CN104915649B - 一种应用于人脸识别的活体检测方法 - Google Patents

Abstract

本发明公开了一种应用于人脸识别的活体检测方法，该方法包括：对当前识别环境的背景进行建模；人脸检测，获取人脸位置和大小，同时作为下一次检测人脸的初始位置；采用SSIM方法计算输入人脸图像的背景和建模背景图像之间的相似度；检测到人脸时，利用超声波测量摄像头与障碍物之间的距离，同时利用逻辑回归模型获取分类概率值f；SSIM值和f值线性组合，得到最终结果R，R小于一定阈值时认为是欺骗攻击。本发明方法检测的成功率高，稳定性好。

Description

一种应用于人脸识别的活体检测方法

技术领域

本发明属于生物特征识别安全领域，特别是一种应用于人脸识别的活体检测方法。

背景技术

随着人脸识别技术的迅速发展和广泛应用，其安全性也受到严峻的挑战。欺骗攻击依然是人脸识别系统的致命威胁。通常而言，在人脸识别领域，有三种欺诈手段：

a.使用合法用户的照片；

b.使用合法用户的视频；

c.使用合法用户的三维模型。

相片攻击是最廉价、最方便的欺骗手段，因为人脸图像非常容易得到，比如网上下载、摄像头偷拍等。入侵者可以旋转、移动和弯曲照片造成类似合法用户真人效果去欺骗人脸识别系统。目前来看，检测一张输入图像是真实人脸或者是照片人脸依旧是一件有挑战性的工作。视频欺诈可以呈现出的效果和真实人脸效果非常相似，如头部运动、脸部表情和眨眼运动等。制造一个人的三维模型也绝非易事。

为了检测这些欺骗手段，提出了各种活体检测方法。大致可以分为四类，第一类是检测人脸固有的特征，包括眨眼检测，频谱分析等。眨眼检测根据用户无意识的行为特征，但是不能解决虚假视频的问题。依据假设：照片的高频成分低于活体人脸图像，频谱分析也是进行活体检测的一种方法。只是此方法需要高分辨率的图像。第二类是利用光源或者传感设备等，热图像传感器在红外光下，通过探测活体人脸和虚假图像的反射区别检测欺骗攻击。第三类是从视频和音频中提取特征信息，人说话时嘴部运动和声音是同步的。最后一类需要用户的参与，如用户被要求说一句话，通过语音识别和嘴部运动验证它们是否同步来进行活体检测。实际应用中，最后一类是效果最好的，但是它不友好，需要用户参与。第二类方法需要增加设备，加大花费的成本。

发明内容

本发明的目的在于提供一种应用于人脸识别的活体检测方法。

实现本发明目的的技术解决方案为：一种应用于人脸识别的活体检测方法，步骤如下：

步骤1、对捕获人脸处背景进行建模，具体采取平均帧的方法，即选取多张背景图片，进行图像预处理，之后求取平均帧；

步骤2、在输入的视频图像中对人脸进行检测，具体是采用harr特征和adaboost相结合的方法进行检测，如果检测到人脸则输出人脸的位置和大小之后执行步骤3，否则不处理；

步骤3、测量图像背景的相似度，具体是将步骤1中建模的背景和步骤2中的输入视频图像中人脸区域去除，之后采用结构相似性方法确定图像的相似度；

步骤4、采用超声波测距法测量摄像头和人脸的距离，并初步判断是否为活体；

步骤5、将步骤3、步骤4的结果进行线性组合，判断是否是活体，如果是则结果有效，否则，结果无效。

本发明与现有的技术相比，其显著优点为：(1)本发明的检测的成功率高，稳定性好；(2)不需要用户刻意去配合，很友好；(3)解决高清照片或者高清视频欺骗人脸识别系统的问题；(4)识别系统不需要更换原有低分辨摄像头，检测过程简单，计算快。

附图说明

图1是本发明的应用于人脸识别的活体检测方法的流程图。

图2是背景相似度对比的流程图。

图3是超声波测距场景示意图。

具体实施方式

结合附图，本发明的一种应用于人脸识别的活体检测方法，步骤如下：

步骤1、对捕获人脸处背景进行建模，具体采取平均帧的方法，即选取多张背景图片，进行图像预处理，之后求取平均帧；所述背景图片的数量大于等于十张，进行图像预处理具体是对图片进行去噪和灰度化处理。

步骤2、在输入的视频图像中对人脸进行检测，具体是采用harr特征和adaboost相结合的方法进行检测，如果检测到人脸则输出人脸的位置和大小之后执行步骤3，否则不处理；

