CN111160257B - 一种对光照变换稳健的单目人脸活体检测方法 - Google Patents

一种对光照变换稳健的单目人脸活体检测方法 Download PDF

Info

Publication number
CN111160257B
CN111160257B CN201911398244.9A CN201911398244A CN111160257B CN 111160257 B CN111160257 B CN 111160257B CN 201911398244 A CN201911398244 A CN 201911398244A CN 111160257 B CN111160257 B CN 111160257B
Authority
CN
China
Prior art keywords
image
derivative
derivatives
channel
color
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
CN201911398244.9A
Other languages
English (en)
Other versions
CN111160257A (zh
Inventor
潘若鸣
李慧斌
郝坤坤
黄义妨
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.)
Pan Ruoming
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201911398244.9A priority Critical patent/CN111160257B/zh
Publication of CN111160257A publication Critical patent/CN111160257A/zh
Application granted granted Critical
Publication of CN111160257B publication Critical patent/CN111160257B/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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及人脸活体检测领域，具体的说是一种对光照变换稳健的单目人脸活体检测方法。通过彩色图片的色彩空间变换到OPPONENT颜色空间、HSV空间和归一化的RGB空间之后，提取单个通道的一阶导数和二阶导数特征，利用SVM进行分类。本专利能解决基于RGB图的人脸活体检测精度受光照强度变化影响较大的问题，能够减轻光照强度的变换对人脸活体检测的影响，提高人脸活体检测在不同场景下的适用性，稳健性。实现仅利用RGB图的单目活体检测取得较可靠的结果，降低人脸活体检测的成本。

