9] 然后，將檢測階段獲取的待識別對象的活體檢測得分TA與訓練階段獲取的活體 判斷閾值進行比較，如果待識別對象的活體檢測得分大于等于活體判斷閾值，則說明待識 別對象為活體。
[0040] 接下來，參照圖3更詳細地說明本發(fā)明的活體檢測方法。
[0041] 圖3示出了本發(fā)明的活體檢測方法的流程圖，如圖3所示，所述方法包括以下步 驟： 步驟31、獲取多個識別樣本的人臉圖像。
[0042] 本發(fā)明采用通過經(jīng)典的ViolaandJones方法進行人臉檢測，人臉可以是正面也 可以是側(cè)面。
[0043] 步驟32、根據(jù)多個識別樣本的人臉圖像的面部關(guān)鍵點特征變化提取多個識別樣本 的人臉特征。
[0044] 步驟33、基于多個識別樣本的人臉特征計算多個識別樣本的活體檢測得分。
[0045] 下面結(jié)合圖4對步驟32和步驟33進行詳細說明。
[0046] 圖4示出了面部關(guān)鍵點及其鄰域。根據(jù)本發(fā)明，提取基于面部關(guān)鍵點及其鄰域變 化的人臉特征，計算得到識別樣本的活體檢測得分。
[0047] 考慮到真實人臉和攻擊人臉之間的主要差別在于非剛體運動和剛體運動之間的 差異，本發(fā)明提出了利用基于面部關(guān)鍵點鄰域紋理變化的人臉特征來進行活體識別。在說 明書中，面部關(guān)鍵點鄰域紋理變化也簡稱為面部關(guān)鍵點變化。
[0048] 具體地，令表示面部關(guān)鍵點序列，例如，圖4所示的60個關(guān)鍵點。對于每一 個先〇,，定義以如，為中心，hXh像素大小的區(qū)域為關(guān)鍵點如，的鄰域，用7P,表示。令 表示從視頻中提取的視頻序列，對于每一個人，每一個關(guān)鍵點都對應(yīng)一個鄰域。本發(fā) 明用^彳^^^^^匕來表示圖像和其關(guān)鍵點以及鄰域的對應(yīng)關(guān)系以中紀^是厶圖 像的第i個面部關(guān)鍵點，&，表示Λ圖像的第i個面部關(guān)鍵點的鄰域。
[0049] 具體地，圖4示出了60個關(guān)鍵點和對應(yīng)的鄰域。對于每一幅圖像的每一個 關(guān)鍵點的鄰域 <,，提取DH-LBP特征作為紋理特征，記為確定所述紋理特征的變 化，作為所述基于關(guān)鍵點變化的人臉表示特征，即，基于關(guān)鍵點變化的人臉圖像表示為： ..遽息-秦氣.，為了保證所有樣本的特征均值為〇, 4的 像特征7 :晶-:福也作為圖像Λ的特征，特征維數(shù)為 發(fā).=:if::=:ι占i維。
[0050] 隨后，基于關(guān)鍵點變化特征進行活體檢測，得到識別樣本的活體檢測得分。
[0051] 考慮到特征維數(shù)和樣本規(guī)模的相對關(guān)系，本發(fā)明采用基于貝葉斯理論的生成性模 型進行活體檢測得分獲取。令^分別表示真實人臉和攻擊人臉，對于一個新的測試樣 本X，活體檢測得分定義為：
基于貝葉斯后驗概率，P|.?i=ρ：φνρWsU= ，假設(shè)則公式 (1)等價于
[0052] 下面返回圖3,在計算出多個識別樣本的活體檢測得分之后，執(zhí)行步驟34、根據(jù)多 個識別樣本的活體檢測得分獲取活體判斷閾值。
[0053] 在本步驟中，根據(jù)多個識別樣本的活體檢測得分獲取活體判斷閾值可通過以下步 驟來實現(xiàn)： 步驟341、將多個識別樣本的活體檢測得分順序排列。
