WO2025050265A1 - 基于结构光光斑梯度能量的活体检测方法 - Google Patents
基于结构光光斑梯度能量的活体检测方法 Download PDFInfo
- Publication number
- WO2025050265A1 WO2025050265A1 PCT/CN2023/116842 CN2023116842W WO2025050265A1 WO 2025050265 A1 WO2025050265 A1 WO 2025050265A1 CN 2023116842 W CN2023116842 W CN 2023116842W WO 2025050265 A1 WO2025050265 A1 WO 2025050265A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- image
- light spot
- spot
- light
- structured light
- 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
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
Definitions
- the present invention relates to the technical field of liveness detection, and in particular to a liveness detection method based on structured light spot gradient energy.
- liveness detection based on structured light analysis. Specifically, this method first projects the speckle structured light image onto the detection target, and then uses a binocular camera or a monocular camera to detect the degree of deformation of the speckle structured light to determine the three-dimensional morphology of the object. This method can effectively detect printed photos or screen displays with planar structures, but it is difficult to deal with attacks from 3D masks or distorted photos.
- the purpose of the present invention is to solve the technical deficiencies in the security of existing face recognition systems and to provide a liveness detection method based on the gradient energy of structured light spots.
- the present invention performs clarity detection on each light spot in the structured light image, and utilizes the difference between the low clarity of the light spot in the living area and the high clarity of the light spot in the non-living area to innovate a liveness detection method based on structured light analysis.
- the present invention provides the following technical solution: a method for detecting living bodies based on structured light spot gradient energy, characterized in that it comprises the following steps:
- Locate all the light spots in the structured light image First, calculate the optimal pixel value threshold for distinguishing the light spots from the background. Then, binarize the image according to the threshold to obtain a mask highlighting the light spot area. Then, obtain the position information of all the light spots, including the center coordinates and the position of the smallest rectangle containing the corresponding area.
