人脸识别的方法、装置和电子设备制造方法及图纸

一种人脸识别方法、装置和电子设备，能够识别人脸的真假，从而能够提升人脸识别的安全性。该人脸识别方法包括：获取第一识别目标的第一目标图像及第一眼部图像；根据所述第一眼部图像进行基于虹膜的人脸防伪判断，以确定所述第一识别目标是否为活体人脸并输出活体判断结果；根据所述第一目标图像进行特征模板匹配，并输出匹配结果；根据所述活体判断结果和所述匹配结果输出人脸识别结果。

Methods, devices and electronic devices of face recognition

The invention relates to a face recognition method, device and electronic device, which can recognize the authenticity of a face, thereby improving the safety of face recognition. The face recognition method includes: obtaining the first target image and the first eye image of the first recognition target; making face anti-counterfeiting judgment based on the iris according to the first eye image to determine whether the first recognition target is a living face and output the living judgment result; matching the feature template according to the first target image and output the matching result; and The living body judgment result and the matching result output the face recognition result.

【技术实现步骤摘要】
【国外来华专利技术】人脸识别的方法、装置和电子设备
本申请涉及生物特征识别
，并且更具体地，涉及一种人脸识别的方法、装置和电子设备。
技术介绍
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的图像预处理、图像特征提取以及匹配与识别等一系列相关技术，通常也叫做人像识别或面部识别。随着计算机和网络技术的飞速发展，人脸识别技术已广泛地应用于智能门禁、移动终端、公共安全、娱乐、军事等诸多行业及领域。当前人脸识别普遍使用的是基于人脸的二维(TwoDimensional，2D)图像进行识别，判断该2D图像是否为特定用户人脸，而不判断该2D图像是否来自活体人脸，换言之，现有技术中，基于2D图像的2D人脸识别没有防伪功能，安全性能差。
技术实现思路
本申请实施例提供了一种人脸识别方法、装置和电子设备，能够识别人脸的真假，从而能够提升人脸识别的安全性。第一方面，提供了一种人脸识别方法，包括：获取第一识别目标的第一目标图像及第一眼部图像；根据所述第一眼部图像进行基于虹膜的人脸防伪判断，以确定所述第一识别目标是否为活体人脸并输出活体判断结果；根据所述第一目标图像进行特征模板匹配，并输出匹配结果；根据所述活体判断结果和所述匹配结果输出人脸识别结果。本申请提供一种带有防伪功能的人脸识别方案，通过获取第一识别目标的第一目标图像和第一眼部图像，基于第一眼部图像中的虹膜特征进行人脸防伪，在判断该包括虹膜的眼部图像是否来自活体人脸的基础上，根据第一目标图像进行特征模板匹配判断是否为用户，从而大大提高人脸识别装置及电子设备的安全性。在一种可能的实现方式中，所述根据所述活体判断结果和所述匹配结果输出人脸识别结果，包括：在所述匹配结果为成功时，根据所述活体判断结果输出人脸识别结果；或者，在所述活体判断结果为活体时，根据所述匹配结果输出人脸识别结果；或者，在所述匹配结果为失败或所述活体判断结果为非活体时，输出人脸识别结果。在一种可能的实现方式中，所述根据所述第一目标图像进行特征模板匹配，并输出匹配结果，包括：基于所述第一目标图像进行人脸检测；当人脸检测成功时，基于所述第一目标图像获取第一人脸图像；将所述第一人脸图像与预存的多个第一特征模板进行匹配；当所述第一人脸图像与所述多个第一特征模板中任意一个第一特征模板匹配成功时，输出匹配结果为成功；或者，当所述第一人脸图像与所述多个第一特征模板匹配失败时，输出匹配结果为失败；或者，当人脸检测失败时，输出匹配结果为失败。