資料爲紅外線影像，匹配模組730還用於：
從紅外線影像中提取成像輪廓；
將成像輪廓與預存的成像對象的成像輪廓匹配；
如果成像輪廓與預存的成像對象的成像輪廓匹配，則確定成像對象屬於機主。
在本實施例一種可能的實現方式中，該影像處理裝置可具有可信執行環境。在身份驗證過程中，通過專用硬體獲取身份驗證所需的成像資料，保證了身份驗證資料來源的安全性，進一步提高了安全性和可靠性。
上述影像處理裝置中各個模組的劃分僅用於舉例說明，在其他實施例中，可將影像處理裝置按照需要劃分爲不同的模組，以完成上述影像處理裝置的全部或部分功能。
需要說明的是，前述對人臉識別方法實施例的解釋說明，也適用於該實施例的影像處理裝置，故在此不再贅述。
本申請實施例的影像處理裝置，通過控制開啓紅外線感測器進行成像，獲取紅外線感測器成像得到的第一成像資料，根據第一成像資料，對成像對象與預存的成像對象進行比對，如果成像對象爲預存的成像對象，則控制開啓影像感測器進行成像，獲取影像感測器成像得到的第二成像資料，根據第二成像資料，對成像對象進行活體檢測。本實施例中，控制開啓紅外線感測器進行成像，在根據紅外線感測器成像得到的成像資料確定成像對象爲預存的成像對象後，再控制開啓影像感測器進行成像，以根據影像感測器成像得到的成像資料進行活體檢測，由於在確定成像對象爲預存的成像對象後再進行活體檢測，從而可以避免利用仿照物如照片驗證通過的情况出現，提高了身份驗證的安全性和可靠性。由於在確定成像對象爲預存的成像對象匹配後，再開啓影像感測器，從而使得影像感測器不需要一直處於開啓狀態，可以很好地節省電子設備的電量，提高電子設備的續航能力。
本申請實施例還提出一種移動終端。圖12爲本申請實施例提供的一種移動終端的結構示意圖。
本實施例中，移動終端包括但不限於手機、平板電腦等設備。
如圖12所示，該移動終端包括：成像感測器810、儲存器820、MCU 830、處理器840以及儲存在儲存器820上並可在處理器840的可信執行環境下運行的可信應用程式。
其中，MCU 830爲可信執行環境的專用硬體，與成像感測器810和處理器840連接，用於控制成像感測器810進行成像，並將成像資料發送至處理器840。
處理器840執行可信應用程式時，實現前述實施例所述的人臉識別方法。
在本實施例一種可能的實現方式中，MCU 830與處理器840之間通過加密方式進行通信。
本實施例中，MCU 830可采取行列像素點置亂方法對影像進行加密。具體而言，MCU 830可將原圖中的像素信息進行了重新排布，處理器可通過一一對應的關係可以恢復原來的影像。
MCU 830也可採用基於混沌的影像加密方法，具體地，産生2個Logistic混沌序列，改造2個Logistic，得到兩個y序列，由yl和y2序列對原影像進行值替代加密。其中，秘鑰爲混沌系統的初始狀態值。
在本實施例一種可能的實現方式中，成像感測器810可包括：紅外線感測器、結構光感測器和可見光感測器。
其中，紅外線感測器包括雷射攝像頭和泛光燈；結構光感測器包括：雷射燈，以及與紅外線感測器共用的雷射攝像頭，可見光感測器包括：可見光攝像頭。
在本實施例一種可能的實現方式中，MCU 830包括PWM、深度引擎、匯流排介面以及隨機存取儲存器RAM。
其中，PWM用於調變泛光燈以使發出紅外線光，以及調變雷射燈以發出結構光；
雷射攝像頭，用於採集成像對象的結構光影像；
深度引擎，用於根據結構光影像，計算獲得成像對象對應的深度資料；以及
匯流排介面，用於將深度資料發送至處理器840，並由處理器840上運行的可信應用程式利用深度資料執行相應的操作。
例如，可根據深度資料進行身份驗證，具體過程可參見上述實施例，在此不再贅述。
本申請實施例還提出一種電腦可讀儲存媒體，其上儲存有電腦程式，該程式被處理器執行時實現如前述實施例所述的人臉識別方法。
在本說明書的描述中，此外，術語“第一”、“第二”僅用於描述目的，而不能理解爲指示或暗示相對重要性或者隱含指明所指示的技術特徵的數量。由此，限定有“第一”、“第二”的特徵可以明示或者隱含地包括至少一個該特徵。在本申請的描述中，“多個”的含義是至少兩個，例如兩個，三個等，除非另有明確具體的限定。
