[发明专利]一种人脸活体检测方法、系统及装置

说明书

本发明提供了一种人脸活体检测方法、系统及装置，其方法包括，对所述经过初始化处理的活体人脸图像进行特征检测；提取所述活体人脸图像的特征信息，并利用SVM分类器进行训练，得到SVM检测模型；获取待检测人脸视频，对所述待检测人脸视频帧序列进行MTCNN人脸检测获得待检测人脸图像，同时，对所述待检测人脸图像进行初始化处理；将所述待检测人脸图像分成多种颜色空间，并对所述待检测人脸图像进行特征提取、特征级联、特征融合；将所述经特征提取、特征级联、特征融合的待检测人脸视频帧输入所述SVM检测模型，得到检测结果。本发明集人脸检测、人脸对齐、活体检测于一体，既提高活体检测算法提取特征的性能，又不需用户配合，具备实时性。

技术领域

本发明涉及一种人脸活体检测方法、系统及装置。

背景技术

随着计算机技术的迅速发展，以人脸识别为代表的生物特征识别装置已经广泛用于访问个人计算机、自动取款机、信用卡交易、电子交易等方面。在人脸识别快速发展应用的过程中也伴随这诸多漏洞，常见的人脸识别攻击主要有：①打印机打印人脸照片；②通过不正当的手段获取人脸视频回放，其中，视频包含唇部移动、眨眼、表情变化等；③用高性能计算机模拟人脸的基本特征信息，并构建三维模型假人脸。由于互联网的飞速发展，许多购物和娱乐网页需要用户注册信息，比如京东商城、淘宝、Facebook等，或者从个人博客、个人空间中免费下载，导致合法用户的人脸图像获取非常容易。为保证人脸识别系统的安全性，避免用户个人信息及财产遭到侵犯，人脸活体检测在生物识别领域的作用举足轻重。

基于纹理分析的活体人脸检测技术是通过计算机提取纹理特征，然后特征训练和预测，将训练模型作为人脸识别检测的方式。现有技术中基于纹理的活体人脸检测方法可分为基于静态图像纹理的活体人脸检测、基于动态纹理的活体人脸检测以及基于多颜色特征纹理的活体人脸检测三大类。基于静态图像纹理的活体人脸检测需提取一个或多个运动中具有不变性质的特征点，比如边界线条或角点，并依据这些特征建立目标模型，主要包括局部二值模式(Local Binary Pattern,LBP)、Gabor小波、梯度方向直方图(Histogram ofOriented Gradients,HOG)；基于动态纹理的活体人脸检测是学习真实人脸微纹理的结构和动态信息，利用LBP、VLBP在空域的扩展方法来进行人脸识别，会受到空间平面和时域纹理特征被忽略的影响；基于多光谱活体人脸检测是基于人脸的漫反射现象表现出真实人脸与假人脸不同的差异，比如真实人脸的皮肤具有丰富的颜色信息，而伪造人脸通过光照有时候会有局部像素偏高或者偏低现象(即反映出明暗程度)，这种差异主要体现在系统成像中慢反射率的波长不同，多光谱成像具有较好的活体检测功能，但是需要购买额外的设备，而且比较昂贵，不便于普及；针对视频攻击，人脸光学流计算运用而生，针对眨眼、嘴唇移动、轻微偏转等视频活体人脸检测，光流是一种密集型估计方法，通过每帧内部每个像素点的运动方向进行活体检测。

以上人脸检测方案均无法兼具活体人脸识别检测的经济性与准确性。

发明内容

本发明提供了一种人脸活体检测方法、系统及装置，解决了基于纹理特征人脸活体检测现有技术中存在的不能兼具经济型与精确度的技术问题。

本发明提供的一种人脸活体检测方法，包括：

获取活体人脸图像，对所述活体人脸图像进行初始化处理；

对所述经过初始化处理的活体人脸图像进行特征检测；

提取所述活体人脸图像的特征信息，并利用SVM分类器进行训练，得到SVM检测模型；

获取待检测人脸视频，对所述待检测人脸视频帧序列进行MTCNN人脸检测获得待检测人脸图像，同时，对所述待检测人脸图像进行初始化处理；

将所述待检测人脸图像分成多种颜色空间，并对所述待检测人脸图像进行特征提取、特征级联、特征融合；