- this embodiment uses a near-infrared industrial camera with a resolution of 2592 x 1944 to capture images of the detection object under structured light irradiation, significantly enhancing the clarity difference between the light spots in the living area and the light spots in the non-living area, and designs an algorithm based on this to detect the clarity and position of the light spots in the image. If there is a living body, it can be determined that there is a living body in the image and the position of the living body can be given.
- Structured light spot detection module detects all spots with an area larger than 45 pixels in the structured light image and provides the location information of the spots.
- Structured light spot image clarity module uses the energy gradient function modified by the present invention to calculate the clarity of the spot image.
- Living area light spot detection module determines whether the light spot is in the living area based on the clarity of the light spot.
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了基于结构光光斑梯度能量的活体检测方法，涉及活体检测技术领域，包括以下步骤：S1、结构光图像获取，使用光学成像设备获取包含人体皮肤的结构光图像，S2、定位结构光图像中所有的光斑，获取所有光斑的位置信息，S3、挑选位于活体区域的光斑，采用能量梯度函数式计算每个光斑图像的清晰度，当不存在符合条件的光斑或者符合条件的光斑不超过10个，则判定图中没有活体，并且在原图的顶部标记"此图中未检测出活体"，S4、在结构光图像中标出活体检测结果。本发明克服了基于结构光分析的活体检测难以应对 3维面具的攻击的缺陷，同时实现了在散斑结构光图像里对活体区域的定位。
Description
本发明涉及活体检测技术领域，具体为基于结构光光斑梯度能量的活体检测方法。
现有的人脸识别系统仍存在诸多安全隐患。由于人脸信息的易获取性,冒名顶替者可以简单地通过呈现合法用户的面部伪装来骗过人脸识别系统, 常见的人脸欺诈攻击方式包括打印人脸照片、屏幕播放人脸和戴 3维面具等。该行为不仅给用户的财产和隐私造成巨大的安全隐患,还给公共安全管理带来较大挑战。
随着人脸识别技术在社会生产生活各行各业中越来越广泛的应用,为了保障人脸识别系统的安全性,发展人脸欺诈检测技术十分必要且迫切，研究人员已提出了大量相关技术,并有部分技术已经进入实际应用，其中一种常见的方法是基于结构光分析的活体检测，具体来说，该方法首先将散斑结构光图像投影到检测目标上，然后使用双目相机或者单目相机检测散斑结构光形变的程度以确定物体的三维形貌，该方法可以有效地检测具有平面结构的打印照片或者屏显,但是难以应对3维面具或者扭曲的照片的攻击。
本发明的目的在于解决现有人脸识别系统的安全性的技术不足，而提供基于结构光光斑梯度能量的活体检测方法，不同于现有的检测结构光图像整体形变的活体检测方法，对结构光图像中每个光斑进行清晰度检测，利用活体区域的光斑清晰度低和非活体区域的光斑清晰度高的差异，创新基于结构光分析的活体检测方法。
为实现上述目的，本发明提供如下技术方案：基于结构光光斑梯度能量的活体检测方法，其特征在于，包括以下步骤：
S1、结构光图像获取，使用光学成像设备获取包含人体皮肤的结构光图像；
S2、定位结构光图像中所有的光斑，首先计算出用于区分光斑和背景的最优像素值阈值，然后依据该阈值对图像做二值化以获取光斑区域高亮的掩模，然后获取所有光斑的位置信息，包括中心坐标以及包含相应区域的最小矩形的位置；
S3、挑选位于活体区域的光斑，首先遍历原图中的所有光斑图像，然后计算每个光斑图像的清晰度，最后挑选出清晰度低于预设值的光斑图像作为活体区域光斑的检测结果；
S4、在结构光图像中标出活体检测结果，将图像均匀分成N个子图，对子图进行有序搜索，有序搜索包括在子图中搜索步骤S3中检测到的活体区域的光斑，如果该子图中没有活体区域的光斑，则跳到下一个子图继续搜索，否则将该子图搜索到的第一个活体区域的光斑作为光斑集合的初始光斑，在初始光斑的邻域内搜索活体区域的光斑，将搜索到的光斑纳入光斑集合并且在这些光斑的邻域内开始下一轮搜索，重复将搜索到的光斑纳入光斑集合并且在这些光斑的邻域内开始下一轮搜索，直到搜索不到新的活体区域的光斑为止，并重复有序搜索直到遍历完所有的子图为止，最后比较获取的所有光斑集合，保留其中不重复的光斑集合，用不同的颜色在原图中标记保留的光斑集合。
