[发明专利]人脸防欺诈方法及系统

说明书

本发明揭示了一种人脸防欺诈方法及系统，所述人脸防欺诈方法包括：步骤S1、获取人脸信息；步骤S2、检测获取的人脸信息，确定人脸区域；步骤S3、从人脸信息的人脸区域中提取人脸特征数据；排除眼睛、嘴唇、眉毛部位对应区域，得到皮肤区域分布图；步骤S4、调用人脸检测树状网络模型，检测获取的人脸信息是否为活体的人脸信息，得到检测结果。本发明提出的人脸防欺诈方法及系统，采用树状网络识别方式能同时识别多种欺诈方式，具有更强的反欺诈能力；可以有效阻挡PS换脸、视频、三维人脸模型、高清人像照片等各种不同类型的攻击。本发明无需用户配合，适应性好；同时，本发明无需额外设备，使用成本低。

技术领域

本发明属于人脸识别技术领域，涉及一种人脸识别方法，尤其涉及一种人脸防欺诈方法及系统。

背景技术

随着人脸识别技术的大规模商业化应用，各种欺诈手段层出不穷。防欺诈算法在人脸识别架构中的重要性越来越高。目前许多人脸识别系统的防欺诈算法只能针对部分场景，只能识别部分欺诈手段。主要方法有：

(1)基于视频交互的指令动作检测方式：首先系统进行人脸检测及人脸关键点定位，如果视频中存在人脸，则随机生成若干个动作，例如人脸左转、右转、张嘴、眨眼等。如果用户在规定时间内完成指定动作，则通过活体检测，反之则判定为非活体。但是这种检测方法很难防范视频欺诈；且用时较长，在移动端应用，尤其是低端手机上，经常会出现超时。

(2)基于亮瞳效应的人脸活体检测方法：通过检测人脸的眼睛区域是否存在亮瞳效应来区分活体人脸与非活体人脸。这种检测方法需要增加额外的光源设备，存在成本较高的缺陷。

(3)基于图像失真分析的人脸欺骗检测方法：首先系统进行人脸检测及人脸关键点定位。如果图片中存在人脸的话，则提取人脸中的各种特征。该方法提取的特征相对简单，判别能力不强且泛化能力不强，因此不能很好的在现实场景中应用。

(4)连续性检测。通过跟踪人脸特征点，来验证人脸运动轨迹是否正常，如果中途换人会出现异常则判定为欺诈。该方法能够检测过程中的照片替换攻击；但该方法必须和视频交互同时使用，并不能防止面具，假脸等攻击手段。

有鉴于此，如今迫切需要设计一种新的人脸防欺诈方式，以便克服现有人脸识别方式存在的上述至少部分缺陷。

发明内容

本发明提供一种人脸防欺诈方法及系统，可同时识别多种欺诈方式，具有更强的反欺诈能力。

为解决上述技术问题，根据本发明的一个方面，采用如下技术方案：

一种人脸防欺诈方法，所述人脸防欺诈方法包括：

步骤S1、获取人脸信息；

步骤S2、检测获取的人脸信息，确定人脸区域；

步骤S3、从人脸信息的人脸区域中提取人脸特征数据；排除眼睛、嘴唇、眉毛部位对应区域，得到皮肤区域分布图；

步骤S4、调用人脸检测树状网络模型，检测获取的人脸信息是否为活体的人脸信息，得到检测结果。

作为本发明的一种实施方式，步骤S4中，人脸检测树状网络模型设定树状网络的特征，树状网络的特征包括多棵可微分决策树，人脸检测树状网络模型中的每棵可微分决策树由树状网络算法生成；

这些可微分决策树是基于人脸数据集训练得到，人脸检测树状网络模型的树状网络算法通过训练人脸样本数据，得到一系列可微分决策树{T¹,T²,T³,…,T^K},来预测输出：

其中，x为输入的人脸特征；为预测值，代表该人脸是否有欺诈；K为树的数量，T^h为其中的某棵树；

每颗树的内部节点都对应概率函数：