基于人臉識(shí)別的活體判別方法和設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理和人臉識(shí)別領(lǐng)域，特別涉及基于人臉識(shí)別的活體判別方法和 設(shè)備。
【背景技術(shù)】
[0002] 隨著對信息安全需求的不斷增長，在人臉識(shí)別系統(tǒng)中加入活體檢測的功能受到越 來越多的關(guān)注。常見的人臉攻擊形式包括照片、視頻播放和3D模型。照片和視頻播放是 最常見的攻擊方式，人們可以從移動(dòng)設(shè)備或者監(jiān)控?cái)z像頭中輕易地獲取合法用戶的相關(guān)資 料。
[0003] 隨著現(xiàn)代技術(shù)的發(fā)展，3D人臉的合成和模型的獲取不再是一件難以實(shí)現(xiàn)的事，例 如，ThatsMyFace.com的服務(wù)可以通過上傳一張正面和一張側(cè)面照片實(shí)現(xiàn)3D人臉的重構(gòu)和 3D模型的訂制。和真實(shí)人臉相比，照片人臉是平面的，并存在二次獲取帶來的質(zhì)量損失、模 糊等問題；視頻人臉具有LCD反光等現(xiàn)象；而3D模型人臉運(yùn)動(dòng)是剛性運(yùn)動(dòng)等。
[0004] 基于以上事實(shí)，當(dāng)前的活體檢測算法主要分為三類：（1)基于運(yùn)動(dòng)的方法；（2)基 于紋理的方法；（3)基于融合的方法。
[0005] 基于運(yùn)動(dòng)的方法主要是分析圖像幀序列的運(yùn)動(dòng)趨勢。但是這種基于運(yùn)動(dòng)的方法需 要對圖像的背景或者用戶的無意識(shí)動(dòng)作進(jìn)行判定，計(jì)算方法復(fù)雜。
[0006] 基于紋理的方法主要是通過找出單幀真實(shí)人臉和欺騙人臉的顯著性區(qū)分特征進(jìn) 行活體判斷，因?yàn)槠垓_人臉在二次獲取的過程中會(huì)帶來質(zhì)量下降、模糊等微紋理的變化。但 是基于紋理的方法只能很好地處理低分辨率的打印照片攻擊，對高清照片無效。
[0007] 現(xiàn)在，越來越多的研究者們把目光投向了基于融合的方法，S卩，通過融合至少兩種 活體判別方法，互補(bǔ)優(yōu)勢從而達(dá)到抵御多種攻擊形式的目的。
[0008] 目前的融合方法主要分為特征層融合方法和得分層融合方法。特征層融合方法是 將多個(gè)特征串聯(lián)進(jìn)行融合，有人提出了基于運(yùn)動(dòng)和紋理信息的互補(bǔ)策略，并對融合方法進(jìn) 行了研究。得分層融合方法是獲取多個(gè)特征的得分，然后進(jìn)行加權(quán)從而得到最終的得分。有 人從非剛體運(yùn)動(dòng)、人臉背景一致性和圖像帶波效應(yīng)三個(gè)方面進(jìn)行分析，并通過回歸模型進(jìn) 行得分層融合。
[0009] 然而，目前的得分層融合方法對于不同量綱、不同含義的特征，無法進(jìn)行準(zhǔn)確的融 合，影響了活體識(shí)別的效率和精度。

【發(fā)明內(nèi)容】

[0010] 本發(fā)明提供了一種基于人臉識(shí)別的活體判別方法和設(shè)備，其基于鏡面反射的人臉 表示和基于面部關(guān)鍵點(diǎn)特征變化的人臉表示，能夠有效進(jìn)行得分融合，從而提高活體判別 的效率和精度。
[0011] 在本發(fā)明的活體判別方法中，主要從兩個(gè)方面考慮真實(shí)人臉和攻擊人臉的區(qū)別。 一方面，攻擊人臉圖像比真實(shí)人臉圖像的鏡面反射成分多；另一方面，由于真實(shí)人臉和攻擊 人臉之間的主要區(qū)別是非剛體和剛體的差別，圖像關(guān)鍵點(diǎn)鄰域變化的趨勢不同。具體地說， 對于攻擊人臉來說，關(guān)鍵點(diǎn)變化趨勢相同，然而對于真實(shí)人臉而言，由于非剛體原因，關(guān)鍵 點(diǎn)的變化各不相同。
