[go: up one dir, main page]

CN111879724A - 基于近红外光谱成像的人皮面具识别方法及系统 - Google Patents

基于近红外光谱成像的人皮面具识别方法及系统 Download PDF

Info

Publication number
CN111879724A
CN111879724A CN202010777264.3A CN202010777264A CN111879724A CN 111879724 A CN111879724 A CN 111879724A CN 202010777264 A CN202010777264 A CN 202010777264A CN 111879724 A CN111879724 A CN 111879724A
Authority
CN
China
Prior art keywords
spectral
near infrared
spectrum
human skin
facial
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010777264.3A
Other languages
English (en)
Other versions
CN111879724B (zh
Inventor
刘仓理
张大勇
黄立贤
储松南
骆永全
沈志学
王海峰
曹宁翔
曾建成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Fluid Physics of CAEP
Original Assignee
Institute of Fluid Physics of CAEP
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Fluid Physics of CAEP filed Critical Institute of Fluid Physics of CAEP
Priority to CN202010777264.3A priority Critical patent/CN111879724B/zh
Publication of CN111879724A publication Critical patent/CN111879724A/zh
Application granted granted Critical
Publication of CN111879724B publication Critical patent/CN111879724B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了基于近红外光谱成像的人皮面具识别方法及系统，涉及光谱成像技术，其技术方案要点是：采集面部皮肤、人皮面具的近红外光谱数据，并根据近红外光谱数据建立光谱数据库；将光谱数据库中的近红外光谱数据输入光谱分类算法模型进行训练，得到光谱识别模型；通过近红外光谱成像系统对目标物成像，根据面部检测算法识别提取成像图像中的面部区域；提取近红外光谱序列图像中属于面部区域所有像素的面部光谱数据；将面部光谱数据输入光谱识别模型进行识别。基于人皮面具和人面部皮肤在1400‑1500nm和1900‑2000nm的光谱差异，结合光谱数据库将人皮面具识别出来，可适用于中远距离的识别，和图像识别相比，具有可远程、搜索范围宽、准确率高等优点。

