CN109919063A - 一种基于纹理分析的活体人脸检测系统及方法 - Google Patents
一种基于纹理分析的活体人脸检测系统及方法 Download PDFInfo
- Publication number
- CN109919063A CN109919063A CN201910145364.1A CN201910145364A CN109919063A CN 109919063 A CN109919063 A CN 109919063A CN 201910145364 A CN201910145364 A CN 201910145364A CN 109919063 A CN109919063 A CN 109919063A
- Authority
- CN
- China
- Prior art keywords
- lbp
- living body
- pixel
- histogram
- module
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开一种基于纹理分析的活体人脸检测系统,原始图像ROM模块预存原始图像,产生从0开始依次累加的地址数据,生成原始图像的像素流;颜色空间转换模块将RGB图像分别转换成Y、Cb、Cr和H、S、V六种像素流;LBP值计算模块每接收一个像素数据后计算对应的LBP值并输出该LBP值;直方图统计模块依次接收LBP值,进行直方图统计并生成相应的LBP直方图,该直方图为人脸图片的特征向量;SVM模块计算特征向量与外部输入的所有训练图片的支持向量的距离,根据计算结果标记出真假人脸的识别标签。此种系统的硬件实现采用FPGA作为主要的运算器件,以实现在大数目的人脸训练图片条件下提高活体人脸检测速度。本发明还公开一种基于纹理分析的活体人脸检测方法。
Description
技术领域
本发明属于电子信息和数字图像处理领域,特别涉及一种基于纹理分析的活体人脸检测硬件架构及检测方法。
背景技术
近年来,生物特征识别技术取得飞速发展,指纹识别、人脸识别、虹膜识别等身份识别技术得到非常广泛的应用。其中,人脸特征由于其具有不容易丢失、窃取、对用户友好等优点受到了广泛的欢迎。但是,生物特征信息的获取和伪造随着生物技术的发展也变得更加简单快捷,N.MDuc等人仅仅使用一张打印的人脸照片成功地通过了认证系统,同时各种极具欺骗的假冒技术不断出现,这给身份认证技术的应用带来了极大的挑战。因此,为了更安全地进行身份认证和检测身份来源的真实性,检测被识别的对象是否是活体显得尤为重要。假冒人脸攻击中的检测技术成为研究的重点。
近十年来,国际国内发表的关于人脸认证抗欺骗技术的论文越来越多,在计算机视觉、图像处理、模式识别领域比较权威的会议论坛或期刊中不时有新的活体检测技术出现,科研人员与学者纷纷提出自己的方法来对可能的伪造攻击进行分析。然而目前的活体检测系统局限在软件平台:市场上的小型产品用嵌入式系统搭建,学术机构的活体人脸检测用CPU来实现。与嵌入式系统相比,FPGA采用并行处理结构,在相同的时钟周期中有着更快的运算速度,可以更好的满足图像实时处理的要求,能够很大程度提升检测速度;与CPU相比,FPGA具有较低的成本,方便携带,并可以为以后的ASIC开发,协处理器设计打下基础。
而近年来基于FPGA高层综合工具的研发,给FPGA设计带来很大便利,高层综合工具在不影响性能的情况下大幅度地降低了研发周期。FPGA作为适用不同功能的可编程标准器件,没有高额的研发成本,并且具有一定的灵活性。另外FPGA具有功耗低、并行性等优点,因此将FPGA应用于移动工作平台来实现活体人脸检测是有效的解决方案。
发明内容
本发明的目的,在于提供一种基于纹理分析的活体人脸检测系统及方法,硬件实现采用FPGA作为主要的运算器件,以实现在大数目的人脸训练图片条件下提高活体人脸检测速度。
为了达成上述目的,本发明的解决方案是:
一种基于纹理分析的活体人脸检测系统,包括:
原始图像ROM模块,预存原始图像,产生从0开始依次累加的地址数据,生成原始图像的像素流;
与所述原始图像ROM模块连接的颜色空间转换模块,其将原始图像ROM模块输出的RGB图像分别转换成Y、Cb、Cr和H、S、V六种像素流;
与所述颜色空间转换模块连接的LBP值计算模块,其依次接收颜色空间转换模块输出的像素数据,每接收一个像素数据后计算该像素数据对应的LBP值并输出该LBP值;
与所述LBP值计算模块连接的直方图统计模块,依次接收所述LBP值计算模块输出的LBP值,进行直方图统计并生成相应的LBP直方图,该直方图为人脸图片的特征向量,存储在一个RAM中;以及,
与所述直方图统计模块连接的SVM模块,计算从所述直方图统计模块读出的特征向量与外部输入的所有训练图片的支持向量的距离,根据计算结果标记出真假人脸的识别标签。
上述LBP值计算模块包括存储人脸图片n行像素的行缓存结构和n*n方形邻域结构,n的取值可以为3。
上述行缓存结构为距离值为图像行长度、抽头数为n的移位寄存器。
上述n*n方形邻域结构被配置为:每接收到行缓存抽头输出的n个数据后,将中间像素数据与其周围的像素数据分别进行比较以获得该像素数据的LBP数值。
上述检测系统采用FPGA实现。
一种基于纹理分析的活体人脸检测方法,包括如下步骤:
步骤1,将输入的原始图像配置为像素大小为N*N的RGB图像,设置为从0开始依次累加的地址数据,生成原始图像的像素流;
步骤2,将RGB图像形式的像素流转换成Y、Cb、Cr和H、S、V六种像素流;
步骤3,对步骤2转换的每一个像素数据,均计算其对应的LBP值;