流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解爲，表示包括一個或更多個用於實現定制邏輯功能或過程的步驟的可執行指令的代碼的模組、片段或部分，並且本申請的優選實施方式的範圍包括另外的實現，其中可以不按所示出或討論的順序，包括根據所涉及的功能按基本同時的方式或按相反的順序，來執行功能，這應被本申請的實施例所屬技術領域的技術人員所理解。
在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認爲是用於實現邏輯功能的可執行指令的定序列表，可以具體實現在任何電腦可讀媒體中，以供指令執行系統、裝置或設備（如基於電腦的系統、包括處理器的系統或其他可以從指令執行系統、裝置或設備取指令並執行指令的系統）使用，或結合這些指令執行系統、裝置或設備而使用。就本說明書而言，"電腦可讀媒體"可以是任何可以包含、儲存、通信、傳播或傳輸程式以供指令執行系統、裝置或設備或結合這些指令執行系統、裝置或設備而使用的裝置。電腦可讀媒體的更具體的示例（非窮盡性列表）包括以下：具有一個或多個布線的電連接部（電子裝置），便携式電腦盤盒（磁裝置），隨機存取儲存器（RAM），只讀儲存器（ROM），可擦除可編輯只讀儲存器（EPROM或閃速儲存器），光纖裝置，以及便攜式光碟只讀儲存器（CDROM）。另外，電腦可讀媒體甚至可以是可在其上列印所述程式的紙或其他合適的媒體，因爲可以例如通過對紙或其他媒體進行光學掃描，接著進行編輯、解譯或必要時以其他合適方式進行處理來以電子方式獲得所述程式，然後將其儲存在電腦儲存器中。
應當理解，本申請的各部分可以用硬體、軟體、韌體或它們的組合來實現。在上述實施方式中，多個步驟或方法可以用儲存在儲存器中且由合適的指令執行系統執行的軟體或韌體來實現。如，如果用硬體來實現和在另一實施方式中一樣，可用本領域公知的下列技術中的任一項或他們的組合來實現：具有用於對資料信號實現邏輯功能的邏輯閘電路的離散邏輯電路，具有合適的組合邏輯閘電路的專用集成電路，可編程閘陣列（PGA），現場可編程閘陣列（FPGA）等。
本技術領域的普通技術人員可以理解實現上述實施例方法攜帶的全部或部分步驟是可以通過程式來指令相關的硬體完成，所述的程式可以儲存於一種電腦可讀儲存媒體中，該程式在執行時，包括方法實施例的步驟之一或其組合。
此外，在本申請各個實施例中的各功能單元可以集成在一個處理模組中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個模組中。上述集成的模組既可以採用硬體的形式實現，也可以採用軟體功能模組的形式實現。所述集成的模組如果以軟體功能模組的形式實現並作爲獨立的産品銷售或使用時，也可以儲存在一個電腦可讀取儲存媒體中。
上述提到的儲存媒體可以是只讀儲存器，磁碟或光碟等。儘管上面已經示出和描述了本申請的實施例，可以理解的是，上述實施例是示例性的，不能理解爲對本申請的限制，本領域的普通技術人員在本申請的範圍內可以對上述實施例進行變化、修改、替換和變形。
101~105、301~303、401~404、110~180、310~330、410~490、510~530‧‧‧步驟
501‧‧‧控制模組
502‧‧‧獲取模組
503‧‧‧檢測模組
504‧‧‧匹配模組
710‧‧‧控制模組
720‧‧‧獲取模組
730‧‧‧匹配模組
740‧‧‧檢測模組
810‧‧‧成像感測器
820‧‧‧儲存器
830‧‧‧MCU
840‧‧‧處理器
圖1爲本申請實施例提供的一種人臉識別方法的流程示意圖。
圖2爲本申請實施例提供的一種電子設備的結構示意圖。
圖3爲本申請實施例提供的一種根據紅外線影像進行活體檢測的方法的流程示意圖。
圖4爲本申請實施例提供的一種根據紅外線影像和可見光影像進行活體檢測的方法的流程示意圖。
圖5爲本申請實施例提供的一種人臉識別裝置的結構示意圖。
圖6爲本申請實施例提供的一種人臉識別方法的流程示意圖。
圖7爲本申請實施例提供的另一種人臉識別方法的流程示意圖。
圖8爲本申請實施例提供的一種根據結構光影像進行活體檢測的方法的流程示意圖。
圖9爲本申請實施例提供的又一種人臉識別方法的流程示意圖。
圖10爲本申請實施例提供的一種根據可見光影像進行活體檢測的方法的流程示意圖。
圖11爲本申請實施例提供的一種人臉識別裝置的結構示意圖。
圖12爲本申請實施例提供的一種移動終端的結構示意圖。

