本發(fā)明涉及活體人臉識別技術領域，具體涉及一種活體人臉雙攝像頭識別方法及識別裝置。

背景技術：

隨著安防的技術不斷更新，人臉識別技術應用在生活中也越來越廣泛。尤其在政府部門、邊關和金融行業(yè)，對安全防護有著不可替代的智能安全監(jiān)控的作用。人臉識別技術日趨成熟，商業(yè)化應用愈加廣泛、然而人臉極易用照片、視頻等方式進行復制，因此對合法用戶人臉的假冒，是人臉識別，尤其是活體人臉識別認證系統(tǒng)構(gòu)成重要的威脅。這些年來，活體人臉檢測技術取得了一些進展，但在實際應用現(xiàn)有的方法的安全可靠性、以及成本性不能得到很高的平衡。

現(xiàn)有的活體人臉識別技術，主要通過一個普通的攝像頭檢測是否滿足人臉特征，仍容易被假冒的塑膠等實體頭像騙過。還有的是通過專業(yè)級的紅外輻射熱成像鏡頭，通過掃描活體人體臉部的細微生物特征，甚至細微到能看到活體臉部內(nèi)部的血管分布。但這種設備非常昂貴，這就造成了只能適合某些特定的場合，而不能得到廣泛的使用。

技術實現(xiàn)要素：

本發(fā)明的目的在于提供一種可靠性高、方便實用的活體人臉雙攝像頭識別方法及識別裝置，以解決上述背景技術中提出的問題。

為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：

一種活體人臉雙攝像頭識別方法，其特征在于，所述識別方法包括：

通過配置的雙攝像頭，該雙攝像頭為一黑白攝像頭與一彩色攝像頭，黑白攝像頭獲取一張為自然光或白光條件下產(chǎn)生的黑白圖像，以及獲取另一張為近紅外光條件下產(chǎn)生的近紅外圖像；彩色攝像頭獲取一張為自然光或白光條件下產(chǎn)生的彩色圖像；

將所述雙攝像頭中黑白攝像頭獲取的黑白圖像與近紅外圖像中的人臉部分結(jié)合特征提取算法提取二維狀態(tài)器官特征點；

將所述雙攝像頭中彩色攝像頭獲取的彩色圖像的人臉部分結(jié)合特征提取算法提取器官特征點與黑白攝像頭獲取的近紅外圖像提取器官特征點，形成三維狀態(tài)的器官特征點，經(jīng)過人臉牲算法識別活體人臉的特征，判斷人臉圖像是否為活體人臉。

所述識別方法還包括：

判定為活體人臉時，從已提取的二維狀態(tài)器官特征點獲得一張完整的人臉特征圖片及數(shù)據(jù)值，再結(jié)合特征匹配算法與對比特征數(shù)據(jù)庫進行匹配；

匹配完成后即輸出顯示或控制。

通過配置的雙攝像頭的黑白攝像頭獲取黑白圖像及近紅外圖像，包括：

對黑白圖像及近紅外圖像進行差分運算，差分運算包括：

以黑白圖像作為當前環(huán)境的靜態(tài)圖像，以近紅外圖像作為主動光源圖像，將靜態(tài)圖像與主動光源圖像進行差分運算，得到差分圖像，依據(jù)主動光源特征得出完整的去背景主動光源圖像。

經(jīng)過人臉牲算法識別活體人臉的特征，包括：

將雙攝像頭中彩色攝像頭獲取的彩色圖像與黑白攝像頭獲取的近紅外圖像進行光流場估計模型，差異性分布估算，判斷圖像是否為活體人臉，若是，則通過信息獲取模塊結(jié)合特征提取算法提取二維狀態(tài)的器官特征點，若否，則結(jié)束。

一種活體人臉雙攝像頭識別裝置，所述識別裝置包括：

圖像獲取模塊，用于通過配置的雙攝像頭，該雙攝像頭為一黑白攝像頭與一彩色攝像頭，黑白攝像頭獲取一張為自然光或白光條件下產(chǎn)生的黑白圖像，以及獲取另一張為近紅外光條件下產(chǎn)生的近紅外圖像；彩色攝像頭獲取一張為自然光或白光條件下產(chǎn)生的彩色圖像；

