数字图像中的莫尔图案检测及其活性检测系统技术方案

本发明专利技术涉及数字图像中的莫尔图案检测，这是通过处理各自在不同图像曝光或分辨率下拍摄的所捕获的被摄体和/或场景的多个数字图像而执行的。此外，本发明专利技术涉及用于基于从多个数字图像中检测莫尔图案来评估所捕获的生物特征的活性的方法和系统。征的活性的方法和系统。征的活性的方法和系统。

【技术实现步骤摘要】
【国外来华专利技术】数字图像中的莫尔图案检测及其活性检测系统


[0001]本专利技术涉及数字图像中的莫尔图案检测。此外，本专利技术涉及用于生物特征验证的捕获的生物特征的活性检测。

技术介绍

[0002]莫尔图案被认为是由于相机传感器的数字网格重叠而出现的干涉图案，从而导致图像中的高频噪声。在许多应用中，检测和去除这些图案是至关重要的步骤。例如，莫尔图案的检测和去除是生物特征验证系统中的重要步骤，其中可以使用这些图案来确定所捕获的生物特征的活性，由此防止欺骗攻击(spoofing attack)。类似地，莫尔图案可以用在扫描应用中，以改进光学字符识别(OCR)。
[0003]在E.Abraham的“Moir
é
Pattern Detection using Wavelet Decomposition and Convolutional Neural Network”(2018IEEE计算智能研讨会系列(SSCI)，印度班加罗尔，2018，第1275
‑
1279页，doi：10.1109/SSCI.2018.8628746中提出了用于检测数字图像中的莫尔图案的已知方法的示例。用于检测莫尔图案的当前技术的缺点在于，它们的检测精度可能受数字图像的强度简档的影响。这是因为，确定了莫尔图案在所捕获的图像中的可见性的莫尔图案的频率强度高度取决于数字图像的像素强度。例如，所捕获的像素强度越低，由此所捕获的图像越暗，图像中存在的莫尔图案的频率强度越低。在所捕获的图像的过度曝光区域中可以观察到类似的效果。结果，由于数字图像中的像素强度变化，不能准确地检测和/或提取莫尔图案，这可能不利于防止生物特征验证系统中的欺骗攻击。