Description

一种对光照变换稳健的单目人脸活体检测方法
技术领域
本发明涉及人脸活体检测领域，具体的说是一种对光照变换稳健的单目人脸活体检测方法。
背景技术
当前的人脸活体检测方法主要有三类：第一类，基于运动信息的人脸活体检测方法，由于需要结合运动信息，在实际中需要受试者配合完成指定动作，用户体验不佳。第二类基于神经网络的活体检测方法，依据训练数据集的数据，对于某些实际生活中的场景效果并不理想。第三类，基于纹理的活体检测方法，计算简单，方便快捷，但是受实际光照强度变化、偏移等影响较大。通过结合不同的颜色空间图像来做人脸活体检测，能在一定程度减少光照对活体检测的影响，实际上，不同的颜色空间也是受影响光照变化的。且计算过多的颜色空间的特征，需要耗费大量时间。这些方法如：一种基于红外摄像头下的判别活体检测方（201910415877 .X ），一种人脸活体检测方法、系统及（201810584523 .3）活体检测方法（201810924142.5）一种基于局部彩色纹理特征的人脸活体检测方法（201910064240 .0）。
发明内容
本发明旨在提供一种对光照变换稳健的单目人脸活体检测方法，够减轻光照强度的变换对人脸活体检测的影响。
为了解决以上技术问题，本发明采用的技术方案为：一种对光照变换稳健的单目人脸活体检测方法，包括以下步骤：
1）、打开相机，采集人脸的彩色图片；
2）、剪裁步骤1）中得到的彩色图片，得到人脸区域图像，对人脸区域图像进行尺寸统一的预处理后得到预处理人脸图像；
3）、对步骤2）中得到的预处理人脸图像分别提取R、G、B三个颜色通道信息，通过对R、G、B三个通道的颜色空间变换将预处理人脸图像变换到OPPONENT颜色空间图像；
4）、对步骤3）中得到的OPPONENT颜色空间图像剪裁为大小相等的16个图像块；
5）、对步骤4）中得到的所有图像块提取出O1、O2、O3三个颜色通道，对每个图像块的每个颜色通道计算对应图像块的一阶导数和二阶导数，将单颜色通道的一阶导数和二阶导数串联得到对应图像块的一阶导数和二阶导数，将所有图像块的一阶导数和二阶导数串联起来，得到OPPONENT颜色空间图像的一阶导数特征和二阶导数特征；
6）、对步骤2）中得到的预处理人脸图像转换为HSV空间图像，并提取HSV空间图像的Hue通道图像；
7）、将步骤6）中得到的Hue通道图像剪裁得到16个相同大小的图像块，提取所有图像块的一阶导数和二阶导数，将所有图像块的一阶导数和二阶导数串联起来，得到Hue通道图像的一阶导数特征和二阶导数特征；
8）、将步骤2）中得到的预处理人脸图像转换为归一化的颜色空间图像；
9）、将步骤8）中得到的归一化颜色空间图像剪裁得到16个相同大小的图像块，提取所有图像块的一阶导数和二阶导数，将所有图像块的一阶导数和二阶导数串联起来，得到归一化颜色空间图像的一阶导数特征和二阶导数特征；
10）、将步骤5）、步骤7）以及步骤9）中得到的一阶导数特征和二阶导数特征串联起来，得到预处理人脸图像的不同颜色空间的一阶导数特征和二阶导数特征；
11）、将步骤10）中得到的一阶导数特征和二阶导数特征采用SVM分类法进行分类，分为真人和攻击两类；
12）、输出步骤11）的分类结果。
优选的，步骤3）中的变换形式为：
Figure 841747DEST_PATH_IMAGE001
。
优选的，步骤5）中，对每个图像块的每个颜色通道计算对应图像块的一阶导数的过程为：
Figure 696571DEST_PATH_IMAGE002
，/>
Figure 663259DEST_PATH_IMAGE003
；对每个图像块的每个颜色通道计算对应图像块的二阶导数的过程为：/>
Figure 58468DEST_PATH_IMAGE004
，/>
Figure 810523DEST_PATH_IMAGE005
，其中的i，j分别表示图像中行，列的像素值。
优选的，步骤6中，Hue通道的转换公式为：
Figure 321401DEST_PATH_IMAGE006
。
优选的，步骤8）中，对步骤2）中得到的预处理人脸图像的R、G、B三个通道，分别进行如下的处理，得到新的归一化的颜色空间图像：
Figure 588435DEST_PATH_IMAGE007
；其中/>
Figure 725018DEST_PATH_IMAGE008
表示的是R通道、G通道、B通道的均值，/>
Figure 393897DEST_PATH_IMAGE009
表示R通道、G通道、B通道的标准差。
优选的，步骤9）中，对步骤8）中得到的
Figure 574211DEST_PATH_IMAGE011
、/>
Figure 266224DEST_PATH_IMAGE013
、/>
Figure 3236DEST_PATH_IMAGE015