Description

基于近红外光谱成像的人皮面具识别方法及系统
技术领域
本发明涉及光谱成像技术，更具体地说，它涉及基于近红外光谱成像的人皮面具识别方法及系统。
背景技术
人皮面具又称易容面具，采用硅胶材料制成，具有真人的皮肤纹理和肤色，适用于各种肤色和脸型的人群佩戴，且佩戴后可以在一定程度上达到以假乱真的效果。人皮面具可用于影视剧拍摄、面部烧伤病人佩戴。但是，有少数不法分子佩戴人皮面具进行犯罪。2010年，一位美国籍的白人青年购买了一个黑人的面具去抢劫银行，这是美国已知的首例带“人皮面具”犯罪的案子。没有任何相关经验的警方被迷惑住了，侦查方向一直锁定为黑人，最终还是该青年的一位女友发现了面具后立马报警，才将此案侦破。2013年2月份以来，我国广州、江苏等多地警方都抓获了利用“人皮面具”进行“易容”，入室或专门针对ATM机实施犯罪的犯罪分子。警方表示犯罪分子佩戴人皮面具后可以欺骗公共场所安装的摄像头，警方很难掌握犯罪分子的真实相貌，给案件的侦破带来较高难度，并且犯罪分子将会因此更加变本加厉、有恃无恐。
目前，对于人皮面具的识别，在近距离、较长时间的观察过程中，可以从面部细节、表情、说话声音等方面进行辨识。据报道，用iphone手机可以识别真人和按照真人面部定制的人皮面具，其主要凭借iphone手机摄像头的高像素和细节分辨能力。但是对于中远距离摄像头，由于无法获取足够的人脸细节，用于识别人皮面具则十分困难。
光谱成像技术利用光学滤波技术可把物质光谱划分至几十至几百波段，将使我们对目标精细谱特征的辨识能力得到巨大提升，光谱成像技术在伪装识别、地物分类、环境监测与评估、资源遥感调查、生物表皮与器官内壁表面健康状态诊断、活体组织生理过程的监测等方面具有重大应用价值。目前，尚未见公开报道基于光谱成像分析技术的人皮面具识别技术。因此，如何研究设计一种基于近红外光谱成像的人皮面具识别方法及系统是我们目前急需解决的问题。
发明内容
本发明的目的是提供基于近红外光谱成像的人皮面具识别方法及系统，基于人皮面具和人面部皮肤光谱差异，并结合光谱数据库将人皮面具识别出来，可适用于中远距离的识别，和图像识别相比，具有可远程、搜索范围宽、准确率高等优点，可适用于重要场所，实现对佩戴人皮面具人员的实时识别与监测。
本发明的上述技术目的是通过以下技术方案得以实现的：
第一方面，提供了基于近红外光谱成像的人皮面具识别方法，包括以下步骤：
采集面部皮肤、人皮面具的近红外光谱数据，并根据近红外光谱数据建立光谱数据库；
将光谱数据库中的近红外光谱数据输入光谱分类算法模型进行训练，得到光谱识别模型；
通过近红外光谱成像系统对目标物成像，根据面部检测算法识别提取成像图像中的面部区域；
提取近红外光谱序列图像中属于面部区域所有像素的面部光谱数据；
将面部光谱数据输入光谱识别模型进行识别，输出识别结果。
优选的，所述近红外光谱成像系统的光谱波长为1400-1500nm。
优选的，所述近红外光谱成像系统的光谱波长为1900-2000nm。
优选的，所述光谱数据库中的近红外光谱数据的波长为900-2000nm。
优选的，所述近红外光谱成像系统为基于AOTF光谱成像系统、快照式光谱成像系统、傅里叶光谱成像系统中的任意一种。
第二方面，提供了基于近红外光谱成像的人皮面具识别系统，包括：
光谱数据库，用于存储面部皮肤、人皮面具的近红外光谱数据；
模型构建模块，用于将光谱数据库中的近红外光谱数据输入光谱分类算法模型进行训练，得到光谱识别模型；
成像模块，用于通过近红外光谱成像系统对目标物成像，根据面部检测算法识别提取成像图像中的面部区域；
光谱提取模块，用于提取近红外光谱序列图像中属于面部区域所有像素的面部光谱数据；
识别模块，用于将面部光谱数据输入光谱识别模型进行识别，输出识别结果。
第三方面，提供了一种计算机终端，包括存储器、处理器以及存储在存储器内并可在处理器中执行第一方面任意一项所述方法的计算机程序。
第四方面，提供了一种计算机可读介质，所述计算机可读介质存储有计算机程序，所述计算机程序被处理执行时实现如第一方面中任意一项所述方法的步骤。
与现有技术相比，本发明具有以下有益效果：本发明基于人皮面具和人面部皮肤光谱差异，尤其是在1400-1500nm和1900-2000nm范围内的波段，结合光谱数据库将人皮面具识别出来，可适用于中远距离的识别，和图像识别相比，具有可远程、搜索范围宽、准确率高等优点；本发明提出人皮面具识别系统，可安装在重要场所，实现对佩戴人皮面具人员的实时识别与监测。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1是本发明实施例1中的工作流程图；
图2是本发明实施例2中的功能框图；
图3是本发明实施例中面部皮肤和人皮面具反射光谱曲线图。
附图中标记及对应的零部件名称：
101、光谱数据库；102、模型构建模块；103、成像模块；104、光谱提取模块；105、识别模块。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例1-2和附图1-3，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1：基于近红外光谱成像的人皮面具识别方法，如图1所示，包括以下步骤：
步骤一：采集面部皮肤、人皮面具的近红外光谱数据，并根据近红外光谱数据建立光谱数据库101。近红外光谱数据包括但不限于不同肤色、年龄的面部皮肤和人皮面具的光谱数据。光谱数据库101中的近红外光谱数据的波长为900-2000nm。
步骤二：将光谱数据库101中的近红外光谱数据输入光谱分类算法模型进行训练，得到光谱识别模型。光谱分类算法包括但不限于基于机器学习的支持向量机、BP神经网络算法。
