CN104794465A - 一种基于姿态信息的活体检测方法 - Google Patents

Abstract

本发明涉及一种基于姿态信息的活体检测方法，包括：1)检测输入视频中每帧图像上的人脸位置；2)获取人脸关键点及关键点所组成的人脸形状；3)基于人脸3D模型对所述人脸形状进行归一化处理，并获得所述人脸形状相对于人脸3D模型的旋转角度；4)将连续多帧图像的旋转角度连成一条曲线，判断该曲线是否满足设定要求，若是，则执行步骤5)，若否，则判断为虚假人脸，退出；5)判断旋转角度最大的一帧图像中人脸肤色区域面积比例是否大于K，若是，则判断为真实人脸，若否，则判断为虚假人脸。与现有技术相比，本发明具有误报率低、速度快等优点。

Description

一种基于姿态信息的活体检测方法

技术领域

本发明涉及一种人脸检测技术，，尤其是涉及一种基于姿态信息的活体检测方法。

背景技术

人脸识别作为一种身份认证技术在公共安防、考勤门禁等领域已获得成功。但是，传统人脸识别技术未考虑目标人脸的真伪，因此容易受到虚假人脸的攻击。如果虚假人脸攻击成功，有可能对用户造成重大损失，因此可靠且高效的人脸活体检测技术成为人脸验证系统的重要组成部分。

基于人机交互的活体检测方法由于其可靠性高得到越来越广泛的应用。但是常见方法会要求用户完成闭眼、张嘴、皱眉等动作。这些动作不够自然，用户体验不好。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种误报率低、速度快的基于姿态信息的活体检测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于姿态信息的活体检测方法，包括：

1)检测输入视频中每帧图像上的人脸位置；

2)获取人脸关键点及关键点所组成的人脸形状；

还包括：

3)基于人脸3D模型对所述人脸形状进行归一化处理，并获得所述人脸形状相对于人脸3D模型的旋转角度；

4)将连续多帧图像的旋转角度连成一条曲线，判断该曲线是否满足设定要求，若是，则执行步骤5)，若否，则判断为虚假人脸，退出；

5)判断旋转角度最大的一帧图像中人脸肤色区域面积比例是否大于K，若是，则判断为真实人脸，若否，则判断为虚假人脸。

所述步骤3)中，人脸形状相对于人脸3D模型的旋转角度的计算方法为：

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{ccc}{f}_x& 0& c_x\\ 0& f_y& c_y\\ 0& 0& 1\end{array}\right]\left[\begin{array}{cccc}{r}_{11}& r_{12}& r_{13}& t_1\\ r_{21}& r_{22}& r_{23}& t_2\\ r_{31}& r_{32}& r_{33}& t_3\end{array}\right]\left[\begin{array}{c}X\\ Y\\ Z\\ 1\end{array}\right]$

其中，(u,v)为关键点的位置，f_x、f_y为镜头焦距，c_x、c_y为图像中心位置，(X,Y,Z)是关键点在一张人脸3D模型上的坐标， $r^{*}=\left[\begin{array}{ccc}{r}_{11}& r_{12}& r_{13}\\ r_{21}& r_{22}& r_{23}\\ r_{31}& r_{32}& r_{33}\end{array}\right]$ 是旋转矩阵， $t^{*}=\left[\begin{array}{c}{t}_1\\ t_2\\ t_3\end{array}\right]$ 是人脸中心的位移，通过r^*计算得到旋转角度。