三个颜色通道，对每个图像块的每个颜色通道计算对应图像块的一阶导数和二阶导数，将单颜色通道的一阶导数和二阶导数串联得到对应图像块的一阶导数和二阶导数，将所有图像块的一阶导数和二阶导数串联起来，得到归一化的颜色空间图像的一阶导数特征和二阶导数特征。
有益效果
本发明通过彩色图片的色彩空间变换到OPPONENT颜色空间、HSV空间和归一化的RGB空间之后，提取单个通道的一阶导数和二阶导数特征，利用SVM进行分类。本专利能解决基于RGB图的人脸活体检测精度受光照强度变化影响较大的问题，能够减轻光照强度的变换对人脸活体检测的影响，提高人脸活体检测在不同场景下的适用性，稳健性。实现仅利用RGB图的单目活体检测取得较可靠的结果，降低人脸活体检测的成本。
附图说明
图1为本发明的流程图；
图2为本发明步骤2）中得到的预处理人脸图像；
图3为步骤9）中的归一化的颜色空间图像
Figure 215036DEST_PATH_IMAGE015
通道图提取的一阶导数特征；
图4为步骤9）中归一化的颜色空间图像
Figure 644881DEST_PATH_IMAGE015
通道图提取的二阶导数特征。
具体实施方式
如图1所示，本发明的种对光照变换稳健的单目人脸活体检测方法，包括以下步骤：
1）、打开相机，采集人脸的彩色图片；
2）、检测人脸，剪裁人脸区域，并对剪裁后的图片进行统一尺寸的预处理，得到如图2所示的预处理人脸图像；
3）、对步骤2）中得到的预处理人脸图像分别提取R、G、B三个颜色通道信息，通过对R、G、B三个通道的颜色空间变换将预处理人脸图像变换到OPPONENT颜色空间图像，变换形式为：
Figure 824189DEST_PATH_IMAGE001
；
4）、对步骤3）中得到的OPPONENT颜色空间图像剪裁为大小相等的16个图像块；
5）、对步骤4）中得到的所有图像块提取出O1、O2、O3三个颜色通道，对每个图像块的每个颜色通道计算对应图像块的一阶导数和二阶导数，将单颜色通道的一阶导数和二阶导数串联得到对应图像块的一阶导数和二阶导数，将所有图像块的一阶导数和二阶导数串联起来，得到OPPONENT颜色空间图像的一阶导数特征和二阶导数特征；
对每个图像块的每个颜色通道计算对应图像块的一阶导数的过程为：
Figure 286263DEST_PATH_IMAGE002
，/>
Figure 929734DEST_PATH_IMAGE003
；对每个图像块的每个颜色通道计算对应图像块的二阶导数的过程为：，/>
Figure 202584DEST_PATH_IMAGE005
。
6）、对步骤2）中得到的预处理人脸图像转换为HSV空间图像，并提取HSV空间图像的Hue通道图像；Hue通道体现的图像的光谱颜色信息，对于活体和攻击（如打印照片）来说，相机获取的图像光谱信息存在较大的差异。因此可以利用Hue通道图像来提取特征，Hue通道的转换公式为：
Figure 619921DEST_PATH_IMAGE006
。
7）、首先仿照步骤4），将步骤6）中得到的Hue通道图像剪裁得到16个相同大小的图像块；然后仿照步骤5），提取所有图像块的一阶导数和二阶导数，将所有图像块的一阶导数和二阶导数串联起来，得到Hue通道图像的一阶导数特征和二阶导数特征；
8）、将步骤2）中得到的预处理人脸图像的R、G、B三个通道，分别进行如下的处理，得到新的归一化的颜色空间图像：
Figure 698735DEST_PATH_IMAGE007
；其中/>
Figure 134396DEST_PATH_IMAGE008
表示的是R通道、G通道、B通道的均值，/>
Figure 906043DEST_PATH_IMAGE009
表示R通道、G通道、B通道的标准差，经过这样的之后，得到的图片能够对光照强度的变换和迁移保持稳定性。能够减少因不同的环境、不同的光照场景等因素对活体检测结果带来的干扰。
优选的，步骤9）中，对步骤8）中得到的归一化颜色空间图像剪裁得到16个相同大小的图像块，对每个图像块提取出
Figure 43632DEST_PATH_IMAGE011
、/>
Figure 863821DEST_PATH_IMAGE013
、/>
Figure 216304DEST_PATH_IMAGE015
三个颜色通道，对每个图像块的每个颜色通道计算对应图像块的一阶导数和二阶导数，将单颜色通道的一阶导数和二阶导数串联得到对应图像块的一阶导数和二阶导数，将所有图像块的一阶导数和二阶导数串联起来，得到归一化的颜色空间图像的一阶导数特征和二阶导数特征。
10）、将步骤5）、步骤7）以及步骤9）中得到的一阶导数特征和二阶导数特征串联起来，得到预处理人脸图像的不同颜色空间的一阶导数特征和二阶导数特征；
11）、将步骤10）中得到的一阶导数特征和二阶导数特征采用SVM分类法进行分类，分为真人和攻击两类；
12）、输出步骤11）的分类结果。

