用于认证三维物体的方法及装置制造方法及图纸

一种用于认证一三维物体的装置，包括：一成像阵列，具有一传感器，所述传感器配置成用以生成面向所述成像阵列的所述三维物体的一表面的一第一稀疏视图及一第二稀疏视图，以及一处理电路。所述处理电路配置成用以：对所述第一稀疏视图及所述第二稀疏视图进行插值，以获得一第一插值图像及一第二插值图像；计算所述第一插值图像及所述第二插值图像中的一个的多个图像像素的一平面视差函数；通过使用所述平面视差函数位移所述第一插值图像及所述第二插值图像其中之一的所述多个图像像素来生成一投影图像；及比较所投影图像与所述第一插值图像及所述第二插值图像中的另一个，以确定所述平面视差函数与所述三维物体的所述表面的所述第一插值图像及所述第二插值图像的一致性。一致性。一致性。

【技术实现步骤摘要】
【国外来华专利技术】用于认证三维物体的方法及装置
[0001]相关申请
[0002]本申请要求2019年8月20日提交标题为“用于认证的方法及装置”的美国临时专利申请No.62/889,085的优先权，其内容通过引用整体并入本文。

技术介绍

[0003]本专利技术总体上涉及认证，并且具体地涉及用于认证一三维(3D)物体(例如一脸部)以及区分三维(3D)物体与同一物体的二维(2D)欺骗方法及设备。
[0004]自动生物特征验证是用于日常系统(例如准入控制系统、智能手机等)的一种快速增长的身份认证工具。生物特征识别可以包括脸部识别、虹膜识别、语音识别、指纹识别或其他工具。特别令人感兴趣的是脸部识别系统或方法，它们使用起来相当容易及方便。脸部识别是一种方便的工具，因为脸部始终可用且暴露在外，并且不需要用户记住密码、附接手指，如果用户的手很忙，这可能会造成麻烦，或者造成任何其他麻烦事。
[0005]这项技术的一个主要推动力是深度学习方法的进步，它可以使用二维彩色成像提供准确的识别。特别是，由于深度学习技术的进步及在线可用的大量标记脸部图像，脸部识别得到了广泛的应用，这使得对此类系统的深度学习训练成为可能。然而，依赖这些图像的方法可能容易受到欺骗，即通过显示合法用户脸部的二维打印来获得访问权限。尽管当前使用红
‑
绿
‑
蓝(RGB)图像的二维人脸识别方法是准确的，但它们仍然容易受到欺骗，即可能会根据正在显示的合法用户的图像来批准身份。因此，入侵者或获得他人智能手机的人可能会呈现合法用户的图片，并获得对位置、装置等的访问权，这是此类系统的严重漏洞。
[0006]为了确保用户的真实性，一些现有的解决方案基于飞行时间或结构光等技术添加了深度传感器。深度传感器增加了对抗欺骗的稳健性(robustness)。然而，与标准的二维设置相比，这些技术的加入增加了认证系统的成本。因此，拥有一个对二维欺骗具有弹性但不增加解决方案价格的系统是非常有意义的，特别是对于低成本装置。

