[发明专利]一种活体检测方法和装置

说明书

技术领域

本发明涉及图像处理和人脸识别领域，特别涉及基于人脸识别的活体检测方法和设备。

背景技术

随着对信息安全需求的不断增长，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。常见的人脸攻击形式包括照片、视频播放和3D模型。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。

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。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；而3D模型人脸运动是刚性运动等。

基于以上事实，当前的活体检测算法主要分为三类：（1）基于运动的方法；（2）基于纹理的方法；（3）基于融合的方法。

基于运动的方法主要是分析图像帧序列的运动趋势。但是这种基于运动的方法需要对图像的背景或者用户的无意识动作进行判定，计算方法复杂。

基于纹理的方法主要是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，因为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。但是基于纹理的方法只能很好地处理低分辨率的打印照片攻击，对高清照片无效。

现在，越来越多的研究者们把目光投向了基于融合的方法，即，通过融合至少两种活体判别方法，互补优势从而达到抵御多种攻击形式的目的。

目前的融合方法主要分为特征层融合方法和得分层融合方法。特征层融合方法是将多个特征串联进行融合，有人提出了基于运动和纹理信息的互补策略，并对融合方法进行了研究。得分层融合方法是获取多个特征的得分，然后进行加权从而得到最终的得分。有人从非刚体运动、人脸背景一致性和图像带波效应三个方面进行分析，并通过回归模型进行得分层融合。

然而，目前的得分层融合方法对于不同量纲、不同含义的特征，无法进行准确的融合，影响了活体识别的效率和精度。

发明内容

本发明提供了一种基于人脸识别的活体检测方法和装置，其基于镜面反射的人脸特征进行活体检测，能够降低活体判别的复杂度，并且能够有效预防高清照片的攻击，提高活体判别的效率和精度。

为达上述目的，本发明采用如下技术方案：

一方面，本发明提供了一种活体检测方法，包括以下步骤：

获取多个识别样本的人脸图像，从所述多个识别样本的人脸图像中提取基于镜面反射的第一人脸特征；

基于所述第一人脸特征计算所述多个识别样本的第一活体检测得分；

根据所述第一活体检测得分得到活体判断阈值；

获取待识别对象的人脸图像，从所述待识别对象的人脸图像中提取基于镜面反射的第二人脸特征；

基于所述第二人脸特征计算所述待识别对象的第二活体检测得分；

判断所述第二活体检测得分是否大于等于所述活体判断阈值，若是，则判断所述待识别对象为活体。

进一步地，所述从所述多个识别样本的人脸图像中提取基于镜面反射的第一人脸特征包括：

对所述多个识别样本的人脸图像进行镜面反射分离，得到镜面反射图像；

将所述镜面反射图像从RGB空间转换到HSV空间，并提取V通道图像。

进一步地，在提取V通道图像之后，

利用预先定义的眼睛图像标准模板对齐所述V通道图像中的人脸区域；

均匀划分对齐后的人脸区域；

提取划分后每一块人脸区域的纹理特征，串联组成所述第一人脸特征。

进一步地，利用支持向量机SVM训练分类模型计算所述第一活体检测得分和第二活体检测得分。

进一步地，根据所述第一活体检测得分得到活体判断阈值包括：

将多个识别样本的第一活体检测得分顺序排列；

计算各识别样本的第一活体检测得分在所有识别样本构成的训练集上的准确率；

将准确率最高的识别样本对应的第一活体检测得分作为活体判断阈值。

另一方面，本发明提供了一种活体检测装置，包括：

获取模块，用于获取多个识别样本的人脸图像和待识别对象的人脸图像；

人脸特征提取模块，用于从所述多个识别样本的人脸图像中提取基于镜面反射的第一人脸特征，及从所述待识别对象的人脸图像中提取第二人脸特征；