CN105320947B - 一种基于光照成分的人脸活体检测方法 - Google Patents

Abstract

本发明公开了一种基于光照成分的人脸活体检测方法，本发明所采用的方法既不依赖于复杂的三维重构，也不依赖于人脸特征点检测，而侧重提取人脸照片中的光照信息进行活体检测，可以安全地区分真实人脸和照片人脸，并且在进行检测时，仅需要用户随意地摆动头部，而不需要严格地在特定时间做不同种动作，用户体验比较友好；由于本发明不依赖于人脸特征点检测，避免特征点检测所带来的准确度下降、计算复杂等不足；同时本发明不涉及人脸三维恢复，这样计算速度较快，可以进行实时处理。

Description

一种基于光照成分的人脸活体检测方法

技术领域

本发明涉及一种基于光照成分的人脸活体检测方法。

背景技术

近几年来，生物特征识别技术有了长足的进展，常用的生物特征有人脸、指纹、虹膜等。用生物特征进行个人身份识别在全球有着广泛的应用，通过这些生物特征信息可以准确地区分真实登陆者和伪造登陆者。但是，生物特征识别存在着各种各样的威胁，比如用伪造的人脸、指纹和虹膜的照片进行登陆等等。判别向系统提交的生物特征是否来自有生命的个体，防止恶意伪造者通过窃取他人的生物特征用于身份识别，形成了生物特征识别系统的活体检测。人脸识别技术由于其具有方便、易于为人接受等优点，近年来被广泛用于身份识别、视频监测及视频资料检索分析方面。但是，在人脸识别技术从研究走向实际应用的过程中，必须解决人脸识别技术的安全性威胁。通常，伪造登陆人脸识别系统的形式可以归为以下几种：照片人脸，人脸视频片断，仿造的三维人脸模型。其中，照片人脸较其它方式更加容易获得,也最多出现在伪造登陆人脸识别系统中。为了使人脸识别系统能够走向实用，需要设计能够抵御照片人脸登陆威胁的人脸活体检测系统。人脸活体检测和人脸识别是相辅相成的，人脸活体检测技术的成熟与否决定着人脸识别是否能走向实际应用。

在人脸活体检测领域，现有的检测方法，主要有下面几种：1)通过运动来估计三维深度信息。真实人脸和照片人脸的不同之处在于真实人脸是有深度信息的三维物体，而照片是二维的平面，因此可以通过借助人脸的转头运动获取多张照片来重构三维人脸，从而区别真实人脸与照片人脸。这种方法的缺点在于三维人脸重构需要对多张照片中的人脸特征点进行精准跟踪，而目前这个技术尚存在较大调整。另外，基于三维人脸重构的方法计算复杂度非常高，无法达到实时应用需求。2)通过分析照片人脸和真实人脸的高频分量比例来区分两者。这种方法的基本假设是认为照片人脸成像和真实人脸成像相比，损失了高频信息。该方法能有效地检测低辨认分辨率的照片人脸，但对于高分辨率的照片并不适用。3)直接对人脸照片提取特征并且设计分类器来区分照片人脸和真实人脸。该方法实际上忽略在真实人脸应有的三维几何信息，难以达到理想的区分精度。4)基于交互动作的判断。系统随机向用户发送各种运动命令(如转头、点头、张嘴、眨眼等)，用户按照命令做出各种相应的动作，系统通过分析这些动作来区别真实人脸与照片人脸的区别。该方法需要对各种动作进行判断，要求多种复杂的算法，且判断准确度与效率都不够尽人意。尤其对张嘴、闭嘴、眨眼等动作的判断需要对人脸特征点进行精确跟踪，这本身具有非常大的挑战。另外，这类方法要求用户严格根据指令做多种动作，用户体验不够好。

发明内容

为了解决目前分辨照片人脸和真实人脸的方法存在计算复杂、适应性不佳、区分精度不足、效率较低的技术问题，本发明提供一种准确度高、实时性好且用户体验友好的一种基于光照成分的人脸活体检测方法。

