[发明专利]一种活体人脸检测方法与系统

说明书

技术领域

本发明属于生物特征识别领域，尤其涉及一种活体人脸检测方法与系统。

背景技术

随着生物特征识别技术的迅速发展和广泛应用，其安全性也受到严峻的挑战，研究者们越来越关注其安全问题。如何保证生物特征识别系统所提取的生物信息是从具有生物活性的活体用户获取，并能够抵抗复制或者重复攻击是很多人关注的焦点。假冒者可以使用橡皮泥伪造的指纹，人脸照片，人脸素描，人脸视频，三维模型合成等攻击手段来欺骗现有的生物识别系统，从而骗取得到合法的身份认证，从事非法活动。因此，如果生物特征识别系统缺少有效的假冒攻击，欺骗检测功能，将给生物特征识别技术的推广应用带来很大的障碍。通常来讲，生物特征识别系统中的欺诈技术主要是通过复制或者伪造的方法来攻击生物特征认证识别系统。

通常意义上的活体检测是当生物特征信息从合法用户那里取得时，判断该生物信息是否从具有生物活性的合法用户身上取得的。活体检测的方法主要是通过识别活体上的生理信息来进行，它把生理信息作为生命特征来区别用照片、硅胶、塑泥等非生命物质伪造的生物特征。活体中的生理信息大致来自三个方面：

（1）从生物特征信息中获取；

（2）从生物特征信息的后处理中获取；

（3）从额外的设备中获取；

从生物特征信息的后处理中获取活体信息，是目前大多数活体检测研究的内容。由于人脸采集性好，处理方便，因此，通常在生物特征识别系统，尤其是人脸检测与识别系统中经常会利用人脸信息来进行活体检测。

一般而言，活体人脸检测面临着三种欺诈手段：

（1）使用合法用户的照片；

（2）使用合法用户的视频；

（3）使用合法用户的三维模型；

其中，使用合法用户的照片欺诈是最常见的一种方式。原因在于一个人的脸部图像是非常容易获取的，比如，通过互联网下载，通过摄像头在合法用户不知情的情况下抓拍等。入侵者可以通过人脸图像在图像采集设备前旋转、翻转、弯曲、摇摆等手段造成一种类似于合法用户真人的效果去欺骗生物识别认证系统。并且，目前来看，检测一张输入的图像是来自真实人脸或者是照片人脸依旧是一件非常有挑战性的工作。

视频欺诈是另外一种对于人脸识别系统具有很大威胁的手段，这种手段呈现出的效果和真实人脸的效果非常相似，而合法用户的脸部视频可以通过其面前的针孔摄像头获取。并且这种方法具有很多特征，如头部运动，脸部表情、眨眼运动等。这些特征是照片所不具备的，正因为如此，这种欺诈手段也是对活体检测系统威胁最大的一种；

三维模型具备人脸的三维信息，然而这些信息是刚性的，并且是缺少生理信息，并且要仿造一个活人的三维模型是非常困难的。所以，照片欺骗和视频欺骗是攻击活体人脸检测系统最常见，最普遍的手段和方法。

总体来讲，人类在区分真实人脸或者假冒人脸时，并不需要太多的努力，因为人类能够很容易的识别出很多活体的物理特征，比如，人脸表情变化，嘴部变化、头部旋转、眼睛变化。然而，捕获这些细节特征对于计算机而言是非常困难的，而在不受控条件下，会更加的困难。

利用人脸信息进行活体检测的技术方案，目前可以大致分为两种：

（1）采用盲检测的方法；

该方法一般是利用用户不经意或无意识的动作信息或者人脸三维信息来进行活体判别。例如，通过判断用户在不经意间是否有眨眼行为来判定是否是活体；或者，通过机器学习的方法，对大量的真实人脸和照片人脸进行纹理特征的频谱分析，在频率域构建一个两类分类器，从而进行分类判别。此外，也有人通过结构光等方式利用二维图像来重构人脸面部的三维信息，并根据三维信息中深度分量的分布情况来判定该画面中出现的人脸是真实人脸还是照片人脸；对于应用最广泛的眨眼动作而言，人的眨眼频率相对较低，很难捕捉到可用的信息。此外，环境光照条件，高清晰的照片和高分辨率的摄像头会对频谱分析的方法产生较大影响，造成结果不准确；而人脸的三维信息则较难获得，同时人脸面部的凹凸不平等信息不足以明显使得系统较好的将真实人脸同照片区别开。更不用说跟事先录制好的视频区别开了。因此，盲检测的方法并不能有效、可靠的判断当前画面中出现的人脸是否是活体；这也就意味着，如果采用盲检测的方法进行活体检测，很容易产生误判或者判断失效，这样也就失去了活体检测的意义。

（2）基于用户配合的方法；