用于面部验证的系统及方法

用于面部验证的系统及方法
【专利摘要】本发明揭示用于检测图像中的活人面部的系统及方法。所述方法及系统能够接收包含人面部的多谱图像数据。所述多谱图像数据可包括可见光图像数据及近红外线NIR图像数据。所述多谱图像数据可经处理以检测所述人面部。可使所述可见光图像数据中的所述所检测人面部与所述NIR图像数据中的所述所检测人面部相关联以确定所述所检测人面部是否是活人面部。
【专利说明】用于面部验证的系统及方法

【技术领域】
[0001] 本发明涉及用于面部验证的系统及方法。明确地说，本发明涉及用于检测人面部 且确定所检测人面部是否为活人面部的系统及方法。

【背景技术】
[0002] 面部检测及/或验证系统可在多种情境中有用，包含（例如）父母控制应用程序、 法律执行、移动银行及安全应用程序。常规自动面部检测系统可检测图像中的人面部。然 而，此等系统一般不能确定图像中所检测的面部是否从活人面部捕捉，或仅从照片或人面 部的其它再现捕捉。
[0003] 举例来说，在一些情况下，所检测面部可来自人造来源，例如照片中的面部、显示 屏幕上面部的图像、面罩、面部的模型再现、人体模特、或任何其它无生命面部。想要产生假 身份证件的人（例如）可使用别人的面部照片或面罩来尝试欺骗面部检测系统。此外，甚 至对于虑及眨眼及其它类型的面部运动的复杂系统来说，检测活的面部可由于使用别人的 面部的视频流来代替活的面部而受挫。


【发明内容】

[0004] 在一个实施方案中，揭示一种用于检测图像中的活人面部的方法。所述方法可包 含接收包含人面部的多谱图像数据，所述多谱图像数据包括可见光图像数据及近红外线 (NIR)图像数据。所述方法可包括处理所述多谱图像数据以检测人面部，及可进一步包含使 所述可见光图像数据中的所检测人面部与所述NIR图像数据中的所检测人面部相关联以 确定所检测人面部是否是活人面部。
[0005] 在另一实施方案中，揭示一种用于检测图像中的活人面部的成像系统。成像系统 可包含至少一个图像传感器，其经配置以捕捉包括可见光图像数据及近红外线（NIR)图像 数据的多谱图像数据，其中所述多谱图像数据包含人面部。另外，成像系统可包含面部检测 模块，其经配置以分析所述多谱图像数据以检测所述人面部。成像系统还可包含皮肤验证 模块，其经配置以分析所述所检测面部的多谱图像数据及确定所检测人面部是否是活人面 部。
[0006] 在另一实施方案中，揭示一种成像系统。所述成像系统可包含用于接收包含人面 部的多谱图像数据的装置，所述多谱图像数据包括可见光图像数据及近红外线（NIR)图像 数据。所述系统可进一步包含用于处理所述多谱图像数据以检测所述人面部的装置。另 夕卜，所述系统可包含用于使所述可见光图像数据中的所检测人面部与所述NIR图像数据中 的所检测人面部相关联以确定所述所检测人面部是否是活人面部的装置。
[0007] 在另一实施方案中，揭示一种非暂时性计算机可读媒体。所述非暂时性计算机可 读媒体可具有存储在其上的代码，所述代码被执行时执行一方法。所述方法可包括接收包 含人面部的多谱图像数据，所述多谱图像数据包括可见光图像数据及近红外线（NIR)图像 数据。所述方法可进一步包括处理所述多谱图像数据以检测所述人面部。另外，所述方法 可包含使所述可见光图像数据中的所检测人面部与所述NIR图像数据中的所检测人面部 相关联以确定所述所检测人面部是否是活人面部。

【专利附图】

【附图说明】
[0008] 图1为根据一个实施方案的面部验证系统的示意图。
[0009] 图2为说明用于使用多谱成像数据来验证活人面部的方法的一个实施方案的流 程图。
[0010] 图3为说明用于验证活人面部的方法的另一实施方案的流程图。
[0011] 图4说明来自图3中所呈现的方法的实验结果。
[0012] 图5为说明用于确定所捕捉人面部是否为活人面部的一个方法的流程图。
