[发明专利]一种多策略防欺诈的人脸识别方法

说明书

本发明公开一种多策略防欺诈的人脸识别方法，包括：步骤1、人脸检测过程中，检测眼睛瞳孔位置是否存在近红外设备产生的亮瞳，检测人脸区域位置人脸肤色灰度区间内，方差是否符合阈值，判断是否为欺诈行为攻击；步骤2、根据人脸识别过程的动态性，在人脸识别的验证过程，基于Candide‑3模型3D人脸重建进行微表情的检测，比较相邻3帧间的人脸特征与3D模型的相似度，设置合理阈值规避过于近似的人脸。

技术领域

本发明属于生物特征识别领域，尤其涉及一种多策略防欺诈的人脸识别方法。

背景技术

目前人脸识别技术得到广泛应用，人脸识别技术主要目标是能识别人脸图像的身份，然而人脸识别过程面临多重欺诈手段，于是辨别所输入人脸的真伪成为人脸识别技术中一个迫切需要解决的问题。人脸识别技术主要面临着三种欺诈手段：合法用户的人脸图片、合法用户的人脸视频、合法用户的3D模型。传统的活体检测方式往往针对单一欺诈手段，伪造攻击很容易抓住短板进行攻击。或者采用用户配合进行动作验证的方式，这种方式用户体验差，抵抗能力一般。只有使用多层次的策略才能够有效应对复杂多面的欺骗攻击。

发明内容

本发明针对现有技术中存在的不足之处，提出一种多策略防欺诈的人脸识别方法,有效防止照片、电子设备图像及视频的欺骗攻击，充分利用“木桶原理”考虑欺诈行为的多样性，采取多层次的策略，同时考虑人脸识别过程的实时性。

具体而言，是综合考虑人脸识别流程中的多个环节面临的多种欺诈手段，在人脸注册，人脸检测，人脸识别的流程里，在用户不需要动作验证的情况下，防止普通用户使用合法用户的人脸照片，或者使用电子设备播放图片和视频进行欺诈行为。因为使用近红外摄像头作为视频流采集设备，利用近红外摄像头的特性不仅可以规避电子屏幕的欺诈攻击，使用红外灯在瞳孔产生的亮瞳效应也是有效的避免人脸照片的欺诈攻击手段，而且使用近红外摄像头可以在无照明、低可见度环境下正常工作。在人脸注册环节，使用基于残差的卷积神经网络Resnet模型提取人脸特征128维向量保存到人脸特征库。在人脸检测环节在可近红外图像下，采用亮瞳效应和肤色模型双通道设计。在人脸识别阶段充分利用欺诈攻击时的特征单一性、动态性从而对欺诈的人脸识别进行拦截。

本发明采用如下技术方案：

步骤一：对获取人脸图像进行人脸检测，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；

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。

本发明的人脸识别方法，适用于严格的人脸身份认证，可以防止用户在身份验证过程中，使用合法用户的人脸照片或者合法用户视频资料欺诈认证。根据“木桶原理”，针对不同的欺诈手段，本发明使用不同的方式或多种策略。为了避免电子设备图像欺诈攻击本发明采用近红外图像采集视频流的方式。近红外摄像头可以适应不同光照环境，同时近红外摄像头可以屏蔽电子设备屏幕成像；是本系统中重要的防欺诈策略之一。

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，防止合法的人脸照片欺诈行为。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。防止使用特殊处理的合法用户图片欺诈攻击。