[发明专利]人脸活体检测的方法和装置

权利要求书

1.一种人脸活体检测的方法，其特征在于，

使用三维人脸图像获取设备获取三维人脸图像；

在所述三维人脸图像上提取人脸特征点的三维坐标信息，以及三维人脸图像的姿态特征信息；

利用所述人脸特征点的三维坐标信息计算得到表示人脸特征的人脸特征信息，所述人脸特征信息是指一帧三维人脸图像的人脸特征信息和/或两帧三维人脸图像的人脸特征变化信息，人脸特征的人脸特征信息为点-点距离值、点-面距离值、线-面角度值、线-线角度值中的几种，将计算得到的几种数值合成一个特征向量，其中所述点为特征点，所述面为由特征点构成的平面，所述线为两两特征点构成的直线，其中，利用人脸特征点的三维坐标信息计算得到表示人脸特征的人脸特征信息包括：

利用最小二乘法，由鼻子区域中的三个特征点确定一个平面β；

计算鼻子区域中剩余特征点到平面β的距离，并计算鼻尖特征点到左右眼眼角特征点、以及到构成平面β的三个特征点之间的距离，以及鼻中特征点到构成平面β的三个特征点之间的距离；

计算鼻梁区域的三个特征点分别与构成平面β的三个特征点构成的直线与平面β的夹角的正弦值，以及鼻梁区域的两个特征点构成的直线与平面β的夹角的正弦值，以及鼻中特征点分别与左右眼中心特征点构成的两条之间的夹角的余弦值；

将计算得到的鼻尖特征点到左右眼眼角特征点、以及到构成平面β的三个特征点之间的距离，以及鼻中特征点到构成平面β的三个特征点之间的距离，鼻梁区域的三个特征点分别与构成平面β的三个特征点构成的直线与平面β的夹角的正弦值，以及鼻梁区域的两个特征点构成的直线与平面β的夹角的正弦值，以及鼻中特征点分别与左右眼中心特征点构成的两条之间的夹角的余弦值合成一个特征向量，获得表示人脸特征的人脸特征信息；

利用所述表示人脸特征的人脸特征信息和三维人脸图像的姿态特征信息判断所述三维人脸图像是否来自于活体，其中，利用所述表示人脸特征的人脸特征信息和三维人脸图像的姿态特征信息判断所述三维人脸图像是否来自于活体的步骤包括：

将所述表示人脸特征的人脸特征信息和三维人脸图像的姿态特征信息合并为一个联合特征信息；

利用所述联合特征信息判断所述三维人脸图像是否来自于活体；其中，利用所述联合特征信息判断所述三维人脸图像是否来自于活体包括：

将联合特征输入到已经训练好的SVM分类器中，根据输出的结果来判断是否来自于活体。

2.根据权利要求1所述的人脸活体检测的方法，其特征在于，所述三维人脸图像的姿态特征信息为三维人脸图像的偏航角、俯仰角和翻滚角。

3.根据权利要求1所述的人脸活体检测的方法，其特征在于，所述人脸特征点包括人脸眼睛、鼻子和嘴巴区域中的几种区域的多个特征点。

4.一种人脸活体检测的装置，其特征在于，包括：

获取模块，用于获取三维人脸图像，其中，使用三维人脸图像获取设备；

提取模块，用于在所述三维人脸图像上提取人脸特征点的三维坐标信息，以及三维人脸图像的姿态特征信息；

计算模块，用于利用所述人脸特征点的三维坐标信息计算得到表示人脸特征的人脸特征信息，所述人脸特征信息是指一帧三维人脸图像的人脸特征信息和/或两帧三维人脸图像的人脸特征变化信息，其中人脸特征的人脸特征信息为点-点距离值、点-面距离值、线-面角度值、线-线角度值中的几种，将计算得到的几种数值合成一个特征向量，其中所述点为特征点，所述面为由特征点构成的平面，所述线为两两特征点构成的直线，其中，利用人脸特征点的三维坐标信息计算得到表示人脸特征的人脸特征信息包括：

利用最小二乘法，由鼻子区域中的三个特征点确定一个平面β；

计算鼻子区域中剩余特征点到平面β的距离，并计算鼻尖特征点到左右眼眼角特征点、以及到构成平面β的三个特征点之间的距离，以及鼻中特征点到构成平面β的三个特征点之间的距离；

计算鼻梁区域的三个特征点分别与构成平面β的三个特征点构成的直线与平面β的夹角的正弦值，以及鼻梁区域的两个特征点构成的直线与平面β的夹角的正弦值，以及鼻中特征点分别与左右眼中心特征点构成的两条之间的夹角的余弦值；

将计算得到的鼻尖特征点到左右眼眼角特征点、以及到构成平面β的三个特征点之间的距离，以及鼻中特征点到构成平面β的三个特征点之间的距离，鼻梁区域的三个特征点分别与构成平面β的三个特征点构成的直线与平面β的夹角的正弦值，以及鼻梁区域的两个特征点构成的直线与平面β的夹角的正弦值，以及鼻中特征点分别与左右眼中心特征点构成的两条之间的夹角的余弦值合成一个特征向量，获得表示人脸特征的人脸特征信息；

判断模块，用于利用所述表示人脸特征的人脸特征信息和三维人脸图像的姿态特征信息判断所述三维人脸图像是否来自于活体，其中，所述判断模块包括：

合并单元，用于将所述表示人脸特征的人脸特征信息和三维人脸图像的姿态特征信息合并为一个联合特征信息；

第一判断单元，用于利用所述联合特征信息判断所述三维人脸图像是否来自于活体，其中，所述第一判断单元将联合特征输入到已经训练好的SVM分类器中，根据输出的结果来判断是否来自于活体。