Claims (6)

1.一种对光照变换稳健的单目人脸活体检测方法，其特征在于：包括以下步骤：
1）、打开相机，采集人脸的彩色图片；
2）、剪裁步骤1）中得到的彩色图片，得到人脸区域图像，对人脸区域图像进行尺寸统一的预处理后得到预处理人脸图像；
3）、对步骤2）中得到的预处理人脸图像分别提取R、G、B三个颜色通道信息，通过对R、G、B三个通道的颜色空间变换将预处理人脸图像变换到OPPONENT颜色空间图像；
4）、对步骤3）中得到的OPPONENT颜色空间图像剪裁为大小相等的16个图像块；
5）、对步骤4）中得到的所有图像块提取出O1、O2、O3三个颜色通道，对每个图像块的每个颜色通道计算对应图像块的一阶导数和二阶导数，将单颜色通道的一阶导数和二阶导数串联得到对应图像块的一阶导数和二阶导数，将所有图像块的一阶导数和二阶导数串联起来，得到OPPONENT颜色空间图像的一阶导数特征和二阶导数特征；
6）、对步骤2）中得到的预处理人脸图像转换为HSV空间图像，并提取HSV空间图像的Hue通道图像；
7）、将步骤6）中得到的Hue通道图像剪裁得到16个相同大小的图像块，提取所有图像块的一阶导数和二阶导数，将所有图像块的一阶导数和二阶导数串联起来，得到Hue通道图像的一阶导数特征和二阶导数特征；
8）、将步骤2）中得到的预处理人脸图像转换为归一化的颜色空间图像；
9）、将步骤8）中得到的归一化颜色空间图像剪裁得到16个相同大小的图像块，提取所有图像块的一阶导数和二阶导数，将所有图像块的一阶导数和二阶导数串联起来，得到归一化颜色空间图像的一阶导数特征和二阶导数特征；
10）、将步骤5）、步骤7）以及步骤9）中得到的一阶导数特征和二阶导数特征串联起来，得到预处理人脸图像的不同颜色空间的一阶导数特征和二阶导数特征；
11）、将步骤10）中得到的一阶导数特征和二阶导数特征采用SVM分类法进行分类，分为真人和攻击两类；
12）、输出步骤11）的分类结果。
2.根据权利要求1所述的一种对光照变换稳健的单目人脸活体检测方法，其特征在于：步骤3）中的变换形式为：
Figure DEST_PATH_IMAGE001
。
3.根据权利要求1所述的一种对光照变换稳健的单目人脸活体检测方法，其特征在于：步骤5）中，对每个图像块的每个颜色通道计算对应图像块的一阶导数的过程为：
Figure DEST_PATH_IMAGE002
，
Figure DEST_PATH_IMAGE003
；对每个图像块的每个颜色通道计算对应图像块的二阶导数的过程为：
Figure DEST_PATH_IMAGE004
，
Figure DEST_PATH_IMAGE005
，其中的i，j分别表示图像中行，列的像素值。
4.根据权利要求1所述的一种对光照变换稳健的单目人脸活体检测方法，其特征在于：步骤6中，Hue通道的转换公式为：
Figure DEST_PATH_IMAGE006
。
5.根据权利要求1所述的一种对光照变换稳健的单目人脸活体检测方法，其特征在于：步骤8）中，对步骤2）中得到的预处理人脸图像的R、G、B三个通道，分别进行如下的处理，得到新的归一化的颜色空间图像：
Figure DEST_PATH_IMAGE007
；其中
Figure DEST_PATH_IMAGE008
表示的是R通道、G通道、B通道的均值，
Figure DEST_PATH_IMAGE009
表示R通道、G通道、B通道的标准差。
6.根据权利要求5所述的一种对光照变换稳健的单目人脸活体检测方法，其特征在于：步骤9）中，对步骤8）中得到的
Figure DEST_PATH_IMAGE011
、
Figure DEST_PATH_IMAGE013
、
Figure DEST_PATH_IMAGE015
三个颜色通道，对每个图像块的每个颜色通道计算对应图像块的一阶导数和二阶导数，将单颜色通道的一阶导数和二阶导数串联得到对应图像块的一阶导数和二阶导数，将所有图像块的一阶导数和二阶导数串联起来，得到归一化的颜色空间图像的一阶导数特征和二阶导数特征。
CN201911398244.9A 2019-12-30 2019-12-30 一种对光照变换稳健的单目人脸活体检测方法 Active CN111160257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911398244.9A CN111160257B (zh) 2019-12-30 2019-12-30 一种对光照变换稳健的单目人脸活体检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911398244.9A CN111160257B (zh) 2019-12-30 2019-12-30 一种对光照变换稳健的单目人脸活体检测方法

Publications (2)

