CN110688967A - 用于静态人脸活体检测的系统以及方法 - Google Patents

Abstract

本发明提供用于静态人脸活体检测的系统以及方法。所述方法包括：从摄像头获取具有输入人脸的图像；通过第一深度神经网络检出图像中的输入人脸；通过质量检测模块判断所检出的输入人脸是否为质量合格的人脸图片；若所检出的输入人脸为质量合格的人脸图片时，则在所述图像上截取出人脸区域，并对所述人脸区域进行仿射变换，得到对应人脸的正面图像；用于接收截取出的所述人脸区域和所述正面图像并利用第二深度神经网络来获得所述输入人脸是否为活体的二分类；以及判断是否连续多帧图像中的输入人脸被归为活体分类，若是则判定所述输入人脸为活体。本发明能够适用于各种光照、倾斜、人种、遮挡等环境条件下，并能够有效防御视频、照片、面具等形式的攻击。

Description

用于静态人脸活体检测的系统以及方法

技术领域

本发明涉及人脸识别领域，特别涉及用于静态人脸活体检测的系统以及方法。

背景技术

人脸识别技术在公安侦查、门禁系统、目标追踪及其他民用安全控制系统等领域均具有较高的发展前景和经济效益。人脸活体识别是确保人脸识别准确率的重要前提。目前现有技术中的人脸活体识别技术主要有基于脸部微纹理、运动信息等。这些方法或者易受到光照条件、人脸大小等因素影响；或者需要用户交互，提高使用成本。而且上述现有技术在视频攻击下效果都较差。另有基于多光谱的人脸活体检测，根据皮肤和其他材质在光谱反射率上的差异判定真假人脸。但是对采集设备要求非常严格，而且多光谱图像用户体验差，成本远高于可见光系统，应用场景有限。

因此，提供一种成本低且能防御视频、照片、面具等形式的攻击的用于静态人脸活体检测的技术已成为业内亟待解决的技术问题。

发明内容

针对现有技术的上述问题，本发明提出了一种用于静态人脸活体检测的系统，所述系统包括：摄像头，其用于获取具有输入人脸的图像；第一深度神经网络, 其用于检出图像中的输入人脸；质量检测模块，其用于判断所检出的输入人脸是否为质量合格的人脸图片，并在是时发送触发信号；处理模块，其用于在接受到所述质量检测模块所发送的触发信号时在所述图像上截取出人脸区域，并对所述人脸区域进行仿射变换，得到对应输入人脸的正面图像；以及判定模块，其用于接收截取出的所述人脸区域和所述正面图像并利用第二深度神经网络来获得所述输入人脸是否为活体的二分类，并判断是否连续多帧图像中的输入人脸被归为活体分类，若是则判定所述输入人脸为活体。

在一实施例中，所述质量检测模块使用以下中的至少一个来判断所检出的输入人脸是否为质量合格的人脸图片：人脸尺寸、人脸位置、眼睛遮挡情况、嘴巴遮挡情况、人脸角度、睁闭眼情况、眩光侧光特征。

在一实施例中，将不同的人种、光源场景、人脸尺寸、攻击方式所对应的截取的人脸图片输入到不同的第二深度神经网络以获得是否为活体分类的结果。

在一实施例中，在遭受具有输入人脸的图像来自屏幕、照片、面具的攻击式时，所述判定模块对应来自屏幕、照片、面具的攻击包括分别具有不同的第二深度神经网络的第一活体分类器、第二活体分类器、第三活体分类器，在所述第一活体分类器、第二活体分类器、第三活体分类器的输出均为活体分类时，所述判定模块判定并输出活体分类，否则判定并输出非活体分类。

本发明还提供一种用于静态人脸活体检测的方法，所述方法包括：从摄像头获取具有输入人脸的图像；通过第一深度神经网络检出图像中的输入人脸；通过质量检测模块判断所检出的输入人脸是否为质量合格的人脸图片；若所检出的输入人脸为质量合格的人脸图片时，则在所述图像上截取出人脸区域，并对所述人脸区域进行仿射变换，得到对应人脸的正面图像；用于接收截取出的所述人脸区域和所述正面图像并利用第二深度神经网络来获得所述输入人脸是否为活体的二分类；以及判断是否连续多帧图像中的输入人脸被归为活体分类，若是则判定所述输入人脸为活体。

在一实施例中，所述质量检测模块使用以下中的至少一个来判断所检出的输入人脸是否为质量合格的人脸图片：人脸尺寸、人脸位置、眼睛遮挡情况、嘴巴遮挡情况、人脸角度、睁闭眼情况、眩光侧光特征。

在一实施例中，将不同的人种、光源场景、人脸尺寸、攻击方式所对应的截取的人脸图片输入到不同的第二深度神经网络以获得是否为活体分类的结果。

在一实施例中，在遭受具有输入人脸的图像来自屏幕、照片、面具的攻击式时，对应来自屏幕、照片、面具的攻击设置分别具有不同的第二深度神经网络的第一活体分类器、第二活体分类器、第三活体分类器，在所述第一活体分类器、第二活体分类器、第三活体分类器的输出均为活体分类时，判定并输出活体分类，否则判定并输出非活体分类。