[0054] 在步驟33獲得多個識別樣本的活體檢測得分之后，將多個識別樣本的活體檢測 得分按照從小到大的順序排列。
[0055] 步驟342、計算各識別樣本的活體檢測得分在所有識別樣本構(gòu)成的訓練集上的準 確率。
[0056] 在本步驟中，對于每個識別樣本的活體檢測得分計算其在所有識別樣本構(gòu)成的訓 練集上的準確率。
[0057] 步驟343、將準確率最高的識別樣本對應(yīng)的活體檢測得分作為活體判斷閾值。
[0058] 再次返回圖3,接下來，執(zhí)行步驟35和步驟36。
[0059] 步驟35、獲取待識別對象的人臉圖像，根據(jù)所述待識別對象的人臉圖像的面部關(guān) 鍵點特征變化提取待識別對象的人臉特征。
[0060] 步驟36、基于待識別對象的人臉特征計算待識別對象的活體檢測得分。
[0061] 實際上，步驟35和步驟36分別與步驟32和步驟33類似，將提取的待識別對象的 人臉特征帶入活體檢測模型，得到待識別對象的活體檢測得分。
[0062] 步驟37、判斷待識別對象的活體檢測得分是否大于等于活體判斷閾值，若是，則判 斷待識別對象為活體，若否，則判斷待識別對象為非活體。
[0063] 本發(fā)明從真實人臉由于非剛體原因使得圖像關(guān)鍵點的變化各不相同，以及攻擊人 臉由于剛體原因使得圖像關(guān)鍵點變化趨勢相同的角度來提取人臉特征，能夠有效預防高清 照片的攻擊，實現(xiàn)有效拒絕了非真實人臉欺騙識別的同時，提高了計算速度和精度，并且降 低了活體判斷的復雜度。
[0064] 以上結(jié)合【具體實施方式】對本發(fā)明的目的、技術(shù)方案和有益效果進行了進一步詳細 說明。應(yīng)理解的是，以上僅僅是出于例示的目的介紹了本發(fā)明的【具體實施方式】，并不是要限 制本發(fā)明。凡在本發(fā)明的精神和原則之內(nèi)所做的任何修改、等同替換、改進等，均應(yīng)包含在 本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種活體檢測方法，包括以下步驟： 獲取多個識別樣本的人臉圖像，根據(jù)所述多個識別樣本的人臉圖像的面部關(guān)鍵點特征 變化提取多個識別樣本的人臉特征； 基于所述多個識別樣本的人臉特征計算多個識別樣本的活體檢測得分； 根據(jù)多個識別樣本的活體檢測得分獲得活體判斷閾值； 獲取待識別對象的人臉圖像，根據(jù)所述待識別對象的人臉圖像的面部關(guān)鍵點特征變化 提取待識別對象的人臉特征； 基于待識別對象的人臉特征計算待識別對象的活體檢測得分； 判斷待識別對象的活體檢測得分是否大于等于活體判斷閾值，若是，則判斷待識別對 象為活體。2. 根據(jù)權(quán)利要求1所述的活體檢測方法，其中，根據(jù)所述多個識別樣本的人臉圖像的 面部關(guān)鍵點特征變化提取多個識別樣本的人臉特征包括： 對于所述多個識別樣本的人臉圖像的每一個面部關(guān)鍵點，定義該面部關(guān)鍵點的鄰域； 對于每一個面部關(guān)鍵點的鄰域，提取紋理特征； 確定所述紋理特征的變化，作為所述識別樣本的人臉特征。3. 根據(jù)權(quán)利要求1所述的活體檢測方法，其中， 利用基于貝葉斯理論的生成性模型計算所述多個識別樣本的活體檢測得分和待識別 對象的活體檢測得分。4. 