优选的，所述步骤S3中的能量梯度函数式为：
（1）
式中D代表图像的清晰度，f代表图像，h和w代表图像的高度和宽度。
优选的，所述步骤S3中挑选的光斑图像清晰度数值需要根据结构光的亮度以及摄像头和人脸之间的距离整定。
优选的，所述步骤S4中光斑集合的初始光斑邻域大小为100 x 100个像素。
步骤S2中计算用于区分光斑和背景的最优像素值阈值的算法为大津阈值法。
步骤S2中获取所有光斑的位置信息的方法是将获取光斑区域高亮的掩模输入到Matlab软件中的regionprops函数中计算得出。
步骤S3中遍历原图中的所有光斑图像，包含光斑区域的最小矩形内的图像和筛去面积小于45个像素的光斑图像。
步骤S3中采用能量梯度函数式计算每个光斑图像的清晰度，最后挑选出清晰度低于900的光斑图像作为活体区域光斑的检测结果，当不存在符合条件的光斑或者符合条件的光斑不超过10个，则判定图中没有活体，并且在原图上标注出未检测出活体相关标记。
与现有技术相比，本发明的有益效果是：该基于结构光光斑梯度能量的活体检测方法克服了基于结构光分析的活体检测难以应对3维面具的攻击的缺陷，同时实现了在散斑结构光图像里对活体区域的定位。
图1为活体区域和非活体区域的光斑清晰度比对示意图；
图2为本发明的基于结构光光斑清晰度的活体检测方法流程图。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供的一种基于结构光光斑梯度能量的活体检测方法，用于在高清晰度照片和假人模型的干扰下准确地检测活体皮肤区域，包括以下步骤：
S1、结构光图像获取，使用光学成像设备获取包含人体皮肤的结构光图像，所述光学成像设备具有红外摄像头传感器，包含760-940 纳米近红外波段的监测功能，能够发射散斑结构光的光源，发射功率为180兆瓦，提供连续稳定的照明。
为了实现对检测对象进行活体检测的目标，本实施例使用分辨率为2592 x 1944的近红外工业相机为结构光照射下的检测对象拍摄图像，显著增强活体区域的光斑和非活体区域的光斑的清晰度差异，并以此为基础设计算法检测图像中的光斑的清晰度和位置，如果存在活体，就可以判断图像中存在活体，并且给出活体的位置。
S2、定位结构光图像中所有的光斑，首先用大津阈值法计算可以将光斑和背景区分开的最优像素值阈值，然后依据该阈值对图像做二值化以获取光斑区域高亮的掩模，然后将该掩模输入到Matlab软件中的regionprops函数获取所有光斑的位置信息，包括中心坐标以及包含相应区域的最小矩形的位置。
S3、挑选位于活体区域的光斑，首先遍历原图中的所有光斑图像，包含光斑区域的最小矩形内的图像，筛去面积小于45个像素的光斑图像，然后采用能量梯度函数式计算每个光斑图像的清晰度，修改后的能量梯度函数的定义如式1所示：
（1）
式中D代表图像的清晰度，f代表图像，h和w代表图像的高度和宽度，最后挑选出清晰度低于900（该参数需要根据结构光的亮度以及摄像头和人脸之间的距离进行整定）的光斑图像作为活体区域光斑的检测结果，当不存在符合条件的光斑或者符合条件的光斑不超过10个，则判定图中没有活体，并且在原图的顶部标记“此图中未检测出活体”。
S4、在结构光图像中标出活体检测结果，将图像均匀分成N个子图，N为两个以上，优选分成16个子图，对子图进行有序搜索，有序搜索包括A.在子图中搜索步骤S3中检测到的活体区域的光斑，如果该子图中没有活体区域的光斑，则跳到下一个子图继续搜索，否则将该子图搜索到的第一个活体区域的光斑作为光斑集合的初始光斑，B.在初始光斑的邻域，如：初始光斑邻域大小为100 x 100个像素内搜索活体区域的光斑，C.将搜索到的光斑纳入光斑集合并且在这些光斑的邻域内开始下一轮搜索，D.重复C将搜索到的光斑纳入光斑集合并且在这些光斑的邻域内开始下一轮搜索，直到搜索不到新的活体区域的光斑为止，并重复有序搜索A、B、C、D直到遍历完所有的子图为止，最后比较获取的所有光斑集合，保留其中不重复的光斑集合，用不同的颜色在原图中标记保留的光斑集合。
还包括以下具体实施，采用实时分析从成像设备端采集的图像，包含的具体步骤如下：：
a. 结构光光斑检测模块：检测结构光图像中所有面积大于45个像素的光斑，并且给出光斑的位置信息。
b. 结构光光斑图像清晰度模块：用本发明修改的能量梯度函数计算光斑图像的清晰度。
c. 活体区域光斑检测模块：根据光斑的清晰度判断该光斑是否在活体区域里。
d．UI界面：将拍摄的结构光图像显示在界面上，并且在界面上标记检测结果，如果检测到10个以上的活体区域的光斑，则在界面上标出所有活体区域的光斑的位置，否则在界面的原图上标注出未检测出活体相关标记，比如在原图顶部标出“此图中未检测出活体”。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
- 基于结构光光斑梯度能量的活体检测方法，其特征在于，包括以下步骤：S1、结构光图像获取，使用光学成像设备获取包含人体皮肤的结构光图像；S2、定位结构光图像中所有的光斑，首先计算出用于区分光斑和背景的最优像素值阈值，然后依据该阈值对图像做二值化以获取光斑区域高亮的掩模，然后获取所有光斑的位置信息，包括中心坐标以及包含相应区域的最小矩形的位置；S3、挑选位于活体区域的光斑，首先遍历原图中的所有光斑图像，然后计算每个光斑图像的清晰度，最后挑选出清晰度低于预设值的光斑图像作为活体区域光斑的检测结果；S4、在结构光图像中标出活体检测结果，将图像均匀分成N个子图，对子图进行有序搜索，有序搜索包括在子图中搜索步骤S3中检测到的活体区域的光斑，如果该子图中没有活体区域的光斑，则跳到下一个子图继续搜索，否则将该子图搜索到的第一个活体区域的光斑作为光斑集合的初始光斑，在初始光斑的邻域内搜索活体区域的光斑，将搜索到的光斑纳入光斑集合并且在这些光斑的邻域内开始下一轮搜索，重复将搜索到的光斑纳入光斑集合并且在这些光斑的邻域内开始下一轮搜索，直到搜索不到新的活体区域的光斑为止，并重复有序搜索直到遍历完所有的子图为止，最后比较获取的所有光斑集合，保留其中不重复的光斑集合，用不同的颜色在原图中标记保留的光斑集合。
