[发明专利]一种基于特征融合的人脸活体检测方法

说明书

本发明公开了一种基于特征融合的人脸活体检测方法，包括：步骤S100：获取图像信息，进行手指检测，若检测到含有手指特征，则发出警示，并重新获取图像信息；若无，进入下一步；步骤S200：提取图像信息中的蓝光分量特征和摩尔纹特征，并进行特征融合后输入判别模型；步骤S300：判别模型区分输入图像是否为人脸仿冒，得到识别结果。本发明解决通过手持攻击设备进行人脸仿冒以及屏幕仿冒的场景，提高活体检测的准确性和鲁棒性；将蓝光分量特征转化为颜色直方图，相对于像素点特征更容易捕捉，鲁棒性更高，并且不受图像旋转和平移变化的影响；将摩尔纹特征转化为傅立叶描述子，简化判别模型训练和识别的复杂度。

技术领域

本发明涉及人脸识别技术领域，具体的说，是一种基于特征融合的人脸活体检测方法。

背景技术

活体检测是当生物特征信息从合法用户那里取得时，判断该生物特征信息是否从具有生物活体的合法用户身上获取的方法。该方法主要是通过识别活体上的生理信息来进行，把生理信息作为生命特征来区分用照片、硅胶、塑料、纸张等非生命物质伪造的生物特征。在部分身份验证场景中,活体检测一般是作为一种确认用户生理特征的方法。

人脸识别技术的普及给人们带来便利的同时,也引发了人们对该方法安全性的思考，例如人脸支付和人脸解锁的应用容易遭受到以照片、视频或纸张的仿冒攻击，所以活体检测在上述应用中扮演着极其重要的角色。

现有的解决方案大多是配合式活体检测,这属于当前应用范围最广,最成熟的人脸活体检测算法之一,其原理是当检测到人脸后,通过人脸关键点去检测眨眼,张嘴,摇头,抬头等动作,在根据程序生成的验证动作做出符合要求的动作即判定当前人脸为活体。该算法安全性较高并且容易实现，缺点是需要配合识别，用户体验一般。现有的非配合式活体检测如静默活体检测，主要包括光流法，基于LBP特征的检测，基于卷积神经网络的检测，基于结构光的检测等，通过提取人脸特有的特征信息识别活体，优点是检测速度快，无需配合，用户体验较好；该方法的缺点是在场景多样化的活体检测任务时，会出现泛化能力不足的问题，造成误报和漏报较高。

发明内容

本发明的目的在于提供一种基于特征融合的人脸活体检测方法，用于解决现有技术中配合式人脸活体检测需要用户配合完成相应动作，验证时间长以及非配合式活体检测方法在场景多样化时误报和漏报率高的问题。

本发明通过下述技术方案解决上述问题：

一种基于特征融合的人脸活体检测方法，包括：

步骤S100：获取图像信息，进行手指检测，若检测到含有手指特征，则发出警示，并重新获取图像信息；若无，进入下一步；

步骤S200：提取图像信息中的蓝光分量特征和摩尔纹特征，并进行特征融合后输入判别模型；

步骤S300：判别模型区分输入图像是否为人脸仿冒，得到识别结果。

采用手指特征、蓝光分量和摩尔纹特征融合的检测方法，不需要用户配合完成相应动作，且通过同一图像的不同维度提取特征，融合决策性能优于单个特征的性能，提高了检测的准确性。

进一步地，所述步骤S100中采用手指检测分类器进行手指检测，所述手指检测分类器的训练过程包括：

步骤A：收集正样本和负样本，所述正样本为手持终端且终端显示的仿冒人脸图像；负样本为不包括手指的真人面部图像；

步骤B：对正样本和负样本进行处理：调整图像大小，构建正样本和负样本的txt文件，以及构建正样本手指位置的info文件，并通过opencv视觉库生成vec文件；

步骤C：训练数据，得到finger_cascade.xml文件，将finger_cascade.xml文件应用于代码中进行输入图像的手指检测，即得到手指检测分类器。

进一步地，所述步骤S200中蓝光分量特征的获取方法为：