一種基于相對(duì)屬性的活體檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種人臉檢測(cè)技術(shù)，尤其是涉及一種基于相對(duì)屬性的活體檢測(cè)方法。
【背景技術(shù)】
[0002]人臉識(shí)別作為一種身份認(rèn)證技術(shù)在公共安防、考勤門禁等領(lǐng)域已獲得成功。但是，傳統(tǒng)人臉識(shí)別技術(shù)未考慮目標(biāo)人臉的真?zhèn)?，因此容易受到虛假人臉的攻擊。如果虛假人臉攻擊成功，有可能?duì)用戶造成重大損失，因此可靠且高效的人臉活體檢測(cè)技術(shù)成為人臉驗(yàn)證系統(tǒng)的重要組成部分。
[0003]傳統(tǒng)人臉識(shí)別技術(shù)經(jīng)常使用傅立葉頻譜分析、眨眼檢測(cè)和三維深度估計(jì)等方法來(lái)判斷活體。但是這些方法難滿足金融和公共安防領(lǐng)域的要求。主要有兩個(gè)因素:1)這些算法在性能上難滿足誤報(bào)率小于千分之一且通過(guò)率要超過(guò)95%的指標(biāo)；2)難抵抗特定虛假人臉的攻擊，如眨眼檢測(cè)難抵抗基于視頻的虛假人臉攻擊。
[0004]傳統(tǒng)閉眼(或張嘴)分類器的性能難以滿足需求，例如有人眼睛較小或有人眼睛無(wú)法完全閉合等。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種檢測(cè)精度高、速度快的基于相對(duì)屬性的活體檢測(cè)方法。
[0006]本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn):
[0007]一種基于相對(duì)屬性的活體檢測(cè)方法，包括以下步驟:
[0008]I)檢測(cè)輸入視頻中每幀圖像上的人臉位置；
[0009]2)獲取人臉關(guān)鍵點(diǎn)；
[0010]3)根據(jù)所獲取的關(guān)鍵點(diǎn)獲取眼睛或嘴巴的區(qū)域；
[0011]4)判斷連續(xù)多幀圖像中步驟3)所獲得區(qū)域的屬性變化值的規(guī)律是否符合真實(shí)人臉的變化規(guī)律，若是，則判斷為真實(shí)人臉，若否，則判斷為虛假人臉。
[0012]所述屬性變化值為上下眼皮間的距離變化值或上下嘴唇間的距離變化值。
[0013]所述步驟4)具體為:
[0014]401)將當(dāng)前幀與前t幀的眼睛或嘴巴區(qū)域合并成一張圖，采用基于深度學(xué)習(xí)的回歸方法輸出兩幀圖像中屬性變化值；
[0015]402)重復(fù)步驟401)直至獲得每幀圖像的屬性變化值；
[0016]403)將所有屬性變化值按幀時(shí)間順序組成一向量，利用SVM分類器對(duì)所述向量進(jìn)行分類；
[0017]404)判斷分類結(jié)果是否滿足設(shè)定動(dòng)作下的真實(shí)人臉的變化規(guī)律，若是，則判斷為真實(shí)人臉，若否，則判斷為虛假人臉。
[0018]所述步驟403)中，利用SVM分類器對(duì)所述向量進(jìn)行分類前，對(duì)各向量的長(zhǎng)度進(jìn)行設(shè)定。
[0019]所述設(shè)定動(dòng)作包括閉眼或張嘴。
[0020]所述輸入視頻為一段3?5秒的人臉視頻。
[0021]所述步驟I)采用AdaBoost分類器檢測(cè)人臉位置。
[0022]所述步驟2)中，獲取人臉關(guān)鍵點(diǎn)的具體過(guò)程為:
[0023]201)利用HoG與SVM結(jié)合的方式進(jìn)行第一輪關(guān)鍵點(diǎn)檢測(cè)，每個(gè)關(guān)鍵點(diǎn)有K種選擇；
[0024]202)利用全局形狀信息，采用N-Best方式，在K~N種可能中獲取組成人臉形狀關(guān)鍵點(diǎn)最優(yōu)解，N為關(guān)鍵點(diǎn)數(shù)目，采用分支定界方式進(jìn)行截枝處理，獲得最終形態(tài)組合；
[0025]203)計(jì)算步驟202)中獲得的每種組合的置信度，選取置信度高的一個(gè)組合。
[0026]所述置信度由兩部分構(gòu)成:
[0027]a)步驟201)中利用HoG方式得到的置信度；
[0028]b)不同關(guān)鍵點(diǎn)之間的位置關(guān)系。