步骤三：近红外光谱成像系统启动后，通过近红外光谱成像系统对目标物成像，根据面部检测算法进行识别；若为面部区域，则提取成像图像中的面部区域。其中，近红外光谱成像系统的光谱波长为1400-1500nm，或为1900-2000nm。近红外光谱成像系统为基于AOTF光谱成像系统、快照式光谱成像系统、傅里叶光谱成像系统中的任意一种。为满足实时检测的高精度需求，近红外光谱成像系统波长范围设计为900-1700nm，波段数为5个，分别为1000、1150、1300、1450、1600nm，光谱分辨率为20nm左右。
步骤四：提取近红外光谱序列图像中属于面部区域所有像素的面部光谱数据。
步骤五：将面部光谱数据输入光谱识别模型进行识别，输出识别结果。当面部区域超过一定比例的像素识别为人皮面具时，即判断该人佩戴了人皮面具，反之则认为是正常人脸。例如，识别标准比例为50％。
实施例2：基于近红外光谱成像的人皮面具识别系统，包括光谱数据库101、模型构建模块102、成像模块103、光谱提取模块104、识别模块105。其中：光谱数据库101用于存储面部皮肤、人皮面具的近红外光谱数据。模型构建模块102用于将光谱数据库101中的近红外光谱数据输入光谱分类算法模型进行训练，得到光谱识别模型。成像模块103，用于通过近红外光谱成像系统对目标物成像，根据面部检测算法识别提取成像图像中的面部区域。光谱提取模块104，用于提取近红外光谱序列图像中属于面部区域所有像素的面部光谱数据。识别模块105，用于将面部光谱数据输入光谱识别模型进行识别，并输出识别结果。
在本实施例中，近红外光谱成像系统为基于AOTF光谱成像系统、快照式光谱成像系统、傅里叶光谱成像系统中的任意一种。近红外光谱成像系统的光谱波长为1400-1500nm，或为1900-2000nm。
在本实施例中，光谱数据库101中的近红外光谱数据的波长为900-2000nm。
实验验证与分析：
选取各种不同肤色和年龄的面部皮肤的近红外光谱数据、各种常见的人皮面具的近红外光谱数据各100例，光谱范围覆盖900-2000nm，并存入光谱数据库101。采用上述方法、系统进行实验验证。
验证结果如图3所示，皮肤在1400-1500nm和1900-2000nm处有明显的吸收峰，这是由于皮肤中的水分对该波段的光线强烈吸收所致。而人皮面具所用的硅胶材料在此波段没有吸收峰，因此可以利用人面部皮肤和人皮面具在近红外波段的光谱差异实现对人皮面具的识别。
工作原理：基于人皮面具和人面部皮肤光谱差异，尤其是在1400-1500nm和1900-2000nm范围内的波段，结合光谱数据库101将人皮面具识别出来，可适用于中远距离的识别，和图像识别相比，具有可远程、搜索范围宽、准确率高等优点。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于近红外光谱成像的人皮面具识别方法，其特征是，包括以下步骤：
采集面部皮肤、人皮面具的近红外光谱数据，并根据近红外光谱数据建立光谱数据库；
将光谱数据库中的近红外光谱数据输入光谱分类算法模型进行训练，得到光谱识别模型；
通过近红外光谱成像系统对目标物成像，根据面部检测算法识别提取成像图像中的面部区域；
提取近红外光谱序列图像中属于面部区域所有像素的面部光谱数据；
将面部光谱数据输入光谱识别模型进行识别，输出识别结果。
2.根据权利要求1所述的基于近红外光谱成像的人皮面具识别方法，其特征是，所述近红外光谱成像系统的光谱波长为1400-1500nm。
3.根据权利要求1所述的基于近红外光谱成像的人皮面具识别方法，其特征是，所述近红外光谱成像系统的光谱波长为1900-2000nm。
4.根据权利要求1所述的基于近红外光谱成像的人皮面具识别方法，其特征是，所述光谱数据库中的近红外光谱数据的波长为900-2000nm。
5.根据权利要求1所述的基于近红外光谱成像的人皮面具识别方法，其特征是，所述近红外光谱成像系统为基于AOTF光谱成像系统、快照式光谱成像系统、傅里叶光谱成像系统中的任意一种。
6.基于近红外光谱成像的人皮面具识别系统，其特征是，包括：
光谱数据库(101)，用于存储面部皮肤、人皮面具的近红外光谱数据；
模型构建模块(102)，用于将光谱数据库(101)中的近红外光谱数据输入光谱分类算法模型进行训练，得到光谱识别模型；
成像模块(103)，用于通过近红外光谱成像系统对目标物成像，根据面部检测算法识别提取成像图像中的面部区域；
光谱提取模块(104)，用于提取近红外光谱序列图像中属于面部区域所有像素的面部光谱数据；
识别模块(105)，用于将面部光谱数据输入光谱识别模型进行识别，输出识别结果。
7.一种计算机终端，其特征是，包括存储器、处理器以及存储在存储器内并可在处理器中执行权力要求1-5任意一项所述方法的计算机程序。
8.一种计算机可读介质，所述计算机可读介质存储有计算机程序，其特征是，所述计算机程序被处理执行时实现如权利要求1-5中任意一项所述方法的步骤。
CN202010777264.3A 2020-08-05 2020-08-05 基于近红外光谱成像的人皮面具识别方法及系统 Active CN111879724B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010777264.3A CN111879724B (zh) 2020-08-05 2020-08-05 基于近红外光谱成像的人皮面具识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010777264.3A CN111879724B (zh) 2020-08-05 2020-08-05 基于近红外光谱成像的人皮面具识别方法及系统

