CN105389553A - 一种活体检测方法和装置 - Google Patents

Abstract

本发明涉及一种活体检测方法和装置，所述方法包括：获取多个识别样本的人脸图像，从多个识别样本的人脸图像中提取基于镜面反射的第一人脸特征；基于第一人脸特征计算多个识别样本的第一活体检测得分；根据第一活体检测得分得到活体判断阈值；获取待识别对象的人脸图像，从待识别对象的人脸图像中提取基于镜面反射的第二人脸特征；基于第二人脸特征计算所述待识别对象的第二活体检测得分；判断第二活体检测得分是否大于等于活体判断阈值，若是，则判断待识别对象为活体。本发明能够有效预防高清照片的攻击，实现有效拒绝了非真实人脸欺骗识别的同时，提高了计算速度和精度，并且降低了活体判断的复杂度。

Description

一种活体检测方法和装置

技术领域

本发明涉及图像处理和人脸识别领域，特别涉及基于人脸识别的活体检测方法和设备。

背景技术

随着对信息安全需求的不断增长，在人脸识别系统中加入活体检测的功能受到越来越多的关注。常见的人脸攻击形式包括照片、视频播放和3D模型。照片和视频播放是最常见的攻击方式，人们可以从移动设备或者监控摄像头中轻易地获取合法用户的相关资料。

随着现代技术的发展，3D人脸的合成和模型的获取不再是一件难以实现的事，例如，ThatsMyFace.com的服务可以通过上传一张正面和一张侧面照片实现3D人脸的重构和3D模型的订制。和真实人脸相比，照片人脸是平面的，并存在二次获取带来的质量损失、模糊等问题；视频人脸具有LCD反光等现象；而3D模型人脸运动是刚性运动等。

基于以上事实，当前的活体检测算法主要分为三类：（1）基于运动的方法；（2）基于纹理的方法；（3）基于融合的方法。

基于运动的方法主要是分析图像帧序列的运动趋势。但是这种基于运动的方法需要对图像的背景或者用户的无意识动作进行判定，计算方法复杂。

基于纹理的方法主要是通过找出单帧真实人脸和欺骗人脸的显著性区分特征进行活体判断，因为欺骗人脸在二次获取的过程中会带来质量下降、模糊等微纹理的变化。但是基于纹理的方法只能很好地处理低分辨率的打印照片攻击，对高清照片无效。

现在，越来越多的研究者们把目光投向了基于融合的方法，即，通过融合至少两种活体判别方法，互补优势从而达到抵御多种攻击形式的目的。

目前的融合方法主要分为特征层融合方法和得分层融合方法。特征层融合方法是将多个特征串联进行融合，有人提出了基于运动和纹理信息的互补策略，并对融合方法进行了研究。得分层融合方法是获取多个特征的得分，然后进行加权从而得到最终的得分。有人从非刚体运动、人脸背景一致性和图像带波效应三个方面进行分析，并通过回归模型进行得分层融合。

然而，目前的得分层融合方法对于不同量纲、不同含义的特征，无法进行准确的融合，影响了活体识别的效率和精度。

发明内容

本发明提供了一种基于人脸识别的活体检测方法和装置，其基于镜面反射的人脸特征进行活体检测，能够降低活体判别的复杂度，并且能够有效预防高清照片的攻击，提高活体判别的效率和精度。