与现有技术相比，本发明具有以下有益效果：本发明的用于静态人脸活体检测的系统以及方法能够适用于各种光照、倾斜、人种、遮挡等环境条件下，并能在手机实时响应的高特异性的人脸活体检测算法，能够有效防御视频、照片、面具等形式的攻击。

附图说明

在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。

图1为本发明的用于静态人脸活体检测的系统的实施例的组成结构示意图；

图2为本发明的用于静态人脸活体检测的方法的实施例的流程图。

具体实施方案

以下结合附图和具体实施例对本发明作详细描述，以便更清楚理解本发明的目的、特点和优点。应理解的是，以下结合附图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本发明的保护范围进行任何限制。除非上下文明确地另外指明，否则单数形式“一”和“所述”包括复数指代物。如本发明中所使用的，用语“第一” 和“第二”可互换使用，以将一个或一类构件分别与另一个或另一类区分开，且不旨在表示独立构件的位置或重要性。

参见图1，其显示了本发明的用于静态人脸活体检测的系统的实施例的组成结构示意图，用于静态人脸活体检测的系统1包括摄像头10、第一深度神经网络12、质量检测模块14、处理模块16和判定模块18。

摄像头10用于获取具有输入人脸的图像。在一实施例中，所述摄像头10可为门禁摄像头、天网摄像头等，其均可捕获进入其摄取区域的人脸图像。

第一深度神经网络12用于检出图像中的输入人脸。在一实施例中，第一深度神经网络12可基于人脸特征点进行检测。

质量检测模块14用于判断所检出的输入人脸是否为质量合格的人脸图片，并在是时发送触发信号。所述质量检测模块14使用以下中的至少一个来判断所检出的输入人脸是否为质量合格的人脸图片：人脸尺寸、人脸位置、眼睛遮挡情况、嘴巴遮挡情况、人脸角度、睁闭眼情况、眩光侧光特征等。

处理模块16用于在接受到所述质量检测模块14所发送的触发信号时在所述图像上截取出人脸区域，并对所述人脸区域进行仿射变换，得到对应输入人脸的正面图像。对于本领域的技术人员而言，可通过仿射变换从多姿态人脸获得人脸的正面图像，具体例如可通过SURF特征算法。

判定模块18用于接收截取出的所述人脸区域和所述正面图像并利用第二深度神经网络180来获得所述输入人脸是否为活体的二分类，并判断是否连续多帧图像中的输入人脸被归为活体分类，若是则判定所述输入人脸为活体。将不同的人种、光源场景、人脸尺寸、攻击方式所对应的截取的人脸图片输入到不同的第二深度神经网络180以获得是否为活体分类的结果。

在遭受具有输入人脸的图像来自屏幕、照片、面具的攻击式时，所述判定模块18对应来自屏幕、照片、面具的攻击分别包括第一活体分类器182、第二活体分类器184、第三活体分类器186，第一、第二、第三活体分类器182、184、186具有不同的第二深度神经网络180，在第一、第二、第三活体分类器182、184、186的输出均为活体分类时，所述判定模块18判定并输出活体分类，否则判定并输出非活体分类。

所述多个第二深度神经网络180可对应不同的人种、光源场景、人脸尺寸、攻击方式而不同，并且第二深度神经网络180也明显不同于第一深度神经网络12。

参见图2，其示出了本发明的用于静态人脸活体检测的方法的实施例的流程图，所述方法可在如图1所示的用于静态人脸活体检测的系统1上实施。如图2所示，该方法20首先进行步骤S210，从摄像头获取具有输入人脸的图像。在一实施例中，可从门禁摄像头、天网摄像头等获取具有输入人脸的图像。

该方法20还包括步骤S220，通过第一深度神经网络检出图像中的输入人脸。在一实施例中，S220可通过基于人脸特征点的第一深度神经网络检出图像中的输入人脸。

该方法20还包括步骤S230，通过质量检测模块判断所检出的输入人脸是否为质量合格的人脸图片，若是则继续步骤S240，若否则返回步骤S210。在一实施例中，所述步骤S230中的所述质量检测模块使用以下中的至少一个来判断所检出的输入人脸是否为质量合格的人脸图片：人脸尺寸、人脸位置、眼睛遮挡情况、嘴巴遮挡情况、人脸角度、睁闭眼情况、眩光侧光特征等。

在步骤S240中，在所述图像上截取出人脸区域，并对所述人脸区域进行仿射变换，得到对应人脸的正面图像。对本领域的技术人员而言，可利用常用的仿射变换从多姿态人脸获得人脸的正面图像，具体例如可通过SURF特征算法。

