[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

说明书

本发明公开了一种基于局部彩色纹理特征的人脸活体检测方法，涉及智能安防认证、计算机视觉领域。本方法包括以下步骤：S1：读入视频图像，抽取样本集；S2：人脸检测及预处理；S3：提取彩色纹理特征；S4：选取高辨识度局部图像；S5：统计分类结果，输出分类类别。本发明通过提取一种高效的彩色纹理特征，选用CoALBP特征和LDP特征组成的融合纹理特征，增加了空间特征和梯度特征信息，同时选用HSV和YCbCr色彩空间组成的融合色彩空间，增加了亮度信息和色彩信息。本方法在选用高效特征的同时，采用了有效的策略，将图像进行局部分割，从中选取高辨识度的局部图像作为训练和检测数据，使训练得到的分类器更具一般性。

技术领域

本发明涉及智能安防认证、计算机视觉领域，具体涉及一种基于局部彩色纹理特征的人脸活体检测方法。

背景技术

随着图像处理技术的不断发展，人脸识别系统在各个行业领域内得到了普及和广泛应用。人脸识别系统的应用场景十分丰富，如在线身份认证系统、智能门禁系统、智能支付系统、人脸解锁系统等。随着人脸识别系统的不断普及，其应用场景将会越来越丰富。然而，目前的主流人脸识别系统仍存在着一定的缺陷，存在着易被虚假人脸欺骗攻击的问题。

人脸活体检测技术，该项技术的研究意义在于增强人脸识别系统的安全性，可以有效地避免诸如打印的人脸照片、包含人脸的回放视频等虚假人脸的攻击手段。目前，主要的活体检测方法分为三类，用户配合式方法、依赖特殊设备方法、静默式方法。前两种方法存在着用户体验感差、检测时间过长、应用场景有限的缺点。因此静默式检测方法被认为是最为理想的人脸活体检测方法。

静默式检测方法目前主要有两个研究重点：1)需要提取出一种高效的分类特征。2)检测算法在单一数据库中表现良好，在多数据的交叉验证中，精度下降明显。

所以如何选取一种高效的分类检测特征以及如何提高检测算法在数据库交叉验证中的精度下降问题，是当前研究领域急需解决的问题。

发明内容

为了解决上述的技术问题，本发明的目的就在于提取一种高效的分类特征和解决交叉验证精度下降问题，提供一种基于局部彩色纹理特征的人脸活体检测方法。

一种基于局部彩色纹理特征的人脸活体检测方法包括如下步骤：

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约为1：3，两眼间的距离与人脸宽度比例约为1：2，且人脸是左右对称的，可以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；