为达上述目的，本发明采用如下技术方案：

一方面，本发明提供了一种活体检测方法，包括以下步骤：

获取多个识别样本的人脸图像，从所述多个识别样本的人脸图像中提取基于镜面反射的第一人脸特征；

基于所述第一人脸特征计算所述多个识别样本的第一活体检测得分；

根据所述第一活体检测得分得到活体判断阈值；

获取待识别对象的人脸图像，从所述待识别对象的人脸图像中提取基于镜面反射的第二人脸特征；

基于所述第二人脸特征计算所述待识别对象的第二活体检测得分；

判断所述第二活体检测得分是否大于等于所述活体判断阈值，若是，则判断所述待识别对象为活体。

进一步地，所述从所述多个识别样本的人脸图像中提取基于镜面反射的第一人脸特征包括：

对所述多个识别样本的人脸图像进行镜面反射分离，得到镜面反射图像；

将所述镜面反射图像从RGB空间转换到HSV空间，并提取V通道图像。

进一步地，在提取V通道图像之后，

利用预先定义的眼睛图像标准模板对齐所述V通道图像中的人脸区域；

均匀划分对齐后的人脸区域；

提取划分后每一块人脸区域的纹理特征，串联组成所述第一人脸特征。

进一步地，利用支持向量机SVM训练分类模型计算所述第一活体检测得分和第二活体检测得分。

进一步地，根据所述第一活体检测得分得到活体判断阈值包括：

将多个识别样本的第一活体检测得分顺序排列；

计算各识别样本的第一活体检测得分在所有识别样本构成的训练集上的准确率；

将准确率最高的识别样本对应的第一活体检测得分作为活体判断阈值。

另一方面，本发明提供了一种活体检测装置，包括：

获取模块，用于获取多个识别样本的人脸图像和待识别对象的人脸图像；

人脸特征提取模块，用于从所述多个识别样本的人脸图像中提取基于镜面反射的第一人脸特征，及从所述待识别对象的人脸图像中提取第二人脸特征；

活体检测模块，用于根据所述第一人脸特征计算所述多个识别样本的第一活体检测得分，及根据所述第二人脸特征计算所述待识别对象的第二活体检测得分；

阈值获取模块，用于根据所述第一活体检测得分得到活体判断阈值；

判断模块，用于判断所述第二活体检测得分是否大于等于所述活体判断阈值，若是，则判断所述待识别对象为活体。

进一步地，所述人脸特征提取模块从所述多个识别样本的人脸图像中提取基于镜面反射的第一人脸特征为：

对所述多个识别样本的人脸图像进行镜面反射分离，得到镜面反射图像；

将所述镜面反射图像从RGB空间转换到HSV空间，并提取V通道图像。

进一步地，所述人脸特征提取模块在提取V通道图像之后，

利用预先定义的眼睛图像标准模板对齐所述V通道图像中的人脸区域；

均匀划分对齐后的人脸区域；

提取划分后每一块人脸区域的纹理特征，串联组成所述第一人脸特征。

进一步地，所述活体检测模块利用支持向量机SVM训练分类模型计算所述第一活体检测得分和第二活体检测得分。

进一步地，所述阈值获取模块得到活体判断阈值具体为：

将多个识别样本的第一活体检测得分顺序排列；

计算各识别样本的第一活体检测得分在所有识别样本构成的训练集上的准确率；

将准确率最高的识别样本对应的第一活体检测得分作为活体判断阈值。

本发明从真实人脸和攻击人脸反射率不同这个角度来提取人脸特征，通过提取多个识别样本的基于镜面反射的第一人脸特征计算得到多个识别样本的活体检测得分，根据多个识别样本的活体检测得分得到活体判断阈值，通过提取待识别对象的基于镜面反射的第二人脸特征计算得到待识别对象的活体检测得分，当待识别对象的活体检测得分大于等于活体判断阈值时判断该待识别对象为活体。采用本发明提供的方法能够有效预防高清照片的攻击，实现有效拒绝了非真实人脸欺骗识别的同时，提高了计算速度和精度，并且降低了活体判断的复杂度。

附图说明

附图与文字描述一起用来对本发明的实施方式作进一步的说明。其中：

图1示出了本发明的活体检测装置的框图。

图2示出了本发明的活体检测方法的示意图。

图3示出了本发明的活体检测方法的流程图。

图4示出了获得基于镜面反射的人脸特征的过程。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。

图1示出了本发明的活体检测装置的结构框图。

本发明的用于活体检测的装置10包括获取模块101、人脸特征提取模块102、活体检测模块103、阈值获取模块104、判断模块105。

获取模块101用于获取多个识别样本的人脸图像和待识别对象的人脸图像。具体地，获取模块101可以是摄像头，摄像头数量可以为1个。

人脸特征提取模块102用于从人脸图像中提取基于镜面反射的人脸特征，所述基于镜面反射的人脸特征包括从多个识别样本的人脸图像中提取的第一人脸特征以及从待识别对象的人脸图像中提取的第二人脸特征。

活体检测模块103用于根据第一人脸特征计算多个识别样本的第一活体检测得分，以及根据第二人脸特征计算待识别对象的第二活体检测得分。

阈值获取模块104用于根据第一活体检测得分得到活体判断阈值。

判断模块105用于将第二活体检测得分与活体判断阈值进行比较，当第二活体检测得分大于等于活体判断阈值时，说明待测对象为活体，当第二活体检测得分小于活体判断阈值时，说明待测对象为非活体。

下面参照图2概括说明本发明的活体检测方法。

图2示出了本发明的活体检测方法的示意图。

如图2所示，本发明的活体检测方法包括两个阶段：训练阶段201和检测阶段202，如图2的虚线框所示。

训练阶段201包括：获取来自训练集的多个识别样本的人脸图像，提取出多个识别样本的基于镜面反射的第一人脸特征。通过活体检测模型得到多个识别样本的第一活体检测得分。然后根据第一活体检测得分获得活体判断阈值。

