System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人体生物特征识别,具体地,涉及一种视频散斑活体深度相机及电子设备。
技术介绍
1、利用散斑进行活体识别是一种先进的技术,它基于散斑的特性,通过获取、处理和分析散斑图像,实现对生物体的识别和分类。这种技术具有非接触、高精度和高效率的特点,在医疗、安全、生物认证等领域得到了广泛的应用。
2、在散斑图像的获取过程中,需要使用合适的光源和光学系统,并保证光源和系统的清洁和稳定。通过对散斑图像的处理和分析,可以提取出生物体的特征,并进行分类和识别。散斑技术的优势在于其安全性高、难以复制和非接触式。由于散斑特征是与个体生理结构紧密相关的,因此难以复制和伪造。同时,散斑技术是一种非接触式的生物识别技术,不会对人体造成任何伤害。
3、目前,散斑技术已经在金融、安防、医疗等多个领域得到广泛应用。例如,在金融领域,可以通过散斑技术进行身份验证,提高交易的安全性;在安防领域,可以通过散斑技术进行人员识别,提高安防效率;在医疗领域,可以通过散斑技术进行疾病诊断,提高诊断的准确性。
4、但利用散斑进行活体识别也存在一些挑战,如光照条件、噪声干扰、特征提取和分类器的设计以及应用场景的多样性等。
5、以上
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方案,其并不必然属于本专利申请的现有技术,在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下,上述
技术介绍
不应当用于评价本申请的新颖性和创造性。
技术实现思路
1、为此,本专
2、第一方面,本专利技术提供一种视频散斑活体深度相机,其特征在于,包括:
3、一种视频散斑活体深度相机,其特征在于,包括:
4、散斑投射器,用于以不同功率或波长投射出散斑;
5、散斑接收器,用于接收所述散斑的反射信号,生成散斑图;
6、处理器,用于对所述散斑图进行检测,获得感兴趣区域,对所述感兴趣区域内相邻的多个像素点组成散斑组,对多个图像帧中的感兴趣区域构建n个散斑组的亮度变化向量,将所述亮度变化向量作为活体检测分类器的输入,判断所述特征向量表征的m个图像帧中的目标对象是否为活体;其中,所述亮度变化向量还包括每一图像帧对应的所述功率或波长。
7、可选地,所述的一种视频散斑活体深度相机,其特征在于,当所述散斑投射器以不同功率投射散斑时,功率变化不低于10%。
8、可选地,所述的一种视频散斑活体深度相机,其特征在于,所述处理器在处理时包括:
9、步骤s1:获取待检测视频;
10、步骤s2:将所述待检测视频中的第一帧图像作为待检测帧;
11、步骤s3:对所述待检测帧进行目标检测,判断所述待检测帧中是否包含目标对象;如果是,则定位对目标区域并执行步骤s4,否则,执行步骤s5;
12、步骤s4:将所述待检测帧作为初始帧,利用特征点检测算法提取所述初始帧中的应选特征点,将所述初始帧中定位出的目标区域作为跟踪区域,将所述待检测视频中初始帧的下一帧作为待跟踪帧,并执行步骤s6;
13、步骤s5:将所述待检测视频中的下一帧图像作为待检测帧,并执行步骤s3;
14、步骤s6:利用跟踪算法得到所述待跟踪帧的候选特征点,判断所述待跟踪帧中的应选特征点的数量是否满足第一预设条件,其中,所述应选特征点是所述候选特征点中满足第二预设条件的特征点,其中,所述第二预设条件为与所述待跟踪帧的上一帧中对应的应选特征点的距离小于或者等于s,如果所述待跟踪帧中的应选特征点的数量满足第一预设条件,确定所述待跟踪帧中跟踪到目标对象,根据所述待跟踪帧中的应选特征点的位置确定所述待跟踪帧上的目标区域,并执行步骤s7,否则,确定所述待跟踪帧中未跟踪到目标对象,将所述待跟踪帧的下一帧作为待检测帧,并执行步骤s3;
15、步骤s7:获取所述待跟踪帧上的目标区域中的感兴趣区域,并执行步骤s8;
16、步骤s8:判断跟踪到目标的图像帧的数量是否等于m,如果是,则执行步骤s9,否则,执行步骤s10;
17、步骤s9:在图像帧上将相邻的x个散斑划分为散斑组,并对所述散斑组内计算亮度,对所述散斑组构建亮度随时间、所述功率或波长变化的向量,得到n个散斑组的亮度变化向量,并执行步骤s11;
18、步骤s10,获取所述待跟踪帧的下一帧,并将所述待跟踪帧的下一帧作为新的待跟踪帧,并执行步骤s6;
19、步骤s11,将所述亮度变化向量作为活体检测分类器的输入,判断所述特征向量表征的m个图像帧中的目标对象是否为活体,其中,所述活体检测分类器是使用预先获取的从真实目标对象和/或攻击目标对象提取得到的特征向量训练得到的。