步骤3、测量图像背景的相似度，具体是将步骤1中建模的背景和步骤2中的输入视频图像中人脸区域去除，之后采用结构相似性方法确定图像的相似度；采用结构相似性方法确定图像的相似度具体为：

步骤3-1、对图像亮度进行比较，所用公式为：

μ_x为去除人脸区域后建模背景的图像均值，μ_y为去除人脸区域后的输入视频图像的图像均值，C₁为常数，l(x,y)为图像亮度比较结果；

步骤3-2、对图像的对比度进行比较，所用公式为：

σ_x为去除人脸区域后建模背景的图像的方差，σ_y为去除人脸区域后的输入视频图像的方差，C₂为常数，c(x,y)为图像的对比度比较结果；

步骤3-3、对图像的结构进行对比，所用公式为：

σ_xy为去除人脸区域后建模背景的图像和去除人脸区域后输入视频图像的协方差，C₃为常数；

步骤3-4、确定图像的相似度，所用公式为：

SSIM(x，y)＝[l(x，y)]^α·[c(x，y)]^β·[s(x，y)]^γ，

式中，α＝1,β＝1,γ＝1，SSIM值为

常数的取值为：

C₁＝(k₁*L)²,

C₂＝(k₂*L)²,

C₃＝C₂/2，

k₁,k₂均远小于1，数量级为10^-2，L为像素最大值，取值为255。

步骤4、采用超声波测距法测量摄像头和人脸的距离，并初步判断是否为活体；采用超声波测距法测量摄像头和人脸的距离，并初步判断是否为活体时，所用的模型为：

式中，单位采用cm；θ^Tx＝θ₀+θ₁x₁；x是距离组成的向量(1,x₁)，x₁为距离样本，0≤f＜1，f值越接近于0，虚假的可能越大，θ₀、θ₁为待求解系数。

步骤5、将步骤3、步骤4的结果进行线性组合，判断是否是活体，如果是则结果有效，否则，结果无效。将步骤3、步骤4的结果进行线性组合，所用公式为：

R＝α·SSIM+β·(f(x))，

其中，α+β＝1，0≤R≤1，δ为阈值，如果R＜δ，当前视频图像中不是活体，即来人脸图像来自于照片或者视频，相反，认为人脸图像来自于活体。

下面结合实施例并配合附图对本发明做进一步详细的描述。

实施例1

接合图1至图3，本发明的一种人脸识别的活体检测方法，具体包括以下步骤：

步骤1、对捕获人脸处背景进行建模，具体采取平均帧的方法，即选取多张背景图片，进行图像预处理，之后求取平均帧；背景图片的数量大于等于十张，进行图像预处理具体是对图片进行去噪和灰度化处理。

步骤2、在输入的视频图像中对人脸进行检测，具体是采用harr特征和adaboost相结合的方法进行检测，如果检测到人脸则输出人脸的位置和大小之后执行步骤3，否则不处理；

步骤3、测量图像背景的相似度，具体是将步骤1中建模的背景和步骤2中的输入视频图像中人脸区域去除，之后采用结构相似性方法确定图像的相似度；采用结构相似性方法确定图像的相似度具体为：

步骤3-1、对图像亮度进行比较，所用公式为：

μ_x为去除人脸区域后建模背景的图像均值，μ_y为去除人脸区域后的输入视频图像的图像均值，C₁为常数，l(x,y)为图像亮度比较结果；

步骤3-2、对图像的对比度进行比较，所用公式为：

σ_x为去除人脸区域后建模背景的图像的方差，σ_y为去除人脸区域后的输入视频图像的方差，C₂为常数，c(x,y)为图像的对比度比较结果；

步骤3-3、对图像的结构进行对比，所用公式为：

σ_xy为去除人脸区域后建模背景的图像和去除人脸区域后输入视频图像的协方差，C₃为常数。

步骤3-4、确定图像的相似度，所用公式为：

SSIM(x，y)＝[l(x，y)]^α·[c(x，y)]^β·[s(x，y)]^γ，

式中，α＝1,β＝1,γ＝1，SSIM值为

式中，C₁＝(k₁*L)²,

C₂＝(k₂*L)²,

C₃＝C₂/2，

k₁,k₂均远小于1，数量级为10^-2，L为像素最大值，取值为255。

步骤4、采用超声波测距法测量摄像头和人脸的距离，并初步判断是否为活体；采用超声波测距法测量摄像头和人脸的距离，并初步判断是否为活体时，所用的模型为：

式中，单位采用cm；θ^Tx＝θ₀+θ₁x₁；X是距离组成的向量(1,x₁)，x₁为距离样本，0≤f＜1，f值越接近于0，虚假的可能越大，θ₀、θ₁为待求解系数。求解过程如下，若有包含真实人脸距离和虚假人脸距离两类数据的m个样本，设真实人脸距离为第1类样本，虚假人脸距离为第0类样本，且第1类样本的概率为

