[发明专利]基于三维眼球模型计算视线方向的人脸识别活体检测方法

说明书

本发明公开了一种基于三维眼球模型计算视线方向的人脸识别活体检测方法，包括：获取形成了预期的视线方向的人脸图像；检测图像中的人脸，获取人脸特征点，提取人脸的眼部区域；检测检测眼球中心和半径，建立三维眼球模型，并提取虹膜边缘进行圆拟合，确定最终的虹膜中心；获取虹膜中心和眼球中心，计算得到视线方向；将计算得到的视线方向与预期的视线方向对比，若不一致，则判定目标人脸为非活体；若一致，则判定目标人脸为活体。该计算方法简单，对图像要求较低，大大提高了活体检测的精确度和效率。

技术领域

本发明属于人脸识别技术领域，具体地涉及一种基于三维眼球模型计算视线方向的人脸识别活体检测方法及系统。

背景技术

随着科技的发展，生活住宅物联网化，办公高楼现代化，交通工具日益发达多样化等等，这些无疑都时时刻刻影响着人们的各个方面，从而人们对大到社会治安小到家庭住所的安全更加担忧；政府部门以及飞机场、高铁站、地铁站、海关等公共场所的人流控制、治安管理、潜在犯罪分析等等需求日益增长；大型公共场所比如体育场、足球场或者金融中心CBD等对人流及身份的监控，都需要用到人脸识别系统。如今人脸识别系统越来越多的应用于日常生活中，为了确保应用时的安全性，要求人脸识别系统能够防范照片、视频、三维人脸模型的干扰与仿冒，这就要用到活体检测技术。

活体检测算法主要分为三类：

(1)基于运动的方法，主要是通过分析图像帧序列的运动趋势，对图像的背景或者用户的无意识动作进行判定，但是计算过程复杂。

(2)基于纹理的方法，主要是通过找出单帧真实人脸和欺骗人脸的显著性区分特征进行活体判断，由于欺骗人脸在二次获取的过程中会带来质量下降、模糊等微纹理的变化，但是其只能处理低分辨率的打印照片攻击，对高清照片无效。

(3)基于融合的方法，即通过融合至少两种活体判别方法，达到抵御多种攻击形式的目的。该方法分为特征层融合方法和得分层融合方法，特征层融合方法是将多个特征串联进行融合，正处于研究阶段，而得分层融合方法是获取多个特征的得分，然后进行加权得到最终得分，但对于不同量纲、不同含义的特征，是无法准确地融合，影响活体识别的效率和精度。

因此，目前的活体检测方法存在计算方法复杂，对图像要求严苛等不足，严重影响活体检测的精确度或效率。

发明内容

针对上述存在的技术问题，本发明的目的是提供一种基于三维眼球模型计算视线方向的人脸识别活体检测方法及系统，计算方法简单，对图像要求较低，大大提高了活体检测的精确度和效率。

本发明的技术方案是：

一种基于三维眼球模型计算视线方向的人脸识别活体检测方法，包括以下步骤：

S01：获取形成了预期的视线方向的人脸图像；

S02：检测图像中的人脸，获取人脸特征点，提取人脸的眼部区域；

S03：检测检测眼球中心和半径，建立三维眼球模型，并提取虹膜边缘进行圆拟合，确定最终的虹膜中心；

S04：获取虹膜中心和眼球中心，计算得到视线方向；

S05：将计算得到的视线方向与预期的视线方向对比，若不一致，则判定目标人脸为非活体或者跳转至步骤S01；若一致，则判定目标人脸为活体。

优选的技术方案中，所述步骤S01中预期的视线方向的形成包括，在屏幕上显示预设的指示点，提示用户注视屏幕上的指示点并持续一定时间，得到预期的视线方向。

优选的技术方案中，所述步骤S03具体包括以下步骤：

S31：根据眼部区域特征点计算左右眼的虹膜半径R_i、眼球中心(u_e,v_e)和眼球半径R_e；