信息獲取模塊，用于將所述雙攝像頭中黑白攝像頭獲取的黑白圖像與近紅外圖像中的人臉部分結(jié)合特征提取算法提取二維狀態(tài)器官特征點；

判斷模塊，用于將所述雙攝像頭中彩色攝像頭獲取的彩色圖像的人臉部分結(jié)合特征提取算法提取器官特征點與黑白攝像頭獲取的近紅外圖像提取器官特征點，形成三維狀態(tài)的器官特征點，經(jīng)過人臉牲算法識別活體人臉的特征，判斷人臉圖像是否為活體人臉。

所述識別裝置還包括：

匹配模塊，用于判定為活體人臉時，從已提取的二維狀態(tài)器官特征點獲得一張完整的人臉特征圖片及數(shù)據(jù)值，再結(jié)合特征匹配算法與對比特征數(shù)據(jù)庫進行匹配；

顯示或控制模塊，用于匹配完成后即輸出顯示或控制。

所述圖像獲取模塊還用于通過配置的雙攝像頭的黑白攝像頭獲取黑白圖像及近紅外圖像，包括：

對黑白圖像及近紅外圖像進行差分運算，差分運算包括：

以黑白圖像作為當前環(huán)境的靜態(tài)圖像，以近紅外圖像作為主動光源圖像，將靜態(tài)圖像與主動光源圖像進行差分運算，得到差分圖像，依據(jù)主動光源特征得出完整的去背景主動光源圖像。

所述判斷模塊還用于將雙攝像頭中彩色攝像頭獲取的彩色圖像與黑白攝像頭獲取的近紅外圖像進行光流場估計模型，差異性分布估算，判斷圖像是否為活體人臉，若是，則通過信息獲取模塊結(jié)合特征提取算法提取二維狀態(tài)的器官特征點，若否，則結(jié)束。

一種活體人臉雙攝像頭識別裝置，包括：

處理器；

用于存儲處理器可執(zhí)行指令的存儲器；

其中，所述處理器被配置為：

通過配置的雙攝像頭，該雙攝像頭為一黑白攝像頭與一彩色攝像頭，黑白攝像頭獲取一張為自然光或白光條件下產(chǎn)生的黑白圖像，以及獲取另一張為近紅外光條件下產(chǎn)生的近紅外圖像；彩色攝像頭獲取一張為自然光或白光條件下產(chǎn)生的彩色圖像；

將所述雙攝像頭中黑白攝像頭獲取的黑白圖像與近紅外圖像中的人臉部分結(jié)合特征提取算法提取二維狀態(tài)器官特征點；

將所述雙攝像頭中彩色攝像頭獲取的彩色圖像的人臉部分結(jié)合特征提取算法提取器官特征點與黑白攝像頭獲取的近紅外圖像提取器官特征點，形成三維狀態(tài)的器官特征點，經(jīng)過人臉牲算法識別活體人臉的特征，判斷人臉圖像是否為活體人臉。

所述雙攝像頭分別配置有紅外LED與白光LED。

本發(fā)明的有益效果：本發(fā)明通過雙攝像頭采集彩色圖像及近紅外圖像，經(jīng)過背景差分運算，獲得去背景圖片即人臉部分，通過特征提取算法提取器官特征點，經(jīng)過人臉特征算法識別活體人臉的特征，判斷人臉圖像是否為活體人臉。本發(fā)明的識別方法可靠性高、方便實用、實現(xiàn)成本低。

