[发明专利]一种多策略防欺诈的人脸识别方法

权利要求书

1.一种多策略防欺诈的人脸识别方法，其特征在于，包括以下步骤：

步骤一：对获取人脸图像进行人脸检测，将检测到的人脸图片分别送入亮瞳检测通道与肤色匹配检测通道，在近红外图像人脸检测过程中，使用GBDT算法进行人脸关键点检测，对人脸眼睛进行粗定位，再对瞳孔进行精定位，检测是否存在近红外摄像头照明结构产生的亮瞳效应；同时对近红外图像中人脸区域肤色直方图统计，判断是否符合真实人脸，当人脸图像不能同时满足两通道条件时，流程终止，进入下一帧图像的检测流程；

步骤二：在人脸识别过程中，使用基于残差的卷积神经Resnet模型，提取三帧内人脸特征，计算欧式空间距离，规避过于接近的人脸，满足条件加入人脸特征队列；使用检测时的人脸关键点，基于Candide-3模型进行3D人脸重建，提取三帧内人脸3D模型,计算R方拟合优度判定系数，检测是否有微表情的变化，满足条件后将人脸识别的特征队列中的特征与人脸注册的人脸库进行欧式距离比对，以完成人脸识别；

所述步骤一中，根据梯度提高学习的回归树方法进行人脸关键点的检测，对眼睛位置进行定位，之后通过霍夫曼圆检测瞳孔定位，对瞳孔区域灰度二值化计算，计数白色斑点的像素数，通过大小阈值设为2到10像素，衡量是否检测近红外摄像头照明结构产生的亮瞳效应，若白色斑点像素数不在2到10的区间，则判断为欺诈行为；同时对脸部区域图像进行肤色模型灰度直方图模型匹配，在灰度值区间75至95内进行方差运算，若小于18判断为欺诈行为；

所述步骤二中，针对人脸识别过程的动态性在进行注册时使用基于残差的卷积神经网络Resnet模型提取人脸特征，用128维特征向量来抽象表示人脸图像的特征值，分别注册近红外人脸图像与可见光人脸图像，建立近红外人脸库与可见光人脸库用于识别检索；该网络中的度量学习模块采用三元组损失函数，如公式三所示：

其中f(x)函数为三元组中的每个元素的特征表达，+表示[]内的值大于零的时候，取该值为损失，小于零的时候，损失为零,上标p代表相同人特征，n表示非相同人特征；

在进行人脸识别过程中，使用基于残差的卷积神经网络Resnet模型，提取三帧内人脸特征，计算欧式空间距离，阈值范围为0.8至0.98，此范围内为相似度正常情况，满足条件将特征加入人脸识别的特征队列，否则清空当前的特征队列并且结束流程，进行对近红外视频流下一帧图像的操作流程；根据人脸检测过程中进行的人脸关键点检测，基于Candide-3模型进行人脸3D模型重建，提取三帧内人脸3D模型参数,计算R方拟合优度判定系数，如公式五所示：

其中，x,y,z表示为人脸3D模型中的坐标，带有上标的x,y,z为用来比对的人脸3D模型坐标；

设置R²阈值范围为0.8至0.98，检测是否有微表情的变化；如果R²在0.8到0.98范围内，将人脸识别的特征队列中的特征与人脸注册的人脸库进行比对，计算欧式距离，设置阈值为大于0.6，满足条件匹配成功。