[0012] 根據(jù)本發(fā)明的第一方面，一種基于人臉識(shí)別的活體判別方法包括以下步驟：步驟 a，獲取多個(gè)識(shí)別樣本的人臉圖像，分別對所述識(shí)別樣本的人臉圖像進(jìn)行第一活體檢測和第 二活體檢測，計(jì)算所述多個(gè)識(shí)別樣本的第一活體檢測得分和第二活體檢測得分；步驟b，確 定對所述識(shí)別樣本的第一活體檢測得分和所述識(shí)別樣本的第二活體檢測得分進(jìn)行融合的 得分融合策略；步驟c，獲取待識(shí)別對象的人臉圖像，分別對所述待識(shí)別對象的人臉圖像進(jìn) 行所述第一活體檢測和所述第二活體檢測，計(jì)算所述待識(shí)別對象的第一活體檢測得分和第 二活體檢測得分；步驟d，根據(jù)所述得分融合策略，從所述待識(shí)別對象的第一活體檢測得分 和第二活體檢測得分計(jì)算出融合得分；以及步驟e，根據(jù)所述融合得分對所述待識(shí)別對象 進(jìn)行活體判別，其中，在所述第一活體檢測中，根據(jù)所述識(shí)別樣本的人臉圖像的鏡面反射特 性提取所述識(shí)別樣本的第一人臉特征，根據(jù)所述待識(shí)別對象的人臉圖像的鏡面反射特性提 取所述待識(shí)別樣本的第一人臉特征，在所述第二活體檢測中，根據(jù)所述識(shí)別樣本的人臉圖 像的面部關(guān)鍵點(diǎn)特征變化提取所述識(shí)別樣本的第二人臉特征，根據(jù)所述待識(shí)別對象的人臉 圖像的面部關(guān)鍵點(diǎn)特征變化提取所述待識(shí)別對象的第二人臉特征。
[0013] 根據(jù)本發(fā)明的第二方面，步驟b包括：計(jì)算出所述第一活體檢測和所述第二活體 檢測在相同準(zhǔn)確率下分別對應(yīng)的閾值序列；構(gòu)造兩個(gè)閾值序列之間的函數(shù)關(guān)系；以及基于 所述函數(shù)關(guān)系對所述識(shí)別樣本的第一活體檢測得分和所述識(shí)別樣本的第二活體檢測得分 進(jìn)行融合。
[0014] 根據(jù)本發(fā)明的第三方面，在所述第一活體檢測中，對所述多個(gè)識(shí)別樣本的人臉圖 像和所述待識(shí)別對象的人臉圖像進(jìn)行鏡面反射分離，獲得鏡面反射圖像；將所述鏡面反射 圖像從RGB空間轉(zhuǎn)換到HSV空間，并提取V通道圖像。
[0015] 根據(jù)本發(fā)明的第四方面，在提取V通道圖像之后，利用預(yù)先定義的眼睛圖像標(biāo)準(zhǔn) 模板對齊所述V通道圖像中的人臉區(qū)域；均勻劃分對齊后的人臉區(qū)域；提取劃分后每一塊 人臉區(qū)域的紋理特征，串聯(lián)組成所述第一人臉特征。
[0016] 根據(jù)本發(fā)明的第五方面，在所述第二活體檢測中，對于所述多個(gè)識(shí)別樣本的人臉 圖像和所述待識(shí)別對象的人臉圖像的每一個(gè)面部關(guān)鍵點(diǎn)，定義該面部關(guān)鍵點(diǎn)的鄰域；對于 每一個(gè)面部關(guān)鍵點(diǎn)的鄰域，提取紋理特征；確定所述紋理特征的變化，作為所述第二人臉特 征。
[0017] 根據(jù)本發(fā)明的第六方面，在所述步驟e中，確定所述融合得分是否大于閾值，如果 是，則判定所述待識(shí)別對象是活體，如果否，則判定所述待識(shí)別對象是非活體。
[0018] 根據(jù)本發(fā)明的第七方面，在所述第一活體檢測中，利用支持向量機(jī)SVM訓(xùn)練分類 模型計(jì)算所述第一活體檢測得分。
