CN112395929A - 一种基于红外图像lbp直方图特征的人脸活体检测方法 - Google Patents
一种基于红外图像lbp直方图特征的人脸活体检测方法 Download PDFInfo
- Publication number
- CN112395929A CN112395929A CN201910765433.9A CN201910765433A CN112395929A CN 112395929 A CN112395929 A CN 112395929A CN 201910765433 A CN201910765433 A CN 201910765433A CN 112395929 A CN112395929 A CN 112395929A
- Authority
- CN
- China
- Prior art keywords
- image
- lbp
- histogram
- living body
- features
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 6
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000012706 support-vector machine Methods 0.000 abstract description 13
- 238000001727 in vivo Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于红外图像LBP直方图特征的人脸活体检测方法。本方法使用红外摄像头采集图像,经过人脸检测与对齐后,提取人脸LBP图像,分块统计得到直方图特征,并使用支持向量机(SVM)对特征进行分类,实现活体检测。
Description
技术领域
本发明涉及人脸特征识别技术领域,具体涉及一种基于红外图像LBP直方图特征的人脸活体检测方法。
背景技术
人脸识别技术具有自然、直观、易用等优点,随着人脸识别技术在智能安防、公安刑侦、金融社保、智能家居、电子商务、人脸娱乐、医疗教育等领域的广泛应用,其安全性问题日益凸显。因此,人脸防伪/活体检测(Face Anti-Spoofing)技术在近年来得到越来越多的关注,成为提高人脸识别系统安全性的重点环节。
人脸活体检测旨在区分活体人脸与伪造人脸,其中伪造人脸包括但不限于手机照片、视频、打印照片、三维人脸面具等。上述伪造人脸在可见光下能够做到以假乱真的效果,对人脸识别系统造成极大挑战。然而,一般伪造人脸仅针对可见光摄像头设计,在红外摄像头下,其成像模式与活体人脸存在较大差别,便于区分;手机、电脑等电子屏幕在红外摄像头下甚至无法成像。因此,基于红外摄像头,无需用户进行交互配合,在静默状态下便可进行活体检测。
基于红外摄像头的活体与伪造数据通常获得成本较高,规模较小,用于神经网络的训练易造成过拟合。而提取图像LBP不涉及训练过程,计算复杂度低,易于提取。传统LBP特征具有一定抗噪能力,而使用LBP的直方图统计特征,可进一步提升特征的稳定性,提高活体检测的准确率。
发明内容
本发明的目的在于提供了一种基于红外图像LBP直方图特征的人脸活体检测方法,实现简单而高效的人脸活体检测。
为实现解决以上的问题,本发明公开的技术方案通过以下的步骤得以实现;该技术方案由以下5个步骤组成:
步骤1:使用近红外摄像头拍摄人脸图像;
步骤2:对图像进行预处理;
步骤3:对预处理后的图像,提取LBP直方图统计特征;
步骤4:利用SVM对提取特征进行分类;
步骤5:获取测试图片,执行步骤1 ~ 4,得到活体检测结果。
具体的,所述步骤2包括:
步骤a1:对图像进行人脸检测,得到人脸5点关键点;
步骤a2:根据关键点对图像进行仿射变换对齐;
具体的,所述步骤3包括:
步骤b1:建立LBP图像特征。对图像上每个像素点,计算LBP特征值,得到LBP图像;
步骤b2:将上述特征图像划分为k×k个大小相同的子区域。每一个子区域内,按特征值数值大小将特征值范围等分为m个桶,统计落在每个桶的特征值数量并归一化,作为该区域的直方图特征;
步骤b3:将k×k个子区域的直方图特征按特定顺序连接在一起,得到该图像的LBP直方图统计特征。
具体的,所述步骤4包括:
步骤c1:使用SVM分类器对LBP直方图统计特征进行训练分类,得到SVM分类器权重;
步骤c2:对输入特征,若与SVM权重做內积后大于阈值t1,则认定为活体,否则认定为非活体。
有益效果
1.基于红外摄像头拍摄图片,可扩大活体人脸与非活体人脸的模式区别。利用红外摄像头成像特点,可在人脸检测阶段排除手机、电脑屏幕等电子设备的伪造人脸,降低人脸活体检测任务的难度。
2.在传统LBP图像特征的基础上,提出使用分块直方图统计特征,可很好的捕捉活体与非活体人脸的显著差异,并具有很强的抗噪性和稳定性,可提高活体检测的精度。
3.基于LBP和SVM分类器,速度快,效率高,无需用户交互配合,适用于移动端活体检测。
附图说明
图1为本发明提出的一种基于红外图像LBP直方图特征的人脸活体检测方法的流程图。
图2为本发明提出的提取LBP直方图特征流程图。