- 根据权利要求1所述的基于结构光光斑梯度能量的活体检测方法，其特征在于：所述步骤S3中的能量梯度函数式为：（1）式中D代表图像的清晰度，f代表图像，h和w代表图像的高度和宽度。
- 根据权利要求1所述的基于结构光光斑梯度能量的活体检测方法，其特征在于：所述步骤S3中挑选的光斑图像清晰度数值需要根据结构光的亮度以及摄像头和人脸之间的距离整定。
- 根据权利要求1所述的基于结构光光斑梯度能量的活体检测方法，其特征在于：所述步骤S4中光斑集合的初始光斑邻域大小为100 x 100个像素。
- 根据权利要求1所述的基于结构光光斑梯度能量的活体检测方法，其特征在于：所述的N个子图为16个子图。
- 根据权利要求1所述的基于结构光光斑梯度能量的活体检测方法，其特征在于：步骤S1中所使用的光学成像设备为包含760-940 纳米近红外波段的监测功能的红外摄像头传感器。
- 根据权利要求1所述的基于结构光光斑梯度能量的活体检测方法，其特征在于：步骤S2中计算用于区分光斑和背景的最优像素值阈值的算法为大津阈值法。
- 根据权利要求1所述的基于结构光光斑梯度能量的活体检测方法，其特征在于：步骤S2中获取所有光斑的位置信息的方法是将获取光斑区域高亮的掩模输入到Matlab软件中的regionprops函数中计算得出。
- 根据权利要求1所述的基于结构光光斑梯度能量的活体检测方法，其特征在于：步骤S3中遍历原图中的所有光斑图像，包含光斑区域的最小矩形内的图像和筛去面积小于45个像素的光斑图像。
- 根据权利要求9所述的基于结构光光斑梯度能量的活体检测方法，其特征在于：步骤S3中采用能量梯度函数式计算每个光斑图像的清晰度，最后挑选出清晰度低于900的光斑图像作为活体区域光斑的检测结果，当不存在符合条件的光斑或者符合条件的光斑不超过10个，则判定图中没有活体，并且在原图上标注出未检测出活体相关标记。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2023/116842 WO2025050265A1 (zh) | 2023-09-04 | 2023-09-04 | 基于结构光光斑梯度能量的活体检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2023/116842 WO2025050265A1 (zh) | 2023-09-04 | 2023-09-04 | 基于结构光光斑梯度能量的活体检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2025050265A1 true WO2025050265A1 (zh) | 2025-03-13 |
Family
ID=94922738
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2023/116842 Pending WO2025050265A1 (zh) | 2023-09-04 | 2023-09-04 | 基于结构光光斑梯度能量的活体检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| WO (1) | WO2025050265A1 (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170286788A1 (en) * | 2016-04-01 | 2017-10-05 | Beijing Kuangshi Technology Co., Ltd. | Liveness detection method, liveness detection system, and computer program product |
| CN113255587A (zh) * | 2021-06-24 | 2021-08-13 | 深圳市光鉴科技有限公司 | 基于深度相机的刷脸支付系统 |
| CN113468920A (zh) * | 2020-03-31 | 2021-10-01 | 深圳市光鉴科技有限公司 | 基于人脸光斑图像的活体检测方法、系统、设备及介质 |
| WO2023060756A1 (zh) * | 2021-10-13 | 2023-04-20 | 深圳前海微众银行股份有限公司 | 活体检测方法、设备、可读存储介质及计算机程序产品 |
| CN116188588A (zh) * | 2022-11-11 | 2023-05-30 | 苏州全视智能光电有限公司 | 光斑中心定位方法及设备 |
| CN116224531A (zh) * | 2023-02-27 | 2023-06-06 | 上海航天控制技术研究所 | 一种快速智能化高精度红外成像镜头的调焦装置及方法 |
-
2023
- 2023-09-04 WO PCT/CN2023/116842 patent/WO2025050265A1/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170286788A1 (en) * | 2016-04-01 | 2017-10-05 | Beijing Kuangshi Technology Co., Ltd. | Liveness detection method, liveness detection system, and computer program product |