[0029]與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn):
[0030]I)本發(fā)明采用屬性變化信息進(jìn)行活體人臉檢測(cè)，相比現(xiàn)有技術(shù)，在性能上有明顯提升，滿足誤報(bào)率小于千分之一且通過(guò)率要超過(guò)95%的指標(biāo)；
[0031]2)本發(fā)明方法中采用的算法具有速度快的優(yōu)勢(shì)，提高了人臉的檢測(cè)速率，處理3?5秒的視頻只需0.5秒時(shí)間；
[0032]3)本發(fā)明小型客戶端(如智能手機(jī)等)可以達(dá)到實(shí)時(shí)效果；
[0033]4)本發(fā)明通過(guò)屬性變化信息進(jìn)行活體人臉檢測(cè)，可以滿足如眼睛較小或眼睛無(wú)法完全閉合等場(chǎng)合的需求。
【附圖說(shuō)明】
[0034]圖1為本發(fā)明的流程示意圖。
【具體實(shí)施方式】
[0035]下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。本實(shí)施例以本發(fā)明技術(shù)方案為前提進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過(guò)程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。
[0036]本實(shí)施例提供一種基于相對(duì)屬性的活體檢測(cè)方法，采用了人機(jī)交互的方式，讓檢測(cè)對(duì)象做閉眼、張嘴等特定動(dòng)作，通過(guò)判斷檢測(cè)對(duì)象是否完成這些工作，從而判斷出是否是真實(shí)人臉。如圖1所示，本方法包括以下步驟:
[0037]步驟SI，采用AdaBoost分類器檢測(cè)輸入視頻中每幀圖像上的人臉位置，輸入視頻為一段3?5秒的人臉視頻。
[0038]步驟S2，獲取人臉關(guān)鍵點(diǎn)，具體過(guò)程為:
[0039]201)利用HoG與SVM結(jié)合的方式進(jìn)行第一輪關(guān)鍵點(diǎn)檢測(cè)，每個(gè)關(guān)鍵點(diǎn)有K種選擇；
[0040]202)利用全局形狀信息，采用N-Best方式，在K~N種可能中獲取組成人臉形狀關(guān)鍵點(diǎn)最優(yōu)解，N為關(guān)鍵點(diǎn)數(shù)目，采用分支定界方式進(jìn)行截枝處理，獲得最終形態(tài)組合；
[0041]203)計(jì)算步驟202)中獲得的每種組合的置信度，選取置信度高的一個(gè)組合。該要求滿足高斯分布，該高斯分布事先根據(jù)統(tǒng)計(jì)得到。置信度由兩部分構(gòu)成:a)步驟201)中利用HoG方式得到的置信度；b)不同關(guān)鍵點(diǎn)之間的位置關(guān)系。
[0042]步驟S3，根據(jù)所獲取的關(guān)鍵點(diǎn)獲取眼睛或嘴巴的區(qū)域。
[0043]步驟S4，判斷連續(xù)多幀圖像中步驟3)所獲得區(qū)域的屬性變化值的規(guī)律是否符合真實(shí)人臉的變化規(guī)律，若是，則判斷為真實(shí)人臉，若否，則判斷為虛假人臉，具體為:
[0044]401)將當(dāng)前幀與前t幀的眼睛或嘴巴區(qū)域合并成一張圖，采用基于深度學(xué)習(xí)的回歸方法輸出兩幀圖像中屬性變化值；
[0045]402)重復(fù)步驟401)直至獲得每幀圖像的屬性變化值，該屬性變化值為上下眼皮間的距離變化值或上下嘴唇間的距離變化值；
[0046]403)將所有屬性變化值按幀時(shí)間順序組成一向量，利用SVM分類器對(duì)所述向量進(jìn)行分類；
[0047]SVM只能處理特定長(zhǎng)度的特征向量，由于人動(dòng)作的速度問(wèn)題，特征向量長(zhǎng)度不一致。采用三種方式來(lái)得到固定長(zhǎng)度的向量:a)去除最前面的幀；b)去除最后面的幀；c)按照一定頻率采樣。
[0048]404)判斷分類結(jié)果是否滿足設(shè)定動(dòng)作(如閉眼或張嘴)下的真實(shí)人臉的變化規(guī)律，若是，則判斷為真實(shí)人臉，若否，則判斷為虛假人臉。如果是閉眼，距離變化值會(huì)出現(xiàn)由大變小，再由小變大的模式，這是虛假人臉攻擊基本無(wú)法模擬的。
