[发明专利]基于3D点云几何特征的人脸活体检测方法

说明书

本发明涉及一种基于3D点云几何特征的人脸活体检测方法，根据若干真人的3D点云数据，计算得到平均脸点云，根据该平均脸点云计算以真人平均脸的左眼、右眼、鼻尖、左嘴角以及右嘴角为中心得到的FPFH特征，将FPFH特征串联后得到平均脸的FPFH总特征；计算测试人脸左眼、右眼、鼻尖、左嘴角以及右嘴角五个关键点的FPFH特征，将FPFH特征串联后得到测试人脸的FPFH总特征；计算测试人脸的FPFH总特征和平均脸的总特征的欧氏距离，若距离大于阈值则判定为真人，否则认为是攻击。本方法不需要用户进行进行复杂的配合指令，灵活性较好，能很轻松地防御纸质打印攻击、视频重放攻击，甚至对于弯曲、褶皱的照片也能实现防御。

技术领域

本发明涉及图像处理技术领域，具体涉及基于3D点云几何特征的人脸活体检测方法。

背景技术

目前，随着图像处理和计算机视觉技术的进步和发展，人脸识别在日常生活中的应用越来越广泛，在享受人脸识别技术给人们生活带来便捷的同时，识别人脸欺骗，提高人脸识别安全性显得尤为重要。当前的人脸活体检测方法大多是基于2D图像来实现的，通过提取2D纹理图片的特征，利用机器学习或者深度学习方法。这些方法受光照场景、姿态、表情等影响较大，不同的环境和场景下，检测的效果不够稳定，利用3D人脸点云可以减少光照和姿态这些因素带来的影响，提高检测的精度。现有的一些相机设备如RealSense SR300等，利用结构光点云可以很方便得到3D人脸点云，使得利用3D点云来实现活体检测变得现实可行。现有的基于3D的点云的人脸防伪方法，直接用3D点云坐标，没有充分挖掘点云几何信息，只考虑了点云坐标点信息，且没有深度提取3D人脸点云的整体特征，特征描述很单一，对弯曲或者褶皱打印照片攻击难以防御。这些方法如：防视频、照片欺骗的人脸活体检测方法(2019106964037)，一种三维脸部活体检测方法、脸部认证识别方法及装置(201810777429X)，人脸的活体检测方法、装置、计算机设备及可读介质(2018100443154)，用于活体检验的方法和装置，电子设备和存储介质(2019102398251)等。

发明内容

本发明的目的是为解决上述技术问题的不足，提供基于3D点云几何特征的人脸活体检测方法，本方法不需要用户进行复杂的配合指令，灵活性较好，能很轻松地防御纸质打印攻击、视频重放攻击，甚至对于弯曲、褶皱的照片也能实现防御。

本发明为解决上述技术问题的不足，所采用的技术方案是：基于3D点云几何特征的人脸活体检测方法：根据若干真人的3D点云数据，计算得到平均脸点云，根据该平均脸点云计算以真人平均脸的左眼、右眼、鼻尖、左嘴角以及右嘴角为中心得到的FPFH特征，将FPFH特征串联后得到平均脸的FPFH总特征；

计算测试人脸左眼、右眼、鼻尖、左嘴角以及右嘴角五个关键点的FPFH特征，将FPFH特征串联后得到测试人脸的FPFH总特征；

计算测试人脸的FPFH总特征和平均脸的FPFH总特征的欧氏距离，若距离大于阈值则判定为真人，否则认为是攻击。

作为本发明基于3D点云几何特征的人脸活体检测方法的进一步优化：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；