步骤4,对步骤3计算得到的LBP值进行直方图统计并生成相应的LBP直方图,该直方图为人脸图片的特征向量;
步骤5,计算所述特征向量与外部输入的所有训练图片的支持向量的距离,根据计算结果标记出真假人脸的识别标签。
上述步骤3的具体过程是:读取步骤2输出的像素数据,并保存在n行像素的行缓存结构中;在时钟节拍控制下将n行行缓存结构中的每一列数据依次移位寄存到n*n方形邻域结构中,n*n方形邻域结构将中间像素数据与其周围的像素数据分别进行比较,从而获得该像素数据的LBP数值。
采用上述方案后,本发明通过采用颜色空间转换模块在不断接收人脸图片的像素数据的同时将RGB转换成Y、Cb、Cr和H、S、V六种像素,然后通过LBP值计算模块对各个像素数据进行LBP数值计算,然后通过直方图统计模块对接收的LBP值进行直方图统计,最后通过SVM模块将接收的特征向量与所有训练图片的支持向量比较,从而实现活体人脸检测。由此可见,本发明利用硬件流水线处理和并行计算处理,从而大大提高了数据的并行度,最终实现对输入测试图片的活体检测,在大规模的人脸图片训练库条件下,有效提高了数据的吞吐率,使得活体人脸检测速度获得大幅度的提升。
附图说明
图1是本发明的结构示意图;
图2是lbp值计算模块结构示意图。
具体实施方式
以下将结合附图,对本发明的技术方案及有益效果进行详细说明。
如图1所示,本发明提供一种基于纹理分析的活体人脸检测硬件架构(在本实施例中,该架构采用FPGA实现),包括顺序连接的原始图像ROM模块、颜色空间转换模块、LBP值计算模块、直方图统计模块和SVM模块,下面分别介绍。
所述原始图像ROM模块用于配置像素大小为N*N的RGB图像,有3个通道,每个通道大小为N*N*8bits,在本实施例中,图像大小为64*64。在ROM的参数设置中,存储深度为4096,地址位address为13位,输出数据位宽为8位,由时钟clock控制地址的锁存输入和数据的锁存输出。
与所述原始图像ROM模块连接的颜色空间转换模块,其被配置为:将RGB信号分别转换成Y、Cb、Cr和H、S、V颜色空间信号。在本实施例中,图像的YCbCr值可以通过对RGB做如下运算得到,即:
Y=0.257*R+0.504*G+0.098*B+16
Cb=-0.148*R-0.291*G+0.439*B+128
Cr=0.439*R-0.368*G-0.071*B+128
为了避免浮点数运算,同时又要保证运算的精度,可以将公式中各小数系数放大相同的倍数后取整代入计算,获得的结果再缩小相同的倍数以获得需要的结果。例如,将上面的三个式子放大32倍后通过左移操作再缩小相同倍数,得到如下公式:
Y=8R+16G+4B+16*32>>5
Cb=-4*R-8*G+(12+2)*B+128*32>>5
Cr=(4+2)*R-12G+2B+128*32>>5
与所述颜色空间转换模块连接的LBP值计算模块,其依次接收颜色空间转换模块输出的像素数据,每接收一个像素数据后计算该像素数据对应的LBP值并输出该LBP值。
参照图2,LBP值计算模块包含行缓存结构和n*n方形邻域结构(在本实施例中使用的是3*3邻域)。LBP值计算模块先从数据输入端读取3行数据,并保存在行缓存中,行缓存的长度是图像行的长度。行缓存的电路本质是移位寄存器,当行缓存2的末端存有原始图像第一个数据D0时,下一个时钟便可将邻近3行的一列3个数据同时打入3*3方形邻域结构中的一列,3*3方形邻域结构在时钟节拍的控制下,将一列数据向右移位;3个时钟之后,3*3方形邻域结构中保存的数据即为图像中左上角3*3邻域的9个数值。当下一个时钟到来时,该3*3邻域便在图像中向右滑动。如此,3*3邻域继续向右滑动,就可以输出整幅图像的所有邻域,图像有多少个像素点,就需要处理多少个邻域。但由于边界数据所占比例极小,边界数据可忽略不计,因此在遇到处理图像边界像素点的时候,保持原数据不处理。
所述行缓存的实质就是移位寄存器,使用Shift register(RAM-based)器件,该器件的优势在于器件参数中可以设置抽头,本实施例中图像像素位宽为8,需要缓存3行,一行有64个像素。器件参数可以设置为数据位宽8bits,抽头数3,距离值64。
所述n*n方形邻域结构的实质就是n*n寄存器,被配置为:每接收到行缓存抽头输出的n个数据后,将中间像素数据与其周围的像素数据分别进行比较以获得该像素数据的LBP数值,其中,数值n为大于1的自然数(本实施例中,数值n为3)。
由于本实施例中采用的是等价模式的LBP算子,所以还需将计算得到的原始LBP值变换到等价模式。8个采样点的LBP算子只有256种特征模式,通过一个查找表(LUT),可以对其进行变换成59种特征模式。
与所述LBP值计算模块连接的直方图统计模块,依次接收所述LBP值计算模块输出的像素数据对应的LBP值,进行直方图统计并生成相应的LBP直方图,该直方图为人脸图片的特征向量,存储在一个RAM中。本实施例中,一共有59种特征模式。每个时钟周期都会产生一个特征模式,需要对其计数统计。RAM中每个单元相当于一个计数器,对于每一个时钟周期产生的LBP特征模式,需要到查找表中找到RAM对应的地址,再对RAM中对应的地址单元的统计数加1。
与所述直方图统计模块连接的SVM模块,计算从所述直方图统计模块读出的特征向量与外部输入的所有训练图片的支持向量的距离,根据计算结果标记出真假人脸的识别标签。在本实施例中,直方图一共是59*3*2=354个数据,SVM训练好的网络参数有74个1*354的支持向量、74个支持向量的系数α、一个截距b,将所有网络参数存在svm_memory中。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (8)
