[发明专利]一种基于红外线的人脸识别反欺骗方法、系统及终端

权利要求书

1.一种基于红外线的人脸识别反欺骗方法，其特征在于，所述基于红外线的人脸识别反欺骗方法包括：

第一步，使用近红外线照相机采集用户的近红外线人脸图像；

第二步，对采集到的近红外线人脸图像进行相应的图像预处理与图像增强；其中使用级联图像增强的方法，即先使用BM3D算法进行降噪，再使用拉普拉斯算子进行锐化；

第三步，使用深度学习理论构建基于卷积神经网络的近红外线人脸真实性分类器；

第四步，构建近红外线下的真实与伪造人脸数据集，并使用该近红外线人脸训练集来训练基于卷积神经网络的人脸真实性分类器；

第五步，对用户输入人脸进行反欺骗测试，如果系统输出为真实人脸，判断用户属于真实身份，并允许接入后续的人脸识别过程；如果分类器输出为假人脸，判断用户属于欺骗攻击，禁止其接入后续人脸识别过程，并做报警处理。

2.如权利要求1所述的基于红外线的人脸识别反欺骗方法，其特征在于，所述第一步使用近红外照相机来采集用户的人脸图像，所用近红外照相机波段为950nm-3000nm。

3.如权利要求1所述的基于红外线的人脸识别反欺骗方法，其特征在于，所述第二步包括：

(1)先使用BM3D去噪的方法对红外人脸图像去噪，对给定图像的二维片段，将相似的图像邻域叠加在一起，构建三维数组；采用块匹配方法实现分组任务，块匹配方法在视频压缩中广泛应用于运动估计；协作过滤，给定一组n个图像块，将生成总共n个估计值，每组片段一个估计值，实现一个有效的协同过滤的收缩变换域；

(2)再使用拉普拉斯锐化的方法对图像进行锐化处理，重新恢复需要的边界信息，拉普拉斯锐化过程为：首先用拉普拉斯算子求二阶导数：

其中，x和y方向分量为：

其中I(x,y)为输入图片，和分别是沿x轴和y轴的方向导数；

最后得到锐化图像，将经过Laplacian算子处理后的输出添加到原始输入图像中：

I_sh(x,y)为锐化输出图像，c为调整所需锐化程度的权重。

4.如权利要求1所述的基于红外线的人脸识别反欺骗方法，其特征在于，所述第三步采用多尺度卷积神经网络(CNN)构建人脸真实性分类器，首先对送入网络的图像进行3个不同尺度的卷积，卷积核分别为1×1、3×3和5×5，卷积核数量分别为6、5和5，步长为1；紧接着将得到的不同尺度下的特征图进行多尺度拼接，得到多尺度红外人脸特征；然后再经过重复5次的基本卷积模块，该基本卷积模块包含若干次密集卷积运算和一次池化运算；最后经过两个全连接层以得到二分类的真实性分类器；

其中基本卷积模块的密集卷积层数为可变的，由具体应用和数据集而定；卷积核大小为3×3，步长为1，卷积核数量为16；池化层的池化核大小为2×2，步长为2，池化模式为最大值下采样。

5.如权利要求1所述的基于红外线的人脸识别反欺骗方法，其特征在于，所述第四步使用近红外线相机翻拍活体下的真实人脸图像，得到非活体下的伪造近红外线人脸图像；使用采集到的图像构建近红外线下的真实与伪造人脸对数据集，并使用该近红外线下的真实与伪造人脸对数据集来训练基于卷积神经网络的人脸真实性分类器。

6.一种实施权利要求1～5任意一项所述基于红外线的人脸识别反欺骗方法的基于红外线的人脸识别反欺骗系统，其特征在于，所述基于红外线的人脸识别反欺骗系统软件部分包括：

红外线采集模块，用于采用近红外线照相机获取用户的近红外线人脸图像；

图像预处理模块，对采集到的近红外线人脸图像裁剪，缩放和灰度化；

图像增强模块，用于对预处理后的近红外线人脸图像进行图像增强；

人脸真实性分类器构建模块，用于构建基于卷积神经网络的人脸真实性分类器；

真实与伪造人脸数据集构建模块，用于构建红外线下的真实与伪造人脸数据集，并使用该红外线下的真实与伪造人脸数据集训练基于卷积神经网络的人脸真实性分类器；

人脸真实性判断模块，用于对人脸图像的真实性进行判断，其中模块包含了已达到最优的人脸真实性分类器。