[发明专利]一种基于颜色分析的人脸欺骗检测方法

说明书

本发明涉及一种基于颜色分析的人脸欺骗检测方法，属于数字图像处理和模式识别领域。该方法包括以下步骤：图像预处理阶段：从视频中将人脸区域裁剪成128×128大小的图像块；特征提取阶段：通过局部二值模式和颜色距提取图像的特征；分类阶段：把局部二值模式与颜色距特征向量融合，然后用支持向量机进行分类得出结果。本发明方法能够在纹理特征的基础上添加颜色信息，应用在人脸欺骗检测中可以更好的帮助系统学习真实人脸和仿冒人脸之间的颜色信息。同时与其他引入颜色信息的方法相比我们的方法拥有更小的计算量，更快的计算速度。

技术领域

本发明属于数字图像处理和模式识别领域，涉及局部二值模式等技术，具体涉及一种基于颜色分析的人脸欺骗检测方法。

背景技术

随着人脸识别的广泛应用，越来越多不法分子企图用照片或者视频等手段仿冒真实人脸来通过人脸识别，对用户造成了严重损失。为了保障人脸识别的安全性，人脸欺骗检测技术必不可少。

人脸欺骗攻击根据入侵者使用的攻击媒介的不同可以分为3类，打印照片攻击，视频攻击，面具攻击。由于成本低，使用方便，攻击者最常使用打印照片或者视频来进行欺骗攻击。

为了应对不同的人脸欺骗攻击，学者们提出了多种基于特征提取的欺骗检测方法。根据使用描述子的不同可分为4类：基于纹理的方法，基于面部运动的方法，基于图像质量分析的方法和基于其他线索的方法。基于纹理的方法仅需单张图片即可进行识别，速度快，不需要用户配合，实现简单。但是纹理特征受环境因素影响大，因此泛化性差。鉴于面部运动特征是多帧视频的相对特征，因此，基于面部运动的方法具有更好的泛化能力。相对的，运动特征的提取要花更长的时间，不具备即时性，并且容易被无关背景物体运动混淆。基于图像质量分析的方法不需要用户配合，速度快，效果较好，在不同场景中泛化性比较好。但是这种方法对于图像质量有一定要求。基于其他线索的方法是使用硬件提供额外信息。这种方法鲁棒性比较好，但是需要额外的设备，比如近红外，闪光灯等，成本较高，不易实现。

仿冒图像是使用用户照片或者视频再次拍摄得到的二次成像图片。真实人脸与仿冒人脸之间存在一些图像质量上的差异，理论依据就是二次成像图片在通过两个不同的拍摄系统和一个打印系统或者播放设备后，会比同样条件下提取的真实人脸图像质量更低，也会出现图片模糊等现象。同时，二次成像图像也更容易受到视频噪声信号或者无关背景信息的干扰，从而造成其他图像质量问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于颜色分析的人脸欺骗检测方法，使得更有效的将纹理特征与颜色特征相融合，通过在HSV与YCbCr通道上提取局部二值模式与颜色距特征，让特征向量对颜色纹理及颜色分布进行表达，以实现在图像质量上区分假冒人脸和真实人脸。

为达到上述目的，本发明提供如下技术方案：

一种基于颜色分析的人脸欺骗检测方法，包括以下步骤：

S1：图像预处理阶段：从视频中将人脸区域裁剪成128×128大小的图像块；

S2：特征提取阶段：通过局部二值模式和颜色距提取图像的特征；

S3：分类阶段：将局部二值模式与颜色距特征向量融合，然后用支持向量机进行分类得出结果。

进一步，所述步骤S1具体包括以下步骤：

S11：在每个视频中随机提取30帧图像作为某一类的样本；

S12：根据双眼之间距离将图像中的人脸区域裁剪成128×128大小的图像块。此操作是为了剔除图片背景信息，防止背景信息对欺骗检测产生不好影响。

进一步，所述步骤S2具体包括以下步骤：

S21：将输入RGB图像转到HSV与YCbCr颜色空间；