[发明专利]人脸框检测方法及模块和活体人脸验证方法及系统

说明书

本发明公开了一种人脸框检测方法，包括以下步骤：在人脸图片中获取第一人脸框；在第一人脸框中获取预定义关键点；根据预定义关键点获取第二人脸框；根据第一人脸框或第二人脸框，以及第一人脸框与第二人脸框间距离计算获得第三人脸框。本发明还公开了一种人脸框检测模块、一种活体人脸验证方法和一种活体人脸验证系统。本发明提供的人脸框检测方法及模块能快速、准确的检测出人脸框，能避免人脸框区域选取过大及过小所造成的干扰信息及错识。本发明提供的活体人脸验证方法及系统能显著提高活体人脸验证的速度和准确性。

技术领域

本发明涉及计算机领域，特别是一种用于人脸识别技术的人脸框检测方法和一种人脸框检测模块。本发明还涉及一种活体人脸验证方法和一种活体人脸验证系统。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。通过采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

人脸的特征提取是人脸识别的关键技术，常见的开源人脸特征提取技术包括：Openface、Face_recognition、Insightface，通过对人脸特征的提取进而实现人脸的比对识别。

活体人脸识别技术在刷脸支付、刷脸取款、人脸门锁、门禁闸机、自动身份验证等设备上具有广泛的应用前景。活体识别是活体人脸识别的基础，然而人脸的复制非常容易实现，包括复制人脸照片（打印纸质照片，电子屏幕照片）攻击，人脸视频回放攻击、人脸3D结构模组仿制攻击。相比于指纹和虹膜，人脸等生物特征，活体人脸识别系统正朝着方便快捷、非接触式、成本低等特点的商业化模式发展。虽然，人脸识别技术可以识别人脸图像的身份，但不能准确地区分人脸输入的真实性；但是，如何自动有效地区分人脸图像的活体属性，还是非活体属性是人脸图像的真实性和抵御欺骗攻击的重要保障。因此，人脸活体识别是活体人脸识别技术亟待解决的问题。

通过传统分析图像的纹理特征，活体和非活体有比较明显的差异，采用局部二值（Local Binary Patterns，LBP）方法可以有效地解决图片和活体的区分，然而在3D人脸情况下，存在误识的情况。颜色差异是基于统计的方法，统计出活体和非活体的颜色差异的直方图，判别人脸活体与非活体，在这种情况下，一些高分辨率的图片难以区分。

近年采用深度学习的人脸活体识别方法，卷积神经网络能够自动提取图像的有效特征，避免了传统设计特征算法提取特征模式的单一性，并且能够保证特征的尺度不变性，旋转不变性。将人脸活体与非活体按照多种尺度对其进行裁剪，得到不同尺度的裁剪图像，将多个不同尺度的裁剪图像输入神经网络进行训练，一定程度上提高了人脸活体检测的准确性，然而针对图像的尺寸裁剪靠固定值判断，不能能很好的定位出人脸区域，造成活体人脸检测/验证错误。例如：验证活体人脸识别过程中，人脸区域选取太大，会导致非人脸部分的干扰信息增多，则会出现活体识别成非活体的概率增加，导致误判的场景增多。另外，人脸区域选择太小，针对3D人脸结构，打印的图片攻击活体人脸识别系统出现错识的情况增大。因此整个人脸区域的选择的好坏直接影响活体人脸识别的准确性和稳定性。

发明内容

在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

本发明要解决的技术问题是提供一种能快速、准确检测出人脸框的人脸框检测方法。

本发明要解决的另一技术问题是提供一种能快速、准确检测出人脸框的人脸框检测模块。

本发明要解决的再一技术问题是提供一种基于上述人脸框检测方法能快速、准确进行活体人脸验证的活体人脸验证方法。