用于使用焦点堆栈进行基于图像的欺骗检测的系统和方法与流程
本公开内容的实施方式总体上涉及生物特征识别(biometric recognition)、认证和欺骗检测,更具体地涉及用于使用焦点堆栈(focal stack)进行基于图像的欺骗检测的系统和方法。
背景技术:
1、随着技术在现代社会中变得越来越普遍,访问诸如个人计算机、移动设备、web服务器、网络服务器等的系统的非法尝试也变得越来越普遍。一种这样的类型的尝试涉及所谓的欺骗。对于涉及面部认证的生物特征认证,欺骗尝试通常涉及将授权用户的面部(或另一个面部)的二维(2d)或三维(3d)表示呈现给给定系统(例如,移动设备)的具有单个相机或多个相机的相机系统,希望系统错误地确定授权用户面部的表示是授权用户的实际面部,并相应地准许访问系统(例如,解锁移动设备)。于是在这种情况下,也被称为呈现攻击检测(pad)的欺骗检测一般包括通常也被称为活体检测(liveness detection)的内容,其涉及尝试确定被呈现以进行认证的主体是否是活的、未改变的面部,而不是例如打印输出或屏幕显示的面部图片、面部的3d模型、面部的3d面具、已经进行一个或更多个假体改变的面部等。
2、关于确定面部认证尝试是否是欺骗尝试,系统通常尝试避免或至少最小化假否定和假肯定两者的发生。在这种情况下,假否定是错误地确定实际的欺骗尝试不是欺骗尝试——例如,错误地确定面部的2d或3d表示是真实的、未改变的面部。相反,假肯定是错误地确定非欺骗认证尝试是欺骗尝试——例如,错误地确定真实的、未改变的面部(顺便说一下,该面部可能属于或可能不属于授权用户)实际上只是面部的2d或3d表示。一方面,假否定可能导致准许未授权方进行系统访问。另一方面,假肯定可能导致拒绝授权方进行系统访问。因此,需要提高基于图像的生物特征欺骗检测——包括在基于图像的面部认证的情况下——的准确性。
技术实现思路
1、本文公开了用于使用焦点堆栈进行基于图像的欺骗检测的系统和方法。在至少一个实施方式中,焦点堆栈是主体的两个或更多个图像的集合,其中这样的图像是使用不同的焦距捕获的。在至少一些实施方式中,给定焦点堆栈中的图像在相对短的时间量内——例如,在几分之一秒内——被捕获。例如,在至少一个实施方式中,在给定焦点堆栈中连续捕获的图像在彼此相隔5毫秒至20毫秒(ms)内被收集。根据本公开内容的使用焦点堆栈进行基于图像的欺骗检测与当前的面部认证系统的实现不同,当前的面部认证系统的实现是单焦点实现,或者是对在“最佳”(例如,自动对焦选择的)焦距处捕获的一个或更多个图像中的特定面部特性进行深入分析以确定是否对给定生物特征认证主体的面部进行认证的实现。
2、一个实施方式采用方法的形式,该方法包括:获取生物特征认证主体的多个图像。多个图像由相机系统使用多个不同焦距捕获。该方法还包括:将包括多个图像的输入数据集输入至输入数据分析模块中。该方法还包括:使用输入数据分析模块来处理该输入数据集,以从输入数据分析模块获取生物特征认证主体的欺骗检测结果。该方法还包括:输出生物特征认证主体的欺骗检测结果。
3、另一个实施方式采用系统的形式,该系统包括:输入数据分析模块;处理器;以及数据存储装置,该数据存储装置包含可由处理器执行以执行至少前面段落中列出的功能的指令。又一个实施方式采用计算机可读介质的形式,该计算机可读介质包含可由处理器执行以执行至少那些功能的指令。
4、此外,本文中描述了上面列出的实施方式的多种变化和排列,并且应当注意,可以针对任何类型的实施方式来实现本公开内容中描述的任何变化或排列。例如,也可以结合系统实施方式和/或计算机可读介质实施方式来实现在本公开内容中主要结合方法实施方式描述的变化或排列。此外,尽管存在用于描述和/或表征这样的实施方式的任何稍微不同的语言(例如,过程、方法、步骤、功能、功能集等),但实施方式的这种灵活性和交叉适用性仍然存在。
1.一种方法,包括:
2.根据权利要求1所述的方法,其中,获取所述多个图像包括:在所述相机系统的对焦马达的多个预定对焦马达位置中的每一个处获取所述图像中的相应图像。
3.根据权利要求1所述的方法,其中,通过所述相机系统的自动对焦功能来选择所述焦距中的至少一个。
4.根据权利要求1所述的方法,其中,所述多个焦距还包括大于所述中焦距的长焦距。
5.根据权利要求4所述的方法,其中,所述短焦距基本上是所述相机系统能够达到的最短焦距。
6.根据权利要求4所述的方法,还包括:如果没有确定所述多个图像中的第二图像对应于欺骗尝试,则确定所述多个图像中的第三图像是否对应于欺骗尝试,其中,在所述长焦距处捕获所述多个图像中的第三图像,并且所述长焦距被设置为所述相机系统的有效无限远值。
7.根据权利要求4所述的方法,其中,所述中焦距在大约12英寸和大约15英寸之间。
8.根据权利要求1所述的方法,还包括:将在所述多个焦距处捕获所述主体的多个图像的指令发送至所述相机系统。
9.根据权利要求1所述的方法,其中,所述相机系统包括移动设备的移动设备相机系统。
10.根据权利要求1所述的方法,其中,所述输入数据分析模块包括机器学习模块。
11.根据权利要求10所述的方法,其中,在使用所述机器学习模块处理所述多个图像之前,已经使用训练数据对所述机器学习模块进行了训练。
12.根据权利要求1所述的方法,其中,所述输入数据集还包括指示所述相机系统的一种或更多种图像获取能力的数据。
13.根据权利要求1所述的方法,其中,所述输入数据集还包括指示与捕获所述多个图像中的一个或更多个图像相关联的一个或更多个图像捕获参数设置的数据。
14.根据权利要求1所述的方法,其中,所述输入数据集还包括指示捕获所述多个图像中的图像的多个不同焦距比预定焦距集中的全部焦距更少的数据。
15.根据权利要求1所述的方法,其中,所述欺骗检测结果是选自包括欺骗检测为真的指示和欺骗检测为假的指示的一组布尔值中的布尔值;所述方法还包括:当所述欺骗结果是欺骗检测为真的指示时,拒绝访问至少一项服务。
16.根据权利要求1所述的方法,其中,所述欺骗检测结果是欺骗检测得分的范围内的欺骗检测得分;所述方法还包括:基于所述欺骗检测得分与欺骗检测得分阈值的比较来拒绝访问至少一项服务。
17.一种包含指令的非暂态计算机可读介质,所述指令在由处理器执行时使计算机系统执行功能集,其中,所述功能集包括:
18.根据权利要求17所述的非暂态计算机可读介质,其中,处理所述输入数据集还包括:如果没有确定所述多个图像中的第二图像对应于欺骗尝试,则确定所述多个图像中的第三图像是否对应于欺骗尝试,其中,在大于所述中焦距的长焦距处捕获所述多个图像中的第三图像,其中,所述长焦距被设置为所述相机系统的有效无限远值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com