图3为本发明提出的一种基于红外图像LBP直方图特征的人脸活体检测方法的实施例演示图,显示了从灰度图像到LBP直方图特征的具体效果。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
参照图1,本发明主要构思是:使用红外摄像头拍摄人脸图像,检测并对齐;提取LBP图像特征,在此基础上分区域对特征进行直方图统计后合并为单一特征;利用SVM对特征进行分类,区分活体与非活体图像,若返回值大于t1则输出活体,否则为非活体。
具体的,本实施例可以通过以下四个步骤实现
步骤1:优选的,使用200万高清近红外摄像头拍摄人脸图像;
步骤2:优选的,使用MTCNN进行人脸检测并获得5点关键点,进行人脸对齐后将图片剪裁为112×112大小;
步骤3:参见图2,对预处理后的图像,提取LBP直方图统计特征:
步骤3.1:计算图像LBP特征;对图像上每个像素点,根据其领域8个像素值计算LBP特征值,得到大小为112×112的特征图像;
步骤3.2:将特征图像分为8×8个子区域,每个区域大小为14×14。在区域内进行直方图统计,以16为桶宽,得到长度为16的直方图统计特征,并归一化。由于LBP特征由8位2进制码构成,其大小范围落在0~256之间。因此,用m个桶将0~256的范围等分,每个桶的宽度为256/m。分别统计落在m个桶内的像素LBP特征个数ni,得到子区域R的直方图hR = [n1,n2,…,nm]T,并对直方图进行归一化以保证m个桶的和。
步骤3.3:参见图3,将所有子区域的直方图特征连接起来,得到该图像的LBP直方图统计特征H = [h1,h2,…,hk×k]T,在本实施例中总特征长度为1024维。
步骤4:利用SVM对样本特征H进行分类:
步骤c1:使用线性SVM分类器对LBP直方图统计特征H进行训练分类,得到SVM分类器权重w和偏置b;
步骤c2:新输入特征ha,若特征与SVM参数的內积wTha + b大于阈值t1,则认定为活体,否则认定为非活体。
综上所述,本发明基于红外摄像头,利用LBP的直方图统计特征,实现人脸活体检测。利用红外摄像头,可排除手机、电脑等电子设备伪造人脸的欺骗,并大大增加活体与非活体人脸的差异性,降低活体检测的难度。在传统LBP基础上,使用直方图统计特征,可提取活体与非活体人脸的显著统计差异,并提高抗噪性与稳定性,增加活体检测的准确率。结合以上两点,可实现快速高效的活体检测,用户无需交互配合,在移动端可达到实时检测的效果。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种基于红外图像LBP直方图特征的人脸活体检测方法,其特征在于该方法由以下步骤构成:
步骤1:使用近红外摄像头拍摄人脸图像;
步骤2:对图像进行预处理;
步骤3:对预处理后的图像,提取LBP直方图统计特征;
步骤4:利用SVM对提取特征进行分类;
步骤5:获取测试图片,执行步骤1~4,得到活体检测结果。
2.根据权利要求1所述的一种基于红外图像LBP直方图特征的人脸活体检测方法,其特征在于,所述的步骤2具体包含以下步骤:
步骤a1:对图像进行人脸检测,得到人脸5点关键点;
步骤a2:根据关键点对图像进行仿射变换对齐。
3.根据权利要求1所述的一种基于红外图像LBP直方图特征的人脸活体检测方法,其特征在于,所述的步骤3具体包含以下步骤:
步骤b1:建立LBP图像特征;对图像上每个像素点,计算LBP特征值,得到LBP图像;
步骤b2:将上述特征图像划分为k×k个大小相同的子区域;每一个子区域内,按特征值数值大小将特征值范围等分为m个桶,统计落在每个桶的特征值数量并归一化,作为该区域的直方图特征;
步骤b3:将k×k个子区域的直方图特征按特定顺序连接在一起,得到该图像的LBP直方图统计特征。
4.根据权利要求1所述的一种基于红外图像LBP直方图特征的人脸活体检测方法,其特征在于,所述的步骤4具体包含以下步骤:
步骤c1:使用SVM分类器对LBP直方图统计特征进行训练分类,得到SVM分类器权重;
步骤c2:对输入特征,若与SVM权重做內积后大于阈值t1,则认定为活体,否则认定为非活体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910765433.9A CN112395929A (zh) | 2019-08-19 | 2019-08-19 | 一种基于红外图像lbp直方图特征的人脸活体检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910765433.9A CN112395929A (zh) | 2019-08-19 | 2019-08-19 | 一种基于红外图像lbp直方图特征的人脸活体检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112395929A true CN112395929A (zh) | 2021-02-23 |
Family
