[发明专利]基于3D点云几何特征的人脸活体检测方法

权利要求书

1.一种基于3D点云几何特征的人脸活体检测方法，其特征在于：包括以下步骤：

步骤101：预先采集大量的真人3D点云数据，对采集的真人3D点云数据进行预处理，得到大量预处理过的真人3D人脸点云；

步骤102：对所有预处理过的真人3D人脸点云，利用鼻尖点的坐标找到鼻尖点周围最近邻的N个点，对鼻尖点和最近邻的N个点，以第一个人的鼻尖点坐标为基准，计算其余人脸的鼻尖点坐标与第一个人的鼻尖点坐标的差，对齐鼻尖点，利用鼻尖点坐标差，平移其余人脸的N个点云坐标，最后通过求所有预先采集的真人3D人脸点云在这N个点的平均坐标，得到鼻子平均点云，按照上述方法计算得到真人的左眼、右眼、左嘴角以及右嘴角的平均点云；

步骤103：根据步骤102得到的5个关键点周围区域内的点云，利用每个点最近邻的5个点坐标，估计出每个点的法向量；

步骤104：对于平均脸的左眼、右眼、鼻尖、左嘴角、右嘴角这5个关键点，分别计算五个关键点最近邻的M个点，利用这个M个点的点云坐标和法向量信息计算关键点周围的M个点区域内的每个点上的FPFH；

步骤105：对关键点周围M个点的区域内的每个点云，对上述104步骤得到的每个关键点周围的M个点的FPFH特征求平均，每个关键点都得到一个33维的特征，将平均脸的五个关键点周围得到的平均FPFH特征依次串联起来，得到165维的总特征f_mean；

步骤106：采集测试人脸的3D点云数据，对采集的测试人脸3D点云数据进行裁剪、填洞以及去噪预处理，得到测试人脸3D模型；

步骤107：检测出预处理之后的测试人脸的左眼、右眼、鼻尖、左嘴角以及右嘴角这5个关键点，参照步骤103-105的方法，并分别计算测试人脸的五个关键点周围M个点的FPFH特征的平均值，串联起来得到165维的总特征f_test；

步骤108：计算平均脸的165维FPFH总特征f_mean与测试人脸的165维FPFH总特征f_test的欧氏距离d；

步骤109：计算不同的真人的总FPFH特征和平均脸的总FPFH特征的欧氏距离，取欧氏距离的最小值作为阈值，判断该测试人脸与平均脸的总FPFH特征的欧式距离d与阈值的大小，若距离大于阈值则判定当前测试为真人，否则认为是攻击。

2.如权利要求1所述基于3D点云几何特征的人脸活体检测方法，其特征在于：所述步骤101还包括以下步骤：对所有预先采集的真人3D点云数据，统计经过预处理后的点云数目，若预处理后的点云数目超过30000，则需要对点云进行用随机采样的降采样处理，保留原始点云的80％，若点云数目少于10000，则需要对点云进行插值，得到更加稠密的点云。

3.如权利要求1所述基于3D点云几何特征的人脸活体检测方法，其特征在于：所述步骤102中鼻子平均点云的计算方法具体为：假设预先采集了S个真人的人脸，nose_i(i＝1…S)表示第i个人的鼻尖点坐标，F_ij(i＝1…S，j＝1…N)表示预处理之后第i个真人人脸的鼻尖点的第j个最近邻点坐标，P_ij(i＝1…S，j＝1…N)表示经过鼻尖点坐标校准之后的第i个真人人脸的鼻尖点的第j个最近邻点坐标，校准的公式为：

P_ij＝F_ij-(nose_i-nose₁)     (1)

表示鼻尖点的平均点云的第j个点坐标，则

对鼻尖点附近的N个点均按公式(2)来计算，即得到鼻尖点的平均点云。

4.如权利要求1所述基于3D点云几何特征的人脸活体检测方法，其特征在于：所述步骤103中估计点云的法向量是利用点云的附近邻域的点来拟合平面来实现的，该点的法向量即为拟合平面的法线方向。

5.如权利要求1所述基于3D点云几何特征的人脸活体检测方法，其特征在于：所述步骤106还包括以下步骤：对预处理后的测试点云参照进行降采样处理或插值处理，保证测试的点云和平均脸点云的点云采样的一致性。