Publications (2)

Publication Number Publication Date
CN111879724A true CN111879724A (zh) 2020-11-03
CN111879724B CN111879724B (zh) 2021-05-04

Family

ID=73211740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010777264.3A Active CN111879724B (zh) 2020-08-05 2020-08-05 基于近红外光谱成像的人皮面具识别方法及系统

Country Status (1)

Country Link
CN (1) CN111879724B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113532653A (zh) * 2021-06-23 2021-10-22 支付宝(杭州)信息技术有限公司 人脸活体检测的方法、系统以及人脸识别系统
CN115797560A (zh) * 2022-11-28 2023-03-14 广州市碳码科技有限责任公司 一种基于近红外光谱成像的头部模型构建方法及系统

Citations (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6370260B1 (en) * 1999-09-03 2002-04-09 Honeywell International Inc. Near-IR human detector
JP2004012410A (ja) * 2002-06-11 2004-01-15 Mitsubishi Heavy Ind Ltd 吸着剤試験方法および装置
US20060034537A1 (en) * 2004-08-03 2006-02-16 Funai Electric Co., Ltd. Human body detecting device and human body detecting method
CN1886650A (zh) * 2003-10-28 2006-12-27 前视红外系统股份公司 确定冷凝危险的ir－照相机的方法、使用和系统
US8046241B1 (en) * 2007-02-05 2011-10-25 Dodson William H Computer pain assessment tool
CN102831400A (zh) * 2012-07-31 2012-12-19 西北工业大学 一种多光谱人脸识别方法及其系统
CN103268499A (zh) * 2013-01-23 2013-08-28 北京交通大学 基于多光谱成像的人体皮肤检测方法
US8570433B1 (en) * 2010-08-25 2013-10-29 CSR Technology, Inc. Coloration artifact reduction
CN204311907U (zh) * 2014-11-28 2015-05-06 苏州福丰科技有限公司 一种具有人脸识别功能的保险柜
CN104700087A (zh) * 2015-03-23 2015-06-10 上海交通大学 可见光与近红外人脸图像的相互转换方法
CN105069448A (zh) * 2015-09-29 2015-11-18 厦门中控生物识别信息技术有限公司 一种真假人脸识别方法及装置
EP3008722A2 (en) * 2013-06-10 2016-04-20 The University of Mississippi Medical Center Medical image processing method
CN105608450A (zh) * 2016-03-01 2016-05-25 天津中科智能识别产业技术研究院有限公司 基于深度卷积神经网络的异质人脸识别方法
US20160365021A1 (en) * 2015-04-06 2016-12-15 Bluestream Development, Llc Mobile device with low-emission mode
CN106780819A (zh) * 2017-03-03 2017-05-31 泸州市众信信息技术有限公司 可用于面部识别的考勤打卡系统
CN107368811A (zh) * 2017-07-21 2017-11-21 成都恒高科技有限公司 红外与非红外光照下基于lbp的人脸特征提取方法
US20170372483A1 (en) * 2016-06-28 2017-12-28 Foresite Healthcare, Llc Systems and Methods for Use in Detecting Falls Utilizing Thermal Sensing
CN107590473A (zh) * 2017-09-19 2018-01-16 杭州登虹科技有限公司 一种人脸活体检测方法、介质和相关装置
CN107798281A (zh) * 2016-09-07 2018-03-13 北京眼神科技有限公司 一种基于lbp特征的人脸活体检测方法和装置
CN108268839A (zh) * 2018-01-05 2018-07-10 北京万相融通科技股份有限公司 一种活体验证方法及其系统
CN108549884A (zh) * 2018-06-15 2018-09-18 天地融科技股份有限公司 一种活体检测方法及装置
CN108710844A (zh) * 2018-05-14 2018-10-26 安徽质在智能科技有限公司 对面部进行检测的认证方法和装置
CN108844917A (zh) * 2018-09-29 2018-11-20 山东大学 一种基于显著性假设检验和偏最小二乘法的近红外光谱数据分析方法
CN109086718A (zh) * 2018-08-02 2018-12-25 深圳市华付信息技术有限公司 活体检测方法、装置、计算机设备及存储介质
CN109543640A (zh) * 2018-11-29 2019-03-29 中国科学院重庆绿色智能技术研究院 一种基于图像转换的活体检测方法
CN109558840A (zh) * 2018-11-29 2019-04-02 中国科学院重庆绿色智能技术研究院 一种特征融合的活体检测方法
CN111046703A (zh) * 2018-10-12 2020-04-21 杭州海康威视数字技术股份有限公司 人脸防伪检测方法、装置及多目相机
CN111611934A (zh) * 2020-05-22 2020-09-01 北京华捷艾米科技有限公司 一种人脸检测模型生成和人脸检测方法、装置及设备
CN111611977A (zh) * 2020-06-05 2020-09-01 吉林求是光谱数据科技有限公司 基于光谱与多波段融合的人脸识别监控系统及识别方法
CN111767877A (zh) * 2020-07-03 2020-10-13 北京视甄智能科技有限公司 一种基于红外特征的活体检测方法
CN111814659A (zh) * 2020-07-07 2020-10-23 杭州海康威视数字技术股份有限公司 一种活体检测方法、和系统
CN111867471A (zh) * 2018-01-05 2020-10-30 帕拉梅维亚私人有限公司 诊断辅助程序