ID=74603523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910765433.9A Pending CN112395929A (zh) | 2019-08-19 | 2019-08-19 | 一种基于红外图像lbp直方图特征的人脸活体检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112395929A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115994966A (zh) * | 2023-03-22 | 2023-04-21 | 北京红棉小冰科技有限公司 | 多视角图像生成方法、装置、可读存储介质及电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116749A (zh) * | 2013-03-12 | 2013-05-22 | 上海洪剑智能科技有限公司 | 一种基于自建图像库的近红外人脸识别方法 |
WO2013131407A1 (zh) * | 2012-03-08 | 2013-09-12 | 无锡中科奥森科技有限公司 | 双验证人脸防伪方法及装置 |
CN103914693A (zh) * | 2014-04-22 | 2014-07-09 | 江西科技师范大学 | 远红外人脸识别方法 |
JP2014199505A (ja) * | 2013-03-29 | 2014-10-23 | キヤノン株式会社 | 画像認識装置、画像認識方法及びプログラム |
CN106919899A (zh) * | 2017-01-18 | 2017-07-04 | 北京光年无限科技有限公司 | 基于智能机器人的模仿人脸表情输出的方法和系统 |
CN107798281A (zh) * | 2016-09-07 | 2018-03-13 | 北京眼神科技有限公司 | 一种基于lbp特征的人脸活体检测方法和装置 |
CN107862299A (zh) * | 2017-11-28 | 2018-03-30 | 电子科技大学 | 一种基于近红外与可见光双目摄像头的活体人脸检测方法 |
CN107945219A (zh) * | 2017-11-23 | 2018-04-20 | 翔创科技(北京)有限公司 | 脸部图像对齐方法、计算机程序、存储介质及电子设备 |
CN107992811A (zh) * | 2017-11-27 | 2018-05-04 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
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 |
CN109190522A (zh) * | 2018-08-17 | 2019-01-11 | 浙江捷尚视觉科技股份有限公司 | 一种基于红外相机的活体检测方法 |
CN109858439A (zh) * | 2019-01-30 | 2019-06-07 | 北京华捷艾米科技有限公司 | 一种基于人脸的活体检测方法及装置 |
-
2019
- 2019-08-19 CN CN201910765433.9A patent/CN112395929A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013131407A1 (zh) * | 2012-03-08 | 2013-09-12 | 无锡中科奥森科技有限公司 | 双验证人脸防伪方法及装置 |
CN103116749A (zh) * | 2013-03-12 | 2013-05-22 | 上海洪剑智能科技有限公司 | 一种基于自建图像库的近红外人脸识别方法 |
JP2014199505A (ja) * | 2013-03-29 | 2014-10-23 | キヤノン株式会社 | 画像認識装置、画像認識方法及びプログラム |
CN103914693A (zh) * | 2014-04-22 | 2014-07-09 | 江西科技师范大学 | 远红外人脸识别方法 |
CN107798281A (zh) * | 2016-09-07 | 2018-03-13 | 北京眼神科技有限公司 | 一种基于lbp特征的人脸活体检测方法和装置 |
CN106919899A (zh) * | 2017-01-18 | 2017-07-04 | 北京光年无限科技有限公司 | 基于智能机器人的模仿人脸表情输出的方法和系统 |
CN107945219A (zh) * | 2017-11-23 | 2018-04-20 | 翔创科技(北京)有限公司 | 脸部图像对齐方法、计算机程序、存储介质及电子设备 |
CN107992811A (zh) * | 2017-11-27 | 2018-05-04 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
CN107862299A (zh) * | 2017-11-28 | 2018-03-30 | 电子科技大学 | 一种基于近红外与可见光双目摄像头的活体人脸检测方法 |
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 |