Claims (15)

  1. 一種人臉識別方法，所述方法包括： 控制影像感測器進行成像； 獲取影像感測器成像得到的成像資料； 根據所述成像資料，對成像對象進行活體檢測。
  2. 根據申請專利範圍第1項所述的人臉識別方法，其中所述影像感測器包括結構光感測器，所述方法還包括： 若活體檢測通過，將依據所述成像資料中的深度資料構建的結構光深度模型，與預設人臉深度模型進行匹配； 當所述結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
  3. 根據申請專利範圍第2項所述的人臉識別方法，其中所述影像感測器還包括紅外線感測器，所述成像資料包括紅外線影像，其中根據所述成像資料，對成像對象進行活體檢測的步驟包括： 從所述成像資料中的紅外線影像中提取成像輪廓； 根據處於所述成像輪廓內部的局部紅外線影像，確定所述紅外線影像的成像對象的溫度； 若所述成像輪廓與預設人臉輪廓匹配，且所述紅外線影像的成像對象的溫度處於體溫範圍內，確定所述紅外線影像的成像對象爲活體。
  4. 根據申請專利範圍第2項所述的人臉識別方法，其中所述影像感測器還包括紅外線感測器和可見光感測器，所述成像資料包括紅外線影像和可見光影像，其中根據所述成像資料，對成像對象進行活體檢測的步驟包括： 在所述可見光影像中識別人臉區域，並在所述紅外線影像中，確定與所述人臉區域相對應的第一目標區域； 根據所述第一目標區域，確定包含所述第一目標區域且大於所述第一目標區域的第二目標區域； 在所述第二目標區域內統計直方圖，並根據所述直方圖計算對比度； 若所述對比度大於閾值，確定所述紅外線影像和所述可見光影像的成像對象爲活體。
  5. 根據申請專利範圍第1項所述的人臉識別方法，所述方法還包括： 控制開啓紅外線感測器進行成像； 獲取所述紅外線感測器成像得到的第一成像資料； 根據所述第一成像資料，對成像對象與預存的成像對象進行比對； 如果所述成像對象爲所述預存的成像對象，則進入所述控制影像感測器進行成像的步驟； 所述影像感測器成像得到的成像資料爲第二成像資料，其中根據所述成像資料，對成像對象進行活體檢測的步驟包括： 根據所述第二成像資料，對所述成像對象進行活體檢測。
  6. 一種移動終端，包括：成像感測器、微處理晶片、和處理器；其中， 所述微處理晶片，用於控制所述成像感測器進行成像，獲取所述成像感測器成像得到的成像資料，並將所述成像資料發送至所述處理器； 所述處理器，用於根據所述成像資料，對成像對象進行活體檢測。
  7. 根據申請專利範圍第6項所述的移動終端，其中所述成像感測器包括結構光感測器，所述處理器還配置爲： 若活體檢測通過，將依據所述成像資料中的深度資料構建的結構光深度模型，與預設人臉深度模型進行匹配； 當所述結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
  8. 根據申請專利範圍第7項所述的移動終端，其中所述成像感測器還包括紅外線感測器，所述成像資料包括紅外線影像，所述處理器還配置爲： 從所述成像資料中的所述紅外線影像中提取成像輪廓； 根據處於所述成像輪廓內部的局部紅外線影像，確定所述紅外線影像的成像對象的溫度； 若所述成像輪廓與預設人臉輪廓匹配，且所述紅外線影像的成像對象的溫度處於體溫範圍內，確定所述紅外線影像的成像對象爲活體。
  9. 根據申請專利範圍第7項所述的移動終端，其中所述成像感測器還包括紅外線感測器和可見光感測器，所述成像資料包括紅外線影像和可見光影像，所述處理器還配置爲： 在所述可見光影像中識別人臉區域，並在所述紅外線影像中，確定與所述人臉區域相對應的第一目標區域； 根據所述第一目標區域，確定包含所述第一目標區域且大於所述第一目標區域的第二目標區域； 在所述第二目標區域內統計直方圖，並根據所述直方圖計算對比度； 若所述對比度大於閾值，確定所述紅外線影像和所述可見光影像的成像對象爲活體。
