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 PDF

Info

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
Application number
CN201910765433.9A
Other languages
English (en)
Inventor
邓誉
汤茂俊
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.)
Yangzhou Shengshiyun Information Technology Co ltd
Original Assignee
Yangzhou Shengshiyun 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 Yangzhou Shengshiyun Information Technology Co ltd filed Critical Yangzhou Shengshiyun Information Technology Co ltd
Priority to CN201910765433.9A priority Critical patent/CN112395929A/zh
Publication of CN112395929A publication Critical patent/CN112395929A/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
    • 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

一种基于红外图像LBP直方图特征的人脸活体检测方法
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
Figure 822750DEST_PATH_IMAGE001
。
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。
CN201910765433.9A 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 Pending CN112395929A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (12)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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