1.一种基于纹理分析的活体人脸检测系统,其特征在于包括:
原始图像ROM模块,预存原始图像,产生从0开始依次累加的地址数据,生成原始图像的像素流;
与所述原始图像ROM模块连接的颜色空间转换模块,其将原始图像ROM模块输出的RGB图像分别转换成Y、Cb、Cr和H、S、V六种像素流;
与所述颜色空间转换模块连接的LBP值计算模块,其依次接收颜色空间转换模块输出的像素数据,每接收一个像素数据后计算该像素数据对应的LBP值并输出该LBP值;
与所述LBP值计算模块连接的直方图统计模块,依次接收所述LBP值计算模块输出的LBP值,进行直方图统计并生成相应的LBP直方图,该直方图为人脸图片的特征向量,存储在一个RAM中;以及,
与所述直方图统计模块连接的SVM模块,计算从所述直方图统计模块读出的特征向量与外部输入的所有训练图片的支持向量的距离,根据计算结果标记出真假人脸的识别标签。
2.如权利要求1所述的一种基于纹理分析的活体人脸检测系统,其特征在于:所述LBP值计算模块包括存储人脸图片n行像素的行缓存结构和n*n方形邻域结构,数值n为大于1的自然数。
3.如权利要求2所述的一种基于纹理分析的活体人脸检测系统,其特征在于:所述行缓存结构为距离值为图像行长度、抽头数为n的移位寄存器。
4.如权利要求2所述的一种基于纹理分析的活体人脸检测系统,其特征在于:所述n*n方形邻域结构被配置为:每接收到行缓存抽头输出的n个数据后,将中间像素数据与其周围的像素数据分别进行比较以获得该像素数据的LBP数值。
5.如权利要求2所述的一种基于纹理分析的活体人脸检测系统,其特征在于:所述数值n取值为3。
6.如权利要求1所述的一种基于纹理分析的活体人脸检测系统,其特征在于:所述检测系统采用FPGA实现。
7.一种基于纹理分析的活体人脸检测方法,其特征在于包括如下步骤:
步骤1,将输入的原始图像配置为像素大小为N*N的RGB图像,设置为从0开始依次累加的地址数据,生成原始图像的像素流;
步骤2,将RGB图像形式的像素流转换成Y、Cb、Cr和H、S、V六种像素流;
步骤3,对步骤2转换的每一个像素数据,均计算其对应的LBP值;
步骤4,对步骤3计算得到的LBP值进行直方图统计并生成相应的LBP直方图,该直方图为人脸图片的特征向量;
步骤5,计算所述特征向量与外部输入的所有训练图片的支持向量的距离,根据计算结果标记出真假人脸的识别标签。
8.如权利要求7所述的一种基于纹理分析的活体人脸检测方法,其特征在于:所述步骤3的具体过程是:读取步骤2输出的像素数据,并保存在n行像素的行缓存结构中;在时钟节拍控制下将n行行缓存结构中的每一列数据依次移位寄存到n*n方形邻域结构中,n*n方形邻域结构将中间像素数据与其周围的像素数据分别进行比较,从而获得该像素数据的LBP数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910145364.1A CN109919063A (zh) | 2019-02-27 | 2019-02-27 | 一种基于纹理分析的活体人脸检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910145364.1A CN109919063A (zh) | 2019-02-27 | 2019-02-27 | 一种基于纹理分析的活体人脸检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109919063A true CN109919063A (zh) | 2019-06-21 |
Family
ID=66962437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910145364.1A Pending CN109919063A (zh) | 2019-02-27 | 2019-02-27 | 一种基于纹理分析的活体人脸检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109919063A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188808A (zh) * | 2023-04-25 | 2023-05-30 | 青岛尘元科技信息有限公司 | 图像特征提取方法和系统、存储介质及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205476A (zh) * | 2015-10-21 | 2015-12-30 | 上海红神信息技术有限公司 | 一种基于lbp特征的人脸识别硬件架构 |
US20180014902A1 (en) * | 2015-03-20 | 2018-01-18 | Olympus Corporation | Image processing device, image processing method, and computer-readable recording medium |
CN108921041A (zh) * | 2018-06-06 | 2018-11-30 | 深圳神目信息技术有限公司 | 一种基于rgb和ir双目摄像头的活体检测方法及装置 |
-
2019