为了实现上述技术目的，本发明的技术方案是，

一种基于光照成分的人脸活体检测方法，包括以下步骤：

步骤一：拍摄人体头部运动视频，并从所拍摄的人体头部运动视频中裁剪人脸图像；

步骤二：对步骤一中所裁剪的每张人脸图像，根据朗伯反射模型来表示图像，然后进行离散余弦变换，得到每张图像的光照成分；

步骤三：根据得到的每张图像的光照成分，计算连续的视频帧中人脸图像的光照成分的平均局部方差；

步骤四：根据得到的平均局部方差与预设阈值进行比较，以判别图像中的人脸是否为真实人脸。

所述的一种基于光照成分的人脸活体检测方法，所述的步骤一中，从所拍摄的人体头部运动视频中裁剪人脸图像，所裁剪出的每帧人脸图像记为I_i。

所述的一种基于光照成分的人脸活体检测方法，所述的步骤二中，对每张人脸图像I_i进行光照成分提取，根据朗伯反射模型，图像I_i可以表示成：

I_i(x,y)＝R_i(x,y)L_i(x,y)

其中，R_i是反射成分，表示图像场景中的表面反射率；L_i是光照成分，表示图像场景中的光照以及阴影，(x，y)表示图像中像素点的坐标；对人脸照片I_i进行对数变换，可得：

其中，f_i,v_i和u_i分别为I,R和L在对数域的值，即v_i＝logR,u_i＝logL，对f_i进行离散余弦变换，即

其中

其中，N为图像的长和宽，将F_i(s,t)中的高频系数设置为0，即

其中M为待设定的参数，一般上将其设定为5，

对处理后的频域系数F’进行反离散余弦变换，即

以f_i′作为光照成分的估计，即

u_i(x,y)≈f_i′(x,y)

进而，图像域的光照成分用反对数变换进行获取，即

L_i(x,y)＝exp(u_i(x,y))

所述的所述的一种基于光照成分的人脸活体检测方法，所述的M为经验值，取值为5。

所述的所述的一种基于光照成分的人脸活体检测方法，步骤三中，计算连续T个视频帧中人脸图像的光照成分的平均局部方差：

将每张人脸图像的光照成分L_i等分地划分为a×b个图像块，每个块包含a×b个像素，把第i帧人脸图像的第j个图像块记为B_ij,则T个视频帧的平均局部方差为

其中，var(B_i,j)为图像块B_i,j的像素值的方差。

所述的所述的一种基于光照成分的人脸活体检测方法，步骤四中，进行人脸活体检测：

将步骤三中求得的Avar值对比预设定的阈值Th，若Avar值大于阈值Th，则视频中的人脸为真实人脸；否则为照片人脸。其中，阈值Th的设定根据具体图像质量来设定，图像的分辨率越低，则阈值Th越低。

本发明的技术效果在于，本发明所采用的检测方法可以安全地区分真实人脸和照片人脸，并且在进行检测时，仅需要用户随意地摆动头部，而不需要严格地在特定时间做不同种动作，用户体验比较友好；由于本发明不依赖于人脸特征点检测，避免特征点检测所带来的准确度下降、计算复杂等不足；同时本发明不涉及人脸三维恢复，这样计算速度较快，可以进行实时处理。具体实施方式

本发明所采用的方法既不依赖于复杂的三维重构，也不依赖于人脸特征点检测，而侧重提取人脸照片中的光照信息进行活体检测。

下面结合实施例对本发明进行进一步说明。

本实施例包括如下步骤：

步骤一：为了获得头部运动的视频，在实际操作中，可通过播放语音或者文字显示向用户发出指令，要求用户对着摄像头开始摇头或者点头。

步骤二：对摄像头抓取的每帧图像进行人脸检测。人脸检测是一项广为人知的技术，其作用在于从一张含有人脸的照片(或者视频帧)中找到人脸，返回人脸的位置。根据人脸检测结果裁剪出视频帧中的人脸区域，并缩放为100×100大小的图像。记第i帧所裁剪并缩放的人脸图像为I_i。

步骤三：对每张人脸图像I_i进行光照成分提取。根据朗伯反射模型，图像I_i可以表示成：

I_i(x,y)＝R_i(x,y)L_i(x,y) (1)

其中，R_i是反射成分，主要刻画图像场景中的表面反射率；L_i是光照成分，主要描述图像场景中的光照以及阴影。对人脸照片I_i进行对数变换，可得：

其中，f_i,v_i和u_i分别为I,R和L在对数域的值，即v_i＝logR,u_i＝logL。此时，v_i和u_i还都是未知量，需要对u_i进行估计。

对f_i进行离散余弦变换，即

其中

其中，N为图像的长和宽，即N＝100。将F_i(s,t)中的高频系数设置为0，即

其中M为待设定的参数，一般上将其设定为5。

对处理后的频域系数F’进行反离散余弦变换，即

公式(3)～(6)实际上实现用离散余弦变换对对数域的图像f_i进行低频滤波。

已有大量研究表明，图像中的光照成分变化缓慢，可以用低频成分来进行估计。因此，f′_i可以作为光照成分的估计，即

u_i(x,y)≈f_i′(x,y) (7)

