CN113408414A - 基于高光谱生物特征的人脸防伪识别方法和装置 - Google Patents

Abstract

本申请提出了一种基于高光谱生物特征的人脸防伪识别方法，该方法包括：采用光谱成像设备拍摄人脸目标获得初始化目标光谱图像；对初始化目标光谱图像进行图像增强得到优化后的目标光谱图像；在优化后的目标光谱图像上进行人脸检测生成预检测人脸目标以及预检测人脸目标的位置及边界框；提取预检测人脸目标的光谱信息对人脸目标的材质进行判断，鉴别预检测人脸目标是否属于伪装人脸；若预检测人脸目标属于伪装人脸，高精度检测识别人脸目标的伪装材质，若预检测人脸目标不属于伪装人脸，识别确定人脸目标的人物身份。本申请利用高维光谱信息，为伪装材质鉴别及特征融合下的人脸识别提供了丰富的生物特征，实现了精度更高可靠性更强的人脸防伪识别。

Description

基于高光谱生物特征的人脸防伪识别方法和装置

技术领域

本申请涉及计算机视觉中的人脸识别技术领域，尤其涉及一种基于高光谱生物特征的人脸防伪识别方法和装置。

背景技术

人脸识别技术作为人工智能领域最具代表性的技术之一，在目前的社会生活中已经被广泛应用于身份识别场景，其中包括安防、门禁、金融和新零售业等。因此，人脸识别技术自被提出以来就获得了广泛的关注。在人脸识别技术被广泛应用为人们生活提供便利的同时，如何确保有效可靠的人脸防伪也成为了社会重点关注的问题。

人脸识别技术主要通过提取人脸的特征信息与数据库中的人脸进行匹配以完成身份识别。传统的人脸特征信息提取技术发展大致能够分为四个阶段，初级阶段以1994年CVPR 上发表的几何特征提取方式为主；第二阶段以美国麻省理工学院提出的全局特征提取为主；第三阶段主要以2004年ECCV上发表的速度更快的局部特征提取为主；第四阶段则以英国诺丁汉大学提出的集成学习特征提取为主。2012年，神经网络AlexNet在ImageNet比赛中的优秀表现引起了学者的注意并开始尝试使用神经网络完成人脸识别任务。其中包括美国Facebook公司提出的Deep Face神经网络、美国Google公司提出的FaceNet神经网络以及中国香港中文大学汤晓鸥团队提出的DeepID神经网络。然而，仅仅基于二维图像语义信息的人脸识别技术极其容易被照片等伪装破解，有可能造成严重的社会安全和金融安全事故。

为了提高人脸识别技术的安全性，有研究提出通过拍摄目标人脸的三维立体图像进行人脸结构识别。目前主要的三维人脸识别技术包括2002年发表于TIP杂志的3D结构光人脸识别技术、美国约翰霍普金斯大学提出的双目相机人脸识别技术以及美国春分公司提出的红外TOF立体人脸识别技术等。尽管有技术基于三维成像方法进行立体人脸识别具备了一定的防伪能力，但发展到现在的3D打印技术和人皮面具制作技术仍然能够轻松地进行人脸伪装。

另外，上述无论是基于二维图像语义信息的人脸识别技术还是基于三维数据结构信息的人脸识别技术，都没有考虑实际使用场景中光照的影响。事实上，人脸识别技术的使用场景并不一直是理想环境，更多是在复杂光照环境中使用，如弱光、强光和阴影遮蔽等。在这种复杂光照环境下，上述技术的识别精度将大大降低。

鉴于目前人脸识别技术的广泛应用以及人脸伪装手段的不断发展，亟需一项高精度高可靠的全天候人脸防伪识别技术，提高人脸识别技术的环境适应性，解决人脸伪装识别问题，为社会安全和金融安全保驾护航。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种基于高光谱生物特征的人脸防伪识别方法，解决了现有方法在复杂光照环境下识别精度大大降低的技术问题，通过充分利用高维光谱信息和空间语义信息，为伪装材质鉴别及特征融合下的人脸识别提供了丰富的生物特征，同时实现了精度更高可靠性更强的人脸防伪识别。