在一种可能的实现方式中，所述获取第一识别目标的第一目标图像及第一眼部图像，包括：获取所述第一识别目标的第一目标图像，基于所述第一目标图像获取所述第一眼部图像。在一种可能的实现方式中，所述第一眼部图像为二维红外图像。在一种可能的实现方式中，所述第一眼部图像为包括虹膜的人眼区域图像或虹膜区域图像。在一种可能的实现方式中，所述根据所述第一眼部图像进行基于虹膜的人脸防伪判断，包括：采用直方图均衡化方法对所述第一眼部图像进行处理得到第一优化眼部图像；根据所述第一优化眼部图像进行基于虹膜的人脸防伪判断。在一种可能的实现方式中，所述根据所述第一优化眼部图像进行基于虹膜的人脸防伪判断，包括：通过神经网络对所述第一优化眼部图像进行分类处理，以确定所述第一识别目标是否为活体人脸。在一种可能的实现方式中，所述第一眼部图像包括第一左眼眼部图像和/或第一右眼眼部图像，所述采用直方图均衡化方法对所述第一眼部图像进行处理得到第一优化眼部图像包括：采用所述直方图均衡化方法对所述第一左眼眼部图像进行处理得到第一优化左眼眼部图像；和/或采用所述直方图均衡化方法对所述第一右眼眼部图像进行处理得到第一优化右眼眼部图像。在一种可能的实现方式中，所述第一眼部图像包括：所述第一左眼眼部图像或所述第一右眼眼部图像；所述神经网络包括：第一扁平化层，至少一个第一全连接层以及至少一个第一激励层。在一种可能的实现方式中，所述通过神经网络对所述第一优化眼部图像进行分类处理，包括：通过所述第一扁平化层，对所述第一优化左眼眼部图像或所述第一优化右眼眼部图像进行处理得到多个眼部像素值；通过所述至少一个第一全连接层，对所述多个眼部像素值进行全连接得到多个特征常数；通过所述至少一个第一激励层，对所述多个特征常数进行非线性化处理或者分类处理。在一种可能的实现方式中，所述神经网络包括：所述第一扁平化层，两个所述第一全连接层以及两个所述第一激励层。在一种可能的实现方式中，两个所述第一激励层中的激励函数分别为修正线性单元ReLU函数和Sigmoid函数。在一种可能的实现方式中，所述第一眼部图像包括：所述第一左眼眼部图像和所述第一右眼眼部图像；所述神经网络包括第一网络、第二网络和第三网络；所述第一网络包括：第二扁平化层，至少一个第二全连接层以及至少一个第二激励层；所述第二网络包括：第三扁平化层，至少一个第三全连接层以及至少一个第三激励层；所述第三网络包括：至少一个第四全连接层以及至少一个第四激励层。在一种可能的实现方式中，所述通过神经网络对所述第一优化眼部图像进行分类处理，包括：通过所述第一网络对所述第一优化左眼眼部图像进行处理得到左眼分类特征值；通过所述第二网络对所述第一优化右眼眼部图像进行处理得到右眼分类特征值；通过所述第三网络对所述左眼分类特征值和所述右眼分类特征值进行全连接。在一种可能的实现方式中，所述第一网络包括：所述第二扁平化层，两个所述第二全连接层和两个所述第二激励层；所述第二网络包括：所述第三扁平化层，两个所述第三全连接层和两个所述第三激励层；所述第三网络包括：一个所述第四全连接层和一个所述第四激励层。在一种可能的实现方式中，两个所述第二激励层中的激励函数分别为修正线性单元ReLU函数和Sigmoid函数；和/或，两个所述第三激励层中的激励函数分别为修正线性单元ReLU函数和Sigmoid函数；和/或，一个所述第四激励层中的激励函数为修正线性单元ReLU函数。在一种可能的实现方式中，所述方法还包括：获取第二识别目标的第二眼部图像；根据所述第二眼部图像进行基于虹膜的人脸防伪判别，以确定所述第二识别目标是否为活体人脸，其中，人脸防伪判别的结果用于建立人脸特征模板。在一种可能的实现方式中，所述第二眼部图像为第二眼部红外图像。在一种可能的实现方式中，所述方法还包括：获取所述第二识别目标的第二目标图像，基于所述第二目标图像获取所述第二眼部图像，并基于所述第二目标图像建立所述人脸特征模板。在一种可能的实现方式中，所述方法还包括：<本文档来自技高网...

【技术保护点】
1.一种人脸识别的方法，其特征在于，包括：/n获取第一识别目标的第一目标图像及第一眼部图像；/n根据所述第一眼部图像进行基于虹膜的人脸防伪判断，以确定所述第一识别目标是否为活体人脸并输出活体判断结果；/n根据所述第一目标图像进行特征模板匹配，并输出匹配结果；/n根据所述活体判断结果和所述匹配结果输出人脸识别结果。/n

【技术特征摘要】
【国外来华专利技术】1.一种人脸识别的方法，其特征在于，包括：
获取第一识别目标的第一目标图像及第一眼部图像；
根据所述第一眼部图像进行基于虹膜的人脸防伪判断，以确定所述第一识别目标是否为活体人脸并输出活体判断结果；
根据所述第一目标图像进行特征模板匹配，并输出匹配结果；
根据所述活体判断结果和所述匹配结果输出人脸识别结果。