[0013] 图6A为说明用于确定像素是代表活人皮肤还是非活人皮肤的方法的流程图。
[0014] 图6B为说明根据一个实施方案的确定性方法的流程图。
[0015] 图6C为说明根据另一实施方案的概率性方法的流程图。
[0016] 图6D及6E为用于导出概率密度函数的实验结果的图表。
[0017] 图6F为说明用于确定面部是否为活人面部的一个方法的流程图。
[0018] 图7A-7B为根据各种实施方案的用户接口的图像。
[0019] 图8A-8B为说明用于验证活人面部的各种其它实施方案的流程图。

【具体实施方式】
[0020] 系统概沭
[0021] 本文所揭示的实施方案提供用于使用具有一或多个成像传感器的电子装置来验 证活人面部的系统、方法及设备。举例来说，在一个实施例中，系统可包含可见光成像传感 器及红外光成像传感器。在图像捕捉期间，系统可藉由组合来自两传感器的信息对比照片 或视频来检测所捕捉面部是否来自活人。举例来说，在一些波长下，来自红外光成像传感器 的数据可用以确定是否存在从所捕捉面部散发的热，而在其它波长下，来自红外线成像传 感器的数据可用以捕捉来自所述面部的详细纹理信息。在另一实施例中，所述系统可确定 对应于所捕捉面部的像素是否为来自活的皮肤的像素，如下所述。所属领域的技术人员将 认识到所揭示实施例可实施在硬件、软件、固件或其任何组合中。
[0022] 在以下描述中，给定特定细节以提供实例的透彻理解。然而，所属领域的技术人员 将理解，可在没有这些特定细节的情况下实践所述实例。举例来说，可用框图展示电组件/ 装置以便不在不必要的细节方面模糊所述实例。在其它例子中，可详细展示此类组件、其它 结构及技术以进一步解释所述实例。
[0023] 还应注意可将实例描述为过程，所述实例经描绘为流程图、流图、有限状态图、结 构图或框图。尽管流程图可将操作描述为顺序过程，但可平行或同时执行许多操作，且可重 复所述过程。另外，可重新布置操作的次序。过程在其操作完成时终止。过程可对应于方 法、功能、程序、子例程、子程序等。当过程对应于软件函式时，其终止可对应于将所述函式 返回到调用函式或主函式、或子例程或相同功能性的类似完成。
[0024] 所属领域的技术人员将了解，可使用多种不同技艺及技术中的任一者来表示信息 及信号。举例来说，可由电压、电流、电磁波、磁场或磁粒子、光场或光粒子或其任何组合来 表示在以上描述中始终参考的数据、指令、命令、信息、信号、位、符号及码片。
[0025] 图1说明用于验证成像人面部为活人面部的面部验证系统1的一个实施方案。面 部验证系统1包含多谱成像系统2。多谱成像系统2可经配置以包含多谱成像传感器，其可 感测包含至少可见光波长及近红外线（NIR)光波长的宽带波长。多谱成像传感器可经配置 以检测在约390nm与约HOOnm之间的波长。当然，成像传感器还可同样经配置以检测更宽 范围的波长。在一些实施方案中，电荷耦合装置（CCD)可用作多谱成像传感器。在其它实 施方案中，CMOS成像传感器可用作多谱成像传感器。
[0026] 在其它实施方案中，多谱成像系统2可包含两个单独传感器来代替多谱成像传感 器。在此实施例中，多谱成像系统2可包含可见光传感器及单独NIR传感器。举例来说，多 谱成像系统2可包含例如(XD/CM0S等第一传感器，其能够检测至少在约390nm与约800nm 之间的范围中的可见光。多谱成像系统2可进一步包含例如(XD/CM0S等第二传感器，其能 够检测在约800nm与约HOOnm之间的范围中的NIR光。在一些实施方案中，用于可见及 NIR传感器的波长范围可重叠或可甚至为实质上相同的。举例来说，在各种实施方案中，由 艾纳成像公司（Aptina Imaging)(加州圣荷西）制造的MT9M112传感器可用作可见光传感 器，及由艾纳成像公司（加州圣荷西）制造的MT9M001传感器可用作NIR传感器。所属领 域的技术人员将了解，其它类型的传感器是可能的。在一些实施方案中，成像滤波器（例如 NIR通滤波器）可用于合适的(XD/CM0S上以仅检测NIR数据。所属领域的技术人员将了解 各种其它传感器或其组合可用以捕捉可见及NIR图像数据。
