CN108549887B - 一种活体人脸检测方法及装置 - Google Patents

一种活体人脸检测方法及装置 Download PDF

Info

Publication number
CN108549887B
CN108549887B CN201810809932.9A CN201810809932A CN108549887B CN 108549887 B CN108549887 B CN 108549887B CN 201810809932 A CN201810809932 A CN 201810809932A CN 108549887 B CN108549887 B CN 108549887B
Authority
CN
China
Prior art keywords
face
area
living body
region
coefficient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810809932.9A
Other languages
English (en)
Other versions
CN108549887A (zh
Inventor
彭晓帅
苏静静
李志国
班华忠
崔凯
康毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Icetech Science & Technology Co ltd
Original Assignee
Beijing Icetech Science & Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Icetech Science & Technology Co ltd filed Critical Beijing Icetech Science & Technology Co ltd
Priority to CN201810809932.9A priority Critical patent/CN108549887B/zh
Publication of CN108549887A publication Critical patent/CN108549887A/zh
Application granted granted Critical
Publication of CN108549887B publication Critical patent/CN108549887B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive

Abstract

本发明提供了一种活体人脸检测方法，该方法包括：对待检测图像进行人脸检测，如果检测到人脸区域，则进行图像预处理，获取预处理后的图像、标记ID号的人脸区域和尺度信息；根据人脸区域，获取人脸区域周围上、左、右三部分的区域；获取上、左、右三部分的区域的前景点和背景点，分别计算上、左、右三部分的区域的前背景占比；从预处理后的图像中检测线段，对上、左、右三部分的区域内线段进行直线拟合，获取拟合直线集合；将连续N帧检测出同一ID号人脸区域对应的预处理后的图像作为一组投票队列，对投票队列进行活体投票判断并输出待检测图像中的活体检测结果。与现有技术相比，本发明能快速有效地检测活体人脸。