本申请的第二个目的在于提出一种基于高光谱生物特征的人脸防伪识别装置。

为达上述目的，本申请第一方面实施例提出了一种基于高光谱生物特征的人脸防伪识别方法，包括：采用光谱成像设备拍摄人脸目标，获得人脸目标的初始化目标光谱图像；对初始化目标光谱图像进行图像增强，得到优化后的目标光谱图像；在优化后的目标光谱图像上进行人脸检测，生成人脸目标的预检测结果，预检测结果包括预检测人脸目标以及预检测人脸目标的位置及边界框；提取预检测人脸目标的光谱信息，通过光谱信息对人脸目标的材质进行判断，鉴别所预检测人脸目标是否属于伪装人脸；若预检测人脸目标属于伪装人脸，对预检测人脸目标进行高精度检测，以识别人脸目标的伪装材质，若预检测人脸目标不属于伪装人脸，对预检测人脸目标进行识别，确定人脸目标的人物身份。

可选地，在本申请的一个实施例中，光谱成像设备包括空域扫描型光谱成像设备、谱域扫描型光谱成像设备和快照型光谱成像设备。

可选地，在本申请的一个实施例中，空域扫描型光谱成像设备包括掸扫型光谱成像设备和推扫型光谱成像设备。

可选地，在本申请的一个实施例中，谱域扫描型光谱成像设备包括滤光片转轮型光谱成像设备和可调滤波器型光谱成像设备。

可选地，在本申请的一个实施例中，快照型光谱成像设备包括编码光圈快照光谱成像设备、棱镜掩膜型快照光谱成像设备和滤光膜型快照光谱成像设备。

可选地，在本申请的一个实施例中，图像增强方法包括噪声模型物理建模法、基于迭代计算的优化方法和基于神经网络的学习方法。

可选地，在本申请的一个实施例中，在优化后的目标光谱图像上进行人脸检测的方法包括统计学习方法和深度学习方法。

可选地，在本申请的一个实施例中，采用相似度量方法将预检测人脸目标的光谱信息与人脸的先验光谱曲线进行对比，鉴别所预检测人脸目标是否属于伪装人脸，其中，相似度量方法包括曼哈顿距离、欧式距离和标准化欧式距离。

可选地，在本申请的一个实施例中，通过比较伪装区域目标的光谱曲线和伪装材质的先验光谱曲线之间的相似度来实现高精度检测，人脸目标的伪装材质包括相片、纸张、屏幕、3D打印模型和人皮面具。

为达上述目的，本发明第二方面实施例提出了一种基于高光谱生物特征的人脸防伪识别装置，包括获取模块、优化模块、预检测模块、鉴别模块、识别模块，其中，

获取模块，用于采用光谱成像设备拍摄人脸目标，获取人脸目标的初始化目标光谱图像；

优化模块，用于对初始化目标光谱图像进行图像增强，得到优化后的目标光谱图像；

预检测模块，用于在优化后的目标光谱图像上进行人脸检测，生成人脸目标的预检测结果，预检测结果包括预检测人脸目标以及预检测人脸目标的位置及边界框，得到人脸目标的预检测结果；

鉴别模块，用于提取预检测人脸目标光谱信息，通过光谱信息对人脸目标的材质进行判断，鉴别预检测人脸目标是否属于伪装人脸；

识别模块，用于根据预检测人脸目标是否属于伪装人脸，对预检测人脸目标进行处理，以识别人脸目标的伪装材质或人物身份。

本申请实施例的基于高光谱生物特征的人脸防伪识别方法和基于高光谱生物特征的人脸防伪识别装置，解决了现有方法在复杂光照环境下识别精度大大降低的技术问题，通过充分利用光谱成像设备采集的人脸目标高维度光谱图像和先进的图像增强技术，提高了人脸防伪识别技术的环境适应性，为伪装材质鉴别及特征融合下的人脸识别提供了丰富的生物特征，同时实现了过程简单、方便、快捷，精度更高可靠性更强的人脸防伪识别。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请实施例一所提供的一种基于高光谱生物特征的人脸防伪识别方法的流程图；

图2为本申请实施例的基于高光谱生物特征的人脸防伪识别方法的另一个流程图；

图3为本申请实施例的基于高光谱生物特征的人脸防伪识别技术与传统人脸识别技术的对比图；

图4为本申请实施例的基于高光谱生物特征的人脸防伪识别方法的人脸皮肤、照片和石膏的光谱曲线对比图；

图5为本申请实施例二所提供的一种基于高光谱生物特征的人脸防伪识别装置的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的基于高光谱生物特征的人脸防伪识别方法和装置。