2.根据权利要求1所述的方法，其特征在于，所述根据所述活体判断结果和所述匹配结果输出人脸识别结果，包括：
在所述匹配结果为成功时，根据所述活体判断结果输出人脸识别结果；或者，在所述活体判断结果为活体时，根据所述匹配结果输出人脸识别结果；或者，在所述匹配结果为失败或所述活体判断结果为非活体时，输出人脸识别结果。


3.根据权利要求1或2所述的方法，其特征在于，所述根据所述第一目标图像进行特征模板匹配，并输出匹配结果，包括：
基于所述第一目标图像进行人脸检测；
当人脸检测成功时，基于所述第一目标图像获取第一人脸图像；
将所述第一人脸图像与预存的多个第一特征模板进行匹配；
当所述第一人脸图像与所述多个第一特征模板中任意一个第一特征模板匹配成功时，输出匹配结果为成功；或者，
当所述第一人脸图像与所述多个第一特征模板匹配失败时，输出匹配结果为失败；
或者，当人脸检测失败时，输出匹配结果为失败。


4.根据权利要求1-3中任一项所述的方法，其特征在于，所述获取第一识别目标的第一目标图像及第一眼部图像，包括：
获取所述第一识别目标的第一目标图像，基于所述第一目标图像获取所述第一眼部图像。


5.根据权利要求1-4中任一项所述的方法，其特征在于，所述第一眼部图像为二维红外图像。


6.根据权利要求1-5中任一项所述的方法，其特征在于，所述第一眼部图像为包括虹膜的人眼区域图像或虹膜区域图像。


7.根据权利要求6所述的方法，其特征在于，所述根据所述第一眼部图像进行基于虹膜的人脸防伪判断，包括：
采用直方图均衡化方法对所述第一眼部图像进行处理得到第一优化眼部图像；
根据所述第一优化眼部图像进行基于虹膜的人脸防伪判断。


8.根据权利要求7所述的方法，其特征在于，所述根据所述第一优化眼部图像进行基于虹膜的人脸防伪判断，包括：
通过神经网络对所述第一优化眼部图像进行分类处理，以确定所述第一识别目标是否为活体人脸。


9.根据权利要求7或8所述的方法，其特征在于，所述第一眼部图像包括第一左眼眼部图像和/或第一右眼眼部图像，所述采用直方图均衡化方法对所述第一眼部图像进行处理得到第一优化眼部图像包括：
采用所述直方图均衡化方法对所述第一左眼眼部图像进行处理得到第一优化左眼眼部图像；和/或
采用所述直方图均衡化方法对所述第一右眼眼部图像进行处理得到第一优化右眼眼部图像。


10.根据权利要求9所述的方法，其特征在于，所述第一眼部图像包括：所述第一左眼眼部图像或所述第一右眼眼部图像；
所述神经网络包括：第一扁平化层，至少一个第一全连接层以及至少一个第一激励层。


11.根据权利要求10所述的方法，其特征在于，所述通过神经网络对所述第一优化眼部图像进行分类处理，包括：
通过所述第一扁平化层，对所述第一优化左眼眼部图像或所述第一优化右眼眼部图像进行处理得到多个眼部像素值；
通过所述至少一个第一全连接层，对所述多个眼部像素值进行全连接得到多个特征常数；
通过所述至少一个第一激励层，对所述多个特征常数进行非线性化处理或者分类处理。


12.根据权利要求10或11所述的方法，其特征在于，所述神经网络包括：所述第一扁平化层，两个所述第一全连接层以及两个所述第一激励层。


13.根据权利要求12所述的方法，其特征在于，两个所述第一激励层中的激励函数分别为修正线性单元ReLU函数和Sigmoid函数。


14.根据权利要求9所述的方法，其特征在于，所述第一眼部图像包括：所述第一左眼眼部图像和所述第一右眼眼部图像；
所述神经网络包括第一网络、第二网络和第三网络；
所述第一网络包括：第二扁平化层，至少一个第二全连接层以及至少一个第二激励层；
所述第二网络包括：第三扁平化层，至少一个第三全连接层以及至少一个第三激励层；
所述第三网络包括：至少一个第四全连接层以及至少一个第四激励层。


15.根据权利要求14所述的方法，其特征在于，所述通过神经网络对所述第一优化眼部图像进行分类处理，包括：
通过所述第一网络对所述第一优化左眼眼部图...

【专利技术属性】
技术研发人员：潘雷雷，吴勇辉，范文文，
申请(专利权)人：深圳市汇顶科技股份有限公司，
类型：发明
国别省市：广东;44