Publication Number Publication Date
CN111160257A CN111160257A (zh) 2020-05-15
CN111160257B true CN111160257B (zh) 2023-03-24

Family

ID=70559567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911398244.9A Active CN111160257B (zh) 2019-12-30 2019-12-30 一种对光照变换稳健的单目人脸活体检测方法

Country Status (1)

Country Link
CN (1) CN111160257B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112766205B (zh) * 2021-01-28 2022-02-11 电子科技大学 一种基于颜色模态图像的鲁棒性静默活体检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116763A (zh) * 2013-01-30 2013-05-22 宁波大学 一种基于hsv 颜色空间统计特征的活体人脸检测方法
CN107506713A (zh) * 2017-08-15 2017-12-22 哈尔滨工业大学深圳研究生院 活体人脸检测方法及存储设备
WO2019137178A1 (zh) * 2018-01-12 2019-07-18 杭州海康威视数字技术股份有限公司 人脸活体检测

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116763A (zh) * 2013-01-30 2013-05-22 宁波大学 一种基于hsv 颜色空间统计特征的活体人脸检测方法
CN107506713A (zh) * 2017-08-15 2017-12-22 哈尔滨工业大学深圳研究生院 活体人脸检测方法及存储设备
WO2019137178A1 (zh) * 2018-01-12 2019-07-18 杭州海康威视数字技术股份有限公司 人脸活体检测

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种稳健的人脸检测算法;彭定辉;《现代电子技术》;20120801(第15期);全文 *
复杂背景和光照多变的人脸检测方法;李全彬等;《计算机工程与应用》;20090621(第18期);全文 *

Also Published As

Publication number Publication date
CN111160257A (zh) 2020-05-15

Similar Documents

Publication Publication Date Title
CN106204779B (zh) 基于多人脸数据采集策略和深度学习的课堂考勤方法
Limmer et al. Infrared colorization using deep convolutional neural networks
CN109543640B (zh) 一种基于图像转换的活体检测方法
CN103020965B (zh) 一种基于显著性检测的前景分割方法
CN109191428B (zh) 基于掩蔽纹理特征的全参考型图像质量评价方法
CN107798652A (zh) 图像处理方法、装置、可读存储介质和电子设备
CN105225235B (zh) 一种基于多光谱特征的视频火焰检测方法
CN102881160B (zh) 一种低照度场景下的户外交通标志识别方法
CN109740572A (zh) 一种基于局部彩色纹理特征的人脸活体检测方法
CN107146258B (zh) 一种图像显著区域检测方法
CN109829924A (zh) 一种基于主体特征分析的图像质量评价方法
CN109815653A (zh) 一种基于深度学习的pdf文本水印提取及比对方法
Hadiprakoso et al. Face anti-spoofing using CNN classifier & face liveness detection
CN108280483A (zh) 基于神经网络的实蝇成虫图像识别方法
CN113269191A (zh) 一种农作物叶片病害识别方法、装置和存储介质
CN111160257B (zh) 一种对光照变换稳健的单目人脸活体检测方法
CN111160478B (zh) 一种基于深度学习的高光谱目标显著性检测方法
Cai et al. Perception preserving decolorization
CN103559712A (zh) 黑瓜子色选方法
CN114511567A (zh) 舌体与舌苔图像识别分离方法
CN109344758B (zh) 基于改进局部二值模式的人脸识别方法
CN110647813A (zh) 一种基于无人机航拍的人脸实时检测识别方法
CN109784357A (zh) 一种基于统计模型的图像重拍检测方法
CN111985436A (zh) 一种基于lsd的车间地标线识别拟合方法
CN1987892A (zh) 基于数据流形的人脸自动识别方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211210

Address after: 518000 room 11a, building 7, Jinxiu Jiangnan II, Meilong Road, Bao'an District, Shenzhen, Guangdong

Applicant after: Pan Ruoming

Address before: 471000 Room 201, building 1, Chuangzhi Plaza, No. 32, changxiamen street, Luolong District, Luoyang City, Henan Province

Applicant before: Henan Zhongyuan big data Research Institute Co.,Ltd.

GR01 Patent grant
GR01 Patent grant