Patent Citations (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6370260B1 (en) * 1999-09-03 2002-04-09 Honeywell International Inc. Near-IR human detector
JP2004012410A (ja) * 2002-06-11 2004-01-15 Mitsubishi Heavy Ind Ltd 吸着剤試験方法および装置
CN1886650A (zh) * 2003-10-28 2006-12-27 前视红外系统股份公司 确定冷凝危险的ir－照相机的方法、使用和系统
US20060034537A1 (en) * 2004-08-03 2006-02-16 Funai Electric Co., Ltd. Human body detecting device and human body detecting method
US8046241B1 (en) * 2007-02-05 2011-10-25 Dodson William H Computer pain assessment tool
US8570433B1 (en) * 2010-08-25 2013-10-29 CSR Technology, Inc. Coloration artifact reduction
CN102831400A (zh) * 2012-07-31 2012-12-19 西北工业大学 一种多光谱人脸识别方法及其系统
CN103268499A (zh) * 2013-01-23 2013-08-28 北京交通大学 基于多光谱成像的人体皮肤检测方法
EP3008722A2 (en) * 2013-06-10 2016-04-20 The University of Mississippi Medical Center Medical image processing method
CN204311907U (zh) * 2014-11-28 2015-05-06 苏州福丰科技有限公司 一种具有人脸识别功能的保险柜
CN104700087A (zh) * 2015-03-23 2015-06-10 上海交通大学 可见光与近红外人脸图像的相互转换方法
US20160365021A1 (en) * 2015-04-06 2016-12-15 Bluestream Development, Llc Mobile device with low-emission mode
CN105069448A (zh) * 2015-09-29 2015-11-18 厦门中控生物识别信息技术有限公司 一种真假人脸识别方法及装置
CN105608450A (zh) * 2016-03-01 2016-05-25 天津中科智能识别产业技术研究院有限公司 基于深度卷积神经网络的异质人脸识别方法
US20170372483A1 (en) * 2016-06-28 2017-12-28 Foresite Healthcare, Llc Systems and Methods for Use in Detecting Falls Utilizing Thermal Sensing
CN107798281A (zh) * 2016-09-07 2018-03-13 北京眼神科技有限公司 一种基于lbp特征的人脸活体检测方法和装置
CN106780819A (zh) * 2017-03-03 2017-05-31 泸州市众信信息技术有限公司 可用于面部识别的考勤打卡系统
CN107368811A (zh) * 2017-07-21 2017-11-21 成都恒高科技有限公司 红外与非红外光照下基于lbp的人脸特征提取方法
CN107590473A (zh) * 2017-09-19 2018-01-16 杭州登虹科技有限公司 一种人脸活体检测方法、介质和相关装置
CN108268839A (zh) * 2018-01-05 2018-07-10 北京万相融通科技股份有限公司 一种活体验证方法及其系统
CN111867471A (zh) * 2018-01-05 2020-10-30 帕拉梅维亚私人有限公司 诊断辅助程序
CN108710844A (zh) * 2018-05-14 2018-10-26 安徽质在智能科技有限公司 对面部进行检测的认证方法和装置
CN108549884A (zh) * 2018-06-15 2018-09-18 天地融科技股份有限公司 一种活体检测方法及装置
CN109086718A (zh) * 2018-08-02 2018-12-25 深圳市华付信息技术有限公司 活体检测方法、装置、计算机设备及存储介质
CN108844917A (zh) * 2018-09-29 2018-11-20 山东大学 一种基于显著性假设检验和偏最小二乘法的近红外光谱数据分析方法
CN111046703A (zh) * 2018-10-12 2020-04-21 杭州海康威视数字技术股份有限公司 人脸防伪检测方法、装置及多目相机
CN109543640A (zh) * 2018-11-29 2019-03-29 中国科学院重庆绿色智能技术研究院 一种基于图像转换的活体检测方法
CN109558840A (zh) * 2018-11-29 2019-04-02 中国科学院重庆绿色智能技术研究院 一种特征融合的活体检测方法
CN111611934A (zh) * 2020-05-22 2020-09-01 北京华捷艾米科技有限公司 一种人脸检测模型生成和人脸检测方法、装置及设备
CN111611977A (zh) * 2020-06-05 2020-09-01 吉林求是光谱数据科技有限公司 基于光谱与多波段融合的人脸识别监控系统及识别方法
CN111767877A (zh) * 2020-07-03 2020-10-13 北京视甄智能科技有限公司 一种基于红外特征的活体检测方法
CN111814659A (zh) * 2020-07-07 2020-10-23 杭州海康威视数字技术股份有限公司 一种活体检测方法、和系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
J. B. DOWDALL ET AL.,: "Face Detection in the Near-IR Spectrum", 《PROC. OF SPIE》 *
王悦扬: "基于多光谱成像的人脸活体检测", 《万方数据知识服务平台》 *
郭长青: "基于多光谱成像的皮肤检测算法研究", 《万方数据知识服务平台》 *
黄立贤 等: "基于光谱与纹理特征的高空间分辨率图像分类算法", 《光电技术应用》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113532653A (zh) * 2021-06-23 2021-10-22 支付宝(杭州)信息技术有限公司 人脸活体检测的方法、系统以及人脸识别系统
CN115797560A (zh) * 2022-11-28 2023-03-14 广州市碳码科技有限责任公司 一种基于近红外光谱成像的头部模型构建方法及系统
CN115797560B (zh) * 2022-11-28 2023-07-25 广州市碳码科技有限责任公司 一种基于近红外光谱成像的头部模型构建方法及系统