[0027] 面部验证系统1可进一步包含存储器3及处理器4。存储器3及处理器4经配置 以彼此且与多谱成像传感器2电通信。面部验证系统1还具有能够存储可由处理器3执行 的各种软件模块的储存装置5。在一些实施方案中，处理器4可从多谱成像系统2接收数据 及发射数据到多谱成像系统2,且可通过执行存储在储存装置5中的软件模块中的计算机 实施指令而对所述数据操作。
[0028] 储存装置5可为任何合适的计算机可读存储媒体，例如非暂时性存储媒体。储存 装置5可包括任何数目个软件模块。举例来说，通信模块10及预处理模块11可存储在储 存装置5上。通信模块10可包括管理面部验证系统1的组件之间的数据流的计算机实施 指令。预处理模块11可经配置以在对数据（例如从多谱成像系统2接收的图像数据）执 行其它操作之前对所述数据进行预处理。储存装置5还可包含用户接口模块12。用户接口 模块可包括用于实施用户接口 6的指令。如将在下文参看图7A-7B更详细论述，在一些实 施方案中，可在系统所检测面部周围绘制虚拟框以供用户观察，且可在用户接口 6上显示 活皮肤概率比非活皮肤概率高的像素的百分比。其它用户接口（包含图形用户接口（GUI)) 可由存储在用户接口模块12中的指令控制或实施。
[0029] 存储装置5进一步包含面部检测模块13。面部检测模块13可包含可检测图像中 的人面部的软件。在一些实施方案中，面部检测模块13可使用已知技术来检测及验证图像 中所捕捉面部的几何形状。在一些实施方案中，面部检测模块13可经配置以检测面部轮 廓，而在其它实施方案中，面部检测模块13可检测面部所定位的大体区域（例如，面部定位 于特定正方形还是矩形区域内）。在一个实施方案中，例如，日本京都的欧姆龙（OMRON)公 司所制造的OKAO视觉面部感测技术可由面部检测模块13来使用。面部检测模块13的其 它实施方案是可能的，且因此实施例并不限于用于检测图像中的面部的任何特定方法。
[0030] 还可将皮肤验证模块14存储在存储装置5中。如本文将更详细描述，皮肤验证 模块14可包含用于验证人面部的图像中的皮肤是活人皮肤（与从照片或其它人造人面部 而捕捉的图像所产生的非活皮肤相对）的计算机实施指令。在一些实施方案中，皮肤验证 模块14还可验证人体的其它部位上的皮肤是活人皮肤。储存装置5还包含用户通知模块 15。用户通知模块15可经配置以通知用户所检测面部为活人面部或非活人面部。在一些 实施方案中，用户通知模块15能够通知用户哪些像素被确定为皮肤像素或非活皮肤像素。 而且，如图1中所示，可根据需要将其它处理模块16存储在存储装置5中以实施用于系统 1的各种其它功能性。
[0031] 面部验证系统1包含用户接口 6。用户接口 6可使系统1的用户能够与系统交互， 且有效地使用各种模块来验证所成像面部为图像中的活人面部。举例来说，用户接口 6可 包含一或多个显示器以显示所捕捉图像及/或与面部验证操作相关的其它数据。显示器还 可经配置以显示图形用户接口（⑶I)以进一步增强系统1的可用性。用户接口 6可包含各 种音频装置（例如麦克风、扬声器）或经配置以接收或发射声音的其它装置。在一些实施 方案中，用户接口 6可包含各种外围装置，包含（例如）键盘、鼠标、打印机及其它输入/输 出装置。
[0032] 面部验证系统1可实施于移动装置上，包含移动电话或智能电话、平板计算机、膝 上型计算机、数码相机或类似者。通过将多谱成像系统2、存储器3、处理器4、存储装置5及 用户接口 6集成在移动装置上，可有利地使用面部验证系统1而不需要系统保持处于固定 位置。然而，在其它实施方案中，面部验证系统1可包括桌上型计算机、服务器、计算机工作 站或其它类型的计算装置。多谱成像系统2可与其它计算机硬件集成，或多谱成像系统2 可与计算装置分离，例如作为单独摄像机或多个摄像机。