  10. 根據申請專利範圍第8或9項所述的移動終端，其中所述微處理晶片還配置爲執行以下之一： 控制所述成像感測器中的紅外線感測器進行成像； 若根據所述紅外線感測器成像得到的紅外線影像確定成像對象爲活體，控制結構光感測器進行成像；或者 同步控制所述成像感測器中的紅外線感測器和結構光感測器進行成像；或者 控制所述成像感測器中的紅外線感測器和可見光感測器進行成像； 若根據所述紅外線感測器成像得到的紅外線影像和所述可見光感測器成像得到的可見光影像確定成像對象爲活體，控制結構光感測器進行成像。
  11. 根據申請專利範圍第6項所述的移動終端，其中 所述微處理晶片還配置爲： 控制開啓紅外線感測器進行成像； 獲取所述紅外線感測器成像得到的第一成像資料；且 將所述第一成像資料發送至所述處理器； 所述處理器配置爲： 根據所述第一成像資料，對成像對象與預存的成像對象進行比對； 如果所述成像對象爲所述預存的成像對象，則觸發所述微處理晶片； 所述微處理晶片，還配置爲：控制成像感測器進行成像，所述成像感測器成像得到的成像資料爲第二成像資料；將所述第二成像資料發送至所述處理器； 所述處理器，還配置爲：根據所述第二成像資料，對所述成像對象進行活體檢測。
  12. 根據申請專利範圍第11項所述的移動終端，其中所述成像感測器爲結構光感測器，所述第二成像資料爲深度影像，則處理器還配置爲： 若活體檢測通過，利用所述深度影像形成結構光深度模型，與預設人臉深度模型進行匹配； 當所述結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
  13. 根據申請專利範圍第12項所述的移動終端，其中所述處理器還配置爲： 從所述結構光深度模型中識別目標器官； 繼續採集所述深度影像，對所述目標器官進行跟蹤，識別所述目標器官是否處於運動狀態； 如果所述目標器官處於運動狀態，則確定所述成像對象爲活體。
  14. 根據申請專利範圍第11項所述的移動終端，其中所述成像感測器爲可見光感測器，所述第二成像資料包括可見光影像，則在對所述成像對象進行活體檢測的運作之後，所述微處理晶片還配置爲： 若活體檢測通過後，控制開啓結構光感測器進行成像； 獲取所述結構光感測器成像得到的第三成像資料；及 將所述第三成像資料發送至所述處理器； 所述處理器還配置爲： 將所述第三成像資料中的結構光深度模型，與預設人臉深度模型進行匹配； 當所述結構光深度模型與預設人臉深度模型匹配時，確定身份驗證通過。
  15. 根據申請專利範圍第14項所述的移動終端，其中所述處理器還配置爲： 從所述可見光影像中識別人臉區域中的目標器官； 繼續採集所述可見光影像，對所述目標器官進行跟蹤，識別所述目標器官是否處於運動狀態； 如果所述目標器官處於運動狀態，則確定所述成像對象爲活體； 或者，所述處理器還配置爲： 在所述可見光影像中識別人臉區域，並在所述第一成像資料包括的所述紅外線影像中，確定與所述人臉區域相對應的第一目標區域； 根據所述第一目標區域，確定包含所述第一目標區域且大於所述第一目標區域的第二目標區域； 在所述第二目標區域內統計直方圖，並根據所述直方圖計算對比度； 若所述對比度大於閾值，確定所述紅外線影像和所述可見光影像的成像對象爲活體。
TW108112844A 2018-04-12 2019-04-12 人臉識別方法以及移動終端 TW201944290A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
CN201810327410.5A CN108596061A (zh) 2018-04-12 2018-04-12 人脸识别方法、装置及移动终端、存储介质
CN201810326645.2A CN108616688A (zh) 2018-04-12 2018-04-12 图像处理方法、装置及移动终端、存储介质
??201810327410.5 2018-04-12
??201810326645.2 2018-04-12