该方法20还包括步骤S250，用于接收截取出的所述人脸区域和所述正面图像并利用第二深度神经网络来获得所述输入人脸是否为活体的二分类。在步骤S250中，将不同的人种、光源场景、人脸尺寸、攻击方式所对应的截取的人脸图片输入到不同的第二深度神经网络以获得是否为活体分类的结果。在遭受具有输入人脸的图像来自屏幕、照片、面具的攻击式时，如图1中所示，对应来自屏幕、照片、面具的攻击可以设置分别具有不同的第二深度神经网络180的第一活体分类器182、第二活体分类器184、第三活体分类器186，在所述第一活体分类器182、第二活体分类器184、第三活体分类器186的输出均为活体分类时，判定并输出活体分类，否则判定并输出非活体分类。

该方法20还包括步骤S260，判断是否连续多帧图像中的输入人脸被归为活体分类，若是则判定所述输入人脸为活体（步骤S270），若否则返回步骤S210。步骤S260中的多帧图像的数量可以根据具体情况进行确定，例如在一实施例中，所述多帧图像为至少30帧。

本发明的用于静态人脸活体检测的系统以及方法能够适用于各种光照、倾斜、人种、遮挡等环境条件下，并能在手机实时响应的高特异性的人脸活体检测算法，能够有效防御视频、照片、面具等形式的攻击。

上述实施例是提供给熟悉本领域内的人员来实现或使用本发明的，熟悉本领域的人员可在不脱离本发明的发明思想的情况下，对上述实施例做出种种修改或变化，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。

Claims (8)

1.一种用于静态人脸活体检测的系统，所述系统包括：

摄像头，其用于获取具有输入人脸的图像；

第一深度神经网络, 其用于检出图像中的输入人脸；

质量检测模块，其用于判断所检出的输入人脸是否为质量合格的人脸图片，并在是时发送触发信号；

处理模块，其用于在接受到所述质量检测模块所发送的触发信号时在所述图像上截取出人脸区域，并对所述人脸区域进行仿射变换，得到对应输入人脸的正面图像；以及

判定模块，其用于接收截取出的所述人脸区域和所述正面图像并利用第二深度神经网络来获得所述输入人脸是否为活体的二分类，并判断是否连续多帧图像中的输入人脸被归为活体分类，若是则判定所述输入人脸为活体。

2.根据权利要求1所述的系统，其特征在于，所述质量检测模块使用以下中的至少一个来判断所检出的输入人脸是否为质量合格的人脸图片：人脸尺寸、人脸位置、眼睛遮挡情况、嘴巴遮挡情况、人脸角度、睁闭眼情况、眩光侧光特征。

3.根据权利要求1所述的系统，其特征在于，将不同的人种、光源场景、人脸尺寸、攻击方式所对应的截取的人脸图片输入到不同的第二深度神经网络以获得是否为活体分类的结果。

4.根据权利要求1或3所述的系统，其特征在于，在遭受具有输入人脸的图像来自屏幕、照片、面具的攻击式时，所述判定模块对应来自屏幕、照片、面具的攻击包括分别具有不同的第二深度神经网络的第一活体分类器、第二活体分类器、第三活体分类器，在所述第一活体分类器、第二活体分类器、第三活体分类器的输出均为活体分类时，所述判定模块判定并输出活体分类，否则判定并输出非活体分类。

5.一种用于静态人脸活体检测的方法，所述方法包括：

从摄像头获取具有输入人脸的图像；

通过第一深度神经网络检出图像中的输入人脸；

通过质量检测模块判断所检出的输入人脸是否为质量合格的人脸图片，并在是时发送触发信号；

在接受到所述质量检测模块所发送的触发信号时在所述图像上截取出人脸区域，并对所述人脸区域进行仿射变换，得到对应人脸的正面图像；

用于接收截取出的所述人脸区域和所述正面图像并利用第二深度神经网络来获得所述输入人脸是否为活体的二分类；以及

判断是否连续多帧图像中的输入人脸被归为活体分类，若是则判定所述输入人脸为活体。

6.根据权利要求5所述的方法，其特征在于，所述质量检测模块使用以下中的至少一个来判断所检出的输入人脸是否为质量合格的人脸图片：人脸尺寸、人脸位置、眼睛遮挡情况、嘴巴遮挡情况、人脸角度、睁闭眼情况、眩光侧光特征。

7.根据权利要求5所述的方法，其特征在于，将不同的人种、光源场景、人脸尺寸、攻击方式所对应的截取的人脸图片输入到不同的第二深度神经网络以获得是否为活体分类的结果。

8.根据权利要求5所述的方法，其特征在于，在遭受具有输入人脸的图像来自屏幕、照片、面具的攻击式时，对应来自屏幕、照片、面具的攻击设置分别具有不同的第二深度神经网络的第一活体分类器、第二活体分类器、第三活体分类器，在所述第一活体分类器、第二活体分类器、第三活体分类器的输出均为活体分类时，判定并输出活体分类，否则判定并输出非活体分类。