[发明专利]人脸活体检测方法及装置

说明书

本发明公开了一种人脸活体检测方法及装置，该方法包括：采集待检测人脸图像；对待检测人脸图像进行特征提取处理，生成多种特征图像；将待检测人脸图像和特征图像输入至预先通过机器学习训练得到的人脸活体检测分类模型中，输出人脸活体检测结果；对待检测人脸图像进行特征提取处理，生成多种特征图像，包括：对待检测人脸图像进行光照归一化处理，生成光照归一化处理图像；采用LBP算法对待检测人脸图像进行特征提取处理，生成纹理特征图像；将待检测人脸图像由RGB颜色空间转换为HSV空间，生成HSV图像；对待检测人脸图像进行DCT变换，生成频谱图像。本发明检测时间较短，对人脸活体检测的精度较高，可以减少光照对于识别的影响。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种人脸活体检测方法及装置。

背景技术

随着生物特征识别技术的不断发展和进步，人脸识别基于其具有可视化、符合人的思维习惯的特点，在商业、安全等领域得到了广泛应用。然而人脸识别系统容易受到非法用户的恶意攻击，这给人脸识别系统的安全性能带来了很大的威胁。针对恶意攻击，设计一个检测精度高、耗时短、鲁棒性强、泛化能力强的人脸反欺骗系统至关重要。而人脸识别系统的反欺骗检测则又称为人脸活体检测。

现有技术所采用的活体检测技术可以分为两类：一类基于多帧图片或视频序列进行计算，采用交互式或者非交互式的检测模式，通过分析连续多帧图像中的动作信息，鉴别人脸的真实性，但是这类方法计算复杂，所需时间长。另一类是基于单帧图片输入，通过分析图片中的纹理、频谱、反光程度等特征进行鉴别，但是此类方法依赖于大量伪造人脸所共有的判断性特征，对人脸活体检测的精度较低。

发明内容

本发明实施例提供一种人脸活体检测方法，检测过程简单，所需时间较短，对人脸活体检测的精度较高，该方法包括：

采集待检测人脸图像；

对所述待检测人脸图像进行特征提取处理，生成多种特征图像；

将所述待检测人脸图像和所述特征图像输入至预先通过机器学习训练得到的人脸活体检测分类模型中，输出人脸活体检测结果；

对所述待检测人脸图像进行特征提取处理，生成多种特征图像，包括：

对所述待检测人脸图像进行光照归一化处理，生成光照归一化处理图像；

采用LBP算法对所述待检测人脸图像进行特征提取处理，生成纹理特征图像；

将所述待检测人脸图像由RGB颜色空间转换为HSV空间，生成HSV图像；

对所述待检测人脸图像进行DCT变换，生成频谱图像

可选的，对所述待检测人脸图像进行光照归一化处理，生成光照归一化处理图像，包括：

对所述待检测人脸图像进行伽马变换；

对进行伽马变换后的图像进行高斯差分滤波；

对进行高斯差分滤波后的图像进行直方图均衡化处理，生成光照归一化处理图像。

可选的，所述方法还包括：

在将所述待检测人脸图像和所述特征图像输入至预先通过机器学习训练得到的人脸活体检测分类模型中时，为不同类型的特征图像配置不同的权重系数。

可选的，对所述待检测人脸图像进行特征提取处理之前，所述方法还包括：

对所述待检测人脸图像进行预处理操作，所述预处理操作包括：滤波、去噪、二值化操作。

可选的，所述采集待检测人脸图像之后，还包括：

利用基于Viola-Jones算法的检测器对待检测人脸图像进行检测，获取人脸区域图像；