所述步骤4)中，设定要求同时包括：a)满足指令需求，所述指令包括左转或右转；b)最大旋转角度达到角度设定值。

所述角度设定值大于10度。

优选地，所述角度设定值为20度。

所述步骤5)中，判断旋转角度最大的一帧图像中人脸肤色区域面积比例是否大于K的具体方法为：

501)根据步骤2)获得的关键点，获得人脸的正脸区域；

502)对获得的正脸区域训练获得对应于专人的肤色分类器；

503)对旋转至最大角度的图像，通过肤色分类器获得当前人脸肤色区域；

504)判断当前人脸肤色区域面积与正脸时的人脸肤色区域面积比是否大于K。

所述K取值为1.5。

所述步骤1)采用AdaBoost分类器检测人脸位置。

所述步骤2)中，获取人脸关键点的具体过程为：

201)利用HoG与SVM结合的方式进行第一轮关键点检测，每个关键点有K种选择；

202)利用全局形状信息，采用N-Best方式，在K^N种可能中获取组成人脸形状关键点最优解，N为关键点数目，采用分支定界方式进行截枝处理，获得最终形态组合；

203)计算步骤202)中获得的每种组合的置信度，选取置信度高的一个组合。

所述置信度由两部分构成：

a)步骤201)中利用HoG方式得到的置信度；

b)不同关键点之间的位置关系。

与现有技术相比，本发明具有以下优点：

(1)本发明通过检测人脸旋转的最大角度、及肤色区域是否满足要求来判断是否为活体，满足误报率小于百分之一且通过率要超过98％的指标；

(2)本发明方法中采用的算法具有速度快的优势，提高了人脸的检测速率，处理3～5秒的视频只需0.5秒时间；

(3)本发明基于姿态变化进行活体人脸检测，用户只需要根据提示左右旋转，用户体验好。

附图说明

图1为本发明的流程示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

如图1所示，本实施例提供一种基于姿态信息的活体检测方法，包括：

步骤S01，采用AdaBoost分类器检测输入视频中每帧图像上的人脸位置，输入视频为一段在规定指令下旋转的3～5秒的人脸视频。

步骤S02，获取人脸关键点的具体过程为：

201)利用HoG与SVM结合的方式进行第一轮关键点检测，每个关键点有K种选择；

202)利用全局形状信息，采用N-Best方式，在K^N种可能中获取组成人脸形状关键点最优解，N为关键点数目，采用分支定界方式进行截枝处理，获得最终形态组合；

203)计算步骤202)中获得的每种组合的置信度，选取置信度高的一个组合。该要求满足高斯分布，该高斯分布事先根据统计得到。

置信度由两部分构成：a)步骤201)中利用HoG方式得到的置信度；b)不同关键点之间的位置关系。

步骤S03，基于人脸3D模型对所述人脸形状进行归一化处理，并获得所述人脸形状相对于人脸3D模型的旋转角度，的计算方法为：

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{ccc}{f}_x& 0& c_x\\ 0& f_y& c_y\\ 0& 0& 1\end{array}\right]\left[\begin{array}{cccc}{r}_{11}& r_{12}& r_{13}& t_1\\ r_{21}& r_{22}& r_{23}& t_2\\ r_{31}& r_{32}& r_{33}& t_3\end{array}\right]\left[\begin{array}{c}X\\ Y\\ Z\\ 1\end{array}\right]$

其中，(u,v)为关键点的位置，f_x、f_y为镜头焦距，c_x、c_y为图像中心位置，(X,Y,Z)是关键点在一张人脸3D模型上的坐标， $r^{*}=\left[\begin{array}{ccc}{r}_{11}& r_{12}& r_{13}\\ r_{21}& r_{22}& r_{23}\\ r_{31}& r_{32}& r_{33}\end{array}\right]$ 是旋转矩阵， $t^{*}=\left[\begin{array}{c}{t}_1\\ t_2\\ t_3\end{array}\right]$ 是人脸中心的位移，通过r^*采用现有公式即可计算得到旋转角度。

步骤S04，将连续多帧图像的旋转角度连成一条曲线，判断该曲线是否满足设定要求，若是，则执行步骤5)，若否，则判断为虚假人脸，退出。

所述设定要求同时包括：a)满足指令需求，所述指令包括左转或右转；b)最大旋转角度达到角度设定值。角度设定值大于10度，本实施例中采用20度。

上述设定要求只要有一条不满足，就判断为虚假人脸。这两点判断排除来自视频的虚假人脸攻击(不会安装指令完成)和来自平面照片的虚假人脸攻击(最大旋转角度无法达到10度以上)，但是无法处理来自弯曲图像的虚假人脸攻击。

步骤S05，判断旋转角度最大的一帧图像中人脸肤色区域面积比例是否大于K，若是，则判断为真实人脸，若否，则判断为虚假人脸。

真实人脸的旋转和弯曲图像的旋转还有一个明显区别：真实人脸旋转时会露出脸颊区域，肤色面积更大，而图像是不可能增加肤色面积区域。判断旋转角度最大的一帧图像中人脸肤色区域面积比例是否大于K的具体方法为：

