[发明专利]一种快速活体检测的方法与系统

说明书

本发明公开了一种快速活体检测的方法与系统，属于活体检测领域。通过构建真实人脸图像和二次拍摄人脸图像的多尺度、多旋转角度下的频谱图，将频谱图在水平和垂直方向上的投影向量作为特征向量，既能够充分提取到图像的摩尔纹特征，又无需依赖复杂的神经网络结构，实现了对视频重播攻击手段的快速检测。利用人脸图像的面部总体信号与局部感兴趣信号的相关性来构建血容积分布，在此基础上计算频率峰值分布，结合阈值分割模型实现了对包含生理信号区域的精准定位，能够对高仿真面具和高清图片攻击进行高精度检测。本发明无需指定面部动作配合检测，仅通过采集面部视频即可进行综合检测，覆盖了主要的活体检测攻击方式，具备高的检测精度及检测速度。

技术领域

本发明涉及图像处理领域，尤其涉及一种快速活体检测的方法与系统。

背景技术

当前，基于信号处理技术和深度学习技术实现活体攻击检测具有较高的实用价值，因此是当前研究的热点和难点。活体检测多应用于安全验证，对活体攻击检测精度、检测速度和检测范围都有着较高的要求，往往需要待检测对象随机实施指定的面部动作配合检测，但是这种检测方式并不能完全防止高精度仿真面具攻击等手段，而且在检测过程中用户易感到不适或尴尬。在现有技术中普遍存在的问题：检测方式或手段单一，无法有效覆盖大部分典型的活体检测攻击手段，且单一检测方法易存在明显的漏洞，容易被识别和利用。

发明内容

为了提升针对活体检测攻击行为的识别，本发明提出了一种快速活体检测的方法与系统，该方法能够基于摄像头拍摄的视频和活体攻击手段所具有的特定的信号特征，结合信号处理技术和深度学习技术实现了对视频重播攻击、高精度面具及图像攻击的检测，所提出的方法易于工程实现，且具备较高的检测精度和速度。

本发明的目的是通过以下技术方案来实现的：

本发明的其中一个目的在于提供一种快速活体检测的方法，包括以下步骤：

步骤1，获取真实人脸视频中的帧图像序列，将帧图像序列中的图像进行多尺度放大并表示成频谱图，将频谱图以固定角度旋转后投影到水平和垂直方向上，将多次固定角度旋转后的投影结果连接起来，得到多尺度真实图像的特征向量；

步骤2，对真实人脸视频中的帧图像序列进行二次多尺度拍摄并表示成频谱图，采用步骤1的方法提取多尺度二次拍摄图像的特征向量；

步骤3，利用多尺度真实图像的特征向量和多尺度二次拍摄图像的特征向量对神经网络模型进行训练；利用训练好的神经网络模型对待进行活体检测的视频进行检测，检测结果为活体或非活体；

步骤4，提取待进行活体检测的视频对应的人脸图像序列，标记人脸图像中的关键点；提取人脸图像序列的面部总体信号集合和局部感兴趣信号集合，根据面部总体信号和局部感兴趣信号的相关性得到血液容积分布；利用阈值分割模型对血液容积分布对应的直方图序列进行分割，得到包含生理信号的第一局部区域位置集合；

步骤5，获取第一局部区域位置集合中的局部感兴趣信号的频率峰值，将频率峰值的均值作为参考频率峰值，计算所有局部感兴趣信号的频率峰值分布；利用阈值分割模型对所有局部感兴趣信号的频率峰值分布对应的直方图序列进行分割，得到包含生理信号的第二局部区域位置集合；

步骤6，将第一局部区域位置集合和第二局部区域位置集合的交集作为最终局部区域位置集合；根据人脸图像中的关键点确定考察区域，计算最终局部区域位置集合与所述考察区域的交叠比，若交叠比大于阈值，则判断为活体，否则，判断为非活体；

步骤7，若步骤3和步骤6的检测结果均为活体，则最终判断结果为活体，否则，最终判断为非活体。

进一步的，步骤1中，将频谱以固定角度旋转，旋转后的频谱表示为：