[0033] 多谱成像概沭
[0034] 图2为说明用于使用多谱成像数据来验证活人面部的方法20的一个实施方案的 流程图。在方框21中，捕捉多谱图像数据。多谱图像数据可包括跨越至少可见光及NIR光 谱的图像数据。举例来说，可通过多谱成像系统2捕捉在约390nm与约HOOnm之间的波长 范围内的图像数据。通过利用跨越可见及NIR波长两者的图像数据，与图像数据限于较窄 光谱的情况相比，可感测场景或物体的更丰富细节。举例来说，在一些情况下，NIR图像数 据可产生比对应可见光图像数据平滑的表面。
[0035] 在于方框21捕捉图像之后，方法20移动到方框22,在方框22中在所捕捉图像中 检测人面部。面部检测的任何合适方法可用以检测图像中的面部。举例来说，如上所述，面 部检测模块13可检测关于所捕捉面部的几何形状的细节。或者，面部检测模块13可检测 面部所位于的大体区域，例如在图像中的特定框内。
[0036] 然而，如上文解释，面部检测可不能够确定所检测面部为活人面部还是面部的人 造再现，例如从照片捕捉的图像、面罩、面部模块或模具、或任何其它人造人面部。在于方框 22中检测面部之后，方法20移动到方框23,在方框23中面部验证系统1可验证所检测面 部上的皮肤为活人皮肤。如下文更详细论述，可使用多种方法来验证所述皮肤为活皮肤。 [0037] 方法20接着移动到决策方框24以确定所检测面部是否为活人面部。存在用以确 定所检测面部是否为活人面部的多种方式。举例来说，如下文关于图6F所解释，可计算或 皮肤像素或非活皮肤像素的数目。如果活皮肤像素的数目超过所检测面部内像素的某一阈 值数目，那么可确定所检测面部为活人面部。在其它实施例中，对于每一像素，可计算所述 像素为活皮肤像素的概率。可计算其中像素较可能是活皮肤而不是非活皮肤的像素的数目 以确定活皮肤像素的数目。如果活皮肤像素比非活皮肤像素（或另一阈值）多，那么可确 定面部为活人面部。
[0038] 如果进行决定所述面部为活面部，那么方法20移动到方框26以通知用户所述面 部为活的。如果进行决定所述面部并非活面部，那么方法20移动到方框25,在方框25中用 户被通知所述面部并非活的人面部。举例来说，用户通知模块15可经实施以通过（例如） 用户接口 6来通知用户所述面部为非活面部。如下所述，给定用于图像中的像素集合的图 像数据，可整体确定面部是活的还是非活的。举例来说，所检测面部可为人面部的再现的图 像，例如另一照片的图像。下文描述关于系统检测所述面部是活的还是非活的的方式的较 多细节。
[0039] 转到图3,揭示用于验证活人面部的方法30的另一实施方案。然而，与图2中不 同，在方法30中，可分别捕捉NIR图像数据及可见光图像数据（与使用单个多谱传感器相 对比）。方法30开始且移动到方框31，在方框31中，捕捉待分析的面部的可见光图像及 NIR图像。如上文关于图1所解释，单独可见光及NIR传感器（例如，C⑶或CMOS)可捕捉 含有人面部的两单独图像。
[0040] 方法30接着移动到方框32,在方框32中，在可见光及NIR图像两者中检测人面 部。如上所述，可针对可见及NIR图像两者实施任何合适的面部检测方法。举例来说，可在 一些实施方案中使用欧姆龙公司所制造的OKAO视觉面部感测技术以检测面部。方法30接 着移动到方框33,在方框33中，系统验证在可见光及NIR图像两者中的所检测面部上的皮 肤为活人皮肤。本文呈现用于验证活皮肤的各种系统及方法，例如关于图6A-6C所论述。
