[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

说明书

本发明属于人脸识别技术领域，公开了一种基于红外线的人脸识别反欺骗方法、系统及终端，采用近红外线照相机获取用户的近红外线人脸图像；对采集到的近红外线人脸图像进行图像增强；构建基于卷积神经网络的人脸真实性分类器；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数据集训练基于卷积神经网络的人脸真实性分类器；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。如果分类器输出为伪造人脸，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。本发明解决了传统人脸识别技术安全性差或反欺骗能力不足的缺点，相比其他反欺骗方法具有更高精度与更强鲁棒性。

技术领域

本发明属于人脸识别技术领域，尤其涉及一种基于红外线的人脸识别反欺骗方法、系统及终端。

背景技术

目前，身份识别系统的研究开发对于社会生活和个人日常生活都非常重要。生物特征识别是一种根据人体自身所固有的生理特征(如手形、指纹、面部特征、虹膜、视网膜等)和行为特征(如笔迹、声音、步态)来进行个人身份鉴定的技术，相对于传统基于口令、身份卡等，它不需要另外携带、记忆，也不会丢失、损坏。而其中的人脸识别技术因其理论和实际应用的迅速发展，近年来越来越受到社会关注。但人脸信息容易泄露，人脸识别非常容易受到欺骗或伪造攻击。因此，研究具有防伪造攻击的人脸识别技术(即人脸反欺骗)就变得非常重要。

人脸反欺骗研究已取得了一些进展，出现了许多优秀的方法和算法。但是面对日益增强的新攻击手段，这些传统方法要么性能无法满足需求，要么根本无法适用。大体来说，传统人脸反欺骗解决思路分为以下四类：第一类是采用基于图像质量差异分析的方法，有研究者提出了基于单张人脸图像的人脸反欺骗方法，使用功率谱、LBP等分析图像频率和纹理，从而区分真实人脸和人脸打印照片。还有采用光照信息的工作，他们利用图片表面粗糙度或光照场来区分二者，取得了较好性能。然而该类方法的主要缺陷有对光照变化不具鲁棒性；第二类方法利用人脸部位(如眼睛和嘴唇等)的运动或交互动作来判断是否为活体人脸，该类方法通常用到一段人脸视频，且对静态人脸伪造图像较为有效，但遇到使用偷录人脸视频来进行攻击的情形容易失败；第三类方法是基于3D人脸结构的人脸反欺骗方法，该方法具有很高的人脸反欺骗性能，但是缺点是仅仅用于把真实三维人脸和二维人脸相片区分开，并不能应对3D人脸面具的攻击。而随着3D打印技术的出现，3D人脸面具的伪造变得比以前更加容易和廉价，因此需要研制新的人脸反欺骗方法来解决这个问题；第四类方法利用人脸区域和背景区域间的差异来区分真伪造人脸照片。如利用场景线索(scenicclue)的方法进行人脸反欺骗，还有使用上下文信息来进行人脸反欺骗的思路。

综上所述，传统的人脸反欺骗方法可以概括为：1、基于图像质量差异分析的方法；2、基于面部运动分析的方法；3、基于面部3D结构分析的方法；4、基于面部和背景分析的方法。

近红外线(Near Infrared，NIR)是介于可见光(ⅥS)和热红外之间的电磁波，按美国试验和材料检测协会定义是指波长在780～2526nm范围内的电磁波。经过试验测试发现，采用近红外线相机代替可见光相机作为人脸反欺骗的采集设备，在应对打印照片这一常用攻击手段时，由于打印照片与真实人脸所存在的材质信息和空间信息的不同，近红外线在采取到的图像上也会存在差异，借此，可以有效地区分出哪张是真实人脸，哪张是打印伪造照片。当使用更复杂的3D打印面具进行攻击时，由于面具材质和真实人脸皮肤的反射特性也差异较大，因此也可以区分出真实人脸和伪造攻击人脸。此外，红外线成像在人脸反欺骗过程中所受的外界影响比可见光成像更少。综合来说，采用近红外线而非传统的可见光进行人脸反欺骗攻击具有很大优势。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有人脸识别技术对人脸欺骗攻击常常忽略或考虑不周，容易受到伪造攻击；

(2)现有反欺骗技术很多都是基于传统手工设计的方式，使用复杂且准确性不高；

(3)现有反欺骗技术都有各自起作用的特殊情形，但通用性和鲁棒性较差；