Publications (1)

Publication Number Publication Date
TW201944290A true TW201944290A (zh) 2019-11-16

Family

ID=68163501

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108112844A TW201944290A (zh) 2018-04-12 2019-04-12 人臉識別方法以及移動終端

Country Status (4)

Country Link
US (1) US11410458B2 (zh)
EP (1) EP3576016A4 (zh)
TW (1) TW201944290A (zh)
WO (1) WO2019196559A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111488756B (zh) * 2019-01-25 2023-10-03 杭州海康威视数字技术股份有限公司 基于面部识别的活体检测的方法、电子设备和存储介质
CH716052A1 (de) 2019-04-10 2020-10-15 Smart Secure Id Ag Biometrische Authentifizierungsvorrichtung und biometrisches Authentifizierungsverfahren zur Authentifizierung einer Person mit reduzierter Rechenkomplexität.
CH716053A1 (de) * 2019-04-10 2020-10-15 Smart Secure Id Ag Biometrische Bildungsvorrichtung und biometrisches Bildungsverfahren zum Erfassen von Bilddaten eines Körperteils einer Person mit Benutzerführung.
CN111310575B (zh) * 2020-01-17 2022-07-08 腾讯科技（深圳）有限公司 一种人脸活体检测的方法、相关装置、设备及存储介质
US11598671B2 (en) * 2020-06-17 2023-03-07 Microsoft Technology Licensing, Llc Body temperature estimation via thermal intensity distribution
CN111985438B (zh) * 2020-08-31 2024-12-03 杭州海康威视数字技术股份有限公司 一种静态人脸处理方法、装置及设备
CN112395963B (zh) * 2020-11-04 2021-11-12 北京嘀嘀无限科技发展有限公司 对象识别方法和装置、电子设备及存储介质
CN112329720B (zh) * 2020-11-26 2025-04-08 杭州海康威视数字技术股份有限公司 人脸活体检测方法、装置及设备

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000268175A (ja) 1999-03-18 2000-09-29 Omron Corp 個人認証方法および装置
KR100456619B1 (ko) 2001-12-05 2004-11-10 한국전자통신연구원 에스.브이.엠(ｓｖｍ)을 이용한 얼굴 등록/인증 시스템 및방법
JP2005327043A (ja) 2004-05-13 2005-11-24 Seiko Epson Corp 画像レイアウト装置、画像レイアウト方法、画像レイアウトプログラムおよび記録媒体
CN100514353C (zh) 2007-11-26 2009-07-15 清华大学 一种基于人脸生理性运动的活体检测方法及系统
CN102271291B (zh) 2011-08-17 2014-12-17 Tcl集团股份有限公司 基于widi技术的楼宇可视对讲系统及其实现方法
US9202105B1 (en) * 2012-01-13 2015-12-01 Amazon Technologies, Inc. Image analysis for user authentication
CN102622588B (zh) * 2012-03-08 2013-10-09 无锡中科奥森科技有限公司 双验证人脸防伪方法及装置
CN202815718U (zh) 2012-09-28 2013-03-20 王潮 一种个人随身装置
US9251427B1 (en) 2014-08-12 2016-02-02 Microsoft Technology Licensing, Llc False face representation identification
CN105357426B (zh) 2014-11-03 2019-01-15 苏州思源科安信息技术有限公司 用于移动终端可见光和生物识别组合系统的光电成像方法及移动终端
US20160140390A1 (en) * 2014-11-13 2016-05-19 Intel Corporation Liveness detection using progressive eyelid tracking
CN104966070B (zh) 2015-06-30 2018-04-10 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
CN105138967B (zh) 2015-08-05 2018-03-27 三峡大学 基于人眼区域活动状态的活体检测方法和装置
TW201727537A (zh) 2016-01-22 2017-08-01 鴻海精密工業股份有限公司 人臉識別系統及人臉識別方法
CN105827953A (zh) 2016-03-07 2016-08-03 乐视致新电子科技（天津）有限公司 虚拟现实头盔的体感交互摄像头装置及其启闭控制方法
CN105718925A (zh) * 2016-04-14 2016-06-29 苏州优化智能科技有限公司 基于近红外和面部微表情的真人活体身份验证终端设备
CN105912908A (zh) 2016-04-14 2016-08-31 苏州优化智能科技有限公司 基于红外的真人活体身份验证方法
CN107368769A (zh) 2016-05-11 2017-11-21 北京市商汤科技开发有限公司 人脸活体检测方法、装置及电子设备
CN107451510B (zh) * 2016-05-30 2023-07-21 北京旷视科技有限公司 活体检测方法和活体检测系统
DE102016009619A1 (de) 2016-07-29 2018-02-01 LÜTH & DÜMCHEN Automatisierungsprojekt GmbH Verfahren zum Nachweis der räumlichen Ausdehnung eines Kameraobjektes als Bestandteil einer Lebenderkennung für Vorrichtungen zur Erfassung personenspezifischer Daten
CN106372601B (zh) 2016-08-31 2020-12-22 上海依图信息技术有限公司 一种基于红外可见双目图像的活体检测方法及装置
CN106407914B (zh) 2016-08-31 2019-12-10 北京旷视科技有限公司 用于检测人脸的方法、装置和远程柜员机系统
US10204262B2 (en) * 2017-01-11 2019-02-12 Microsoft Technology Licensing, Llc Infrared imaging recognition enhanced by 3D verification
CN107133608A (zh) 2017-05-31 2017-09-05 天津中科智能识别产业技术研究院有限公司 基于活体检测和人脸验证的身份认证系统
CN107277053A (zh) * 2017-07-31 2017-10-20 广东欧珀移动通信有限公司 身份验证方法、装置及移动终端
WO2019056310A1 (en) * 2017-09-22 2019-03-28 Qualcomm Incorporated SYSTEMS AND METHODS FOR DETECTING FACIAL ACTIVITY
CN107832677A (zh) 2017-10-19 2018-03-23 深圳奥比中光科技有限公司 基于活体检测的人脸识别方法及系统
US10657363B2 (en) * 2017-10-26 2020-05-19 Motorola Mobility Llc Method and devices for authenticating a user by image, depth, and thermal detection
CN108596061A (zh) 2018-04-12 2018-09-28 Oppo广东移动通信有限公司 人脸识别方法、装置及移动终端、存储介质
CN108616688A (zh) 2018-04-12 2018-10-02 Oppo广东移动通信有限公司 图像处理方法、装置及移动终端、存储介质