Description

一种活体人脸检测方法及装置
技术领域
本发明涉及图像处理、视频监控以及安防，特别涉及人脸检测方法及装置。
背景技术
近年来，由于人脸识别的广泛应用和其较高的市场期望，人脸识别一直是模式识别中的一个热门方向。
然而，随着科技和互联网的不断发展，获取合法用户的人脸图像信息是一件非常容易的事情，假冒者能够利用监控摄像、智能手机、相机、互联网等取得合法用户的人脸图像信息，从而达到攻击的目的。为了抵抗上述攻击，活体人脸检测得到越来越多的关注。
现有的活体检测方法大多需要借助外部设备，例如红外光源、双目采集相机、多频谱光源等，或者需要用户进行交互，例如完成指令动作、朗读指定文字等。上述检测方法在增加设备成本的同时降低了用户系统体验。
综上所述，需要提出一种能够提高用户系统体验的活体人脸检测方法。
发明内容
有鉴于此，本发明的主要目的在于实现活体人脸检测，并且不影响用户的体验。
为达到上述目的，按照本发明的一个方面，提供了一种活体人脸检测方法，该方法包括：
第一步骤，对待检测图像进行人脸检测，如果未检测到人脸区域，则输出无人脸，否则对待检测图像进行图像预处理，获取预处理后的图像、标记ID号的人脸区域和尺度信息；
第二步骤，根据人脸区域，获取人脸区域周围上、左、右三部分的区域；
第三步骤，采用运动前景检测方法，获取上、左、右三部分的区域的前景点和背景点，分别计算上、左、右三部分的区域的前背景占比；
第四步骤，采用线段检测方法，从预处理后的图像中检测线段，对上、左、右三部分的区域内线段进行直线拟合，获取拟合直线集合；
第五步骤，将连续N帧检测出同一ID号人脸区域对应的预处理后的图像作为一组投票队列，对投票队列进行活体投票判断并输出待检测图像中的活体检测结果。
进一步地，所述第二步骤包括：
拓展系数计算步骤，提取人脸区域中的五官特征点，计算左右拓展系数和上下拓展系数；
左右侧区域提取步骤，根据左右拓展系数，获取左系数和右系数，计算左侧扩展宽度和右侧扩展宽度，根据左侧扩展宽度和人脸区域的高度，选取左侧区域，根据右侧扩展宽度和人脸区域的高度，选取右侧区域；
上侧区域提取步骤，根据上下拓展系数，获取上系数，计算上侧起始拓展高度，根据上侧起始拓展高度、人脸区域的宽度和高度，选取上侧区域。
进一步地，所述拓展系数计算步骤包括：
五官特征点提取步骤，采用人脸关键点检测方法，从人脸区域中获取左眼、右眼、鼻尖、左嘴角、右嘴角的位置；
左右拓展系数计算步骤，计算人脸区域左边界与左眼、左嘴角的间距DL1、DL2，计算人脸区域右边界与右眼、右嘴角的间距DR1、DR2，计算左右拓展系数RLR＝0.5×(DL1/DL2+DR1/DR2)；
上下拓展系数计算步骤，分别计算人脸区域上边界、下边界与鼻尖的间距DT、DB，计算上侧拓展系数RTB＝DT/DB。
进一步地，所述左右侧区域提取步骤包括：
左系数和右系数获取步骤，如果左右拓展系数小于1，左系数为αL＝T1，右系数为αR＝T2；如果左右拓展系数大于1，左系数为αL＝T2，右系数为αR＝T1；如果左右拓展系数等于1，左系数为αL＝T1，右系数为αR＝T1；
左侧拓展宽度和右侧拓展宽度计算步骤，计算左侧拓展宽度WL＝αL×WF，计算右侧拓展宽度WR＝αR×WF，其中WF为人脸区域的宽度；
左侧区域和右侧区域获取步骤，以人脸区域的左边界为右边界，向左侧构建一个宽度为左侧拓展宽度、高度为T3×HF的区域，标记为左侧区域；以人脸区域的右边界为左边界，向右侧构建一个宽度为右侧拓展宽度、高度为T3×HF的区域，标记为右侧区域，其中HF为人脸区域的高度。
进一步地，所述上侧区域提取步骤包括：
上系数获取步骤，如果上下拓展系数小于1，上系数为αT＝T4；如果上下拓展系数大于1.2，上系数为αT＝T5；如果上下拓展系数位于1与1.2之间，上系数为αT＝T6；
上侧起始拓展高度计算步骤，计算上侧起始拓展高度HT＝αT×HF，其中HF为人脸区域的高度；
上侧区域获取步骤，以人脸区域的上边界上移HT的高度为下边界，向上侧构建一个左边界和右边界与人脸区域一致、高度为T7×HF的区域，标记为上侧区域，其中HF为人脸区域的高度。
进一步地，所述第五步骤包括：
投票队列获取步骤，将首次检测到标记ID号人脸区域的预处理后的图像标记为第0帧，并把对应的预处理后的图像存放在投票队列中；如果第k帧首次检测到同一ID号人脸区域，并且k≤T8，则将第k帧预处理后的图像标记为第0帧，并把对应的预处理后的图像存放在投票队列中，如果投票队列存放结果小于N，则继续往下检测同一ID号人脸区域，否则输出投票队列，并转入投票队列单帧活体判断步骤；如果第T8帧内未检测到同一ID号人脸区域，则将投票队列清空，重新进行投票队列获取步骤；
投票队列单帧活体判断步骤，根据投票队列的每一帧预处理后的图像，对拟合直线集合进行过滤，统计有效直线的数量；根据有效直线的数量以及上、左、右三部分的区域的前背景占比，进行预处理后的图像的活体判断；
投票队列活体投票判断步骤，分别统计投票队列中活体和非活体的数量；如果活体数量大于非活体数量，则根据尺度信息和人脸区域，将投票队列对应的待检测图像中的人脸区域标记为活体人脸，否则根据尺度信息和人脸区域，将投票队列对应的待检测图像中的人脸区域标记为非活体人脸，并将投票队列清空；
活体检测结果输出步骤，输出待检测图像中的活体人脸和非活体人脸区域。
进一步地，所述投票队列单帧活体判断步骤包括：
有效直线统计步骤，针对投票队列中的每一帧预处理后的图像，分别统计拟合直线的长度，如果拟合直线长度大于min(WF,HF)×T9或者min(W,H)×T10，则标记为有效直线，否则将对应的拟合直线滤除；统计投票队列中的每一帧预处理后的图像内有效直线的数量，其中WF和HF为人脸区域的宽度和高度，W和H为预处理后的图像的宽度和高度；
活体判断步骤，选取至少一种非活体条件，针对投票队列中的每一帧预处理后的图像的人脸区域，如果满足选取的非活体条件，则判断为非活体，否则判断为活体。
按照本发明的另一个方面，提供了一种活体人脸检测装置，该装置包括：
人脸检测模块，用于对待检测图像进行人脸检测，如果未检测到人脸区域，则输出无人脸，否则对待检测图像进行图像预处理，获取预处理后的图像、标记ID号的人脸区域和尺度信息；
三区域获取模块，用于根据人脸区域，获取人脸区域周围上、左、右三部分的区域；
前背景占比计算模块，用于采用运动前景检测方法，获取上、左、右三部分的区域的前景点和背景点，分别计算上、左、右三部分的区域的前背景占比；
拟合直线集合获取模块，用于采用线段检测方法，从预处理后的图像中检测线段，对上、左、右三部分的区域内线段进行直线拟合，获取拟合直线集合；
活体投票判断模块，用于将连续N帧检测出同一ID号人脸区域对应的预处理后的图像作为一组投票队列，对投票队列进行活体投票判断并输出待检测图像中的活体检测结果。
进一步地，所述三区域获取模块包括：
拓展系数计算模块，用于提取人脸区域中的五官特征点，计算左右拓展系数和上下拓展系数；
左右侧区域提取模块，用于根据左右拓展系数，获取左系数和右系数，计算左侧扩展宽度和右侧扩展宽度，根据左侧扩展宽度和人脸区域的高度，选取左侧区域，根据右侧扩展宽度和人脸区域的高度，选取右侧区域；
上侧区域提取模块，用于根据上下拓展系数，获取上系数，计算上侧起始拓展高度，根据上侧起始拓展高度、人脸区域的宽度和高度，选取上侧区域。
进一步地，所述拓展系数计算模块包括：
