[发明专利]一种基于局部彩色纹理特征的人脸活体检测方法

权利要求书

1.一种基于局部彩色纹理特征的人脸活体检测方法，其特征在于包括如下步骤：

S1，读入视频图像，抽取样本集；

S2，人脸检测及预处理

S21，对样本图像进行人脸检测，检测得到人脸矩形框坐标以及人眼坐标信息；

S22，利用得到的人脸矩形框坐标和人眼坐标，根据人眼距上额的距离与人脸高度的比例为1：3，两眼间的距离与人脸宽度比例为1：2，且人脸是左右对称的，对图像进行二次截取，得到仅包含人脸的图像，将截取后的图像进行归一化操作；

S3，提取彩色纹理特征

S31，将归一化图像划分为等大小且不重叠的若干个局部图像块；

S32，对所有图像块进行色彩空间的转换，得到HSV色彩空间图像和YCbCr色彩空间图像，并对图像采取通道分离操作，将得到H通道图像、S通道图像、V通道图像、Y通道图像、Cb通道图像、Cr通道图像；

S33，从单通道图像上分别提取多尺度的CoALBP特征和多尺度的LDP特征；

S34，针对某一图像块，将所有单通道纹理特征按照设定拼接顺序，依次将所有特征串联为一个特征向量，即为该图像块的特征向量；

S4，选取高辨识度局部图像

S41，计算同一图像中，不同图像块之间的相似度，相似度计算采用计算特征距离的方式，依次计算不同的两个图像块之间的特征向量距离，并将计算结果进行记录；

S42，针对某一图像块，计算该图像块与其他所有图像块的特征距离平均值，将同一图像中所有图像块的平均特征距离计算完成后，将所有图像块重新排序，按照平均特征距离从大到小进行排序，最终从每幅图像中选取出平均特征距离最大的若干个图像块作为高辨识度局部图像块；

S5，统计分类结果，输出分类类别；

在训练分类器阶段，将选取的高辨识度局部图像块的特征向量作为分类器训练数据，对分类器进行训练；在检测阶段，将选取的高辨识度局部图像块的特征向量，通过分类器，计算所有图像块的分类结果；

S51，确定某一归一化图像的分类类别，统计选取的高辨识度局部图像块分类结果，当多数高辨识度局部图像块分类结果为真人，则该图像分类结果为真人；反之，判断为欺骗攻击；

S52，确定输入视频图像的分类类别，统计所有归一化图像的分类结果，当多数图像的分类结果为真人，则最终的输入视频分类结果为真人，反之，判断为虚假人脸攻击。

2.根据权利要求1所述的基于局部彩色纹理特征的人脸活体检测方法，其特征在于所述的步骤S1具体为：

将视频图像读入，以N帧图像为一组，在N张图像中随机抽取其中一张图像加入样本图像集合；限制样本图像集合上限，当视频图像读取完毕或样本图像数目达到上限时，结束抽取样本集操作。

3.根据权利要求1所述的基于局部彩色纹理特征的人脸活体检测方法，其特征在于所述的步骤S2中，对样本图像进行人脸检测的算法为MTCNN检测算法，归一化大小为144×144像素；所述的步骤S3中，局部图像块大小为32×32像素。

4.根据权利要求1所述的基于局部彩色纹理特征的人脸活体检测方法，其特征在于所述的步骤S4中，CoALBP特征的尺度分别为，算子半径为R＝{1,2,4}，邻域算子距离为D＝{1,2,4}；LDP特征的尺度为，算子半径为R＝{1,2,4}，LDP的模式为二阶和三阶模式。