技术实现思路

[0007]因此，本公开的目的是提供一种可以区分三维物体与同一物体的二维图像的装置，从而识别欺骗并且防止基于呈现按二维图像来识别脸部。本公开的另一个目的是提供一种系统及方法，其配置为以低成本认证一三维物体，从而实现用于低成本装置的安全脸部认证。本公开的另一个目的是提供一种低成本装置，所述设备可以验证被认证为三维的物体是一特定的脸部，例如，验证两个图像是同一个人的。因此，给定具有一存储图像的一装置或一系统，可以验证尝试使用所述装置的人与存储图像的人是相同的。因此，所述装置可以提供稳健的脸部验证系统。
[0008]根据一第一方面，公开了一种用于认证一三维物体的装置。所述用于认证一三维物体的装置包括：一成像阵列，具有一传感器，所述传感器配置成用以生成面向所述成像阵列的所述三维物体的一表面的一第一稀疏视图及一第二稀疏视图；以及一处理电路。所述处理电路配置成用以：对所述第一稀疏视图及所述第二稀疏视图进行插值，以获得一第一
插值图像及一第二插值图像；计算所述第一插值图像及所述第二插值图像中的一个的多个图像像素的一平面视差函数；通过使用所述平面视差函数位移所述第一插值图像及所述第二插值图像其中之一的所述多个图像像素来生成一投影图像；及比较所投影图像与所述第一插值图像及所述第二插值图像中的另一个，以确定所述平面视差函数与所述三维物体的所述表面的所述第一插值图像及所述第二插值图像的一致性。如果所述投影图像与另一个插值图像基本相同，则表明所述平面视差函数与所述成像物体匹配，即所述物体是二维的。另一方面，如果所述投影图像与另一个插值图像之间存在偏差，则表明所述平面视差函数不适用于所述物体的图像，即所述物体是三维的。因此，所述用于认证一三维物体的装置提供了一种低计算及低成本的解决方案，用于区分二维及三维物体。
[0009]在根据所述第一方面的另一实施方式中，所述处理电路配置成用以当所述投影图像及所述第一插值图像及所述第二插值图像中的另一个与所述平面视差函数的一偏差高于一预定阈值时，确定所述表面是三维的。可选地，所述处理电路配置成用以基于所投影图像与所述第一插值图像及所述第二插值图像中的另一个之间的一L1损失的一计算来计算所述偏差。因为一三维物体的一视差图不是平面的，所以所述三维物体预计会偏离所述平面视差函数。有利的是，所述处理电路可以包含对与二维物体的所述平面视差函数的微小偏差的一容许偏差(tolerance)，并且因此仅当所述偏差高于所述预定阈值时才断定所述物体是三维的。例如，所述容许偏差可用于排除基于示出打印到具有深度的一表面上的二维图像的欺骗尝试，例如一个曲面。
[0010]在根据所述第一方面的另一实施方式中，所述处理电路配置成用以生成具有三个到八个图像像素的所述投影图像。所述三个图像像素，在本公开中也被描述为“点”，是映射一平面视差函数所需的一最小值。可以测量所述附加像素以考虑噪声并且确保测量的稳定性。有利的是，可以基于少量、有限数量的图像像素的比较来确定所述物体是否是三维的，而不需要对整个图像的比较进行昂贵且耗时的计算。
[0011]在根据所述第一方面的另一实施方式中，所述处理电路配置成用以在一逐个像素的基础上来比较所述投影图像与所述第一插值图像及所述第二插值图像中的另一个。有利的是，由此可以进一步简化比较所述投影图像与另一插值图像的过程。例如，所述处理电路可以配置成用以仅当前两个检查的像素表明所述物体是二维的时候，才检查一第三像素处的一致性。
[0012]在根据所述第一方面的另一实施方式中，提供了一存储器，其用于存储三维物体的多个表面的多个图像的。所述处理电路配置成用以基于所述第一插值图像及所述第二插值图像来生成一深度图。所述处理电路还配置成用以从所述第一插值图像、所述第二插值图像及所述深度图提取多个特征到至少一个网络中、用以比较经提取的所述多个特征与从一存储图像组中的一相应图像中提取的多个特征、及藉此用以确定所述三维物体是否与成像在所述相应图像中的一物体相同。
[0013]可选地，所述至少一个网络包括一多视图卷积神经网络，所述多视图卷积神经网络包括一第一卷积神经网络、一第二卷积神经网络、一第三卷积神经网络及至少一个组合卷积神经网络，所述第一卷积神经网络用于处理所述第一插值图像的多个特征并且生成一第一特征向量，所述第二卷积神经网络用于处理所述第二插值图像的多个特征并且生成一第二特征向量，所述第三卷积神经网络用于处理所述深度图的多个特征并且生成一第三特
征向量，所述至少一个组合卷积神经网络用于将所述第一特征向量、所述第二特征向量及所述第三特征向量组合成一统合特征向量，用于与所述相应图像的一相应统合特征向量进行比较。这样的网络架构可以有利地提供适合于使用通过一单色传感器获得的图像来执行一脸部比较的一计算环境，而不需要基于RGB图像的一种更稳健的计算。