五官特征点提取模块，用于采用人脸关键点检测方法，从人脸区域中获取左眼、右眼、鼻尖、左嘴角、右嘴角的位置；
左右拓展系数计算模块，用于计算人脸区域左边界与左眼、左嘴角的间距DL1、DL2，计算人脸区域右边界与右眼、右嘴角的间距DR1、DR2，计算左右拓展系数RLR＝0.5×(DL1/DL2+DR1/DR2)；
上下拓展系数计算模块，用于分别计算人脸区域上边界、下边界与鼻尖的间距DT、DB，计算上侧拓展系数RTB＝DT/DB。
进一步地，所述左右侧区域提取模块包括：
左系数和右系数获取模块，用于如果左右拓展系数小于1，左系数为αL＝T1，右系数为αR＝T2；如果左右拓展系数大于1，左系数为αL＝T2，右系数为αR＝T1；如果左右拓展系数等于1，左系数为αL＝T1，右系数为αR＝T1；
左侧拓展宽度和右侧拓展宽度计算模块，用于计算左侧拓展宽度WL＝αL×WF，计算右侧拓展宽度WR＝αR×WF，其中WF为人脸区域的宽度；
左侧区域和右侧区域获取模块，用于以人脸区域的左边界为右边界，向左侧构建一个宽度为左侧拓展宽度、高度为T3×HF的区域，标记为左侧区域；以人脸区域的右边界为左边界，向右侧构建一个宽度为右侧拓展宽度、高度为T3×HF的区域，标记为右侧区域，其中HF为人脸区域的高度。
进一步地，所述上侧区域提取模块包括：
上系数获取模块，用于如果上下拓展系数小于1，上系数为αT＝T4；如果上下拓展系数大于1.2，上系数为αT＝T5；如果上下拓展系数位于1与1.2之间，上系数为αT＝T6；
上侧起始拓展高度计算模块，用于计算上侧起始拓展高度HT＝αT×HF，其中HF为人脸区域的高度；
上侧区域获取模块，用于以人脸区域的上边界上移HT的高度为下边界，向上侧构建一个左边界和右边界与人脸区域一致、高度为T7×HF的区域，标记为上侧区域，其中HF为人脸区域的高度。
进一步地，所述活体投票判断模块包括：
投票队列获取模块，用于将首次检测到标记ID号人脸区域的预处理后的图像标记为第0帧，并把对应的预处理后的图像存放在投票队列中；如果第k帧首次检测到同一ID号人脸区域，并且k≤T8，则将第k帧预处理后的图像标记为第0帧，并把对应的预处理后的图像存放在投票队列中，如果投票队列存放结果小于N，则继续往下检测同一ID号人脸区域，否则输出投票队列，并转入投票队列单帧活体判断模块；如果第T8帧内未检测到同一ID号人脸区域，则将投票队列清空，重新进行投票队列获取模块；
投票队列单帧活体判断模块，用于根据投票队列的每一帧预处理后的图像，对拟合直线集合进行过滤，统计有效直线的数量；根据有效直线的数量以及上、左、右三部分的区域的前背景占比，进行预处理后的图像的活体判断；
投票队列活体投票判断模块，用于分别统计投票队列中活体和非活体的数量；如果活体数量大于非活体数量，则根据尺度信息和人脸区域，将投票队列对应的待检测图像中的人脸区域标记为活体人脸，否则根据尺度信息和人脸区域，将投票队列对应的待检测图像中的人脸区域标记为非活体人脸，并将投票队列清空；
活体检测结果输出模块，用于输出待检测图像中的活体人脸和非活体人脸区域。
进一步地，所述投票队列单帧活体判断模块包括：
有效直线统计模块，用于针对投票队列中的每一帧预处理后的图像，分别统计拟合直线的长度，如果拟合直线长度大于min(WF,HF)×T9或者min(W,H)×T10，则标记为有效直线，否则将对应的拟合直线滤除；统计投票队列中的每一帧预处理后的图像内有效直线的数量，其中WF和HF为人脸区域的宽度和高度，W和H为预处理后的图像的宽度和高度；
活体判断模块，用于选取至少一种非活体条件，针对投票队列中的每一帧预处理后的图像的人脸区域，如果满足选取的非活体条件，则判断为非活体，否则判断为活体。
与现有的活体人脸检测技术相比，本发明的活体人脸检测方法及装置采用人脸区域的左侧区域、右侧区域和上侧区域的前背景占比、拟合直线等判断条件，能够有效地区分活体和非活体人脸。
附图说明
图1示出了按照本发明的活体人脸检测方法的流程图。
图2示出了按照本发明的活体人脸检测装置的框架图。
具体实施方式
为使本领域的技术人员能进一步了解本发明的结构、特征及其他目的，现结合所附较佳实施例详细说明如下，所说明的较佳实施例仅用于说明本发明的技术方案，并非限定本发明。
图1给出了按照本发明的活体人脸检测方法的流程图。如图1所示，按照本发明的活体人脸检测方法包括：
第一步骤S1，对待检测图像进行人脸检测，如果未检测到人脸区域，则输出无人脸，否则对待检测图像进行图像预处理，获取预处理后的图像、标记ID号的人脸区域和尺度信息；
第二步骤S2，根据人脸区域，获取人脸区域周围上、左、右三部分的区域；
第三步骤S3，采用运动前景检测方法，获取上、左、右三部分的区域的前景点和背景点，分别计算上、左、右三部分的区域的前背景占比；
第四步骤S4，采用线段检测方法，从预处理后的图像中检测线段，对上、左、右三部分的区域内线段进行直线拟合，获取拟合直线集合；
第五步骤S5，将连续N帧检测出同一ID号人脸区域对应的预处理后的图像作为一组投票队列，对投票队列进行活体投票判断并输出待检测图像中的活体检测结果。
进一步地，所述第一步骤S1中所述图像预处理包括但不限于以下一种或者多种的组合：缩放处理、差分处理、二值化处理、均值滤波处理等。
所述人脸检测可以采用现有的人脸检测方法实现。示例性地，所述第一步骤S1为：采用基于分类器或者神经网络的人脸检测方法，对待检测图像进行人脸检测，如果未检测到人脸区域，则输出无人脸，否则对待检测图像的人脸区域进行ID标记，并对待检测图像进行缩放、差分和二值化处理，获取预处理后的图像、标记ID号的人脸区域和缩放的尺度信息。
进一步地，所述第二步骤S2包括：
拓展系数计算步骤S21，提取人脸区域中的五官特征点，计算左右拓展系数和上下拓展系数；
左右侧区域提取步骤S22，根据左右拓展系数，获取左系数和右系数，计算左侧扩展宽度和右侧扩展宽度，根据左侧扩展宽度和人脸区域的高度，选取左侧区域，根据右侧扩展宽度和人脸区域的高度，选取右侧区域；
上侧区域提取步骤S23，根据上下拓展系数，获取上系数，计算上侧起始拓展高度，根据上侧起始拓展高度、人脸区域的宽度和高度，选取上侧区域。
进一步地，所述拓展系数计算步骤S21包括：
五官特征点提取步骤S21，采用人脸关键点检测方法，从人脸区域中获取左眼、右眼、鼻尖、左嘴角、右嘴角的位置；
左右拓展系数计算步骤S22，计算人脸区域左边界与左眼、左嘴角的间距DL1、DL2，计算人脸区域右边界与右眼、右嘴角的间距DR1、DR2，计算左右拓展系数RLR＝0.5×(DL1/DL2+DR1/DR2)；
上下拓展系数计算步骤S23，分别计算人脸区域上边界、下边界与鼻尖的间距DT、DB，计算上侧拓展系数RTB＝DT/DB。
所述五官特征点提取步骤S21可以采用现有的人脸特征点或者人脸关键特征点检测或者面部关键特征点检测方法，从人脸区域中获取左眼、右眼、鼻尖、左嘴角、右嘴角的位置。
进一步地，所述五官特征点提取步骤S21为采用人脸5个关键点检测方法，从人脸区域中获取左眼、右眼、鼻尖、左嘴角、右嘴角的位置。
进一步地，所述左右侧区域提取步骤S22包括：
左系数和右系数获取步骤S221，如果左右拓展系数小于1，左系数为αL＝T1，右系数为αR＝T2；如果左右拓展系数大于1，左系数为αL＝T2，右系数为αR＝T1；如果左右拓展系数等于1，左系数为αL＝T1，右系数为αR＝T1；
