[发明专利]一种基于近红外与可见光双目摄像头的活体人脸检测方法

摘要

本发明公开了一种基于近红外与可见光双目摄像头的活体人脸检测方法，属于接收机视觉及安防领域。本发明利用红外摄像头下、视频和大部分纸张不能呈现图像的特性有效的防止了视频中伪造人脸的攻击，利用近红外摄像头和可见光摄像头下真实人脸与照片人脸纹理差异和颜色差异，训练的分类模型可以有效地区分人脸是来自真实人脸还是照片中的伪造人脸。本发明的活体检测的正确率高，能有效的防止了视频、照片常见手段中的伪造人脸的攻击。本发明不仅在正确率上相比传统算法做出了很大的提升，保证了安全性，而且不需要用户配合机器做出相应的动作或表情，提升了用户的体验感。

主权项

一种基于近红外与可见光双目摄像头的活体人脸检测方法，其特征在于，包括下列步骤：(1)活体人脸分类模型的训练步骤：采集训练样本，包括近红外摄像头下拍摄的真实人脸图片GNIR，对应GNIR的近红外伪造人脸图片NNIR、可见光伪造人脸图片VNIR；可见光摄像头下拍摄的真实人脸图片GVIS、对应GVIS的近红外伪造人脸图片GVIS；样本清洗：计算训练样本的人脸的侧脸角度，剔除侧脸角度大于阈值的训练样本；对清洗后的训练样本进行图像预处理：计算训练样本的人脸平面旋转角度，对图片做旋转变换，使眼睛保持在图片中的水平位置；再截取只包含人脸区域的人脸图片，并进行尺寸归一化处理；训练近红外摄像头下区分真实人脸和可见光伪造人脸的第一活体人脸分类模型：对预处理后的训练样本进行第一正负样本划分：将真实人脸图像GNIR作为第一正样本；伪造人脸图片NNIR和VNIR作为第一负样本；提取第一正负样本的纹理特征向量：提取第一正负样本的8位和16位二值编码模式下的Uniform LBP特征，并分别对两种编码模式下的Uniform LBP特征进行直方图统计，得到第一正负样本的两类初始纹理特征向量；分别按井字形将第一正负样本均分为9个图像子块，并提取各图像子块的8位二值编码模式下的Uniform LBP特征并进行直方图统计，得到图像子块的纹理特征向量；拼接各正负样本的两类初始纹理特征向量和9个图像子块的纹理特征向量，得到样本的纹理特征向量；基于第一正负样本的纹理特征向量，进行SVM分类模型训练，得到能够区别真实人脸和可见光伪造人脸图像的第一活体人脸分类模型；训练可见光摄像头下区分真实人脸和近红外伪造人脸的第二活体人脸分类模型：对预处理后的训练样本进行第二正负样本划分：将真实人脸图像GVIS作为第二正样本；将伪造人脸图像NVIS作为第二负样本；提取第二正负样本的颜色特征向量：将第二正负样本图片转换到Lab颜色空间，并对Lab颜色空间的a通道和b通道进行直方图统计，得到统计结果Sa、Sb，并将Sa和Sb拼接成一个向量，作为样本的颜色特征向量；基于第二正负样本的颜色特征向量，进行SVM分类模型训练，得到能够区别真实人脸和红外伪造人脸图像的第二活体人脸分类模型；(2)活体人脸检测步骤：分别采集待检测对象在近红外摄像头和可见光摄像头下的一段满足检测时长的图像视频，对应近红外摄像头的记为第一图像视频，对应可见光摄像头的记为第二图像视频；判断第一和第二图像视频是否同时存在人脸，若否，则判定待检测对象为非活体人脸；若是，则分别从第一和第二图像视频中提取一帧匹配的人脸帧图像，得到第一、二人脸帧图像；其中匹配的人脸帧图像为：两个图像视频中帧时间相同且人脸侧脸角度在预设范围内的一帧图像；基于第一、二人脸帧图像进行活体人脸检测：采用与训练样本相同的图像预处理方式，对第一、二人脸帧图像进行图像预处理后；再采用提取训练样本的纹理特征向量、颜色特征向量的特征提取方式，提取第一、二人脸帧图像的纹理特征向量和颜色特征向量；基于第一活体人脸分类模型和第一人脸帧的纹理特征向量，获取待检测对象的第一分类结果；基于第二活体人脸分类模型和第一人脸帧的纹颜色征向量，获取待检测对象的第二分类结果；若第一、二分类结果均为活体人脸，则当前待检测对象为活体人脸；否则为非活体人脸。