其中y为样本类别。然后对下式进行极大似然估计求解θ₀、θ₁

X_i是第i个样本距离值x_i组成的向量(1,x_i)，y_i为X_i对应的类别。

步骤5、将步骤3、步骤4的结果进行线性组合，判断是否是活体，如果是则结果有效，否则，结果无效。进行线性组合，所用公式为：

R＝α·SSIM+β·(f(x))，

其中，α+β＝1，0≤R≤1，α＝0.6，δ为阈值，取值为0.5。如果R＜δ，当前视频图像中不是活体，即来人脸图像来自于照片或者视频，相反，认为人脸图像来自于活体。

由上可知，本发明的检测的成功率高，稳定性好；不需要用户刻意去配合，很友好；解决高清照片或者高清视频欺骗人脸识别系统的问题。

Claims (4)

1.一种应用于人脸识别的活体检测方法，其特征在于，步骤如下：

步骤1、对捕获人脸处背景进行建模，具体采取平均帧的方法，即选取多张背景图片，进行图像预处理，之后求取平均帧；所述背景图片的数量大于等于十张，进行图像预处理具体是对图片进行去噪和灰度化处理；

步骤2、在输入的视频图像中对人脸进行检测，具体是采用harr特征和adaboost相结合的方法进行检测，如果检测到人脸则输出人脸的位置和大小之后执行步骤3，否则不处理；

步骤3、测量图像背景的相似度，具体是将步骤1中建模的背景和步骤2中的输入视频图像中人脸区域去除，之后采用结构相似性方法确定图像的相似度；采用结构相似性方法确定图像的相似度具体为：

步骤3-1、对图像亮度进行比较，所用公式为：

μ_x为去除人脸区域后建模背景的图像均值，μ_y为去除人脸区域后的输入视频图像的图像均值，C₁为常数，l(x,y)为图像亮度比较结果；

步骤3-2、对图像的对比度进行比较，所用公式为：

σ_x为去除人脸区域后建模背景的图像的方差，σ_y为去除人脸区域后的输入视频图像的方差，C₂为常数，c(x,y)为图像的对比度比较结果；

步骤3-3、对图像的结构进行对比，所用公式为：

σ_xy为去除人脸区域后建模背景的图像和去除人脸区域后输入视频图像的协方差，C₃为常数；

步骤3-4、确定图像的相似度，所用公式为：

SSIM(x,y)＝[l(x,y)]^α·[c(x,y)]^β·[s(x,y)]^γ,

式中，α＝1,β＝1,γ＝1，SSIM值为

步骤4、采用超声波测距法测量摄像头和人脸的距离，并初步判断是否为活体；

步骤5、将步骤3、步骤4的结果进行线性组合，判断是否是活体，如果是则结果有效，否则，结果无效。

2.根据权利要求1所述的一种应用于人脸识别的活体检测方法，其特征在于，步骤4中采用超声波测距法测量摄像头和人脸的距离，并初步判断是否为活体时，所用的模型为：

式中，单位采用cm；θ^Tx＝θ₀+θ₁x₁；x是距离组成的向量(1,x₁)，x₁为距离样本，0≤f<1，f值越接近于0，虚假的可能越大，θ₀、θ₁为待求解系数。

3.根据权利要求1或2所述的一种应用于人脸识别的活体检测方法，其特征在于，将步骤3、步骤4的结果进行线性组合，所用公式为：

R＝α·SSIM+β·(f(x))，

其中，α+β＝1，0≤R≤1，δ为阈值，如果R<δ，当前视频图像中不是活体，即来人脸图像来自于照片或者视频，相反，认为人脸图像来自于活体。

4.根据权利要求1所述的一种应用于人脸识别的活体检测方法，其特征在于，常数的取值为：

C₁＝(k₁*L)²,

C₂＝(k₂*L)²,

C₃＝C₂/2，

k₁,k₂均远小于1，数量级为10^-2，L为像素最大值，取值为255。