[0041] 一旦在方框33中皮肤得以验证，方法30即移动到决策方框34以确定所捕捉面部 是否为活面部。如上文关于图2所描述，存在用以确定所检测面部是否为活人面部的多种 方式。举例来说，如上所述，如果活皮肤像素的数目超过所检测面部内像素的某一阈值数 目，那么可确定所检测面部为活人面部。如在图2中，如果在方框34中确定所检测面部并 非活人面部，那么方法30移动到方框35,在方框35中所述用户被通知面部并非活的。然 而，如果在决策方框34进行确定确定所检测面部是活人面部，那么方法30移动到方框36， 且用户被通知所捕捉面部是来自活人。
[0042] 图4说明来自图3中所呈现的方法的实验结果。如关于方框31所描述，分别通过 单独NIR及可见光传感器捕捉NIR图像41及捕捉可见（例如，RGB)图像42。或者，可使用 多谱传感器，且图像数据可经后处理以将NIR图像数据与可见光图像数据分开。在其它实 施方案中，可将滤波器应用到传感器上以对所要波长滤波。
[0043] 在NIR及可见图像41、42两者中，呈现一个活人面部46,及呈现两个人造人面部 45。通过人面部的照片来表示人造人面部45。举例来说，可通过人面部的彩色或黑白照相 印刷来表示人造面部。实际上，面部验证系统1可在彩色及黑白图像或表示两者中在验证 活的人面部时有效。应了解，人面部的其它人造表示为可能的。常规面部检测系统可能够 检测图像41、42中的所有三个人面部；而常规系统不能够检测到图像41、42中的三个面部 中的两者实际上是人造面部45而不是活的人面部46。
[0044] 图4的皮肤验证图像43说明在执行图3的方框33的皮肤验证方法之后的结果， 其将在下文在图6A-6C的讨论中更详细解释。如在皮肤验证图像43中可见，已通过皮肤验 证模块14准确地验证活的人面部46,如活的面部46与黑色背景之间的高对比度。图像43 中活的面部46的高对比度反映图像43中所检测的活皮肤像素的相对较高数目。人造人面 部45经说明为具有与黑色背景的较低对比度，这是因为存在经确定为活皮肤像素的较少 像素。
[0045] 在图4的最终活面部验证图像44中，活的面部46已被准确地检测，如作为活的面 部46的边界的框47的实线所示。另一方面，两个非活面部45也被识别，如通过具有为非 活面部45的边界的虚线的两个框48所说明。给定最终图像44,用户可被准确地通知所检 测人面部（中的哪些）是否的确是活的人面部。
[0046] 概沭-骀证所检测面部为活的人面部
[0047] 图5为说明用于确定所捕捉人面部是否为活人面部的一个方法50的流程图。在 方框51中开始方法50,在方框51中通过面部验证系统1来接收可见图像数据及NIR图像 数据。在一些实施方案中，通信模块10及/或处理器4可从多谱成像系统2接收图像。图 像数据可通过多谱成像系统2捕捉，或所述数据可通过外部成像系统捕捉且传达到处理器 4及/或通信模块10。如上文解释，NIR及可见图像数据可通过单个传感器或通过单独传 感器来捕捉。
[0048] 在于方框51中接收可见及NIR图像数据后，方法50移动到方框52以处理可见及 NIR图像数据以检测人面部。举例来说，面部检测模块13可使用如上文关于图1-3所解释 的任何合适的面部检测方法来检测图像中的人面部。方法50接着移动到方框53,在方框53 中使可见图像数据与NIR图像数据相关联以确定所检测人面部是否为活人面部。可将可见 图像数据与NIR图像数据的关联应用到单批多谱图像数据或应用到单独可见及NIR图像。 方法50接着移动到决策方框54以确定所检测面部是否表示人造面部。如果进行决定所检 测面部并非活人面部，那么方法50移动到方框55以通知用户所述面部并非活的面部。然 而，如果进行决定所检测面部为活面部，那么方法50移动到方框56以通知用户所检测面部 是来自活的人。
[0049] 识别活的及非活皮肤像素
[0050] 图6A-6C为说明用于识别多谱图像数据中的所检测人面部中的活的及非活皮肤 像素的各种实施方案。在一些实施方案中，在用户被通知关于所检测面部是活人面部的确 定之前，皮肤验证模块14可基于逐个像素来确定哪些像素表示活人皮肤及哪些像素表示 非活人皮肤。