[0014]可选地，所述存储图像组是多个脸部图像。有利的是，所述用于认证一三维物体的装置因此可以包括确定所述物体是二维或是三维的一阈值，而不需要大量本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于认证一三维物体的装置，其特征在于，所述用于认证一三维物体的装置包括：一成像阵列，具有一传感器，所述传感器配置成用以生成面向所述成像阵列的所述三维物体的一表面的一第一稀疏视图及一第二稀疏视图；以及一处理电路，配置成用以：对所述第一稀疏视图及所述第二稀疏视图进行插值，以获得一第一插值图像及一第二插值图像；计算所述第一插值图像及所述第二插值图像中的一个的多个图像像素的一平面视差函数；通过使用所述平面视差函数位移所述第一插值图像及所述第二插值图像其中之一的所述多个图像像素来生成一投影图像；及比较所投影图像与所述第一插值图像及所述第二插值图像中的另一个，以确定所述平面视差函数与所述三维物体的所述表面的所述第一插值图像及所述第二插值图像的一致性。2.如权利要求1所述的用于认证一三维物体的装置，其特征在于：所述处理电路配置成用以当所述投影图像及所述第一插值图像及所述第二插值图像中的另一个与所述平面视差函数的一偏差高于一预定阈值时，确定所述表面是三维的。3.如权利要求2所述的用于认证一三维物体的装置，其特征在于：所述处理电路配置成用以基于所投影图像与所述第一插值图像及所述第二插值图像中的另一个之间的一L1损失的一计算来计算所述偏差。4.如权利要求1所述的用于认证一三维物体的装置，其特征在于：所述处理电路配置成用以生成具有三个到八个图像像素的所述投影图像。5.如权利要求1所述的用于认证一三维物体的装置，其特征在于：所述处理电路配置成用以在一逐个像素的基础上来比较所述投影图像与所述第一插值图像及所述第二插值图像中的另一个。6.如权利要求1所述的用于认证一三维物体的装置，还包括：一存储器，用于存储所述三维物体的多个表面的多个图像，并且其中所述处理电路配置成用以基于所述第一插值图像及所述第二插值图像来生成一深度图、用以从所述第一插值图像、所述第二插值图像及所述深度图提取多个特征到至少一个网络中、用以比较经提取的所述多个特征与从一存储图像组中的一相应图像中提取的多个特征、及藉此用以确定所述三维物体是否与成像在所述相应图像中的一物体相同。7.如权利要求6所述的用于认证一三维物体的装置，其特征在于：所述至少一个网络包括一多视图卷积神经网络，所述多视图卷积神经网络包括一第一卷积神经网络、一第二卷积神经网络、一第三卷积神经网络及至少一个组合卷积神经网络，所述第一卷积神经网络用于处理所述第一插值图像的多个特征并且生成一第一特征向量，所述第二卷积神经网络用于处理所述第二插值图像的多个特征并且生成一第二特征向量，所述第三卷积神经网络用于处理所述深度图的多个特征并且生成一第三特征向量，所述至少一个组合卷积神经网络用于将所述第一特征向量、所述第二特征向量及所述第三特征向量组合成一统合特征向量，用于与所述相应图像的一相应统合特征向量进行比较。
8.如权利要求6所述的用于认证一三维物体的装置，其特征在于：所述存储图像组是多个脸部图像。9.一种用于认证一三维物体的装置，其特征在于，所述用于认证一三维物体的装置包括：一图像传感器，包括多个传感器像素，所述多个传感器像素配置成用以对面向所述图像传感器的所述三维物体的一表面进行成像；一透镜阵列，包括至少一第一孔径及一第二孔径；至少一个滤光片阵列，配置成用以允许通过所述第一孔径所接收的光仅到达来自所述多个传感器像素的一第一传感器像素组，并且允许通过所述第二孔径所接收的光仅到达来自所述多个传感器像素的一第二传感器像素组；以及一处理电路，配置成用以：从所述第一传感器像素组的光测量来生成所述三维物体的所述表面的一第一稀疏视图，并从所述第二传感器像素组的光测量来生成一第二稀疏视图；及确定来自所述第一稀疏视图及所述第二稀疏视图的多个图像像素与一平面视差函数的一致性，所述平面视差函数是基于所述第一孔径及所述第二孔径的一基线及所述透镜阵列的一像素焦距所计算的。10.如权利要求9所述的用于认证一三维物体的装置，其特征在于：所述处理电路还配置成用以通过以下方式来确定来自所述第一稀疏视图及所述第二稀疏视图的所述多个图像像素与所述平面视差函数的一致性：对所述第一稀疏视图及所述第二稀疏视图进行插值，以获得一第一插值图像及一第二插值图像；通过使用所述平面视差函数位移所述第一插值图像及所述第二插值图像其中之一的所述多个图像像素来生成一投影图像；及比较所投影图像与所述第一插值图像及所述第二插值图像中的另一个。11.如权利要求10所述的用于认证一三维物体的装置，其特征在于：所述处理电路配置成用以当所述投影图像及所述第一插值图像及所述第二插值图像中的另一个与所述平面视差函数的一偏差高于一预定阈值时，确定所述表面是三维的。12.如权利要求9所述的用于认证一三维...

【专利技术属性】
技术研发人员：大卫，
申请(专利权)人：科技创新动量基金以色列参股有限公司，
类型：发明
国别省市：