检测阶段202包括：获取用户输入的待识别对象的人脸图像，提取出待识别对象的基于镜面反射的第二人脸特征，根据第二人脸特征计算得到待识别对象的第二活体检测得分。

然后将测试阶段获得的第二活体检测得分与训练阶段获得的活体判断阈值进行比较，若第二活体检测得分大于等于活体判断阈值，则说明待测对象为活体。

接下来，参照图3更详细地说明本发明的活体检测方法。

图3示出了本发明的活体检测方法的流程图，如图3所示，所述方法包括以下步骤：

步骤31、获取多个识别样本的人脸图像。

本发明通过经典的ViolaandJones方法进行人脸检测，多个识别样本的人脸图像可以是正面人脸图像也可以是侧面人脸图像。

步骤32、从所获取的多个识别样本的人脸图像中提取多个识别样本的基于镜面反射的第一人脸特征。

步骤33、根据第一人脸特征计算多个识别样本的第一活体检测得分。

下面结合图4对步骤32和步骤33进行详细说明。

图4示出了获得基于镜面反射的第一人脸特征的提取过程。

基于双色反射模型，图像反射由漫反射和镜面反射两部分组成：

(1)

其中是RGB图像三通道向量，I _d 和I _s 分别表示图像的漫反射和镜面反射成分，c _d 和c _d 是对应的系数，由物体表面材质和几何决定。

基于级联双色反射模型，对于照片或者视频攻击，首先真实人脸被摄像头获取，然后被打印或者放置在视频设备内，最后用摄像头二次获取。这种情况下，图像反射看作是一次摄像头获取产生的镜面反射和二次获取时打印平面或者LCD屏幕带来的镜面反射的叠加。令，则二次获取的图像可以表示为：

（2）

需要指出的是，公式（2）中的第二项镜面反射部分是原始图像的镜面反射和打印或者LCD屏幕带来的镜面反射的叠加。因此，和直接获取的真实人脸相比，攻击人脸具有不同的镜面反射成分。

下面说明如何获得本发明的基于镜面反射的第一人脸特征。

首先，采用双边滤波实时去除光谱高亮的方法对图4的（a）所示的人脸图像进行镜面反射分离，得到镜面反射成分，如图4的（b）所示。

然后执行以下步骤：

1）将镜面反射图像从RGB空间转换到HSV空间，并提取V通道图像，如图4的（c）所示；2）将人脸区域对齐，具体来讲，可以通过将眼睛的位置定位在固定位置来实现，如图4的（d）所示；3）均匀划分对齐后的人脸区域，此处被划分为4×4块，如图4的（e）所示，也可以划分为更多或更少的块；4）提取每一块的纹理特征，并串联起来组成整个人脸的特征，如图4的（f）所示。

例如，在2）中，为了得到对齐的人脸区域，可以执行以下操作：定位眼睛关键点和基于眼睛关键点对齐人脸。本发明采用精确形状回归方法进行眼睛关键点定位。首先定义眼睛图像标准模板的大小，并设置左右眼睛的位置，例如分别为屏幕上(16，21)和(48，21)的像素位置。眼睛图像标准模板例如为64*64像素大小。这里，眼睛图像标准模板大小和内外眼角位置的选择具有一定的联系，选择的标准是眼睛图像标准模板能够包含完全的眼睛区域和尽可能少的背景区域。只要定位到两个眼睛的位置，即可通过旋转和尺度变换得到对齐的眼睛图像。具体为：（a）连接左眼和右眼，将该连接线段旋转使得左眼和右眼中心处于同一水平线上，人脸区域的其他像素也进行相同的旋转。（b）将处于同一水平位置上的眼睛中心通过尺度变化使之与根据所述人脸图像标准模板上定义的眼睛位置重合，与此同时人脸区域的其他像素也做相同的尺度变换。这样就得到对齐的人脸图像。