- 2019-02-27 CN CN201910145364.1A patent/CN109919063A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180014902A1 (en) * | 2015-03-20 | 2018-01-18 | Olympus Corporation | Image processing device, image processing method, and computer-readable recording medium |
CN105205476A (zh) * | 2015-10-21 | 2015-12-30 | 上海红神信息技术有限公司 | 一种基于lbp特征的人脸识别硬件架构 |
CN108921041A (zh) * | 2018-06-06 | 2018-11-30 | 深圳神目信息技术有限公司 | 一种基于rgb和ir双目摄像头的活体检测方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188808A (zh) * | 2023-04-25 | 2023-05-30 | 青岛尘元科技信息有限公司 | 图像特征提取方法和系统、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103886301B (zh) | 一种人脸活体检测方法 | |
Knoll et al. | Improving efficiency of organic farming by using a deep learning classification approach | |
Hu et al. | Hyperspectral image super-resolution by spectral difference learning and spatial error correction | |
CN107122787A (zh) | 一种基于特征融合的图像缩放质量评价方法 | |
CN110363088B (zh) | 基于多特征融合的自适应皮肤炎症区域检测方法 | |
Quan et al. | Deep generative matching network for optical and SAR image registration | |
CN109740572A (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
JP5557091B2 (ja) | 画像処理装置、画像読取装置、画像処理方法及び画像処理プログラム | |
Losson et al. | Color texture analysis using CFA chromatic co-occurrence matrices | |
CN108171702A (zh) | 易损斑块识别方法、应用服务器及计算机可读存储介质 | |
CN108122225A (zh) | 基于自适应特征点的数字图像篡改检测方法 | |
Bharate et al. | Classification of grape leaves using KNN and SVM classifiers | |
Patki et al. | Cotton leaf disease detection & classification using multi SVM | |
Sun et al. | Utilization of machine vision to monitor the dynamic responses of rice leaf morphology and colour to nitrogen, phosphorus, and potassium deficiencies | |
CN112733716A (zh) | 基于srocrn网络的低分辨率文本图像识别方法 | |
CN109919063A (zh) | 一种基于纹理分析的活体人脸检测系统及方法 | |
KR101192365B1 (ko) | 얼굴 검출 시스템 및 그 방법 | |
CN108108663A (zh) | 一种视频人脸识别系统与方法 | |
CN109509194B (zh) | 一种复杂背景下正面人体图像分割方法及装置 | |
Tan et al. | Gesture segmentation based on YCb'Cr'color space ellipse fitting skin color modeling | |
CN110400250A (zh) | 基于ai的智能图像预处理方法及系统 | |
Nagarasu et al. | Automatic irrigation and worm detection for peanut field using Raspberry pi with OpenCV | |
Yang et al. | Cherry recognition based on color channel transform | |
CN107609479A (zh) | 基于带有噪声输入的稀疏高斯过程的姿态估计方法及系统 | |
CN103996044B (zh) | 利用遥感图像提取目标的方法和装置 |
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 |