图1为本申请实施例一所提供的一种基于高光谱生物特征的人脸防伪识别方法的流程图。

如图1所示，该基于高光谱生物特征的人脸防伪识别方法包括以下步骤：

步骤101，采用光谱成像设备拍摄人脸目标，获得人脸目标的初始化目标光谱图像；

步骤102，对初始化目标光谱图像进行图像增强，得到优化后的目标光谱图像；

步骤103，在优化后的目标光谱图像上进行人脸检测，生成人脸目标的预检测结果，预检测结果包括预检测人脸目标以及预检测人脸目标的位置及边界框；

步骤104，提取预检测人脸目标的光谱信息，通过光谱信息对人脸目标的材质进行判断，鉴别所预检测人脸目标是否属于伪装人脸；

步骤105，若预检测人脸目标属于伪装人脸，对预检测人脸目标进行高精度检测，以识别人脸目标的伪装材质，若预检测人脸目标不属于伪装人脸，对预检测人脸目标进行识别，确定人脸目标的人物身份。

本申请实施例的基于高光谱生物特征的人脸防伪识别方法，通过采用光谱成像设备拍摄人脸目标，获得人脸目标的初始化目标光谱图像；对初始化目标光谱图像进行图像增强，得到优化后的目标光谱图像；在优化后的目标光谱图像上进行人脸检测，生成人脸目标的预检测结果，预检测结果包括预检测人脸目标以及预检测人脸目标的位置及边界框；提取预检测人脸目标的光谱信息，通过光谱信息对人脸目标的材质进行判断，鉴别所预检测人脸目标是否属于伪装人脸；若预检测人脸目标属于伪装人脸，对预检测人脸目标进行高精度检测，以识别人脸目标的伪装材质，若预检测人脸目标不属于伪装人脸，对预检测人脸目标进行识别，确定人脸目标的人物身份。由此，能够解决现有方法在复杂光照环境下识别精度大大降低的技术问题，通过充分利用光谱成像设备采集的人脸目标高维度光谱图像和先进的图像增强技术，提高人脸防伪识别技术的环境适应性，为伪装材质鉴别及特征融合下的人脸识别提供丰富的生物特征，同时实现过程简单、方便、快捷，精度更高可靠性更强的人脸防伪识别。

进一步地，在本申请实施例中，光谱成像设备包括空域扫描型光谱成像设备、谱域扫描型光谱成像设备和快照型光谱成像设备。

不再使用传统的彩色成像设备，使用光谱分辨率更高的高维度光谱成像设备。

进一步地，在本申请实施例中，空域扫描型光谱成像设备包括掸扫型光谱成像设备和推扫型光谱成像设备。

进一步地，在本申请实施例中，谱域扫描型光谱成像设备包括滤光片转轮型光谱成像设备和可调滤波器型光谱成像设备。

进一步地，在本申请实施例中，快照型光谱成像设备包括编码光圈快照光谱成像设备、棱镜掩膜型快照光谱成像设备和滤光膜型快照光谱成像设备。

进一步地，在本申请实施例中，图像增强方法包括噪声模型物理建模法、基于迭代计算的优化方法和基于神经网络的学习方法。

对初始化的目标光谱图像进行图像增强，消除复杂光照导致的成像质量下降问题，进一步得到优化后的目标光谱图像。复杂光照包括但不限于弱光环境、强光环境和阴影遮蔽环境。

进一步地，在本申请实施例中，在优化后的目标光谱图像上进行人脸检测的方法包括统计学习方法和深度学习方法。

在优化后的目标光谱图像上检测人脸目标，标出可能存在人脸的位置及边界框，得到人脸目标的预检测结果。在进行防伪识别前，使用快速的简单人脸识别方法对场景中的人脸目标进行预检测，缩小需要进行防伪识别的区域。快速的简单人脸识别方法包括但不限于传统人脸特征提取加匹配方法和基于神经网络的人脸识别方法。其中，传统人脸特征提取方法包括但不限于几何特征提取、全局特征提取、局部特征提取以及集成学习方法，基于神经网络的人脸识别方法包括但不限于DeepFace神经网络、DeepID神经网络、FaceNet神经网络和Face++神经网络。

进一步地，在本申请实施例中，采用相似度量方法将预检测人脸目标的光谱信息与人脸的先验光谱曲线进行对比，鉴别所预检测人脸目标是否属于伪装人脸，其中，相似度量方法包括曼哈顿距离、欧式距离和标准化欧式距离。