左侧拓展宽度和右侧拓展宽度计算步骤S222，计算左侧拓展宽度WL＝αL×WF，计算右侧拓展宽度WR＝αR×WF，其中WF为人脸区域的宽度；
左侧区域和右侧区域获取步骤S223，以人脸区域的左边界为右边界，向左侧构建一个宽度为左侧拓展宽度、高度为T3×HF的区域，标记为左侧区域；以人脸区域的右边界为左边界，向右侧构建一个宽度为右侧拓展宽度、高度为T3×HF的区域，标记为右侧区域，其中HF为人脸区域的高度。
进一步地，所述T1的取值范围为0.9～1.2，T2的取值范围为1.4～1.6，T3的取值范围为0.5～1.5。
示例性地，所述左侧区域和右侧区域获取步骤S223为：选取T3为1，构建的左侧区域的右边界与人脸区域的左边界一致，左侧区域的上边界和下边界与人脸区域一致，左侧区域的左边界为人脸区域的左边界向左移WL的宽度；构建的右侧区域的左边界与人脸区域的右边界一致，右侧区域的上边界和下边界与人脸区域一致，右侧区域的右边界为人脸区域的右边界向右移WR的宽度，其中WL和WR分别为左侧拓展宽度和右侧拓展宽度。
进一步地，所述上侧区域提取步骤S23包括：
上系数获取步骤S231，如果上下拓展系数小于1，上系数为αT＝T4；如果上下拓展系数大于1.2，上系数为αT＝T5；如果上下拓展系数位于1与1.2之间，上系数为αT＝T6；
上侧起始拓展高度计算步骤S232，计算上侧起始拓展高度HT＝αT×HF，其中HF为人脸区域的宽度；
上侧区域获取步骤S233，以人脸区域的上边界上移HT的高度为下边界，向上侧构建一个左边界和右边界与人脸区域一致、高度为T7×HF的区域，标记为上侧区域，其中HF为人脸区域的高度。
进一步地，所述T4的取值范围为0.4～0.6，T5的取值范围为0.7～0.9，T6的取值范围为0.9～1.2，T7的取值范围为0.5～1.2。
所述前背景占比计算步骤S32中运动前景检测方法可以采用现有的运动前景检测方法实现，包括但不限于：背景建模法、帧差法、光流法等。
示例性地，所述前背景占比计算步骤S32为：采用ViBe算法，从当前帧的，提取左侧区域、右侧区域、上侧区域内的前景点；分别统计当前帧左侧区域内前景点的个数NLF和背景点的个数NLB，当前帧右侧区域内前景点的个数NRF和背景点的个数NRB，当前帧上侧区域内前景点的个数NTF和背景点的个数NTB；分别计算左侧区域、右侧区域和上侧区域的前背景占比ρ1、ρ2、ρ3。
所述第四步骤S4中线段检测方法可以采用现有的线段检测方法实现，所述直线拟合可以采用现用的直线拟合方法实现。示例性地，所述第四步骤S4为：采用基于Hough变换的直线检测方法，从预处理后的图像中检测出直线线段；将上侧区域、左侧区域、右侧区域外的直线线段滤除；对剩余的直线线段，采用基于最小二乘法的直线拟合方法进行直线拟合，获取拟合直线的集合。
进一步地，所述第五步骤S5包括：
投票队列获取步骤S51，将首次检测到标记ID号人脸区域的预处理后的图像标记为第0帧，并把对应的预处理后的图像存放在投票队列中；如果第k帧首次检测到同一ID号人脸区域，并且k≤T8，则将第k帧预处理后的图像标记为第0帧，并把对应的预处理后的图像存放在投票队列中，如果投票队列存放结果小于N，则继续往下检测同一ID号人脸区域，否则输出投票队列，并转入投票队列单帧活体判断步骤S52；如果第T8帧内未检测到同一ID号人脸区域，则将投票队列清空，重新进行投票队列获取步骤S51；
投票队列单帧活体判断步骤S52，根据投票队列的每一帧预处理后的图像，对拟合直线集合进行过滤，统计有效直线的数量；根据有效直线的数量以及上、左、右三部分的区域的前背景占比，进行预处理后的图像的活体判断；
投票队列活体投票判断步骤S53，分别统计投票队列中活体和非活体的数量；如果活体数量大于非活体数量，则根据尺度信息和人脸区域，将投票队列对应的待检测图像中的人脸区域标记为活体人脸，否则根据尺度信息和人脸区域，将投票队列对应的待检测图像中的人脸区域标记为非活体人脸，并将投票队列清空；
活体检测结果输出步骤S54，输出待检测图像中的活体人脸和非活体人脸区域。
进一步地，所述投票队列单帧活体判断步骤S52包括：
有效直线统计步骤S521，针对投票队列中的每一帧预处理后的图像，分别统计拟合直线的长度，如果拟合直线长度大于min(WF,HF)×T9或者min(W,H)×T10，则标记为有效直线，否则将对应的拟合直线滤除；统计投票队列中的每一帧预处理后的图像内有效直线的数量，其中WF和HF为人脸区域的宽度和高度，W和H为预处理后的图像的宽度和高度；
活体判断步骤S522，选取至少一种非活体条件，针对投票队列中的每一帧预处理后的图像的人脸区域，如果满足选取的非活体条件，则判断为非活体，否则判断为活体。
所述非活体条件包括：
第一非活体条件：如果左侧区域和右侧区域的前背景占比均大于λ1，并且上侧区域的前背景占比不小于λ2，则认为人脸区域为非活体；如果左侧区域和右侧区域的前背景占比均大于λ1，并且上侧区域的前背景占比小于λ2，并且有效直线的数量大于1，则认为人脸区域为非活体；
第二非活体条件：如果左侧区域和右侧区域的前背景占比均小于λ3，并且上侧区域的前背景占比小于λ3，并且有效直线的数量大于T11，则认为人脸区域为非活体；如果左侧区域和右侧区域的前背景占比均小于λ3，并且上侧区域的前背景占比大于λ4，并且有效直线的数量大于2，则认为人脸区域为非活体；如果左侧区域和右侧区域的前背景占比均小于λ3，并且上侧区域的前背景占比位于λ3和λ4之间，并且有效直线的数量大于3，则认为人脸区域为非活体；
第三非活体条件：如果上侧区域的前背景占比小于λ5，并且有效直线数量大于3，则认为人脸区域为非活体；如果上侧区域的前背景占比大于λ2，并且有效直线数量大于0，则认为人脸区域为非活体；如果上侧区域的前背景占比位于λ5和λ2之间，并且有效直线数量大于1，则认为人脸区域为非活体。
进一步地，所述N的取值范围为3～9帧，并且N为奇数；T8的取值范围为1～4，T9的取值范围为1.1～1.3，T10的取值范围为0.1～0.3，λ1的取值范围为0.2～0.3，λ2的取值范围为0.15～0.25，λ3的取值范围为0.05～0.15，T11的取值范围为4～6，λ4的取值范围为0.25～0.35，λ5的取值范围为0.02～0.08。
示例性地，所述活体判断步骤S522为：选取了第一非活体条件和第三非活体条件，针对投票队列中的每一帧预处理后的图像的人脸区域，如果满足第一非活体条件或者第三非活体条件，则认为对应的人脸区域为非活体，否则对应的人脸区域为活体。
图2给出了按照本发明的活体人脸检测装置的框架图。如图2所示，按照本发明的活体人脸检测装置包括：
人脸检测模块1，用于对待检测图像进行人脸检测，如果未检测到人脸区域，则输出无人脸，否则对待检测图像进行图像预处理，获取预处理后的图像、标记ID号的人脸区域和尺度信息；
三区域获取模块2，用于根据人脸区域，获取人脸区域周围上、左、右三部分的区域；
前背景占比计算模块3，用于采用运动前景检测方法，获取上、左、右三部分的区域的前景点和背景点，分别计算上、左、右三部分的区域的前背景占比；
拟合直线集合获取模块4，用于采用线段检测方法，从预处理后的图像中检测线段，对上、左、右三部分的区域内线段进行直线拟合，获取拟合直线集合；
活体投票判断模块5，用于将连续N帧检测出同一ID号人脸区域对应的预处理后的图像作为一组投票队列，对投票队列进行活体投票判断并输出待检测图像中的活体检测结果。