| CN113468920A (zh) * | 2020-03-31 | 2021-10-01 | 深圳市光鉴科技有限公司 | 基于人脸光斑图像的活体检测方法、系统、设备及介质 |
| CN113255587A (zh) * | 2021-06-24 | 2021-08-13 | 深圳市光鉴科技有限公司 | 基于深度相机的刷脸支付系统 |
| WO2023060756A1 (zh) * | 2021-10-13 | 2023-04-20 | 深圳前海微众银行股份有限公司 | 活体检测方法、设备、可读存储介质及计算机程序产品 |
| CN116188588A (zh) * | 2022-11-11 | 2023-05-30 | 苏州全视智能光电有限公司 | 光斑中心定位方法及设备 |
| CN116224531A (zh) * | 2023-02-27 | 2023-06-06 | 上海航天控制技术研究所 | 一种快速智能化高精度红外成像镜头的调焦装置及方法 |
Non-Patent Citations (2)
| Title |
|---|
| BYTE CAT: "Clarity detection and enhancement algorithm", JIANSHU, XP009562143, Retrieved from the Internet <URL:https://www.jianshu.com/p/43b210425755> * |
| HAN YA-RONG, HUANG CHAO-BING, ZHONG JI-WEI, WANG XIANG: "A Method of Thresholding Segmentation and Spot Center Coordinates Calculation for Light Spot-Image", MODERN COMPUTER, 25 September 2011 (2011-09-25), CN, pages 13 - 16, XP093287259, ISSN: 2097-597X * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
| CA2867365C (en) | Method, system and computer storage medium for face detection | |
| JP4970195B2 (ja) | 人物追跡システム、人物追跡装置および人物追跡プログラム | |
| CN106530310B (zh) | 一种基于人体头顶部识别的行人统计方法及装置 | |
| KR100480781B1 (ko) | 치아영상으로부터 치아영역 추출방법 및 치아영상을이용한 신원확인방법 및 장치 | |
| TW202011733A (zh) | 對影像進行目標取樣的方法及裝置 | |
| US20130243343A1 (en) | Method and device for people group detection | |
| CN104574365B (zh) | 障碍物检测装置及方法 | |
| CN101246544A (zh) | 一种基于边界点搜索和susan边缘检测的虹膜定位方法 | |
| US10650249B2 (en) | Method and device for counting pedestrians based on identification of head top of human body | |
| CN111739029B (zh) | 基于深度学习卷积神经网络的电铲斗齿脱落检测方法 | |
| CN108921881A (zh) | 一种基于单应性约束的跨摄像头目标跟踪方法 | |
| CN107967687A (zh) | 一种获取目标物行走姿态的方法与系统 | |
| WO2021217764A1 (zh) | 一种基于偏振成像的人脸活体检测方法 | |
| CN111582118A (zh) | 一种人脸识别方法及装置 | |
| CN107067595A (zh) | 一种指示灯的状态辨识方法、装置及电子设备 | |
| CN111222432A (zh) | 人脸活体检测方法、系统、设备及可读存储介质 | |
| CN104915641B (zh) | 基于android平台获取人脸图像光源方位的方法 | |
| WO2025050265A1 (zh) | 基于结构光光斑梯度能量的活体检测方法 | |
| CN119380042B (zh) | 一种基于空间梯度方差最大化的事件特征提取方法 | |
| CN112926516B (zh) | 一种鲁棒的手指静脉图像感兴趣区域提取方法 | |
| CN115035332A (zh) | 基于图像识别的抗原检测结果认证方法 | |
| CN115273245A (zh) | 活体检测的方法、装置及计算机可读存储介质 | |
| CN109472826A (zh) | 基于双目视觉的定位方法及装置 | |
| CN117152848A (zh) | 基于结构光光斑梯度能量的活体检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 23951094 Country of ref document: EP Kind code of ref document: A1 |