提取预检测人脸目标中的光谱曲线与真实人脸的先验光谱曲线进行对比，以确定该区域属于真实人脸或伪装人脸。

进一步地，在本申请实施例中，通过比较伪装区域目标的光谱曲线和伪装材质的先验光谱曲线之间的相似度来实现高精度检测，人脸目标的伪装材质包括相片、纸张、屏幕、 3D打印模型和人皮面具。

基于伪装鉴定结果对预检测的人脸目标做高精度检测，识别伪装材质或目标身份。在确定预检测框中的目标属于真实人脸或伪装人脸后，进一步融合谱域高维特征和空间语义特征确定其人物身份或伪装材质，提高识别精度。对伪装材质的鉴别是通过比较伪装区域目标的光谱曲线和伪装材质的先验光谱曲线之间的相似度实现的，采用的相似度度量方法包括但不限于曼哈顿距离(l₁范数)、欧氏距离(l₂范数)和标准化欧氏距离。伪装材质的先验光谱曲线包括但不限于相片、纸张、屏幕、3D打印模型和人皮面具等伪装材料的先验光谱曲线。

图2为本申请实施例的基于高光谱生物特征的人脸防伪识别方法的另一个流程图。

如图2所示，该基于高光谱生物特征的人脸防伪识别方法，包括：采用光谱成像设备拍摄人脸目标获得初始化目标光谱图像；对初始化的目标光谱图像进行图像增强，消除复杂光照导致的成像质量下降问题，进一步得到优化后的目标光谱图像；在优化后的目标光谱图像上检测人脸目标，标出可能存在人脸的位置及边界框，得到人脸目标的预检测结果；提取所有预检测人脸目标的光谱信息对其材质进行判断，鉴别预检测人脸目标是否属于伪装；基于伪装鉴定结果对预检测的人脸目标做高精度检测，识别伪装材质或目标身份。

图3为本申请实施例的基于高光谱生物特征的人脸防伪识别技术与传统人脸识别技术的对比图。

如图3所示，传统的人脸识别技术仅仅依靠图像语义信息进行识别，鉴别出真实人脸的同时，也被照片伪装的人脸所欺骗。基于高光谱生物特征的人脸防伪识别技术通过引入图像光谱信息，通过提取目标生物信息对目标图像进行准确防伪鉴别，有效检测出了真实人脸目标以及伪装人脸目标和伪装材质。

图4为本申请实施例的基于高光谱生物特征的人脸防伪识别方法的人脸皮肤、照片和石膏的光谱曲线对比图。

如图4所示，在可见光范围内，人脸皮肤的光谱曲线与照片、石膏等伪装材质的光谱曲线存在较大的区别。因此通过比较目标光谱曲线与先验光谱曲线之间的相似性完成防伪工作并鉴定防伪材质是可行的。

图5为本申请实施例二所提供的一种基于高光谱生物特征的人脸防伪识别装置的结构示意图。

如图5所示，基于高光谱生物特征的人脸防伪识别装置，包括获取模块、优化模块、预检测模块、鉴别模块、识别模块，其中，

获取模块10，用于采用光谱成像设备拍摄人脸目标，获取人脸目标的初始化目标光谱图像；

优化模块20，用于对初始化目标光谱图像进行图像增强，得到优化后的目标光谱图像；

预检测模块30，用于在优化后的目标光谱图像上进行人脸检测，生成人脸目标的预检测结果，预检测结果包括预检测人脸目标以及预检测人脸目标的位置及边界框，得到人脸目标的预检测结果；