501)根据步骤2)获得的关键点，获得人脸的正脸区域；

502)对获得的正脸区域训练获得对应于专人的肤色分类器；

503)对旋转至最大角度的图像，通过肤色分类器获得当前人脸肤色区域；

504)判断当前人脸肤色区域面积与正脸时的人脸肤色区域面积比是否大于K，K取值为1.5。

该方法满足误报率小于百分之一且通过率要超过98％的指标，同时该方法具有速度快的优势，处理3～5秒的视频只需0.5秒时间。

Claims (9)

1.一种基于姿态信息的活体检测方法，包括：

1)检测输入视频中每帧图像上的人脸位置；

2)获取人脸关键点及关键点所组成的人脸形状；

其特征在于，还包括：

3)基于人脸3D模型对所述人脸形状进行归一化处理，并获得所述人脸形状相对于人脸3D模型的旋转角度；

4)将连续多帧图像的旋转角度连成一条曲线，判断该曲线是否满足设定要求，若是，则执行步骤5)，若否，则判断为虚假人脸，退出；

5)判断旋转角度最大的一帧图像中人脸肤色区域面积比例是否大于K，若是，则判断为真实人脸，若否，则判断为虚假人脸。

2.根据权利要求1所述的基于姿态信息的活体检测方法，其特征在于，所述步骤3)中，人脸形状相对于人脸3D模型的旋转角度的计算方法为：

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{ccc}{f}_x& 0& c_x\\ 0& f_y& c_y\\ 0& 0& 1\end{array}\right]\left[\begin{array}{cccc}{r}_{11}& r_{12}& r_{13}& t_1\\ r_{21}& r_{22}& r_{23}& t_2\\ r_{31}& r_{32}& r_{33}& t_3\end{array}\right]\left[\begin{array}{c}X\\ Y\\ Z\\ 1\end{array}\right]$

其中，(u,v)为关键点的位置，f_x、f_y为镜头焦距，c_x、c_y为图像中心位置，(X,Y,Z)是关键点在一张人脸3D模型上的坐标， $r^{*}=\left[\begin{array}{ccc}{r}_{11}& r_{12}& r_{13}\\ r_{21}& r_{22}& r_{23}\\ r_{31}& r_{32}& r_{33}\end{array}\right]$ 是旋转矩阵， $t^{*}=\left[\begin{array}{c}{t}_1\\ t_2\\ t_3\end{array}\right]$ 是人脸中心的位移，通过r^*计算得到旋转角度。

3.根据权利要求1所述的基于姿态信息的活体检测方法，其特征在于，所述步骤4)中，设定要求同时包括：a)满足指令需求，所述指令包括左转或右转；b)最大旋转角度达到角度设定值。

4.根据权利要求3所述的基于姿态信息的活体检测方法，其特征在于，所述角度设定值大于10度。

5.根据权利要求1所述的基于姿态信息的活体检测方法，其特征在于，所述步骤5)中，判断旋转角度最大的一帧图像中人脸肤色区域面积比例是否大于K的具体方法为：

501)根据步骤2)获得的关键点，获得人脸的正脸区域；

502)对获得的正脸区域训练获得对应于专人的肤色分类器；

503)对旋转至最大角度的图像，通过肤色分类器获得当前人脸肤色区域；

504)判断当前人脸肤色区域面积与正脸时的人脸肤色区域面积比是否大于K。

6.根据权利要求1或5所述的基于姿态信息的活体检测方法，其特征在于，所述K取值为1.5。

7.根据权利要求1所述的基于姿态信息的活体检测方法，其特征在于，所述步骤1)采用AdaBoost分类器检测人脸位置。

8.根据权利要求1所述的基于姿态信息的活体检测方法，其特征在于，所述步骤2)中，获取人脸关键点的具体过程为：

201)利用HoG与SVM结合的方式进行第一轮关键点检测，每个关键点有K种选择；

202)利用全局形状信息，采用N-Best方式，在K^N种可能中获取组成人脸形状关键点最优解，N为关键点数目，采用分支定界方式进行截枝处理，获得最终形态组合；

203)计算步骤202)中获得的每种组合的置信度，选取置信度高的一个组合。

9.根据权利要求8所述的基于姿态信息的活体检测方法，其特征在于，所述置信度由两部分构成：

a)步骤201)中利用HoG方式得到的置信度；

b)不同关键点之间的位置关系。