[发明专利]一种基于多视角动态特征的人脸活体检测方法

说明书

一种基于多视角动态特征的人脸活体检测方法，利用运动模糊图像的成像原理提取视频的运动模式映射图，并将运动模式和噪声模式相结合，用于人脸活体检测，保证用户的隐私和财产安全，抵御恶意攻击，增强人脸认证系统的安全性。包含四个主要部分，分别是：a)视频预处理，b)人脸运动模式映射，c)噪声模式提取，d)分类。当有用户请求接入人脸认证系统时，由系统摄像头获得人脸的视频，对其进行预处理，并分别提取其人脸运动模式映射图和噪声模式，其中人脸运动模式映射图将整个视频中的运动信息映射到单张图像上。然后计算灰度共生矩阵，送入支持向量机分类器进行分类，最后输出结果为活体或者假体。

技术领域

本发明属于生物特征识别领域，涉及生物特征的活体检测技术，具体涉及一种利用包括运动模式和噪声模式的多视角动态特征进行人脸活体检测的方法。

背景技术

在生物特征识别领域，人脸特征以其免接触、自然的识别方式等特点，广泛的应用于身份认证、安全监测和监控、网络安全控制等领域。而人脸也和更多的个人隐私，财产安全紧密联系在一起。因此，人脸认证系统吸引了更多攻击者的注意，他们试图利用人脸的假体攻击侵入系统，图1给出了几张典型的假体攻击方式，包括照片攻击(a)，视频攻击(b)，和3D模型攻击(c)。这给基于人脸的身份认证系统带来了较大的安全和隐私隐患。因此，研究具有具有高性能和普遍使用的人脸活体检测具有重要的应用意义。

人脸活体检测技术主要判断人脸是活体还是非活体。只有在人脸被判别为活体的情况下，人脸身份认证的结果才是有效的，否则，就将其视为非法攻击。在目前实际应用中活体人脸检测技术的性能还有待提高，我们认为在线身份认证中理想的抗欺骗技术应具备以下几个特点：(1)受光照、拍摄设备的影响小；(2)速度快，能实现实时在线处理；(3)用户界面比较自然且与用户的交互尽量少；(4)对活体具有较好的检测能力；(5)对照片、视频等各种攻击手段具有较强的检测能力。

目前的人脸活体检测方法可以分为两类：需要额外信息的，和无需额外信息的。前者利用摄像头抓拍的视频/图像以及其他传感器获得信息如深度信息等，或者基于用户交互的信息，进行活体检测。该类方法性能较好，但需要额外设备，用户体验不友好，费用高，使用场合受限制。而后者仅仅利用摄像头抓拍的视频和图像进行检测，费用低，用户体验良好，适用场合广泛。

无需额外设备的人脸活体检测算法可进一步分为基于静态信息和基于动态信息。基于静态特征的方法探索颜色、纹理或其他信息用于活体检测，然而只能考虑单帧内的特性。为了解决这个问题，A.Pinto在文章“Using visual rhythms for detecting video-based facial spoof attacks”中认为如果视频为二次成像，则噪声模式不同于一次成像的情况，并通过分析残差噪声视频的视觉节奏进行活体检测，缺点是受成像设备和显示设备的影响较大。基于动态特征的方法利用面部的运动信息进行活体检测。2007年Pan G.等人在文章“Eyeblink-based anti-Spoofing in face recognition from a genericwebcamera”中通过眨眼检测照片攻击，取得了较好的性能，但该方法不能用来检测视频攻击。2017年，N.N.Lakshminarayana等人在文章“A discriminative spatio-temporalmapping of face for liveness detection”中将呼吸作为活体检测的主要依据，认为呼吸导致面部血液流动并引发颜色的轻微变化，而假体视频中没有这种变化。然而，实际应用中受光照和噪声的影响，皮肤颜色的轻微变化很难提取，且当请求者化妆时该方法不能正常工作。

综上所述，现有人脸活体检测方法无法较好地兼顾检测性能和适用性，制约了算法的实际应用。针对现有人脸活体检测的问题，提出利用运动模糊图像的成像原理提取视频的运动模式映射图，并将运动模式和噪声模式相结合，用于人脸活体检测，保证用户的隐私和财产安全，抵御恶意攻击，增强人脸认证系统的安全性。

发明内容

本发明的目的是提供一种性能高，适用范围广的人脸活体检测方法。