进而，图像域的光照成分可以用反对数变换(指数变换)进行获取，即

L_i(x,y)＝exp(u_i(x,y)) (8)

步骤四：计算连续T个视频帧中人脸图像的光照成分的平均局部方差。

将每张人脸图像的光照成分L_i等分地划分为10×10个图像块，每个块包含10×10个像素。把第i帧人脸图像的第j个图像块记为B_ij,则T个视频帧的平均局部方差为

其中，var(B_i,j)为图像块B_i,j的像素值的方差。本实施例中，选择T为100。

步骤五：进行人脸活体检测。

人脸具有特有的三维几何结构(如鼻子、颧骨、嘴巴、眼睛周围均存在明显的凹凸变化)，因此，当人脸转动或者上下移动的时候，脸上的局部阴影会发生明显变化，而阴影的变化恰好记录在光照分量L_i中。照片为光滑表面，对其转动并不会导致局部阴影的明显变化。由此，我们可以根据步骤四中计算得到的平均局部方差Avar来区分真实人脸和照片人脸。即当Avar大于某设定的阈值Th时，可认为视频中的人脸为真实人脸；否则，认为是照片人脸。其中，阈值Th的设定要根据具体图像类型以及图像质量来人为设定，阈值Th的设定根据具体图像质量来设定，图像的分辨率越低，则阈值Th越低。

Claims (3)

1.一种基于光照成分的人脸活体检测方法，其特征在于，包括以下步骤：

步骤一：拍摄人体头部运动视频，并从所拍摄的人体头部运动视频中裁剪人脸图像；

步骤二：对步骤一中所裁剪的每张人脸图像，根据朗伯反射模型来表示图像，然后进行离散余弦变换，得到每张图像的光照成分；

步骤三：根据得到的每张图像的光照成分，计算连续的视频帧中人脸图像的光照成分的平均局部方差；

步骤四：根据得到的平均局部方差与预设阈值进行比较，以判别图像中的人脸是否为真实人脸；

所述的步骤一中，从所拍摄的人体头部运动视频中裁剪人脸图像，所裁剪出的每帧人脸图像记为I_i；

所述的步骤二中，对每张人脸图像I_i进行光照成分提取，根据朗伯反射模型，图像I_i可以表示成：

I_i(x,y)＝R_i(x,y)L_i(x,y)

其中，R_i是反射成分，表示图像场景中的表面反射率；L_i是光照成分，表示图像场景中的光照以及阴影，(x，y)表示图像中像素点的坐标；对人脸照片I_i进行对数变换，可得：

其中，f_i,v_i和u_i分别为I,R和L在对数域的值，即v_i＝logR,u_i＝logL，

对f_i进行离散余弦变换，即

其中

其中，N为图像的长和宽，将F_i(s,t)中的高频系数设置为0，即

其中M为经验值，取值为5，

对处理后的频域系数F’进行反离散余弦变换，即

以f′_i作为光照成分的估计，即

u_i(x,y)≈f_i′(x,y) (7)

进而，图像域的光照成分用反对数变换进行获取，即

L_i(x,y)＝exp(u_i(x,y))。

2.根据权利要求1所述的一种基于光照成分的人脸活体检测方法，其特征在于，步骤三中，计算连续T个视频帧中人脸图像的光照成分的平均局部方差：

将每张人脸图像的光照成分L_i等分地划分为a×b个图像块，每个块包含a×b个像素，把第i帧人脸图像的第j个图像块记为B_ij,则T个视频帧的平均局部方差为

其中，var(B_i,j)为图像块B_i,j的像素值的方差。

3.根据权利要求1所述的一种基于光照成分的人脸活体检测方法，其特征在于，步骤四中，进行人脸活体检测：

将步骤三中求得的Avar值对比预设定的阈值Th，若Avar值大于阈值Th，则视频中的人脸为真实人脸；否则为照片人脸；其中，阈值Th的设定根据具体图像质量来设定，图像的分辨率越低，则阈值Th越低。