【主權(quán)項(xiàng)】
1.一種基于相對(duì)屬性的活體檢測(cè)方法，包括以下步驟: 1)檢測(cè)輸入視頻中每幀圖像上的人臉位置； 2)獲取人臉關(guān)鍵點(diǎn)； 其特征在于，還包括: 3)根據(jù)所獲取的關(guān)鍵點(diǎn)獲取眼睛或嘴巴的區(qū)域； 4)判斷連續(xù)多幀圖像中步驟3)所獲得區(qū)域的屬性變化值的規(guī)律是否符合真實(shí)人臉的變化規(guī)律，若是，則判斷為真實(shí)人臉，若否，則判斷為虛假人臉。
2.根據(jù)權(quán)利要求1所述的基于相對(duì)屬性的活體檢測(cè)方法，其特征在于，所述屬性變化值為上下眼皮間的距離變化值或上下嘴唇間的距離變化值。
3.根據(jù)權(quán)利要求2所述的基于相對(duì)屬性的活體檢測(cè)方法，其特征在于，所述步驟4)具體為: 401)將當(dāng)前幀與前t幀的眼睛或嘴巴區(qū)域合并成一張圖，采用基于深度學(xué)習(xí)的回歸方法輸出兩幀圖像中屬性變化值； 402)重復(fù)步驟401)直至獲得每幀圖像的屬性變化值； 403)將所有屬性變化值按幀時(shí)間順序組成一向量，利用SVM分類器對(duì)所述向量進(jìn)行分類； 404)判斷分類結(jié)果是否滿足設(shè)定動(dòng)作下的真實(shí)人臉的變化規(guī)律，若是，則判斷為真實(shí)人臉，若否，則判斷為虛假人臉。
4.根據(jù)權(quán)利要求3所述的基于相對(duì)屬性的活體檢測(cè)方法，其特征在于，所述步驟403)中，利用SVM分類器對(duì)所述向量進(jìn)行分類前，對(duì)各向量的長(zhǎng)度進(jìn)行設(shè)定。
5.根據(jù)權(quán)利要求3所述的基于相對(duì)屬性的活體檢測(cè)方法，其特征在于，所述設(shè)定動(dòng)作包括閉眼或張嘴。
6.根據(jù)權(quán)利要求1所述的基于相對(duì)屬性的活體檢測(cè)方法，其特征在于，所述輸入視頻為一段3?5秒的人臉視頻。
7.根據(jù)權(quán)利要求1所述的基于相對(duì)屬性的活體檢測(cè)方法，其特征在于，所述步驟I)采用AdaBoost分類器檢測(cè)人臉位置。
8.根據(jù)權(quán)利要求1所述的基于相對(duì)屬性的活體檢測(cè)方法，其特征在于，所述步驟2)中，獲取人臉關(guān)鍵點(diǎn)的具體過(guò)程為: 201)利用HoG與SVM結(jié)合的方式進(jìn)行第一輪關(guān)鍵點(diǎn)檢測(cè)，每個(gè)關(guān)鍵點(diǎn)有K種選擇； 202)利用全局形狀信息，采用N-Best方式，在K~N種可能中獲取組成人臉形狀關(guān)鍵點(diǎn)最優(yōu)解，N為關(guān)鍵點(diǎn)數(shù)目，采用分支定界方式進(jìn)行截枝處理，獲得最終形態(tài)組合； 203)計(jì)算步驟202)中獲得的每種組合的置信度，選取置信度高的一個(gè)組合。
9.根據(jù)權(quán)利要求8所述的基于相對(duì)屬性的活體檢測(cè)方法，其特征在于，所述置信度由兩部分構(gòu)成: a)步驟201)中利用HoG方式得到的置信度； b)不同關(guān)鍵點(diǎn)之間的位置關(guān)系。
【專利摘要】本發(fā)明涉及一種基于相對(duì)屬性的活體檢測(cè)方法，包括以下步驟：1)檢測(cè)輸入視頻中每幀圖像上的人臉位置；2)獲取人臉關(guān)鍵點(diǎn)；3)根據(jù)所獲取的關(guān)鍵點(diǎn)獲取眼睛或嘴巴的區(qū)域；4)判斷連續(xù)多幀圖像中步驟3)所獲得區(qū)域的屬性變化值的規(guī)律是否符合真實(shí)人臉的變化規(guī)律，若是，則判斷為真實(shí)人臉，若否，則判斷為虛假人臉。與現(xiàn)有技術(shù)相比，本發(fā)明具有檢測(cè)精度高、速度快等優(yōu)點(diǎn)。
【IPC分類】G06K9-62, G06K9-00
【公開號(hào)】CN104794464
【申請(qǐng)?zhí)枴緾N201510243778
【發(fā)明人】陳遠(yuǎn)浩
【申請(qǐng)人】上海依圖網(wǎng)絡(luò)科技有限公司
【公開日】2015年7月22日
【申請(qǐng)日】2015年5月13日