[0051] 图6A为用于确定图像中的特定像素 i是代表活人皮肤还是非活人皮肤的方法的 60的流程图。所说明方法60在方框61中开始，在方框61中，针对与NIR及可见图像数据 两者相关联的特定像素 i来计算第一反射率差V1及第二反射率差V2。第一反射率差V1及 第二反射率差V 2可部分基于人皮肤在可见及NIR光谱两者中的反射率值。根据一个实施 方案，第一及第二反射率差可通过以下来确定
[0052] Vl = p i ( λ ) - p i ( λ g)，及
[0053] v2 = p i ( λ g) - p i ( λ r)
[0054] 其中P i表示所捕捉皮肤（无论是活的还是非活的）的像素 i分别在NIR波长 (λΝΙΚ)、绿色波长（Ag)及红色波长（λ J下的反射率值。在一些实施方案中，可基于冲击 于表面上的照射L及特定材料的反射率R来使反射率值Pi模型化。在此情况下，皮肤的 反射率R可在NIR光谱中比在可见光谱中强很多（且尤其比绿色波长带强）。由于NIR及 绿色波长之间的反射率的差异，在一些实施方案中绿色图像数据可用于计算反射率差。然 而，请注意由于V 1及V2的计算与所指示波长下的检测强度之间的差成正比，实际上，在计算 反射率差V1及V 2时，用于每一波长的原始像素值可用于每一像素 i。因此，反射率差V1及 V2大体可分别与成像皮肤针对NIR及绿色波长以及针对绿色及红色波长的所检测强度之间 的差成正比。
[0055] 如上文用于V1及V2的关系式所展示，第一反射率差V 1可基于NIR图像数据的一 部分中的反射率值（或原始像素数据）P ?(λΝΙΚ)与可见光图像数据的对应部分中的绿色数 据的反射率值（或原始像素数据）Pi(A g)之间的差来确定。在一些实施方案中，NIR图像 数据的部分为特定像素或像素组，及可见光图像数据的对应部分为可见光图像数据的对应 像素或像素组。第二反射率差可为可见光图像数据的对应部分（例如，像素或像素组）中 的绿色数据的反射率值（或原始像素数据）与红色数据的反射率值（或原始像素数据）之 间的差。不受理论限制的情况下，绿色图像数据可用以计算反射率值及/或反射率差，这是 因为（如上文解释）NIR数据与绿色数据之间的对比度可大于NIR数据与其它色彩（例如， 蓝色或红色）之间的对比度。当然，可比较用于其它色彩的反射率值。举例来说，在一些实 施方案中可比较红色与蓝色反射率值或绿色与蓝色反射率值以计算V 2及Vp
[0056] 在计算特定像素的第一及第二反射率差之后，方法60移动到图6A的方框62,在方 框62中，分别使第一及第二反射率差V 1及V2归一化以获得第一及第二归一化反射率差Γι 及1"2，由以下式给出

【权利要求】
1. 一种用于检测图像中的活人面部的方法，其包括： 接收包含人面部的多谱图像数据，所述多谱图像数据包括可见光图像数据及近红外线 NIR图像数据； 处理所述多谱图像数据以检测所述人面部；及 使所述可见光图像数据中的所述所检测人面部与所述NIR图像数据中的所述所检测 人面部相关联以确定所述所检测人面部是否是活人面部。
2. 根据权利要求1所述的方法，其中所述可见光图像数据中检测的所述面部与所述 NIR图像数据中检测的所述面部之间的所述关联至少部分基于第一反射率差及第二反射率 差，其中所述第一反射率差是所述NIR图像数据的一部分中的反射率值与所述可见光图像 数据的对应部分中的第一色彩的反射率值之间的差，及其中所述第二反射率差是所述可见 光图像数据的所述对应部分中所述第一色彩的所述反射率值与第二色彩的反射率值之间 的差。
3. 根据权利要求2所述的方法，其中使所述可见光图像数据中捕捉的所述所检测人面 部与所述NIR图像数据中捕捉的所述所检测人面部相关联包括： 使所述第一反射率差归一化以获得第一归一化反射率差；及 使所述第二反射率差归一化以获得第二归一化反射率差。