下面結(jié)合附圖與具體實施方式，對本發(fā)明進一步詳細說明。

附圖說明

圖1為實施例1的活體人臉雙攝像頭識別方法的流程圖；

圖2為實施例1的步驟102人臉牲算法識別活體人臉的特征的流程圖；

圖3為實施例1的活體人臉雙攝像頭識別裝置的框圖；

圖4為實施例1的活體人臉雙攝像頭的結(jié)構(gòu)示意圖；

圖5為實施例1的活體人臉雙攝像頭識別裝置的硬件框圖。

圖6為實施例2的活體人臉雙攝像頭識別方法的流程圖；

圖7為實施例2的活體人臉雙攝像頭識別方法流程框圖；

圖8為實施例2的活體人臉雙攝像頭識別裝置的框圖；

圖中，1、鏡頭，2、勻光板，3、紅外發(fā)射管，4、鏡頭底座，5、主板與燈板連接器，6、USB連接器，7、電源連接器，8、主板與sensor板連接器，9、燈板與主板連接器，10、主控板，11、Sensor板，12、燈板。

具體實施方式

實施例1，參見圖1，本實施例提供的活體人臉雙攝像頭識別方法，所述識別方法包括：

步驟101，通過配置的雙攝像頭，該雙攝像頭為一黑白攝像頭與一彩色攝像頭，黑白攝像頭獲取一張為自然光或白光條件下產(chǎn)生的黑白圖像，以及獲取另一張為近紅外光條件下產(chǎn)生的近紅外圖像；彩色攝像頭獲取一張為自然光或白光條件下產(chǎn)生的彩色圖像；

其中，對黑白圖像與近紅外圖像進行背景差分運算，背景差分運算包括：以黑白圖像作為當前環(huán)境的靜態(tài)圖像，以近紅外圖像作為主動光源圖像，將靜態(tài)圖像與主動光源圖像進行差分運算，得到差分圖像，依據(jù)主動光源特征得出完整的去背景主動光源圖像；

背景差分運算基本過程為：在圖像相鄰兩幀(第1幀為當前環(huán)境靜態(tài)背景圖像即黑白圖像，第2幀為主動光源圖像即近紅外圖像)間采用基于像素差分通過閉值化來提取出圖像中的主動光源部分圖像。首先，將相鄰幀圖像對應像素值相減得到差分圖像，如果對應像素值變化小于事先確定的閡值時，可以認為此處為背景像素:如果圖像區(qū)域的像素值變化很大，可以認為這是由于主動光源引起的，將這些區(qū)域標記為前景像素，利用標記的像素區(qū)域可以確定主動光源目標在圖像中的位置。由于相鄰兩幀間的時間間隔非常短，用前一幀圖像作為當前幀的背景模型具有較好的實時性，其背景不積累，且更新速度快、算法簡單、計算量??；

步驟102，將所述雙攝像頭中彩色攝像頭獲取的彩色圖像的人臉部分結(jié)合特征提取算法提取器官特征點與黑白攝像頭獲取的近紅外圖像提取器官特征點，形成三維狀態(tài)的器官特征點，經(jīng)過人臉牲算法識別活體人臉的特征，判斷人臉圖像是否為活體人臉；

其中，參見圖2，經(jīng)過人臉牲算法識別活體人臉的特征，包括：將雙攝像頭中彩色攝像頭獲取的彩色圖像，轉(zhuǎn)變?yōu)楹诎讏D像，與黑白攝像頭獲取的近紅外圖像進行光流場估計模型，差異性分布估算，判斷圖像是否為活體人臉，若是，則通過信息獲取模塊結(jié)合特征提取算法提取器官特征點，若否，則結(jié)束。

步驟103中，通過信息獲取模塊結(jié)合特征提取算法提取器官特征點的過程包括直觀幾何特征提取及形狀和紋理特征提取兩個步驟：

直觀幾何特征提?。禾崛∪四樏娌烤哂写硇圆课唬缑济?、眼睛、鼻子、嘴巴和人臉型輪廓，利用其各部位特征關系提取出直觀幾何圖；

形狀和紋理特征提取：形狀特征提取為提取人臉圖像邊沿、輪廓或一些關鍵點的坐標矢量，是一種二值特征，具有很強的抗光照變化能力；而紋理特征提取為人臉圖像像素的灰度值，為形狀特征的有益補充，ASMs/AAMs模型利用形狀和紋理特征通過PCA進行統(tǒng)計建模。