CN109190522A (zh) * | 2018-08-17 | 2019-01-11 | 浙江捷尚视觉科技股份有限公司 | 一种基于红外相机的活体检测方法 |
CN109858439A (zh) * | 2019-01-30 | 2019-06-07 | 北京华捷艾米科技有限公司 | 一种基于人脸的活体检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
王一丁等: "《工业图像处理》", 30 November 2018, 西安:西安电子科技大学出版社, pages: 60 - 61 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115994966A (zh) * | 2023-03-22 | 2023-04-21 | 北京红棉小冰科技有限公司 | 多视角图像生成方法、装置、可读存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Raghunandan et al. | Riesz fractional based model for enhancing license plate detection and recognition | |
CN111488756B (zh) | 基于面部识别的活体检测的方法、电子设备和存储介质 | |
WO2020098250A1 (zh) | 字符识别方法、服务器及计算机可读存储介质 | |
Qiu et al. | Finger vein presentation attack detection using total variation decomposition | |
US11017215B2 (en) | Two-stage person searching method combining face and appearance features | |
Faraji et al. | Face recognition under varying illuminations using logarithmic fractal dimension-based complete eight local directional patterns | |
CN110838119B (zh) | 人脸图像质量评估方法、计算机装置及计算机可读存储介质 | |
Zhang et al. | Facial expression recognition using LBP and LPQ based on Gabor wavelet transform | |
WO2022188315A1 (zh) | 一种视频检测方法、装置、电子设备及存储介质 | |
Lu et al. | Robust blur kernel estimation for license plate images from fast moving vehicles | |
Roy et al. | Fractional poisson enhancement model for text detection and recognition in video frames | |
CN103198311A (zh) | 基于拍摄的图像来识别字符的方法及装置 | |
Roy et al. | Face sketch-photo recognition using local gradient checksum: LGCS | |
Shehu et al. | Character recognition using correlation & hamming distance | |
CN111259792A (zh) | 基于dwt-lbp-dct特征的人脸活体检测方法 | |
CN112488072A (zh) | 一种人脸样本集获取方法、系统及设备 | |
CN112395929A (zh) | 一种基于红外图像lbp直方图特征的人脸活体检测方法 | |
CN102129569A (zh) | 基于多尺度对比特征的对象检测设备和方法 | |
CN106886796A (zh) | 图标位置识别方法、装置及终端设备 | |
CN111027573A (zh) | 基于盲取证技术的图像真伪鉴别方法 | |
CN111797922B (zh) | 文本图像分类方法及装置 | |
Li et al. | Research of face detection based on skin color feature | |
CN108399411B (zh) | 一种多摄像头识别方法及装置 | |
Kaur et al. | Improved Facial Biometric Authentication Using MobileNetV2 | |
CN111191519A (zh) | 一种用于移动供电装置用户接入的活体检测方法 |
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 |