进一步地，所述人脸检测模块1中所述图像预处理包括但不限于以下一种或者多种的组合：缩放处理、差分处理、二值化处理、均值滤波处理等。
进一步地，所述三区域获取模块2包括：
拓展系数计算模块21，用于提取人脸区域中的五官特征点，计算左右拓展系数和上下拓展系数；
左右侧区域提取模块22，用于根据左右拓展系数，获取左系数和右系数，计算左侧扩展宽度和右侧扩展宽度，根据左侧扩展宽度和人脸区域的高度，选取左侧区域，根据右侧扩展宽度和人脸区域的高度，选取右侧区域；
上侧区域提取模块23，用于根据上下拓展系数，获取上系数，计算上侧起始拓展高度，根据上侧起始拓展高度、人脸区域的宽度和高度，选取上侧区域。
进一步地，所述拓展系数计算模块21包括：
五官特征点提取模块21，用于采用人脸关键点检测方法，从人脸区域中获取左眼、右眼、鼻尖、左嘴角、右嘴角的位置；
左右拓展系数计算模块22，用于计算人脸区域左边界与左眼、左嘴角的间距DL1、DL2，计算人脸区域右边界与右眼、右嘴角的间距DR1、DR2，计算左右拓展系数RLR＝0.5×(DL1/DL2+DR1/DR2)；
上下拓展系数计算模块23，用于分别计算人脸区域上边界、下边界与鼻尖的间距DT、DB，计算上侧拓展系数RTB＝DT/DB。
进一步地，所述五官特征点提取模块21为采用人脸5个关键点检测方法，从人脸区域中获取左眼、右眼、鼻尖、左嘴角、右嘴角的位置。
进一步地，所述左右侧区域提取模块22包括：
左系数和右系数获取模块221，用于如果左右拓展系数小于1，左系数为αL＝T1，右系数为αR＝T2；如果左右拓展系数大于1，左系数为αL＝T2，右系数为αR＝T1；如果左右拓展系数等于1，左系数为αL＝T1，右系数为αR＝T1；
左侧拓展宽度和右侧拓展宽度计算模块222，用于计算左侧拓展宽度WL＝αL×WF，计算右侧拓展宽度WR＝αR×WF，其中WF为人脸区域的宽度；
左侧区域和右侧区域获取模块223，用于以人脸区域的左边界为右边界，向左侧构建一个宽度为左侧拓展宽度、高度为T3×HF的区域，标记为左侧区域；以人脸区域的右边界为左边界，向右侧构建一个宽度为右侧拓展宽度、高度为T3×HF的区域，标记为右侧区域，其中HF为人脸区域的高度。
进一步地，所述T1的取值范围为0.9～1.2，T2的取值范围为1.4～1.6，T3的取值范围为0.5～1.5。
进一步地，所述上侧区域提取模块23包括：
上系数获取模块231，用于如果上下拓展系数小于1，上系数为αT＝T4；如果上下拓展系数大于1.2，上系数为αT＝T5；如果上下拓展系数位于1与1.2之间，上系数为αT＝T6；
上侧起始拓展高度计算模块232，用于计算上侧起始拓展高度HT＝αT×HF，其中HF为人脸区域的宽度；
上侧区域获取模块233，用于以人脸区域的上边界上移HT的高度为下边界，向上侧构建一个左边界和右边界与人脸区域一致、高度为T7×HF的区域，标记为上侧区域，其中HF为人脸区域的高度。
进一步地，所述T4的取值范围为0.4～0.6，T5的取值范围为0.7～0.9，T6的取值范围为0.9～1.2，T7的取值范围为0.5～1.2。
进一步地，所述活体投票判断模块5包括：
投票队列获取模块51，用于将首次检测到标记ID号人脸区域的预处理后的图像标记为第0帧，并把对应的预处理后的图像存放在投票队列中；如果第k帧首次检测到同一ID号人脸区域，并且k≤T8，则将第k帧预处理后的图像标记为第0帧，并把对应的预处理后的图像存放在投票队列中，如果投票队列存放结果小于N，则继续往下检测同一ID号人脸区域，否则输出投票队列，并转入投票队列单帧活体判断模块52；如果第T8帧内未检测到同一ID号人脸区域，则将投票队列清空，重新进行投票队列获取模块51；
投票队列单帧活体判断模块52，用于根据投票队列的每一帧预处理后的图像，对拟合直线集合进行过滤，统计有效直线的数量；根据有效直线的数量以及上、左、右三部分的区域的前背景占比，进行预处理后的图像的活体判断；
投票队列活体投票判断模块53，用于分别统计投票队列中活体和非活体的数量；如果活体数量大于非活体数量，则根据尺度信息和人脸区域，将投票队列对应的待检测图像中的人脸区域标记为活体人脸，否则根据尺度信息和人脸区域，将投票队列对应的待检测图像中的人脸区域标记为非活体人脸，并将投票队列清空；
活体检测结果输出模块54，用于输出待检测图像中的活体人脸和非活体人脸区域。
进一步地，所述投票队列单帧活体判断模块52包括：
有效直线统计模块521，用于针对投票队列中的每一帧预处理后的图像，分别统计拟合直线的长度，如果拟合直线长度大于min(WF,HF)×T9或者min(W,H)×T10，则标记为有效直线，否则将对应的拟合直线滤除；统计投票队列中的每一帧预处理后的图像内有效直线的数量，其中WF和HF为人脸区域的宽度和高度，W和H为预处理后的图像的宽度和高度；
活体判断模块522，用于选取至少一种非活体条件，针对投票队列中的每一帧预处理后的图像的人脸区域，如果满足选取的非活体条件，则判断为非活体，否则判断为活体。
所述非活体条件包括：
第一非活体条件：如果左侧区域和右侧区域的前背景占比均大于λ1，并且上侧区域的前背景占比不小于λ2，则认为人脸区域为非活体；如果左侧区域和右侧区域的前背景占比均大于λ1，并且上侧区域的前背景占比小于λ2，并且有效直线的数量大于1，则认为人脸区域为非活体；
第二非活体条件：如果左侧区域和右侧区域的前背景占比均小于λ3，并且上侧区域的前背景占比小于λ3，并且有效直线的数量大于T11，则认为人脸区域为非活体；如果左侧区域和右侧区域的前背景占比均小于λ3，并且上侧区域的前背景占比大于λ4，并且有效直线的数量大于2，则认为人脸区域为非活体；如果左侧区域和右侧区域的前背景占比均小于λ3，并且上侧区域的前背景占比位于λ3和λ4之间，并且有效直线的数量大于3，则认为人脸区域为非活体；
第三非活体条件：如果上侧区域的前背景占比小于λ5，并且有效直线数量大于3，则认为人脸区域为非活体；如果上侧区域的前背景占比大于λ2，并且有效直线数量大于0，则认为人脸区域为非活体；如果上侧区域的前背景占比位于λ5和λ2之间，并且有效直线数量大于1，则认为人脸区域为非活体。
进一步地，所述N的取值范围为3～9帧，并且N为奇数；T8的取值范围为1～4，T9的取值范围为1.1～1.3，T10的取值范围为0.1～0.3，λ1的取值范围为0.2～0.3，λ2的取值范围为0.15～0.25，λ3的取值范围为0.05～0.15，T11的取值范围为4～6，λ4的取值范围为0.25～0.35，λ5的取值范围为0.02～0.08。
与现有的活体人脸检测技术相比，本发明的活体人脸检测方法及装置采用人脸区域的左侧区域、右侧区域和上侧区域的前背景占比、拟合直线等判断条件，能够有效地区分活体和非活体人脸。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，应当理解，本发明并不限于这里所描述的实现方案，这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。任何本领域中的技术人员很容易在不脱离本发明精神和范围的情况下进行进一步的改进和完善，因此本发明只受到本发明权利要求的内容和范围的限制，其意图涵盖所有包括在由所附权利要求所限定的本发明精神和范围内的备选方案和等同方案。