參見圖3，本實施例還提供的活體人臉雙攝像頭識別裝置，所述識別裝置包括：

圖像獲取模塊301，用于該雙攝像頭為一黑白攝像頭與一彩色攝像頭，黑白攝像頭獲取一張為自然光或白光條件下產(chǎn)生的黑白圖像，以及獲取另一張為近紅外光條件下產(chǎn)生的近紅外圖像；彩色攝像頭獲取一張為自然光或白光條件下產(chǎn)生的彩色圖像；

所述圖像獲取模塊301還用于對兩張人臉圖像進行背景差分運算，背景差分運算包括：以黑白圖像作為當前環(huán)境的靜態(tài)圖像，以近紅外圖像作為主動光源圖像，將靜態(tài)圖像與主動光源圖像進行差分運算，得到差分圖像，依據(jù)主動光源特征得出完整的去背景主動光源圖像。

信息獲取模塊302，用于將所述雙攝像頭中黑白攝像頭獲取的黑白圖像與近紅外圖像中的人臉部分結(jié)合特征提取算法提取二維狀態(tài)器官特征點；

判斷模塊303，用于將所述雙攝像頭中彩色攝像頭獲取的彩色圖像的人臉部分結(jié)合特征提取算法提取器官特征點與黑白攝像頭獲取的近紅外圖像提取器官特征點，形成三維狀態(tài)的器官特征點，經(jīng)過人臉牲算法識別活體人臉的特征，判斷人臉圖像是否為活體人臉；

所述判斷模塊303還用于將雙攝像頭中彩色攝像頭獲取的彩色圖像，轉(zhuǎn)變?yōu)楹诎讏D像，與黑白攝像頭獲取的近紅外圖像進行光流場估計模型，差異性分布估算，判斷圖像是否為活體人臉，若是，則通過信息獲取模塊結(jié)合特征提取算法提取二維狀態(tài)的器官特征點，若否，則結(jié)束。

本實施還提供的活體人臉雙攝像頭識別裝置，包括：

處理器；

用于存儲處理器可執(zhí)行指令的存儲器；

其中，所述處理器被配置為：

通過配置的雙攝像頭，該雙攝像頭為一黑白攝像頭與一彩色攝像頭，黑白攝像頭獲取一張為自然光或白光條件下產(chǎn)生的黑白圖像，以及獲取另一張為近紅外光條件下產(chǎn)生的近紅外圖像；彩色攝像頭獲取一張為自然光或白光條件下產(chǎn)生的彩色圖像；

將所述雙攝像頭中黑白攝像頭獲取的黑白圖像與近紅外圖像中的人臉部分結(jié)合特征提取算法提取二維狀態(tài)器官特征點；

將所述雙攝像頭中彩色攝像頭獲取的彩色圖像的人臉部分結(jié)合特征提取算法提取器官特征點與黑白攝像頭獲取的近紅外圖像提取器官特征點，形成三維狀態(tài)的器官特征點，經(jīng)過人臉牲算法識別活體人臉的特征，判斷人臉圖像是否為活體人臉。

所述雙攝像頭分別配置有紅外LED與白光LED，

參見圖5，Sensor1為近紅外光譜圖像，由紅外LED提供光源，可以是850nm或是940nm光源，由黑白攝像頭獲取圖像；

Sensor 2為彩色圖像，由白光LED提供光源，由彩色攝像頭獲取圖像；

由DSP控制LED驅(qū)動器從而控制LED的開與關或閃爍，為Sensor1和Sensor2提供最佳的光源狀態(tài)，可以在LED燈上方加上光源均光板，均勻擴散光線。