Also Published As

Publication number Publication date
CN111879724B (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
CN111881726B (zh) 一种活体检测方法、装置及存储介质
CN110991266B (zh) 一种双目人脸活体检测方法及装置
US8345936B2 (en) Multispectral iris fusion for enhancement and interoperability
US20140316235A1 (en) Skin imaging and applications
KR20200101540A (ko) 피부 이미지 기반의 인공지능 딥러닝을 이용한 피부질환 판별용 api 엔진을 구성하는 스마트 피부질환 판별 플랫폼시스템
CN112487921A (zh) 一种用于活体检测的人脸图像预处理方法及系统
JP2007317062A (ja) 人物認識装置及びその方法
KR20100134533A (ko) 트레이스 변환을 이용한 홍채 및 눈 인식 시스템
CN105160318A (zh) 基于面部表情的测谎方法及系统
CN112084965A (zh) 一种头皮头发检测装置及系统
CN104881632A (zh) 高光谱人脸识别方法
KR102162683B1 (ko) 비정형 피부질환 영상데이터를 활용한 판독보조장치
CN112131976A (zh) 一种自适应人像温度匹配和口罩识别方法及装置
JP2010119431A (ja) シワ評価方法、シワ評価装置、シワ評価プログラム、及び該プログラムが記録された記録媒体
CN114894337B (zh) 一种用于室外人脸识别测温方法及装置
US12109025B2 (en) System and method for detecting a health condition using eye images
TW200905577A (en) Iris recognition system
CN108932507A (zh) 一种基于oct指纹图像的自动防伪方法及系统
CN111879724A (zh) 基于近红外光谱成像的人皮面具识别方法及系统
CN115577337A (zh) 一种基于人脸识别的智能安防设备控制方法和系统
CN115496700A (zh) 一种基于眼部图像的疾病检测系统及方法
Spaun Forensic biometrics from images and video at the Federal Bureau of Investigation
Liu et al. A tongue-print image database for recognition
Ali et al. Forensic face recognition: A survey
Spaun Facial comparisons by subject matter experts: Their role in biometrics and their training

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant