CN112200086A - 一种基于视频的人脸活体检测方法 - Google Patents

一种基于视频的人脸活体检测方法 Download PDF

Info

Publication number
CN112200086A
CN112200086A CN202011080391.4A CN202011080391A CN112200086A CN 112200086 A CN112200086 A CN 112200086A CN 202011080391 A CN202011080391 A CN 202011080391A CN 112200086 A CN112200086 A CN 112200086A
Authority
CN
China
Prior art keywords
face
video
living body
executing
detection
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
Application number
CN202011080391.4A
Other languages
English (en)
Inventor
黄军文
汤红
柯南海
文戈
陈兴委
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.)
Shenzhen Huafu Information Technology Co ltd
Original Assignee
Shenzhen Huafu Information 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 Shenzhen Huafu Information Technology Co ltd filed Critical Shenzhen Huafu Information Technology Co ltd
Priority to CN202011080391.4A priority Critical patent/CN112200086A/zh
Publication of CN112200086A publication Critical patent/CN112200086A/zh
Pending legal-status Critical Current

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric 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

Landscapes

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

Abstract

本发明属于图像处理技术领域，尤其涉及一种基于视频的人脸活体检测方法，包括S1:录制视频；S2:检测视频中是否有人脸；若是，执行S4；若否，执行S3；S3:视频录制终止并发出“重新录制视频”的提示信息；S4:判断视频中人脸来源是否为真人；若是，执行S5；若否，执行S6；S5:检测视频中人脸关键点是否有动作；若是，执行S7；若否，执行S6；S6：活体检测终止并发出“活体检测失败”的提示信息；S7：活体检测终止并发出“活体检测成功”的提示信息。

Description

一种基于视频的人脸活体检测方法
技术领域
本发明涉及机器学习和模式识别领域，尤其涉及一种基于视频的人脸活体检测方法。
背景技术
由于深度学习的发展，大规模人脸识别成为可能。目前人脸识别技术已经广泛应用于安防，闸机以及金融支付等场景。人脸识别的过程不仅要确认获取的人脸是不是来源于同一个人，同时还要确认要比对的图片是不是来源于真人，即人脸的活体检测。人脸活体检测包含动作活体、静默活体。动作活体是指受试者根据随机指令做相应的动作，如张嘴、眨眼、摇头以确定是不是真人，动作活体可以用来防静态图片的攻击，但是对于录好的视频却很难防；静默活体包含单目、双目、3D的活体检测。双目活体包括rgb+rgb,rgb+ir双摄像头配合；3D活体检测主要是用专有的结构光设备进行活体检测。不管是双目还是3D活体，对摄像头的要求都比较高，必须是专有设备。而对于现有通用的手机摄像头，都没法满足上面的要求。
发明内容
为了克服以上的技术问题，本是发明提出一种基于视频的人脸活体检测方法，包括以下步骤：
S1:录制视频。
S2:检测视频中是否有人脸；若是，执行S4；若否，执行S3；
S3:视频录制终止并发出“重新录制视频”的提示信息；
S4:判断视频中人脸来源是否为真人；若是，执行S5；若否，执行S6；
S5:检测视频中人脸关键点是否有动作；若是，执行S7；若否，执行S6；
S6：活体检测终止并发出“活体检测失败”的提示信息；
S7：活体检测终止并发出“活体检测成功”的提示信息。
进一步地，在S2中，进行以下具体的步骤：
S21：检测获取人脸；
S22:判断人脸是否在A时间内连续存在；若是，执行S23；若否，执行S3；
S23：判断人脸是否完整，若是，执行S24；若否，执行S3；
S24：判断人脸大小是否合适，若是，执行S3；若否，执行S25；
S25：视频录制终止并发出“将人脸置于检测框内重新视频录制”提示；
S26：发出“保持合适的距离”提示并在发出“保持合适的距离”提示一段时间内，若未检测到合适大小的人脸，则执行S3。
进一步地，在S21中，采用MTCNN等其他类似的人脸检测算法对视频中人脸进行检测。
进一步地，在S22中，采用多目标跟踪(MOT)算法判断人脸是否在A时间内连接存在。
进一步地，在S4中，基于imagenet训练模型对视频中人脸来源进行检测，训练模型的数据样本包括屏幕、纸张、真人的全图；检测过程中，检测到为屏幕或者纸张，检测终止并发出活体检测失败，检测为真人则检测成功，执行S4。
进一步地，在S5中，人脸关键点为眼睛，通过检测是否有眨眼动作来判断是否为活体，具体地，步骤如下：
S51:从视频中获取若干图片；
S52:基于人脸中5个关键点，对每张图片抠出两只眼睛；
S53：然后基于两只眼睛瞳孔的中点为中心进行旋转将两只眼睛转正；
S54:基于两只眼睛瞳孔为中心，抠出边长为瞳孔距离0.6倍的正方形；
S55:采用shufflenet v2训练模型进行检测；检测过程中，若干图片两只眼睛分别包含闭眼和睁眼状态则表示有眨眼，为活体，之后，执行S7；若只有睁眼或者闭眼状态则表示为非活体，之后执行S6。
有益效果：
本发明通过基于大量的样本数据训练学习模型，使得深度学习模型能区分纸张及屏幕数据与真人的区别，进而得到活体检测模型，准确输出待检测图像的类别，活体检测更加准确。
附图说明
图1为本发明人脸活体检测方法的步骤示意图；
图2为本发明S2中具体步骤示意图；
图3为本发明S5中具体步骤示意图；
具体实施方式
以下结合实施例对本发明作进一步的阐述，所述的实施例仅为本发明一部分的实施例，这些实施例仅用于解释本发明，对本发明的范围并不构成任何限制。
见图1,本发明提供一种基于视频的人脸活体检测方法，包括以下步骤：
S1:录制视频。
S2:检测视频中是否有人脸；若是，执行S4；若否，执行S3；
具体地，见图2，在S2中，进行以下步骤：
S21：检测获取人脸；
S22:判断人脸是否在A时间内连续存在；若是，执行S23；若否，执行S3；
S23：判断人脸是否完整，若是，执行S24；若否，执行S3；
S24：判断人脸大小是否合适，若是，执行S3；若否，执行S26；
S25：视频录制终止并发出“将人脸置于检测框内重新视频录制”提示；
S26：发出“保持合适的距离”提示并在发出“保持合适的距离”提示一段时间内，若未检测到合适大小的人脸，则执行S3；
具体地，在S21中，采用MTCNN等其他类似的人脸检测算法对视频中人脸进行检测；
具体地，在S22中，采用多目标跟踪(MOT)算法判断人脸是否在A时间内连接存在；
在一个具体应用实施例中，用户通过手机、平板等智能终端打开相应的软件,软件中显示有“录取视频”区域，用户点击“录取视频”区域，开始录制视频，在录制视频时，首先检测视频中是否存在人脸，如果存在人脸之后，判断人脸是否在A时间内连续存在，例如：在5秒中内，若有出现过人脸消失，则需要重新录制；若视频中都存在人脸，则对该视频进行下一步的处理(即对人脸的是否完整存在视频中进行检测)，具体地，智能终端会出现一个边框，若人脸只有部分在边框内，说明不完整，此时，智能终端页面会发出“将人脸置于检测边框内重新视频录制”提示；之后，用户可点击该提示区，重新录制视频；若人脸全部在边框内，说明完整，对该视频进行下一步处理(即进行在边框内的人脸大小是否合适)，具体地，软件内预先设置好视频中合适的人脸大小范围，若小于或大于该范围，均不符合要求，此时，智能终端会发出“人脸太多或太小，保持合适的距离”的提示，若在连续一段时间内，获取的视频中人脸的大小均不合适，此时，智能终端页面就会退出视频录制，并提示用户重新进行视频录制；若合适，对该录制的视频进行下一步的处理(即进行S3的相关步骤处理。)
S3:视频录制终止并发出“重新录制视频”的提示信息；
S4:判断视频中人脸来源是否为真人；若是，执行S5；若否，执行S6；
具体地，在S4中，基于imagenet训练模型对视频中人脸来源进行检测，训练模型的数据样本包括屏幕、纸张、真人的全图；检测过程中，检测到为屏幕或者纸张，检测终止并发出活体检测失败，检测为真人则检测成功，执行S5；
在一个具体应用实施例中，经过智能终端处理完成的视频通过压缩上传至服务器，服务器基于imagenet训练模型对视频中人脸来源进行检测，可以排除屏幕、纸张中的人脸的影响，使得活体检测更加准确。
S5:检测视频中人脸关键点是否有动作；若是，执行S7；若否，执行S6；
具体地，在S5中，人脸关键点为眼睛，通过检测是否有眨眼动作来判断是否为活体，具体地，见图3，步骤如下：
S51:从视频中获取若干图片；
S52:基于人脸中5个关键点，对每张图片抠出两只眼睛；
S53：然后基于两只眼睛瞳孔的中点为中心进行旋转将两只眼睛转正；
S54:基于两只眼睛瞳孔为中心，抠出边长为瞳孔距离0.6倍的正方形；
S55:采用shufflenet v2训练模型进行检测；检测过程中，若干图片两只眼睛分别包含闭眼和睁眼状态则表示有眨眼，为活体，之后，执行S7；若只有睁眼或者闭眼状态则表示为非活体，之后执行S6。
S6：活体检测终止并发出“活体检测失败”的提示信息；
S7：活体检测终止并发出“活体检测成功”的提示信息。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (6)

1.一种基于视频的人脸活体检测方法，其特征在于：包括以下步骤：
S1:录制视频。
S2:检测视频中是否有人脸；若是，执行S4；若否，执行S3；
S3:视频录制终止并发出“重新录制视频”的提示信息；
S4:判断视频中人脸来源是否为真人；若是，执行S5；若否，执行S6；
S5:检测视频中人脸关键点是否有动作；若是，执行S7；若否，执行S6；
S6：活体检测终止并发出“活体检测失败”的提示信息；
S7：活体检测终止并发出“活体检测成功”的提示信息。
2.根据权利要求1所述的人脸活体检测方法，其特征在于：
在S2中，进行以下具体的步骤：
S21：检测获取人脸；
S22:判断人脸是否在A时间内连续存在；若是，执行S23；若否，执行S3；
S23：判断人脸是否完整，若是，执行S24；若否，执行S3；
S24：判断人脸大小是否合适，若是，执行S3；若否，执行S25；
S25：发出“保持合适的距离”提示；
S26：发出“保持合适的距离”提示一段时间内，若未检测到合适大小的人脸，则执行S3。
3.根据权利要求1所述的人脸活体检测方法，其特征在于：
在S21中，采用MTCNN等其他类似的人脸检测算法对视频中人脸进行检测。
4.根据权利要求1所述的人脸活体检测方法，其特征在于：
在S22中，采用多目标跟踪(MOT)算法判断人脸是否在A时间内连接存在。
5.根据权利要求1所述的人脸活体检测方法，其特征在于：
在S4中，基于imagenet训练模型对视频中人脸来源进行检测，训练模型的数据样本包括屏幕、纸张、真人的全图；检测过程中，检测到为屏幕或者纸张，检测终止并发出活体检测失败，检测为真人则检测成功，执行S4。
6.根据权利要求1所述的人脸活体检测方法，其特征在于：
在S5中，人脸关键点为眼睛，通过检测是否有眨眼动作来判断是否为活体，具体地，步骤如下：
S51:从视频中获取若干图片；
S52:基于人脸中5个关键点，对每张图片抠出两只眼睛；
S53：然后基于两只眼睛瞳孔的中点为中心进行旋转将两只眼睛转正；
S54:基于两只眼睛瞳孔为中心，抠出边长为瞳孔距离0.6倍的正方形；
S55:采用shufflenet v2训练模型进行检测；检测过程中，若干图片两只眼睛分别包含闭眼和睁眼状态则表示有眨眼，为活体，之后，执行S7；若只有睁眼或者闭眼状态则表示为非活体，之后执行S6。
CN202011080391.4A 2020-10-10 2020-10-10 一种基于视频的人脸活体检测方法 Pending CN112200086A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011080391.4A CN112200086A (zh) 2020-10-10 2020-10-10 一种基于视频的人脸活体检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011080391.4A CN112200086A (zh) 2020-10-10 2020-10-10 一种基于视频的人脸活体检测方法

Publications (1)

Publication Number Publication Date
CN112200086A true CN112200086A (zh) 2021-01-08

Family

ID=74014273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011080391.4A Pending CN112200086A (zh) 2020-10-10 2020-10-10 一种基于视频的人脸活体检测方法

Country Status (1)

Country Link
CN (1) CN112200086A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376608A (zh) * 2018-09-26 2019-02-22 中国计量大学 一种人脸活体检测方法
CN110705483A (zh) * 2019-10-08 2020-01-17 Oppo广东移动通信有限公司 驾驶提醒方法、装置、终端及存储介质
CN111144293A (zh) * 2015-09-25 2020-05-12 北京市商汤科技开发有限公司 带交互式活体检测的人脸身份认证系统及其方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111144293A (zh) * 2015-09-25 2020-05-12 北京市商汤科技开发有限公司 带交互式活体检测的人脸身份认证系统及其方法
CN109376608A (zh) * 2018-09-26 2019-02-22 中国计量大学 一种人脸活体检测方法
CN110705483A (zh) * 2019-10-08 2020-01-17 Oppo广东移动通信有限公司 驾驶提醒方法、装置、终端及存储介质

Similar Documents

Publication Publication Date Title
CN108182409B (zh) 活体检测方法、装置、设备及存储介质
WO2018188453A1 (zh) 人脸区域的确定方法、存储介质、计算机设备
CN105072327B (zh) 一种防闭眼的人像拍摄处理的方法和装置
WO2016112630A1 (zh) 一种影像识别系统及方法
CN108470169A (zh) 人脸识别系统及方法
US20100189358A1 (en) Facial expression recognition apparatus and method, and image capturing apparatus
JP4597391B2 (ja) 顔領域検出装置およびその方法並びにコンピュータ読み取り可能な記録媒体
GB2560340A (en) Verification method and system
JP7148737B2 (ja) 生体（ｌｉｖｅｎｅｓｓ）検出検証方法、生体検出検証システム、記録媒体、及び生体検出検証システムの訓練方法
CN111860394A (zh) 一种基于姿态估计和动作检测的动作活体识别方法
CN111666835A (zh) 一种人脸活体检测方法和装置
CN115131880A (zh) 一种多尺度注意力融合的双重监督人脸活体检测方法
US10621424B2 (en) Multi-level state detecting system and method
CN113111782A (zh) 基于显著对象检测的视频监控方法及装置
CN112329727A (zh) 一种活体检测方法和装置
CN116825365A (zh) 基于多角度微表情的心理健康分析方法
CN109784215B (zh) 一种基于改进的光流法的活体检测方法及系统
CN108647650B (zh) 一种基于角膜反射和光学编码的人脸活体检测方法及系统
CN109986553B (zh) 一种主动交互的机器人、系统、方法及存储装置
JP2012068948A (ja) 顔属性推定装置およびその方法
KR20230110681A (ko) 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법
CN112200086A (zh) 一种基于视频的人脸活体检测方法
CN116030516A (zh) 基于多任务学习与全局循环卷积的微表情识别方法及装置
CN115512409A (zh) 一种人脸活体检测方法、装置、电子设备和存储介质
CN114299569A (zh) 一种基于眼球运动的安全人脸认证方法

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