20、可选地,所述的一种视频散斑活体深度相机,其特征在于,步骤s9中散斑组根据血管分布情况进行划分。
21、可选地,所述的一种视频散斑活体深度相机,其特征在于,步骤s9中散斑组中散斑的数量与目标对象的深度值成反比。
22、可选地,所述的一种视频散斑活体深度相机,其特征在于,步骤s9包括:
23、步骤s91:根据感兴趣区域内的散斑点分布,将固定数量相邻的多个散斑划分散斑组;
24、步骤s92:对m个图像帧中的所述感兴趣区域的散斑组计算亮度,获得所述散斑组的亮度变化向量;
25、步骤s93:对所述感兴趣区域的所有散斑组进行计算,得到n组亮度变化向量,并执行步骤s11。
26、可选地,所述的一种视频散斑活体深度相机,其特征在于,所述活体检测分类器在训练时的神经网络包括:第一反向残差模块、第一池化层、第二反向残差模块、第二池化层、第三反向残差模块、第一叠加层、第三池化层、第四反向残差模块、第二叠加层、第四池化层、第五反向残差模块、第三卷积层、第五池化层、随机丢弃层、分类器、第一卷积层、第二卷积层;其中,所述第一反向残差模块输出到所述第一池化层和所述第一卷积层,所述第一卷积层和所述第三反向残差模块输入所述第一叠加层,所述第二反向残差模块输出到所述第二卷积层和所述第二池化层,所述第二卷积层和所述第四反向残差模块输入所述第二叠加层;所述分类器输出活体概率和假体概率。
27、可选地,所述的一种视频散斑活体深度相机,其特征在于,在步骤s11中,还将多个散斑组的位置关系与所述亮度变化向量一同作为活体检测分类器的输入。
28、可选地,所述的一种视频散斑活体深度相机,其特征在于,在步骤s11中,根据所述散斑组的位置,对所述亮度变化向量分别赋予不同的权重值。
29、第二方面,本专利技术提供一种电子设备,其特征在于,包括前述任意一项所述视频散斑活体深度相机。
<本文档来自技高网...【技术保护点】
1.一种视频散斑活体深度相机,其特征在于,包括:
2.根据权利要求1所述的一种视频散斑活体深度相机,其特征在于,当所述散斑投射器以不同功率投射散斑时,功率变化不低于10%。
3.根据权利要求1所述的一种视频散斑活体深度相机,其特征在于,所述处理器在处理时包括:
4.根据权利要求3所述的一种视频散斑活体深度相机,其特征在于,步骤S9中散斑组根据血管分布情况进行划分。
5.根据权利要求3所述的一种视频散斑活体深度相机,其特征在于,步骤S9中散斑组中散斑的数量与目标对象的深度值成反比。
6.根据权利要求3所述的一种视频散斑活体深度相机,其特征在于,步骤S9包括:
7.根据权利要求1所述的一种视频散斑活体深度相机,其特征在于,所述活体检测分类器在训练时的神经网络包括:第一反向残差模块、第一池化层、第二反向残差模块、第二池化层、第三反向残差模块、第一叠加层、第三池化层、第四反向残差模块、第二叠加层、第四池化层、第五反向残差模块、第三卷积层、第五池化层、随机丢弃层、分类器、第一卷积层、第二卷积层;其中,所述第一反向残差模
8.根据权利要求3所述的一种视频散斑活体深度相机,其特征在于,在步骤S11中,还将多个散斑组的位置关系与所述亮度变化向量一同作为活体检测分类器的输入。
9.根据权利要求3所述的一种视频散斑活体深度相机,其特征在于,在步骤S11中,根据所述散斑组的位置,对所述亮度变化向量分别赋予不同的权重值。
10.一种电子设备,其特征在于,包括权利要求1至9中任意一项所述视频散斑活体深度相机。
...【技术特征摘要】
1.一种视频散斑活体深度相机,其特征在于,包括:
2.根据权利要求1所述的一种视频散斑活体深度相机,其特征在于,当所述散斑投射器以不同功率投射散斑时,功率变化不低于10%。
3.根据权利要求1所述的一种视频散斑活体深度相机,其特征在于,所述处理器在处理时包括:
4.根据权利要求3所述的一种视频散斑活体深度相机,其特征在于,步骤s9中散斑组根据血管分布情况进行划分。
5.根据权利要求3所述的一种视频散斑活体深度相机,其特征在于,步骤s9中散斑组中散斑的数量与目标对象的深度值成反比。
6.根据权利要求3所述的一种视频散斑活体深度相机,其特征在于,步骤s9包括:
7.根据权利要求1所述的一种视频散斑活体深度相机,其特征在于,所述活体检测分类器在训练时的神经网络包括:第一反向残差模块、第一池化层、第二反向残差模块、第二池化层、第三反向残差模块、第一叠加层...
【专利技术属性】
技术研发人员:段兴,陈晨,颜崎展,林威宇,吴陈涛,兰兴增,汪博,朱力,吕方璐,
申请(专利权)人:深圳市光鉴科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。