在4）中，对于每一个划分的子区域，可以采用DH-LBP直方图表示纹理信息。

在得到基于镜面反射的第一人脸特征后，采用支持向量机SVM训练分类模型，将每一个识别样本带入该训练分类模型中，得到多个识别样本的第一活体检测得分。

返回图3，在步骤33之后，执行步骤34，根据第一活体检测得分得到活体判断阈值。

具体地，根据第一活体检测得分得到活体判断阈值可通过下述步骤实现：

步骤341、将多个识别样本的第一活体检测得分顺序排列。

在步骤33根据第一人脸特征计算多个识别样本的第一活体检测得分之后，将各识别样本的第一活体检测得分按照从小到大的顺序进行排列。

步骤342、计算各识别样本的第一活体检测得分在所有识别样本构成的训练集上的准确率。

在本步骤中，所有的识别样本构成活体判断的训练集，计算每一个活体检测得分在训练集上的准确率。

步骤343、将准确率最高的识别样本对应的第一活体检测得分作为活体判断阈值。

在本步骤中，计算完每一个活体检测得分在训练集上的准确率之后，选择准确率最高的第一活体检测得分作为活体判断阈值。

再次返回图3，步骤34之后，执行步骤35和步骤36。

步骤35、获取待识别对象的人脸图像，从待识别对象的人脸图像中提取基于镜面反射的第二人脸特征。

步骤36、基于第二人脸特征计算待识别对象的第二活体检测得分。

实际上，步骤35和步骤36分别与步骤32和步骤33类似，将提取的待识别对象的基于镜面反射的第二人脸特征带入活体检测模型，得到待识别对象的第二活体检测得分。

步骤37、判断第二活体检测得分是否大于等于活体判断阈值，若是，则说明待测对象为活体，否则说明待测对象为非活体。

本发明的活体检测方法和装置，本发明从真实人脸和攻击人脸反射率不同这个角度来提取人脸特征，能够有效预防高清照片的攻击，实现有效拒绝了非真实人脸欺骗识别的同时，提高了计算速度和精度，并且降低了活体判断的复杂度。

以上结合具体实施方式对本发明的目的、技术方案和有益效果进行了进一步详细说明。应理解的是，以上仅仅是出于例示的目的介绍了本发明的具体实施方式，并不是要限制本发明。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种活体检测方法，包括以下步骤：

获取多个识别样本的人脸图像，从所述多个识别样本的人脸图像中提取基于镜面反射的第一人脸特征；

基于所述第一人脸特征计算所述多个识别样本的第一活体检测得分；

根据所述第一活体检测得分得到活体判断阈值；

获取待识别对象的人脸图像，从所述待识别对象的人脸图像中提取基于镜面反射的第二人脸特征；

基于所述第二人脸特征计算所述待识别对象的第二活体检测得分；

判断所述第二活体检测得分是否大于等于所述活体判断阈值，若是，则判断所述待识别对象为活体。

2.根据权利要求1所述的活体检测方法，其特征在于，所述从所述多个识别样本的人脸图像中提取基于镜面反射的第一人脸特征包括：

对所述多个识别样本的人脸图像进行镜面反射分离，得到镜面反射图像；

将所述镜面反射图像从RGB空间转换到HSV空间，并提取V通道图像。

3.根据权利要求2所述的活体检测方法，其中，

在提取V通道图像之后，

利用预先定义的眼睛图像标准模板对齐所述V通道图像中的人脸区域；

均匀划分对齐后的人脸区域；

提取划分后每一块人脸区域的纹理特征，串联组成所述第一人脸特征。

4.根据权利要求1所述的活体检测方法，其中，利用支持向量机SVM训练分类模型计算所述第一活体检测得分和第二活体检测得分。

5.根据权利要求1所述的活体检测方法，其中，根据所述第一活体检测得分得到活体判断阈值包括：

将多个识别样本的第一活体检测得分顺序排列；

计算各识别样本的第一活体检测得分在所有识别样本构成的训练集上的准确率；

将准确率最高的识别样本对应的第一活体检测得分作为活体判断阈值。

6.一种活体检测装置，包括：

获取模块，用于获取多个识别样本的人脸图像和待识别对象的人脸图像；

人脸特征提取模块，用于从所述多个识别样本的人脸图像中提取基于镜面反射的第一人脸特征，及从所述待识别对象的人脸图像中提取的基于镜面反射的第二人脸特征；

活体检测模块，用于根据所述第一人脸特征计算所述多个识别样本的第一活体检测得分，及根据所述第二人脸特征计算所述待识别对象的第二活体检测得分；

阈值获取模块，用于根据所述第一活体检测得分得到活体判断阈值；

判断模块，用于判断所述第二活体检测得分是否大于等于所述活体判断阈值，若是，则判断所述待识别对象为活体。

7.根据权利要求6所述的活体检测装置，其特征在于，所述人脸特征提取模块从所述多个识别样本的人脸图像中提取基于镜面反射的第一人脸特征为：

对所述多个识别样本的人脸图像进行镜面反射分离，得到镜面反射图像；

将所述镜面反射图像从RGB空间转换到HSV空间，并提取V通道图像。

8.根据权利要求7所述的活体检测装置，其中，

所述人脸特征提取模块在提取V通道图像之后，

利用预先定义的眼睛图像标准模板对齐所述V通道图像中的人脸区域；

均匀划分对齐后的人脸区域；

提取划分后每一块人脸区域的纹理特征，串联组成所述第一人脸特征。

9.根据权利要求6所述的活体检测装置，其中，所述活体检测模块利用支持向量机SVM训练分类模型计算所述第一活体检测得分和第二活体检测得分。

10.根据权利要求6所述的活体检测装置，其中，所述阈值获取模块得到活体判断阈值具体为：

将多个识别样本的第一活体检测得分顺序排列；

计算各识别样本的第一活体检测得分在所有识别样本构成的训练集上的准确率；

将准确率最高的识别样本对应的第一活体检测得分作为活体判断阈值。