[发明专利]一种多视点的人脸活体检测方法及系统有效

专利信息
申请号: 202110229182.X 申请日: 2021-03-02
公开(公告)号: CN112801038B 公开(公告)日: 2022-07-22
发明(设计)人: 米建勋;乔冬;陈涛;向菲;钱基业;江金洋 申请(专利权)人: 重庆邮电大学
主分类号: G06V40/16 分类号: G06V40/16;G06V40/40
代理公司: 成都行之专利代理事务所(普通合伙) 51220 代理人: 喻英
地址: 400000 重*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 视点 活体 检测 方法 系统
【权利要求书】:

1.一种多视点的人脸活体检测方法,其特征在于,包括步骤:

S1.同时从正面、左侧和右侧三个角度采集人脸图片,对采集的人脸图片进行活体初步判断,若三个角度采集的人脸图片都满足活体初步判断条件,则进入S2;

S2.获取每张人脸图片中的人脸关键点的坐标位置;

S3.基于人脸关键点的坐标位置计算每张人脸图片中的人脸关键点距离向量,并对人脸关键点距离向量进行预处理得到特征关键点距离向量;

S4.任意选取由每张人脸图片中同一序号的人脸关键点生成的一组特征关键点距离向量并输入已训练好的分类模型中进行分类;

S5.根据分类结果输出当前采集的人脸图片中的人脸是否来自于真实人脸;S3具体为:

以某一人脸关键点作为基础点,使用欧式计算基础点到其他人脸关键点之间的距离得到当前基础点的人脸关键点距离向量,人脸关键点距离向量的维数等于人脸关键点的数目减1;

所述预处理过程包括:

将人脸关键点距离向量中的每个元素都除以同一特征距离得到初步特征距离向量;

在同一基础点条件下,将获得的左侧采集的人脸图片的初步特征距离向量与正面采集的人脸图片的初步特征距离向量对应元素相加作为向量1、右侧采集的人脸图片的初步特征距离向量与正面采集的人脸图片的初步特征距离向量对应元素相加作为向量2,把向量2的元素以序号增大的顺序依次添加到向量1后,以此拼接成一个行向量作为特征关键点距离向量,特征关键点距离向量的维数是人脸关键点数目的两倍再减2。

2.根据权利要求1所述的一种多视点的人脸活体检测方法,其特征在于,从正面、左侧和右侧三个角度采集人脸图片时,采集装置位于同一水平线上,且左侧采集设备和右侧采集设备分别偏离正面人脸的度数需要满足在该角度下能拍到人脸的两边轮廓。

3.根据权利要求1所述的一种多视点的人脸活体检测方法,其特征在于,若三个角度采集的人脸图片中有任意一个角度采集的人脸图片不满足活体初步判断条件,则返回重新从正面、左侧和右侧三个角度采集人脸图片。

4.根据权利要求1所述的一种多视点的人脸活体检测方法,其特征在于,所述人脸关键点为人脸面部的关键区域位置的点,所述关键区域包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓。

5.根据权利要求4所述的一种多视点的人脸活体检测方法,其特征在于,所述人脸关键点至少需要覆盖脸部轮廓、眉毛和眼睛。

6.根据权利要求1所述的一种多视点的人脸活体检测方法,其特征在于,所述同一特征距离为当前人脸图片中距眉心最近关键点和距离下巴顶点最近关键点之间的距离。

7.根据权利要求1所述的一种多视点的人脸活体检测方法,其特征在于,设人脸关键点的数目为p,数据集中有真实人脸的数据j条,照片人脸的数据k条,历史样本数据集A∈R(2p-2)×(j+k)

S4中分类模型的目标函数表示为:

其中y∈R(2p-2)×1是待分类的特征关键点距离向量,λ和μ是权衡参数,A1∈R(2p-2)×j是A中类别为真实人脸的数据,A2∈R(2p-2)×k是A中类别为照片人脸的数据,x∈R(j+k)×1是待求解系数,x1∈Rj×1是x中与A1对应的系数,x2∈Rk×1是x中与A2对应的系数,为计算L2范数的平方。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110229182.X/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top