鉴别模块40，用于提取预检测人脸目标光谱信息，通过光谱信息对人脸目标的材质进行判断，鉴别预检测人脸目标是否属于伪装人脸；

识别模块50，用于根据预检测人脸目标是否属于伪装人脸，对预检测人脸目标进行处理，以识别人脸目标的伪装材质或人物身份。

本申请实施例的基于高光谱生物特征的人脸防伪识别装置，包括获取模块、优化模块、预检测模块、鉴别模块、识别模块，其中，获取模块，用于采用光谱成像设备拍摄人脸目标，获取人脸目标的初始化目标光谱图像；优化模块，用于对初始化目标光谱图像进行图像增强，得到优化后的目标光谱图像；预检测模块，用于在优化后的目标光谱图像上进行人脸检测，生成人脸目标的预检测结果，预检测结果包括预检测人脸目标以及预检测人脸目标的位置及边界框，得到人脸目标的预检测结果；鉴别模块，用于提取预检测人脸目标光谱信息，通过光谱信息对人脸目标的材质进行判断，鉴别预检测人脸目标是否属于伪装人脸；识别模块，用于根据预检测人脸目标是否属于伪装人脸，对预检测人脸目标进行处理，以识别人脸目标的伪装材质或人物身份。由此，能够解决现有方法在复杂光照环境下识别精度大大降低的技术问题，通过充分利用光谱成像设备采集的人脸目标高维度光谱图像和先进的图像增强技术，提高人脸防伪识别技术的环境适应性，为伪装材质鉴别及特征融合下的人脸识别提供丰富的生物特征，同时实现过程简单、方便、快捷，精度更高可靠性更强的人脸防伪识别。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于高光谱生物特征的人脸防伪识别方法，其特征在于，包括以下步骤：

采用光谱成像设备拍摄人脸目标，获得所述人脸目标的初始化目标光谱图像；

对所述初始化目标光谱图像进行图像增强，得到优化后的目标光谱图像；

在所述优化后的目标光谱图像上进行人脸检测，生成所述人脸目标的预检测结果，所述预检测结果包括预检测人脸目标以及所述预检测人脸目标的位置及边界框；

提取所述预检测人脸目标的光谱信息，通过所述光谱信息对人脸目标的材质进行判断，鉴别所预检测人脸目标是否属于伪装人脸；

若所述预检测人脸目标属于伪装人脸，对所述预检测人脸目标进行高精度检测，以识别人脸目标的伪装材质，若所述预检测人脸目标不属于伪装人脸，对所述预检测人脸目标进行识别，确定人脸目标的人物身份。

2.如权利要求1所述的方法，其特征在于，所述光谱成像设备包括空域扫描型光谱成像设备、谱域扫描型光谱成像设备和快照型光谱成像设备。

3.如权利要求2所述的方法，其特征在于，所述空域扫描型光谱成像设备包括掸扫型光谱成像设备和推扫型光谱成像设备。

4.如权利要求2所述的方法，其特征在于，所述谱域扫描型光谱成像设备包括滤光片转轮型光谱成像设备和可调滤波器型光谱成像设备。

5.如权利要求2所述的方法，其特征在于，所述快照型光谱成像设备包括编码光圈快照光谱成像设备、棱镜掩膜型快照光谱成像设备和滤光膜型快照光谱成像设备。

6.如权利要求1所述的方法，其特征在于，所述图像增强方法包括噪声模型物理建模法、基于迭代计算的优化方法和基于神经网络的学习方法。

7.如权利要求1所述的方法，其特征在于，所述在所述优化后的目标光谱图像上进行人脸检测的方法包括统计学习方法和深度学习方法。

8.如权利要求1所述的方法，其特征在于，采用相似度量方法将所述预检测人脸目标的光谱信息与人脸的先验光谱曲线进行对比，鉴别所预检测人脸目标是否属于伪装人脸，其中，所述相似度量方法包括曼哈顿距离、欧式距离和标准化欧式距离。

9.如权利要求1所述的方法，其特征在于，通过比较伪装区域目标的光谱曲线和伪装材质的先验光谱曲线之间的相似度来实现所述高精度检测，所述人脸目标的伪装材质包括相片、纸张、屏幕、3D打印模型和人皮面具。

10.一种基于高光谱生物特征的人脸防伪识别装置，其特征在于，包括获取模块、优化模块、预检测模块、鉴别模块、识别模块，其中，

所述获取模块，用于采用光谱成像设备拍摄人脸目标，获取所述人脸目标的初始化目标光谱图像；

所述优化模块，用于对所述初始化目标光谱图像进行图像增强，得到优化后的目标光谱图像；

所述预检测模块，用于在所述优化后的目标光谱图像上进行人脸检测，生成所述人脸目标的预检测结果，所述预检测结果包括预检测人脸目标以及所述预检测人脸目标的位置及边界框，得到人脸目标的预检测结果；

所述鉴别模块，用于提取所述预检测人脸目标光谱信息，通过所述光谱信息对人脸目标的材质进行判断，鉴别所述预检测人脸目标是否属于伪装人脸；

所述识别模块，用于根据所述预检测人脸目标是否属于伪装人脸，对所述预检测人脸目标进行处理，以识别人脸目标的伪装材质或人物身份。

Images