4. 根据权利要求3所述的方法，其中使所述可见光图像数据中捕捉的所述所检测人面 部与所述NIR图像数据中捕捉的所述所检测人面部相关联进一步包括： 比较所述第一归一化反射率差与第一阈值及第二阈值；及 比较所述第二归一化反射率差与第三阈值及第四阈值。
5. 根据权利要求4所述的方法，其进一步包括至少部分基于所述第一归一化反射率差 是否大于所述第一阈值且小于所述第二阈值以及至少部分基于所述第二归一化反射率差 是否大于所述第三阈值且小于所述第四阈值而确定所述NIR图像数据的所述部分及所述 可见光图像数据的所述对应部分是否含有代表活人皮肤的图像数据。
6. 根据权利要求5所述的方法，其进一步包括至少部分基于所述所检测面部中含有代 表活人皮肤的图像数据的像素的数目来确定所述所检测人面部是否是活人面部。
7. 根据权利要求3所述的方法，其中所述第一色彩实质上是绿色，及其中所述第二色 彩实质上是红色。
8. 根据权利要求3所述的方法，其进一步包括获得所述第一归一化反射率差的第一概 率密度函数及所述第二归一化反射率差的第二概率密度函数，其中所述第一及第二概率密 度函数是至少部分基于活人皮肤的图像数据。
9. 根据权利要求8所述的方法，其进一步包括计算所述NIR图像数据的所述部分及所 述可见光图像数据的所述对应部分含有代表活人皮肤的图像数据的第一概率， 所述第一概率至少部分基于所述第一概率密度函数及所述第二概率密度函数。
10. 根据权利要求9所述的方法，其进一步包括： 获得所述第一归一化反射率差的第三概率密度函数及所述第二归一化反射率差的第 四概率密度函数，其中所述第三及第四概率密度函数是至少部分基于不代表活人皮肤的图 像数据， 计算所述NIR图像数据的所述部分及所述可见光图像数据的所述对应部分含有不代 表活人皮肤的图像数据的第二概率， 所述第二概率至少部分基于所述第三概率密度函数及所述第四概率密度函数。
11. 根据权利要求10所述的方法，其进一步包括比较所述第一概率与所述第二概率以 确定所述NIR图像数据的所述部分及所述可见光图像数据的所述对应部分是否含有代表 活人皮肤的图像数据。
12. 根据权利要求11所述的方法，其进一步包括至少部分基于所述所检测面部中含有 代表活人皮肤的图像数据的像素的所述数目来确定所述所检测人面部是否是活人面部。
13. 根据权利要求1所述的方法，其进一步包括用成像设备来捕捉多谱图像数据。
14. 根据权利要求13所述的方法，其中捕捉多谱图像数据包括捕捉可见光图像及NIR 图像。
15. 根据权利要求14所述的方法，其中处理所述多谱图像数据包括： 处理所述可见光图像以检测所述人面部；及 处理所述NIR图像以检测所述人面部。
16. -种用于检测图像中的活人面部的成像系统，所述系统包括： 至少一个图像传感器，其经配置以捕捉包括可见光图像数据及近红外线NIR图像数据 的多谱图像数据，其中所述多谱图像数据包含人面部； 面部检测模块，其经配置以分析所述多谱图像数据以检测所述人面部；及 皮肤验证模块，其经配置以分析所述所检测面部的所述多谱图像数据及确定所述所检 测人面部是否是活人面部。
17. 根据权利要求16所述的成像系统，其中所述至少一个图像传感器包括NIR成像传 感器及可见光传感器。
18. 根据权利要求16所述的成像系统，其中所述皮肤验证模块经配置以至少部分基于 所述所捕捉多谱图像数据的第一反射率差及第二反射率差来确定所述所检测人面部是否 是活人面部。
19. 根据权利要求18所述的成像系统，其中所述皮肤验证模块经进一步配置以： 使所述第一反射率差归一化以获得第一归一化反射率差；及 使所述第二反射率差归一化以获得第二归一化反射率差。
20. 根据权利要求19所述的成像系统，其中所述皮肤验证模块经进一步配置以： 比较所述第一归一化反射率差与第一阈值及第二阈值；及 比较所述第二归一化反射率差与第三阈值及第四阈值。