Claims (15)

1.一种活体人脸检测方法，其特征在于，该方法包括：
第一步骤，对待检测图像进行人脸检测，如果未检测到人脸区域，则输出无人脸，否则对待检测图像进行图像预处理，获取预处理后的图像、标记ID号的人脸区域和尺度信息；
第二步骤，根据人脸区域，获取人脸区域周围上、左、右三部分的区域；
第三步骤，采用运动前景检测方法，获取上、左、右三部分的区域的前景点和背景点，分别计算上、左、右三部分的区域的前背景占比；
第四步骤，采用线段检测方法，从预处理后的图像中检测线段，对上、左、右三部分的区域内线段进行直线拟合，获取拟合直线集合；
第五步骤，将连续N帧检测出同一ID号人脸区域对应的预处理后的图像作为一组投票队列，对投票队列进行活体投票判断并输出待检测图像中的活体检测结果。
2.如权利要求1所述的方法，其特征在于，所述第二步骤包括：
拓展系数计算步骤，提取人脸区域中的五官特征点，计算左右拓展系数和上下拓展系数；
左右侧区域提取步骤，根据左右拓展系数，获取左系数和右系数，计算左侧扩展宽度和右侧扩展宽度，根据左侧扩展宽度和人脸区域的高度，选取左侧区域，根据右侧扩展宽度和人脸区域的高度，选取右侧区域；
上侧区域提取步骤，根据上下拓展系数，获取上系数，计算上侧起始拓展高度，根据上侧起始拓展高度、人脸区域的宽度和高度，选取上侧区域。
3.如权利要求2所述的方法，其特征在于，所述拓展系数计算步骤包括：
五官特征点提取步骤，采用人脸关键点检测方法，从人脸区域中获取左眼、右眼、鼻尖、左嘴角、右嘴角的位置；
左右拓展系数计算步骤，计算人脸区域左边界与左眼、左嘴角的间距DL1、DL2，计算人脸区域右边界与右眼、右嘴角的间距DR1、DR2，计算左右拓展系数RLR＝0.5×(DL1/DL2+DR1/DR2)；
上下拓展系数计算步骤，分别计算人脸区域上边界、下边界与鼻尖的间距DT、DB，计算上侧拓展系数RTB＝DT/DB。
4.如权利要求2所述的方法，其特征在于，所述左右侧区域提取步骤包括：
左系数和右系数获取步骤，如果左右拓展系数小于1，左系数为αL＝T1，右系数为αR＝T2；如果左右拓展系数大于1，左系数为αL＝T2，右系数为αR＝T1；如果左右拓展系数等于1，左系数为αL＝T1，右系数为αR＝T1；
左侧拓展宽度和右侧拓展宽度计算步骤，计算左侧拓展宽度WL＝αL×WF，计算右侧拓展宽度WR＝αR×WF，其中WF为人脸区域的宽度；
左侧区域和右侧区域获取步骤，以人脸区域的左边界为右边界，向左侧构建一个宽度为左侧拓展宽度、高度为T3×HF的区域，标记为左侧区域；以人脸区域的右边界为左边界，向右侧构建一个宽度为右侧拓展宽度、高度为T3×HF的区域，标记为右侧区域，其中HF为人脸区域的高度；
进一步地，所述T1的取值范围为0.9～1.2，T2的取值范围为1.4～1.6，T3的取值范围为0.5～1.5。
5.如权利要求2所述的方法，其特征在于，所述上侧区域提取步骤包括：
上系数获取步骤，如果上下拓展系数小于1，上系数为αT＝T4；如果上下拓展系数大于1.2，上系数为αT＝T5；如果上下拓展系数位于1与1.2之间，上系数为αT＝T6；
上侧起始拓展高度计算步骤，计算上侧起始拓展高度HT＝αT×HF，其中HF为人脸区域的高度；
上侧区域获取步骤，以人脸区域的上边界上移HT的高度为下边界，向上侧构建一个左边界和右边界与人脸区域一致、高度为T7×HF的区域，标记为上侧区域，其中HF为人脸区域的高度；
进一步地，所述T4的取值范围为0.4～0.6，T5的取值范围为0.7～0.9，T6的取值范围为0.9～1.2，T7的取值范围为0.5～1.2。
6.如权利要求1所述的方法，其特征在于，所述第五步骤包括：
投票队列获取步骤，将首次检测到标记ID号人脸区域的预处理后的图像标记为第0帧，并把对应的预处理后的图像存放在投票队列中；如果第k帧首次检测到同一ID号人脸区域，并且k≤T8，则将第k帧预处理后的图像标记为第0帧，并把对应的预处理后的图像存放在投票队列中，如果投票队列存放结果小于N，则继续往下检测同一ID号人脸区域，否则输出投票队列，并转入投票队列单帧活体判断步骤；如果第T8帧内未检测到同一ID号人脸区域，则将投票队列清空，重新进行投票队列获取步骤；
投票队列单帧活体判断步骤，根据投票队列的每一帧预处理后的图像，对拟合直线集合进行过滤，统计有效直线的数量；根据有效直线的数量以及上、左、右三部分的区域的前背景占比，进行预处理后的图像的活体判断；
投票队列活体投票判断步骤，分别统计投票队列中活体和非活体的数量；如果活体数量大于非活体数量，则根据尺度信息和人脸区域，将投票队列对应的待检测图像中的人脸区域标记为活体人脸，否则根据尺度信息和人脸区域，将投票队列对应的待检测图像中的人脸区域标记为非活体人脸，并将投票队列清空；
活体检测结果输出步骤，输出待检测图像中的活体人脸和非活体人脸区域；
进一步地，所述N的取值范围为3～9帧，并且N为奇数；T8的取值范围为1～4。
7.如权利要求6所述的方法，其特征在于，所述投票队列单帧活体判断步骤包括：
有效直线统计步骤，针对投票队列中的每一帧预处理后的图像，分别统计拟合直线的长度，如果拟合直线长度大于min(WF,HF)×T9或者min(W,H)×T10，则标记为有效直线，否则将对应的拟合直线滤除；统计投票队列中的每一帧预处理后的图像内有效直线的数量，其中WF和HF为人脸区域的宽度和高度，W和H为预处理后的图像的宽度和高度；
活体判断步骤，选取至少一种非活体条件，针对投票队列中的每一帧预处理后的图像的人脸区域，如果满足选取的非活体条件，则判断为非活体，否则判断为活体；
进一步地，所述T9的取值范围为1.1～1.3，T10的取值范围为0.1～0.3。
8.如权利要求7所述的方法，其特征在于，所述非活体条件包括：
第一非活体条件：如果左侧区域和右侧区域的前背景占比均大于λ1，并且上侧区域的前背景占比不小于λ2，则认为人脸区域为非活体；如果左侧区域和右侧区域的前背景占比均大于λ1，并且上侧区域的前背景占比小于λ2，并且有效直线的数量大于1，则认为人脸区域为非活体；
第二非活体条件：如果左侧区域和右侧区域的前背景占比均小于λ3，并且上侧区域的前背景占比小于λ3，并且有效直线的数量大于T11，则认为人脸区域为非活体；如果左侧区域和右侧区域的前背景占比均小于λ3，并且上侧区域的前背景占比大于λ4，并且有效直线的数量大于2，则认为人脸区域为非活体；如果左侧区域和右侧区域的前背景占比均小于λ3，并且上侧区域的前背景占比位于λ3和λ4之间，并且有效直线的数量大于3，则认为人脸区域为非活体；
第三非活体条件：如果上侧区域的前背景占比小于λ5，并且有效直线数量大于3，则认为人脸区域为非活体；如果上侧区域的前背景占比大于λ2，并且有效直线数量大于0，则认为人脸区域为非活体；如果上侧区域的前背景占比位于λ5和λ2之间，并且有效直线数量大于1，则认为人脸区域为非活体；
