[发明专利]一种人脸活体检测方法及人脸识别设备

说明书

本发明适用于图像处理领域，提供了一种人脸活体检测方法及人脸识别设备。所述方法包括：检测图像中的人脸；生成与人脸相关的随机动作指令；采集图像序列；根据采集到的图像序列检测用户的人脸动作，根据人脸关键点的位置计算与每个随机动作指令相关的统计量，分别计算与每个随机动作指令相关的所有统计量的相对变化量，并根据相对变化量判断用户的人脸动作是否与随机动作指令一致，如果一致，则判定当前人脸为活体。本发明提供的人脸活体检测方法不需要借助状态机等来描述不同的统计量，可以大幅降低运算量，降低了算法的复杂度，提高了算法运算效率，可以在手机、平板等资源较少的嵌入式终端实现高效的人脸活体检测。

技术领域

本发明属于图像处理领域，尤其涉及一种人脸活体检测方法及人脸识别设备。

背景技术

为防止人脸照片、视频等非活体人脸对人脸识别系统的攻击，需要研究人脸活体检测方法。常用的人脸活体检测方法包括基于双目摄像的人脸活体检测方法、基于近红外摄像的人脸活体检测方法、基于机器学习的人脸活体检测方法以及基于随机动作指令的人脸活体检测方法。

基于双目摄像的人脸活体检测方法依据双目视觉原理计算面部各部位的深度信息，据此辨别当前对象是平面的人脸照片、视频还是活体人脸。但这类方法要求使用两个摄像头同时采集人脸图片。基于近红外摄像的人脸活体检测方法主要依据近红外光线下活体人脸和非活体人脸的纹理差异来检测人脸是否为活体，这类方法要求使用近红外光源以及滤镜。可见，基于双目摄像和基于近红外摄像的人脸活体检测方法都需要特殊的成像设备，不适用于目前常见的手机、平板等嵌入式终端。

基于机器学习的人脸活体检测方法通常采用大量活体人脸图像和非活体人脸图像进行训练来构建人脸活体检测分类器，优点是可以实现盲检测，缺点是很难构建完备的训练数据集，检测性能受成像质量影响较大，而且资源占用率较高，运算效率偏低，不易部署在手机、平板等嵌入式终端上使用。

基于随机动作指令的人脸活体检测方法要求用户按照随机指令进行运动，譬如张嘴、眨眼等，指令配合正确则判定人脸为活体。这种方法对成像条件和设备资源要求不高，在手机、平板等嵌入式终端的人脸活体检测领域应用较广。

然而，现有的基于随机动作指令的人脸活体检测方法计算效率偏低。如申请公布号为CN 105989264 A，发明名称为《生物特征活体检测方法及系统》的中国专利需要采用SVM或者回归等方式训练得到姿态估计分类器，然后使用训练得到在姿态估计分类器对人脸图像进行姿态和表情估计，运算量比较大；授权公告号CN 100592322 C，发明名称为《照片人脸与活体人脸的计算机自动鉴别方法》的中国专利需要采用条件随机场理论建立用于判断眨眼动作的模型，计算复杂度偏高；申请公布号为CN 106874876 A，发明名称为《一种人脸活体检测方法与装置》的中国专利还需要进行人脸识别，通过人脸识别从历史数据中获取目标人脸信息，而人脸识别的运算量相当大。

发明内容

本发明的目的在于提供一种能降低算法的复杂度、提高算法运算效率的人脸活体检测方法、计算机可读存储介质及人脸识别设备。

第一方面，本发明提供了一种人脸活体检测方法，所述方法包括：

S101、检测图像中的人脸；

S102、生成与人脸相关的随机动作指令；

S103、采集图像序列；

S104、根据采集到的图像序列检测用户的人脸动作，根据人脸关键点的位置计算与每个随机动作指令相关的统计量，分别计算与每个随机动作指令相关的所有统计量的相对变化量，并根据相对变化量判断用户的人脸动作是否与随机动作指令一致，如果一致，则判定当前人脸为活体。

第二方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的人脸活体检测方法的步骤。

第三方面，本发明提供了一种人脸识别设备，包括：