技术实现思路

[0004]本专利技术的目的是提供一种克服了现有技术解决方案的缺点的用于检测数字图像中的莫尔图案的系统和方法。
[0005]本专利技术的其他目的是提供一种用于在生物特征验证系统中验证所捕获的人的生物特征的活性的系统和方法。
[0006]根据本专利技术用示出相应独立权利要求的技术特性的系统和方法来实现本专利技术的目的。在从属权利要求中公开了本专利技术的优选实施例。
[0007]根据本专利技术的一方面，提出了一种用于检测数字图像中的莫尔图案信息的方法。所述方法包括以下步骤：
[0008]接收被摄体和/或场景的数字图像集合，所述数字图像集合包括由一个或多个相机以不同分辨率和/或曝光捕获的图像；
[0009]处理所述集合中的每个数字图像，以确定按对应图像分辨率和/或曝光的成像的被摄体和/或场景的包含莫尔图案信息的部分；
[0010]从所述集合中选择具有成像的被摄体和/或场景的包含莫尔图案信息的部分的数字图像；以及
[0011]从所选择的数字图像生成所捕获的被摄体和/或场景的合并数字图像，所述合并
数字图像包括在每个所选择的数字图像中检测到的莫尔图案信息。
[0012]本专利技术的方法通过处理和组合从以不同图像分辨率和/或曝光捕获的相同被摄体和/或场景的多个数字图像中检测到的莫尔图案信息，增强数字图像中莫尔图案的检测。通常，在所捕获的数字图像内，所捕获的对象和/或场景的像素强度将变化，从而得到具有不同的光/像素强度值的图像部分。如此，数字图像的区域可以以不同的光/像素强度值呈现。莫尔图案取决于数字图像的像素强度。例如，在所捕获的图像的黑暗或过度曝光区域中，莫尔图案可能是难以检测的。因此，用传统技术，由于相机传感器限制和光照条件，在数字图像中只能检测到一小部分莫尔图案。在包括但不限于生物特征验证、光学字符识别(OCR)等的一系列应用中，增强对来自具有不同像素强度值的数字图像的区域的莫尔图案的检测是重要的。本专利技术的方法通过从以不同图像分辨率和/或曝光捕获的相同被摄体和/或场景的数字图像中提取莫尔图案信息，克服了现有技术解决方案的缺点。如此，可以在数字图像的不同区域中检测莫尔图案。例如，通过在连续数字图像之间逐渐增加图像曝光，可以增加数字图像的较暗区域的光强度，从而可以得到莫尔图案的曝光，导致它们的准确检测。类似地，通过在连续数字图像之间变化图像分辨率，可以改变在数字图像中捕获的莫尔图案。如此，根据图像分辨率，可以出现不同的莫尔图案，这可以提供进一步增强来自所捕获的图像和/或场景的莫尔图案的检测。在本文中提出的方法中，从数字图像集合中检测和/或提取的莫尔图案信息被组合成单个数字图像，以呈现所捕获的被摄体和/或场景。可以通过组合来自集合中的包含莫尔图案的不同捕获数字图像的细节，来生成组合数字图像。例如，可以使用本领域中已知的高动态范围成像技术来生成合并数字图像，该高动态范围成像技术涉及使用不同曝光值捕获同一场景的多个图像，然后将那些包含莫尔图案的图像组合成表示所捕获的场景和/或对象内的色调值范围的单个图像。因此，合并数字图像将包含来自数字图像的不同区域的莫尔图案信息，由此克服了现有技术解决方案的缺点。
[0013]根据本专利技术的实施例，可以使用小波分解和/或多输入深度卷积神经网络(CNN)来执行莫尔图案的检测。
[0014]根据本专利技术的实施例，数字图像集合的处理包括对准集合中的每个数字图像中捕获的被摄体和/或场景。通常，为了补偿连续数字图像之间出现的被摄体和/或场景的任何移动(例如所捕获的人的头部移动)，对准数字图像。例如，数字图像的对准可以使用诸如使用数字图像对准算法处理数字图像之类的本领域中已知的已知图像配准技术或另一已知技术来执行。例如，图像配准可以是基于特征配准、基于像素的对准或任何其他已知技术。
[0015]根据本专利技术的实施例，处理数字图像包括将每个数字图像分割成预定尺寸的网格。根据本专利技术的实施例，数字图像的处理包括在每个数字图像中检测包括莫尔图案信息的网格部分。分割有助于集合中的数字图像的时间分析，由此简化了数字图像集合中的相似区域的检测。如此，可以容易地检测数字图像的包含莫尔图案信息的部分，并且将其与其余数字图像的对应部分进行比较。应该注意，图像的分割可以以不同的方式执行。例如，图像分析可以是基于网格的，其中数字图像被划分为子部分，或者它可以是基于对象分割的，其中分析数字图像以检测相似区域，例如，人的面部。
[0016]根据本专利技术的实施例，数字图像的处理包括在空间和时间方向二者上分析堆栈中的每个数字图像的发光强度，以确定数字图像的集合的组合强度简档。基于分割，在空间方向和时间方向二者上分析每个数字图像的像素强度，以获得堆栈的数字图像的强度简档。
可以使用强度简档信息确定在每个数字图像中检测到的莫尔干涉噪声的频率强度和/或图案，并且将它们与数字图像堆栈中的对应图像曝光和/或分辨率相关。可以使用像傅立叶/小波变换、SURF、SIFT特征等一样的特征检测和匹配方法来执行莫尔图案的相关。另外，可以使用像卷积神经网络(CNN)之类的经训练的深度学习网络来执行相关。
[0017]根据本专利技术的实施例，生成合并数字图像包括将来自集合中的包含莫尔图案的不同捕获数字图像的细节组合成表示所捕获的场景和/或对象内的色调值范围的单个图像。另外，合并本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于检测数字图像中的莫尔图案信息的方法，所述方法包括以下步骤：接收被摄体和/或场景的数字图像的集合，所述数字图像的集合包括由一个或多个相机以不同分辨率和/或曝光捕获的图像；处理所述集合中的每个数字图像，以确定对应图像分辨率和/或曝光处的成像的被摄体和/或场景的包含莫尔图案信息的部分；从所述集合中选择具有成像的被摄体和/或场景的包含莫尔图案信息的部分的数字图像；以及从所选择的数字图像生成所捕获的被摄体和/或场景的合并数字图像，所述合并数字图像包括在每个所选择的数字图像中检测到的莫尔图案信息。2.根据权利要求1所述的方法，其中，处理所述数字图像包括将在所述集合中的每个所述数字图像中捕获的被摄体和/或场景对准。3.根据权利要求1或2所述的方法，其中，处理所述数字图像包括将每个数字图像分割成预定尺寸的网格。4.根据权利要求3所述的方法，其中，所述数字图像的处理包括在每个数字图像中检测包括莫尔图案信息的网格部分。5.根据权利要求4所述的方法，其中，所述数字图像的处理包括在空间和时间方向二者上分析堆栈中的每个数字图像的发光强度，以确定所述数字图像的集合的组合强度简档。6.根据前述权利要求中任一项所述的方法，其中，生成所述合并数字图像包括将来自所述集合中的包含莫尔图案的不同捕获数字图像的细节组合成表示所捕获的场景和/或被摄体内的色调值的范围的单个图像。7.根据前述权利要求中任一项所述的方法，其中，生成所述合并数字图像包括提取所述莫尔图案信息的简档。8.根据前述权利要求中任一项所述的方法，其中，所述合并数字图像是高动态范围图像。9.一种用于确定人...

【专利技术属性】
技术研发人员：E，
申请(专利权)人：艾玛迪斯简易股份公司，
类型：发明
国别省市：