Dsp控制可分別Sensor1和Sensor2的屬性(分辨率、幀率、曝光時間，增益、亮度等等)；

根據(jù)外部環(huán)境光源，DSP精確控制LED的電流和點亮LED時間及Sensor1和Sensor2的屬性使其得到最佳的圖像。

參見圖4，在此實施例中，活體人臉雙攝像頭識別裝置采集到的主動紅外光源與日光或白光LED燈中相應波長之間的能量對比，是影響活體人臉雙攝像頭識別裝置性能的核心因素，整個活體人臉雙攝像頭識別裝置以提升此比值基礎進行設計。

在可能范圍內(nèi)，應盡量增大紅外光源的能量輸出和利用效率，同時盡量減少日光的能量干擾；

選擇光譜能量集中的LED紅外光源，使其在大輸出功率和短脈沖時間的狀態(tài)下工作，以提升能效比；

通過合適的勻光設計將LED的紅外光線集中并均勻的照亮圖像采集區(qū)域，盡量減少光線能量損失；

鏡頭采用帶通濾光片，以攔截LED輸出范圍之外的光譜能量進入，以降低日光干擾；

圖像傳感器以LED波長范圍內(nèi)響應盡量靈敏為優(yōu)先，以保持盡量短的曝光時間，進而減少LED的工作脈沖時間，降低系統(tǒng)能耗；

在活體人臉雙攝像頭識別裝置構(gòu)成方面，包括白光和紅外兩個圖像采集通道，白光提供圖像預覽，以高幀率保持圖像流暢；紅外圖像采集以滿足算法要求為基礎，選擇盡量少的幀率輸出，以降低整體能耗，減少發(fā)熱。

實施例2，參見圖6，本實施例提供的活體人臉雙攝像頭識別方法，所述識別方法包括：

步驟101，通過配置的雙攝像頭，該雙攝像頭為一黑白攝像頭與一彩色攝像頭，黑白攝像頭獲取一張為自然光或白光條件下產(chǎn)生的黑白圖像，以及獲取另一張為近紅外光條件下產(chǎn)生的近紅外圖像；彩色攝像頭獲取一張為自然光或白光條件下產(chǎn)生的彩色圖像；

其中，對黑白圖像與近紅外圖像進行背景差分運算，背景差分運算包括：以黑白圖像作為當前環(huán)境的靜態(tài)圖像，以近紅外圖像作為主動光源圖像，將靜態(tài)圖像與主動光源圖像進行差分運算，得到差分圖像，依據(jù)主動光源特征得出完整的去背景主動光源圖像，即只剩人臉部分的圖像；

步驟102，將所述雙攝像頭中黑白攝像頭獲取的黑白圖像與近紅外圖像中的人臉部分結(jié)合特征提取算法提取二維狀態(tài)器官特征點；

步驟103，將所述雙攝像頭中彩色攝像頭獲取的彩色圖像的人臉部分結(jié)合特征提取算法提取器官特征點與黑白攝像頭獲取的近紅外圖像提取器官特征點，形成三維狀態(tài)的器官特征點，經(jīng)過人臉牲算法識別活體人臉的特征，判斷人臉圖像是否為活體人臉；

其中，經(jīng)過人臉牲算法識別活體人臉的特征，包括：將雙攝像頭中彩色攝像頭獲取的彩色圖像，轉(zhuǎn)變?yōu)楹诎讏D像，與黑白攝像頭獲取的近紅外圖像進行光流場估計模型，差異性分布估算，判斷圖像是否為活體人臉，若是，則通過信息獲取模塊結(jié)合特征提取算法提取器官特征點，若否，則結(jié)束。

步驟104，判定為活體人臉時，從已提取的二維狀態(tài)器官特征點獲得一張完整的人臉特征圖片及數(shù)據(jù)值，再結(jié)合特征匹配算法與對比特征數(shù)據(jù)庫進行匹配；