进一步地，所述λ1的取值范围为0.2～0.3，λ2的取值范围为0.15～0.25，λ3的取值范围为0.05～0.15，T11的取值范围为4～6，λ4的取值范围为0.25～0.35，λ5的取值范围为0.02～0.08。
9.一种活体人脸检测装置，其特征在于，该装置包括：
人脸检测模块，用于对待检测图像进行人脸检测，如果未检测到人脸区域，则输出无人脸，否则对待检测图像进行图像预处理，获取预处理后的图像、标记ID号的人脸区域和尺度信息；
三区域获取模块，用于根据人脸区域，获取人脸区域周围上、左、右三部分的区域；
前背景占比计算模块，用于采用运动前景检测方法，获取上、左、右三部分的区域的前景点和背景点，分别计算上、左、右三部分的区域的前背景占比；
拟合直线集合获取模块，用于采用线段检测方法，从预处理后的图像中检测线段，对上、左、右三部分的区域内线段进行直线拟合，获取拟合直线集合；
活体投票判断模块，用于将连续N帧检测出同一ID号人脸区域对应的预处理后的图像作为一组投票队列，对投票队列进行活体投票判断并输出待检测图像中的活体检测结果。
10.如权利要求9所述的装置，其特征在于，所述三区域获取模块包括：
拓展系数计算模块，用于提取人脸区域中的五官特征点，计算左右拓展系数和上下拓展系数；
左右侧区域提取模块，用于根据左右拓展系数，获取左系数和右系数，计算左侧扩展宽度和右侧扩展宽度，根据左侧扩展宽度和人脸区域的高度，选取左侧区域，根据右侧扩展宽度和人脸区域的高度，选取右侧区域；
上侧区域提取模块，用于根据上下拓展系数，获取上系数，计算上侧起始拓展高度，根据上侧起始拓展高度、人脸区域的宽度和高度，选取上侧区域。
11.如权利要求10所述的装置，其特征在于，所述拓展系数计算模块包括：
五官特征点提取模块，用于采用人脸关键点检测方法，从人脸区域中获取左眼、右眼、鼻尖、左嘴角、右嘴角的位置；
左右拓展系数计算模块，用于计算人脸区域左边界与左眼、左嘴角的间距DL1、DL2，计算人脸区域右边界与右眼、右嘴角的间距DR1、DR2，计算左右拓展系数RLR＝0.5×(DL1/DL2+DR1/DR2)；
上下拓展系数计算模块，用于分别计算人脸区域上边界、下边界与鼻尖的间距DT、DB，计算上侧拓展系数RTB＝DT/DB。
12.如权利要求10所述的装置，其特征在于，所述左右侧区域提取模块包括：
左系数和右系数获取模块，用于如果左右拓展系数小于1，左系数为αL＝T1，右系数为αR＝T2；如果左右拓展系数大于1，左系数为αL＝T2，右系数为αR＝T1；如果左右拓展系数等于1，左系数为αL＝T1，右系数为αR＝T1；
左侧拓展宽度和右侧拓展宽度计算模块，用于计算左侧拓展宽度WL＝αL×WF，计算右侧拓展宽度WR＝αR×WF，其中WF为人脸区域的宽度；
左侧区域和右侧区域获取模块，用于以人脸区域的左边界为右边界，向左侧构建一个宽度为左侧拓展宽度、高度为T3×HF的区域，标记为左侧区域；以人脸区域的右边界为左边界，向右侧构建一个宽度为右侧拓展宽度、高度为T3×HF的区域，标记为右侧区域，其中HF为人脸区域的高度；
进一步地，所述T1的取值范围为0.9～1.2，T2的取值范围为1.4～1.6，T3的取值范围为0.5～1.5。
13.如权利要求10所述的装置，其特征在于，所述上侧区域提取模块包括：
上系数获取模块，用于如果上下拓展系数小于1，上系数为αT＝T4；如果上下拓展系数大于1.2，上系数为αT＝T5；如果上下拓展系数位于1与1.2之间，上系数为αT＝T6；
上侧起始拓展高度计算模块，用于计算上侧起始拓展高度HT＝αT×HF，其中HF为人脸区域的高度；
上侧区域获取模块，用于以人脸区域的上边界上移HT的高度为下边界，向上侧构建一个左边界和右边界与人脸区域一致、高度为T7×HF的区域，标记为上侧区域，其中HF为人脸区域的高度；
进一步地，所述T4的取值范围为0.4～0.6，T5的取值范围为0.7～0.9，T6的取值范围为0.9～1.2，T7的取值范围为0.5～1.2。
14.如权利要求9所述的装置，其特征在于，所述活体投票判断模块包括：
投票队列获取模块，用于将首次检测到标记ID号人脸区域的预处理后的图像标记为第0帧，并把对应的预处理后的图像存放在投票队列中；如果第k帧首次检测到同一ID号人脸区域，并且k≤T8，则将第k帧预处理后的图像标记为第0帧，并把对应的预处理后的图像存放在投票队列中，如果投票队列存放结果小于N，则继续往下检测同一ID号人脸区域，否则输出投票队列，并转入投票队列单帧活体判断模块；如果第T8帧内未检测到同一ID号人脸区域，则将投票队列清空，重新进行投票队列获取模块；
投票队列单帧活体判断模块，用于根据投票队列的每一帧预处理后的图像，对拟合直线集合进行过滤，统计有效直线的数量；根据有效直线的数量以及上、左、右三部分的区域的前背景占比，进行预处理后的图像的活体判断；
投票队列活体投票判断模块，用于分别统计投票队列中活体和非活体的数量；如果活体数量大于非活体数量，则根据尺度信息和人脸区域，将投票队列对应的待检测图像中的人脸区域标记为活体人脸，否则根据尺度信息和人脸区域，将投票队列对应的待检测图像中的人脸区域标记为非活体人脸，并将投票队列清空；
活体检测结果输出模块，用于输出待检测图像中的活体人脸和非活体人脸区域；进一步地，所述N的取值范围为3～9帧，并且N为奇数；T8的取值范围为1～4。
15.如权利要求14所述的装置，其特征在于，所述投票队列单帧活体判断模块包括：
有效直线统计模块，用于针对投票队列中的每一帧预处理后的图像，分别统计拟合直线的长度，如果拟合直线长度大于min(WF,HF)×T9或者min(W,H)×T10，则标记为有效直线，否则将对应的拟合直线滤除；统计投票队列中的每一帧预处理后的图像内有效直线的数量，其中WF和HF为人脸区域的宽度和高度，W和H为预处理后的图像的宽度和高度；
活体判断模块，用于选取至少一种非活体条件，针对投票队列中的每一帧预处理后的图像的人脸区域，如果满足选取的非活体条件，则判断为非活体，否则判断为活体；
进一步地，所述T9的取值范围为1.1～1.3，T10的取值范围为0.1～0.3。
CN201810809932.9A 2018-07-23 2018-07-23 一种活体人脸检测方法及装置 Active CN108549887B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810809932.9A CN108549887B (zh) 2018-07-23 2018-07-23 一种活体人脸检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810809932.9A CN108549887B (zh) 2018-07-23 2018-07-23 一种活体人脸检测方法及装置