[0019] 根據(jù)本發(fā)明的第八方面，在所述第二活體檢測中，利用基于貝葉斯理論的生成性 模型計(jì)算所述第二活體檢測得分。
[0020] 根據(jù)本發(fā)明的第九方面，采用DH-LBP直方圖表示所述紋理特征。
[0021] 根據(jù)本發(fā)明的第十方面，一種基于人臉識(shí)別的活體檢測設(shè)備包括：輸入部，其用于 獲取多個(gè)識(shí)別樣本的人臉圖像和待識(shí)別對象的人臉圖像；第一活體檢測部，其對所述人臉 圖像進(jìn)行第一活體檢測，計(jì)算所述多個(gè)識(shí)別樣本的第一活體檢測得分和所述待識(shí)別對象的 第一活體檢測得分；第二活體檢測部，其對所述識(shí)別樣本的人臉圖像和待識(shí)別對象的人臉 圖像進(jìn)行第二活體檢測，計(jì)算所述多個(gè)識(shí)別樣本的第二活體檢測得分和所述待識(shí)別對象的 第二活體檢測得分；處理器，其確定對所述多個(gè)識(shí)別樣本的第一活體檢測得分和第二活體 檢測得分進(jìn)行融合的得分融合策略；第一人臉特征提取部，其從所獲取的人臉圖像中提取 第一人臉特征；第二人臉特征提取部，其從所獲取的人臉圖像中提取第二人臉特征；其中， 所述處理器根據(jù)所述得分融合策略，從所述待識(shí)別對象的第一活體檢測得分和第二活體檢 測得分計(jì)算出融合得分，并根據(jù)所述融合得分對所述待識(shí)別對象進(jìn)行活體判別，其中，第一 人臉特征提取部根據(jù)所述人臉圖像的鏡面反射特性提取所述第一人臉特征，第二人臉特征 提取部根據(jù)所述人臉圖像的面部關(guān)鍵點(diǎn)特征變化提取所述第二人臉特征。
[0022] 本發(fā)明采用得分融合策略對基于鏡面反射特性的人臉表示和基于面部關(guān)鍵點(diǎn)特 征變化的人臉表示進(jìn)行融合來進(jìn)行活體判別，判別精度高。
【附圖說明】
[0023] 附圖與文字描述一起用來對本發(fā)明的實(shí)施方式作進(jìn)一步的說明。其中：
[0024] 圖1示出了本發(fā)明的基于人臉識(shí)別的活體判別設(shè)備的框圖。
[0025] 圖2示出了本發(fā)明的基于人臉識(shí)別的活體判別方法的示意圖。
[0026] 圖3示出了本發(fā)明的基于人臉識(shí)別的活體判別方法的流程圖。
[0027] 圖4示出了獲得基于鏡面反射的人臉特征的過程。
[0028] 圖5示出了面部關(guān)鍵點(diǎn)及其鄰域。
【具體實(shí)施方式】
[0029] 下面結(jié)合附圖詳細(xì)說明本發(fā)明的實(shí)施方式。在所有附圖中，相同標(biāo)號(hào)表示相同元 件，并省略其重復(fù)說明。
[0030] 圖1示出了本發(fā)明的用于人臉識(shí)別的活體檢測設(shè)備的框圖。
[0031] 本發(fā)明的用于人臉識(shí)別的活體檢測設(shè)備10包括輸入部101、第一人臉特征提取部 102、第二人臉特征提取部103、第一活體檢測部104、第二活體檢測部105和處理器106。
[0032] 輸入部101用于接收多個(gè)識(shí)別樣本的人臉圖像和用戶輸入的待識(shí)別對象的人臉 圖像。具體地，輸入部101可以是攝像機(jī)。
[0033] 第一人臉特征提取部102用于從人臉圖像中提取基于鏡面反射的人臉特征，所述 基于鏡面反射的人臉特征包括多個(gè)識(shí)別樣本的基于鏡面反射的人臉特征和待識(shí)別對象的 基于鏡面反射的人臉特征。
[0034] 第二人臉特征提取部103用于從人臉圖像中提取基于關(guān)鍵點(diǎn)變化的