步驟105，匹配完成后即輸出顯示或控制。

其中，步驟103中，通過信息獲取模塊結(jié)合特征提取算法提取器官特征點的過程包括直觀幾何特征提取及形狀和紋理特征提取兩個步驟：

直觀幾何特征提?。禾崛∪四樏娌烤哂写硇圆课?，如眉毛、眼睛、鼻子、嘴巴和人臉型輪廓，利用其各部位特征關系提取出直觀幾何圖；

形狀和紋理特征提?。盒螤钐卣魈崛樘崛∪四槇D像邊沿、輪廓或一些關鍵點的坐標矢量，是一種二值特征，具有很強的抗光照變化能力；而紋理特征提取為人臉圖像像素的灰度值，為形狀特征的有益補充，ASMs/AAMs模型利用形狀和紋理特征通過PCA進行統(tǒng)計建模。

參見圖7，圖7為活體人臉雙攝像頭識別方法流程框圖，上位機端(可以是任意的操作系統(tǒng)如Windows、MAC OS、iOS、Android、Linux等等)通過USB2.0雙攝像頭識別裝置獲取近紅外圖像和彩色圖像，先將圖像做預處理(如銳化，再次二值化、去背景等)，特征點提取，將人臉部分的特征提取出來，經(jīng)人臉牲算法去識別活體人臉的特征及防偽(如人臉照片、體貌特征相近等等)，得到一張準確完整的人臉特征圖片及數(shù)據(jù)值，再結(jié)合特征匹配算法去對比特征數(shù)據(jù)庫，特征數(shù)據(jù)庫可以是在本地圖庫也可以是云端圖庫數(shù)據(jù)，也可以新建當前的人臉數(shù)據(jù)。匹配完成后即輸出顯示和控制(可以是任意動作或設備，如開鎖、考勤、身份識別、訪客記錄等)。

參見圖8，本實施例還提供的活體人臉雙攝像頭識別裝置，所述識別裝置包括：

圖像獲取模塊301，用于該雙攝像頭為一黑白攝像頭與一彩色攝像頭，黑白攝像頭獲取一張為自然光或白光條件下產(chǎn)生的黑白圖像，以及獲取另一張為近紅外光條件下產(chǎn)生的近紅外圖像；彩色攝像頭獲取一張為自然光或白光條件下產(chǎn)生的彩色圖像；

所述圖像獲取模塊301還用于對兩張人臉圖像進行背景差分運算，背景差分運算包括：以黑白圖像作為當前環(huán)境的靜態(tài)圖像，以近紅外圖像作為主動光源圖像，將靜態(tài)圖像與主動光源圖像進行差分運算，得到差分圖像，依據(jù)主動光源特征得出完整的去背景主動光源圖像。

信息獲取模塊302，用于將所述雙攝像頭中黑白攝像頭獲取的黑白圖像與近紅外圖像中的人臉部分結(jié)合特征提取算法提取二維狀態(tài)器官特征點；

判斷模塊303，用于將所述雙攝像頭中彩色攝像頭獲取的彩色圖像的人臉部分結(jié)合特征提取算法提取器官特征點與黑白攝像頭獲取的近紅外圖像提取器官特征點，形成三維狀態(tài)的器官特征點，經(jīng)過人臉牲算法識別活體人臉的特征，判斷人臉圖像是否為活體人臉；

所述判斷模塊303還用于將雙攝像頭中彩色攝像頭獲取的彩色圖像，轉(zhuǎn)變?yōu)楹诎讏D像，與黑白攝像頭獲取的近紅外圖像進行光流場估計模型，差異性分布估算，判斷圖像是否為活體人臉，若是，則通過信息獲取模塊結(jié)合特征提取算法提取二維狀態(tài)的器官特征點，若否，則結(jié)束；

匹配模塊304，用于判定為活體人臉時，獲得一張準確完整的人臉特征圖片及數(shù)據(jù)值，再結(jié)合特征匹配算法與對比特征數(shù)據(jù)庫進行匹配；

顯示或控制模塊305，用于匹配完成后即輸出顯示或控制。

本發(fā)明并不限于上述實施方式，采用與本發(fā)明上述實施例相同或近似方法或裝置，而得到的其他活體人臉雙攝像頭識別方法及識別裝置，均在本發(fā)明的保護范圍之內(nèi)。