[发明专利]一种基于WLD-TOP的活体人脸检测方法

摘要

本发明公开了一种基于WLD‑TOP的活体人脸检测方法，包括以下步骤：(1)训练阶段：读取训练集视频，对每一帧进行人脸区域检测，并转换成灰度人脸图像帧序列，构造三维图像矩阵，然后构造滤波模板并计算WLD特征，再生成WLD‑TOP特征向量，最后将特征向量输入SVM分类器进行训练，从而建立SVM模型；(2)测试阶段：对于测试的图像序列，对每一帧进行人脸检测并转换为灰度人脸图像序列，然后构造三维图像矩阵及滤波模板，计算WLD特征，生成WLD‑TOP特征向量，最后送入训练好的SVM模型，得出活体人脸检测结果。本发明利用韦伯定理，在LBP‑TOP基础上，不仅体现了邻域像素和中心像素的大小关系，还量化了邻域像素和中心像素的差异，使得描述子的特征更加全面。

主权项

一种基于WLD‑TOP描述子的活体人脸检测方法，其特征在于，包括下述步骤：S1、训练阶段：读取训练集视频，对每一帧进行人脸区域检测，并转换成灰度人脸图像帧序列，构造三维图像矩阵，然后构造滤波模板并计算WLD特征，再生成WLD‑TOP特征向量，最后将特征向量输入SVM分类器进行训练，从而建立SVM模型；S2、测试阶段：对于测试的图像序列，对每一帧进行人脸区域检测并转换为灰度人脸图像帧序列，然后构造三维图像矩阵及滤波模板，计算WLD特征，生成WLD‑TOP特征向量，最后送入训练好的SVM模型，得出活体人脸检测结果；步骤S1中，构造滤波模板并计算WLD特征的方法为：分别选取X、Y坐标边界阈值L_X、L_Y，确定WLD描述子的滑动滤波模板长度p，构成p*p的滤波模板对三维图像矩阵I的三个正交平面XY、XT和YT，分别利用WLD方法的p*p滤波模板计算除去边界阈值后的各中心像素点的差分激励ξ和方向梯度Φ_t，计算方法如下:首先假设计算的中心点是x_c，它的八个相邻点分别是x_i,i＝0,...,p²‑1，定义令v₁＝x₅‑x₁,v₂＝x₇‑x₃，取定义令其中θ'∈[0,2π)，S是方向梯度特征的维数，则Φ_t＝0,1,...,S‑1，由上述步骤得到WLD的描述子{ξ'(x_c),Φ_t}；步骤S1中，WLD‑TOP计算过程为：首先对ξ'(x_c)作如下归一化：故ξ(x_c)取值为0到N‑1这N个整数值；Φ_t归一化到用整数0到S‑1表示的S个方向，以XY平面为例，对WLD{ξ(x_c),Φ_t}二维直方图进行降维，固定Φ_t，求对应的ξ(x_c)子直方图，根据S维的Φ_t分为S组子直方图，按照Φ_t从小到大的顺序依次连接这S个子直方图，定义f(x,y)＝N×Φ_t+ξ(x_c)，则XY平面的直方图h_i,XY＝∑_x,yM{f(x,y)＝i},i＝0,1,...,NΦ_t‑1，其中从而构成NΦ_t维的WLD直方图H_XY，再用此法得到三个正交平面(n＝0:XY,n＝1:XT,n＝2:YT)的直方图h_i,n＝∑_x,y,tM{f(x,y,t)＝i},i＝0,1,...,NΦ_t‑1，将它们转为NΦ_t维的行向量H_n，依次前后连接，生成3NΦ_t维的WLD‑TOP特征行向量H_WT＝[H₀ H₁ H₂]。