Also Published As

Publication number Publication date
WO2019196559A1 (zh) 2019-10-17
US20200380244A1 (en) 2020-12-03
EP3576016A1 (en) 2019-12-04
EP3576016A4 (en) 2020-03-18
US11410458B2 (en) 2022-08-09

Similar Documents

Publication Publication Date Title
TW201944290A (zh) 人臉識別方法以及移動終端
CN108596061A (zh) 人脸识别方法、装置及移动终端、存储介质
CN108616688A (zh) 图像处理方法、装置及移动终端、存储介质
CN108804895B (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
US10339402B2 (en) Method and apparatus for liveness detection
CN105612533B (zh) 活体检测方法、活体检测系统以及计算机程序产品
KR102483642B1 (ko) 라이브니스 검사 방법 및 장치
US11275927B2 (en) Method and device for processing image, computer readable storage medium and electronic device
CN109766785B (zh) 一种人脸的活体检测方法及装置
CN109145653B (zh) 数据处理方法和装置、电子设备、计算机可读存储介质
CN108595942B (zh) 应用程序的安全控制方法、装置及移动终端、存储介质
JP2006133946A (ja) 動体認識装置
CN112825128A (zh) 用于活性测试和/或生物特征识别验证的方法和设备
WO2016197297A1 (zh) 活体检测方法、活体检测系统以及计算机程序产品
CN107239735A (zh) 一种基于视频分析的活体检测方法和系统
CN102138148A (zh) 使用多频带近红外照明进行皮肤检测
WO2019196683A1 (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
CN109213610B (zh) 数据处理方法、装置、计算机可读存储介质和电子设备
US20210350126A1 (en) Iris authentication device, iris authentication method, and recording medium
JPWO2020065954A1 (ja) 認証装置、認証方法、認証プログラムおよび記録媒体
CN108985255B (zh) 数据处理方法、装置、计算机可读存储介质和电子设备
WO2019196792A1 (zh) 应用程序的安全控制方法及装置、移动终端及计算机可读存储介质
CN108764053A (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
US20200151428A1 (en) Data Processing Method, Electronic Device and Computer-Readable Storage Medium
CN108614958A (zh) 应用程序的安全控制方法、装置及移动终端、存储介质