21. 根据权利要求20所述的成像系统，其中所述皮肤验证模块经进一步配置以至少部 分基于所述第一归一化反射率差是否大于所述第一阈值且小于所述第二阈值以及至少部 分基于所述第二归一化反射率差是否大于所述第三阈值且小于所述第四阈值而确定所述 所检测人面部是否是活人面部。
22. 根据权利要求21所述的成像系统，其中所述皮肤验证模块经进一步配置以至少部 分基于所述所检测面部中含有代表活人皮肤的图像数据的像素的数目来确定所述所检测 人面部是否是活人面部。
23. 根据权利要求19所述的成像系统，其中所述皮肤验证模块经进一步配置以获得所 述第一归一化反射率差的第一概率密度函数及所述第二归一化反射率差的第二概率密度 函数，其中所述第一及第二概率密度函数是至少部分基于活人皮肤的图像数据。
24. 根据权利要求23所述的成像系统，其中所述皮肤验证模块经进一步配置以： 计算所述NIR图像数据的一部分及所述可见光图像数据的对应部分含有代表活人皮 肤的图像数据的第一概率， 所述第一概率至少部分基于所述第一概率密度函数及所述第二概率密度函数。
25. 根据权利要求24所述的成像系统，其中所述皮肤验证模块经进一步配置以： 获得所述第一归一化反射率差的第三概率密度函数及所述第二归一化反射率差的第 四概率密度函数，其中所述第三及第四概率密度函数是至少部分基于不代表活人皮肤的图 像数据， 计算所述NIR图像数据的所述部分及所述可见光图像数据的所述对应部分含有不代 表活人皮肤的图像数据的第二概率， 所述第二概率至少部分基于所述第三概率密度函数及所述第四概率密度函数。
26. 根据权利要求16所述的成像系统，其进一步包括经配置以接收多谱图像数据的通 信模块。
27. 根据权利要求16所述的成像系统，其进一步包括经配置以通知所述用户所述所检 测面部是否是活人面部的用户通知模块。
28. 根据权利要求16所述的成像系统，其进一步包括经配置以存储计算机可读指令及 图像数据中的至少一者的存储器。
29. -种成像系统，其包括： 用于接收包含人面部的多谱图像数据的装置，所述多谱图像数据包括可见光图像数据 及近红外线NIR图像数据； 用于处理所述多谱图像数据以检测所述人面部的装置；及 用于使所述可见光图像数据中的所述所检测人面部与所述NIR图像数据中的所述所 检测人面部相关联以确定所述所检测人面部是否是活人面部的装置。
30. 根据权利要求29所述的成像系统，其中所述用于接收多谱图像数据的装置包括通 信模块。
31. 根据权利要求29所述的成像系统，其中所述用于处理所述多谱图像数据的装置包 括面部检测模块。
32. 根据权利要求29所述的成像系统，其中所述用于使所述可见光图像数据中的所述 所检测人面部与所述NIR图像数据中的所述所检测人面部相关联的装置包括皮肤验证模 块。
33. 根据权利要求29所述的成像系统，其进一步包括用于捕捉多谱图像数据的装置。
34. 根据权利要求33所述的成像系统，其中所述用于捕捉多谱图像数据的装置包括 NIR成像传感器及可见光传感器。
35. -种非暂时性计算机可读媒体，其具有存储在其上的代码，所述代码在被执行时执 行包括以下各项的方法： 接收包含人面部的多谱图像数据，所述多谱图像数据包括可见光图像数据及近红外线 NIR图像数据； 处理所述多谱图像数据以检测所述人面部；及 使所述可见光图像数据中的所述所检测人面部与所述NIR图像数据中的所述所检测 人面部相关联以确定所述所检测人面部是否是活人面部。
【文档编号】G06K9/00GK104364798SQ201380030542
【公开日】2015年2月18日 申请日期:2013年6月18日 优先权日:2012年6月26日
【发明者】张晓鹏, 张晓康, 王计来, 周晓明, 邱刚, 沈亮, 冯晨 申请人:高通股份有限公司