根據(jù)權(quán)利要求2所述的活體檢測方法，其中， 采用DH-LBP直方圖表示所述紋理特征。5. 根據(jù)權(quán)利要求1所述的活體檢測方法，其中，根據(jù)多個識別樣本的活體檢測得分獲 得活體判斷閾值包括： 將多個識別樣本的活體檢測得分順序排列； 計算各識別樣本的活體檢測得分在所有識別樣本構(gòu)成的訓練集上的準確率； 將準確率最高的識別樣本對應(yīng)的活體檢測得分作為活體判斷閾值。6. -種活體檢測裝置，包括： 獲取模塊，用于獲取多個識別樣本的人臉圖像和待識別對象的人臉圖像； 人臉特征提取模塊，用于根據(jù)多個識別樣本的人臉圖像的面部關(guān)鍵點特征變化提取多 個識別樣本的人臉特征，以及根據(jù)待識別對象的人臉圖像的面部關(guān)鍵點特征變化提取待識 別對象的人臉特征； 活體檢測模塊，用于基于多個識別樣本的人臉特征計算多個識別樣本的活體檢測得 分，以及基于待識別對象的人臉特征計算待識別對象的活體檢測得分； 閾值獲取模塊，用于根據(jù)多個識別樣本的活體檢測得分獲得活體判斷閾值； 判斷模塊，用于判斷待識別對象的活體檢測得分是否大于等于活體判斷閾值，若是，則 判斷待識別對象為活體。7. 根據(jù)權(quán)利要求6所述的活體檢測裝置，其中，人臉特征提取模塊根據(jù)所述多個識別 樣本的人臉圖像的面部關(guān)鍵點特征變化提取多個識別樣本的人臉特征為： 對于所述多個識別樣本的人臉圖像的每一個面部關(guān)鍵點，定義該面部關(guān)鍵點的鄰域； 對于每一個面部關(guān)鍵點的鄰域，提取紋理特征； 確定所述紋理特征的變化，作為所述識別樣本的人臉特征。8. 根據(jù)權(quán)利要求6所述的活體檢測裝置，其中，所述活體檢測模塊利用基于貝葉斯理 論的生成性模型計算所述多個識別樣本的活體檢測得分和待識別對象的活體檢測得分。9. 根據(jù)權(quán)利要求7所述的活體檢測裝置，其中， 利用DH-LBP直方圖表示所述紋理特征。10. 根據(jù)權(quán)利要求6所述的活體檢測裝置，其中，所述閾值獲取模塊得到活體判斷閾值 具體為： 將多個識別樣本的活體檢測得分順序排列； 計算各識別樣本的活體檢測得分在所有識別樣本構(gòu)成的訓練集上的準確率； 將準確率最高的識別樣本對應(yīng)的活體檢測得分作為活體判斷閾值。
【專利摘要】本發(fā)明涉及一種活體檢測方法和裝置，所述方法包括獲取多個識別樣本的人臉圖像，根據(jù)多個識別樣本的人臉圖像的面部關(guān)鍵點特征變化提取多個識別樣本的人臉特征；基于多個識別樣本的人臉特征計算多個識別樣本的活體檢測得分；根據(jù)多個識別樣本的活體檢測得分獲得活體判斷閾值；獲取待識別對象的人臉圖像，根據(jù)待識別對象的人臉圖像的面部關(guān)鍵點特征變化提取待識別對象的人臉特征；基于待識別對象的人臉特征計算待識別對象的活體檢測得分；判斷待識別對象的活體檢測得分是否大于等于活體判斷閾值，若是，則判斷待識別對象為活體。本發(fā)明實現(xiàn)了有效拒絕非真實人臉欺騙識別的同時，提高了計算速度和精度，并且降低了活體判斷的復雜度。
【IPC分類】G06K9/00
【公開號】CN105243376
【申請?zhí)枴緾N201510746023
【發(fā)明人】黃磊, 蔡利君, 劉昌平, 張健
【申請人】北京漢王智遠科技有限公司
【公開日】2016年1月13日
【申請日】2015年11月6日