Publications (2)

Publication Number Publication Date
CN108549887A CN108549887A (zh) 2018-09-18
CN108549887B true CN108549887B (zh) 2021-07-30

Family

ID=63492239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810809932.9A Active CN108549887B (zh) 2018-07-23 2018-07-23 一种活体人脸检测方法及装置

Country Status (1)

Country Link
CN (1) CN108549887B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215045A (zh) * 2019-07-12 2021-01-12 普天信息技术有限公司 一种活体检测方法和装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102201061B (zh) * 2011-06-24 2012-10-31 常州锐驰电子科技有限公司 基于多阶层过滤人脸识别的智能安全监控系统及方法
CN105243386B (zh) * 2014-07-10 2019-02-05 汉王科技股份有限公司 人脸活体判断方法以及系统
CN104361326A (zh) * 2014-11-18 2015-02-18 新开普电子股份有限公司 一种判别活体人脸的方法
CN105205458A (zh) * 2015-09-16 2015-12-30 北京邮电大学 人脸活体检测方法、装置及系统
CN105426815A (zh) * 2015-10-29 2016-03-23 北京汉王智远科技有限公司 活体检测方法及装置
CN105335722B (zh) * 2015-10-30 2021-02-02 商汤集团有限公司 一种基于深度图像信息的检测系统及方法
CN107766776A (zh) * 2016-08-17 2018-03-06 广州广电运通金融电子股份有限公司 一种手指静脉识别方法及装置
CN107862298B (zh) * 2017-11-27 2021-07-06 电子科技大学 一种基于红外摄像装置下眨眼的活体检测方法

Also Published As

Publication number Publication date
CN108549887A (zh) 2018-09-18

Similar Documents

Publication Publication Date Title
KR101964397B1 (ko) 정보처리장치 및 정보처리방법
US8577099B2 (en) Method, apparatus, and program for detecting facial characteristic points
CN108537782B (zh) 一种基于轮廓提取的建筑物图像匹配与融合的方法
CN110348263B (zh) 一种基于图像识别的二维随机码图像识别与提取方法
CN109190522B (zh) 一种基于红外相机的活体检测方法
CN104978567B (zh) 基于场景分类的车辆检测方法
JP2011134114A (ja) パターン認識方法およびパターン認識装置
CN105049911A (zh) 一种基于人脸识别的视频特效处理方法
CN108830152B (zh) 深度学习网络和人工特征相联合的行人检测方法及系统
CN109341692B (zh) 一种沿线导航方法及机器人
EP3905104B1 (en) Living body detection method and device
CN112215043A (zh) 一种人脸活体检测方法
CN110059634A (zh) 一种大场景人脸抓拍方法
CN111192213B (zh) 图像去雾自适应参数的计算方法、图像去雾方法及系统
CN108549887B (zh) 一种活体人脸检测方法及装置
US20130208984A1 (en) Content scene determination device
CN112016437B (zh) 一种基于人脸视频关键帧的活体检测方法
CN109858464B (zh) 底库数据处理方法、人脸识别方法、装置和电子设备
CN103366368A (zh) 消除阴影和高亮噪声的双梯柱体码本前景检测方法
CN106650363A (zh) 一种身份识别方法与系统
Choudri et al. Robust background model for pixel based people counting using a single uncalibrated camera
JP5278307B2 (ja) 画像処理装置及び方法、並びにプログラム
KR101274741B1 (ko) 객체 영역의 유효성 판단 방법 및 장치, 객체 추출 방법
US20070292024A1 (en) Application specific noise reduction for motion detection methods
JP6851246B2 (ja) 物体検出装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20180918

Assignee: Zhongguancun Technology Leasing Co.,Ltd.

Assignor: Beijing ICETech Science & Technology Co.,Ltd.

Contract record no.: X2023980041869

Denomination of invention: A Living Face Detection Method and Device

Granted publication date: 20210730

License type: Exclusive License

Record date: 20230915

EE01 Entry into force of recordation of patent licensing contract
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Living Face Detection Method and Device

Effective date of registration: 20230918

Granted publication date: 20210730

Pledgee: Zhongguancun Technology Leasing Co.,Ltd.

Pledgor: Beijing ICETech Science & Technology Co.,Ltd.

Registration number: Y2023980057373

PE01 Entry into force of the registration of the contract for pledge of patent right