[发明专利]人脸活体判断方法以及系统

说明书

本发明的一个方面提供一种人脸活体判断方法，用于区分真实人脸和欺骗人脸，其包括：获取一定数量的人脸图像的步骤；获取每个人脸图像的眼睛图像以及该眼睛图像的特征的步骤；根据获取的眼睛图像的特征以及视线估计模型进行视线预测获得对应数量视线位置的步骤；根据视线词典对所述对应数量视线位置进行量化，建立视线直方图的步骤；和根据视线直方图获得信息熵并进行活体判断的步骤，其中如果熵值大于0，则判定为真实人脸，否则判定为欺骗人脸。本发明提供的人脸活体判断方法是一种既不需要额外的设备也不需要用户配合的人脸活体判断方法，并且由于利用视线行为的不确定性、难被他人通过摄像头等获取的特点，可以有效区分真实人脸和欺骗人脸。

技术领域

本发明涉及一种身份认证技术领域，尤其涉及一种人脸活体判断方法以及系统。

背景技术

人脸识别技术是一种有效的身份认证技术，但是随着人脸识别技术的广泛使用，出现了各种方法冒充人脸以通过身份认证，这种使用非真实的欺骗人脸进行身份认证的方式被称为“人脸攻击”。常见的人脸攻击形式包括以照片、视频播放或3D模型进行的欺骗性识别以通过身份认证。其中照片和视频播放是最常见的攻击方式，人们可以从移动设备或者监控摄像头中轻易地获取合法用户的相关资料。而且随着现代技术的发展，3D人脸的合成和模型的获取不再是一件难以实现的事，例如，ThatsMyFace.com的服务可以通过上传一张正面和一张侧面照片实现3D人脸的重构和3D模型的订制。因此出于信息安全的考虑，在人脸识别系统中加入活体检测的功能受到越来越多的关注。

人们对常见的人脸攻击方式进行分析，认为和真实人脸相比，照片人脸是平面的，并存在二次获取带来的质量损失、模糊等问题；视频人脸具有LCD反光等现象；3D模型人脸运动是刚性运动等。这些都是目前人脸攻击方式存在的弱点，因此，与这些弱点相对应，当前人脸识别中的活体检测方法主要分为三类：基于运动的方法、基于纹理的方法以及融合二者的方法。

基于运动的方法主要是分析图像帧序列的运动趋势，比如通过光流法估计出人脸不同区域的运动趋势来区分真实人脸和照片攻击，或者采用光流法通过估计物体的刚体运动来判断是否活体等各种方法。除了无意识的头部运动，合法用户的其他生物行为也被用来判断是否活体，比 如眨眼行为。基于纹理的方法则基于欺骗人脸在二次获取的过程中会带来质量下降、模糊等微纹理的变化，通过找出单帧真实人脸和欺骗人脸的显著性区分特征进行活体判断。

但是，虽然上述两种方法能够在一定程度上抵御人脸攻击，但是仍然存在很多问题，比如基于运动的方法能够抵御照片攻击，对扭曲的照片和视频攻击基本无效。基于纹理的方法能够有效地学习真实人脸和欺骗人脸的判别模型，然而却丢失了图像帧之间的相关信息。

此外，目前还存在基于多模和多频谱的活体检测方法。基于多模的活体检测是将人脸和其他生物特征，如姿态、语音、指纹和手形等结合起来进行身份认证。一般来说，基于多模的生物认证系统比基于单一特征的认证系统抵抗攻击的能力强。基于多频谱的活体检测方法是利用在近红外下真实人脸和欺骗人脸的反射率不同来进行区分。虽然这两类方法取得了较好的活体检测性能,但是此类方法需要额外的设备，甚至在基于多模的活体检测系统中需要用户的配合，加重了用户的负担。

发明内容

本发明鉴于以上问题，提供了一种人脸活体判断方法，用于在人脸识别中区分真实人脸和欺骗人脸，其既不需要额外的设备也不需要用户配合的人脸活体判断方法，可以有效区分真实人脸和欺骗人脸。

本发明的一个方面提供一种人脸活体判断方法，用于在人脸识别中区分真实人脸和欺骗人脸，其包括：获取一定数量的人脸图像的步骤；获取每个人脸图像的眼睛图像以及该眼睛图像的特征的步骤；根据获取的眼睛图像的特征以及视线估计模型进行视线预测获得对应数量视线位置的步骤；根据视线词典对所述对应数量视线位置进行量化，建立视线直方图的步骤；和根据视线直方图获得信息熵并进行活体判断的步骤，其中如果熵值大于0，则判定为真实人脸，否则判定为欺骗人脸。