一种人脸活体检测方法及系统的制作方法
【专利摘要】本发明公开了一种人脸活体检测方法及系统，涉及人脸识别【技术领域】，所述方法包括：101.在当前帧图片中定位面部关键点/块；102.当定位不成功时，采集下一帧图片，执行步骤101；103.当定位成功时，提取并存储特征值；104.判断采集的图片帧数是否等于第一预设值，如果是，执行步骤105；105.根据存储的特征值，计算平均差异值；106.判断平均差异值是否大于第一阈值，如果不是，执行步骤107；如果是，执行步骤108；107.判断平均差异值的计算次数是否小于第二预设值，如果不是，确定为非真实人脸；108.判断平均差异值是否大于第二阈值，如果不是，确定为真实人脸。本发明实施例应用于人脸检测过程中。
【专利说明】一种人脸活体检测方法及系统
【技术领域】
[0001]本发明涉及人脸识别【技术领域】，尤其涉及一种人脸活体检测方法及系统。
【背景技术】
[0002]作为身份识别的有效技术，人脸识别技术已经在商业和执法部门得到广泛的应用，例如刑事鉴定、信用卡识别、安全系统、现场监控、门禁考勤等。在进行人脸识别的过程中，尤其需要解决人脸识别技术的安全问题，比如使用照片人脸、人脸视频片段或者仿造的三维人脸模型进行伪造登陆人脸识别系统。其中，照片人脸较其他方式更加容易获得，也最多地被用于伪造登陆人脸识别系统。为了使人脸识别系统更加安全，就需要设计能够抵御照片人脸登陆人脸识别系统的人脸活体检测系统。
[0003]在实现人脸活体检测的过程中，发明人发现现有技术中至少存在如下问题:当采用三维深度信息进行人脸活体检测时，计算量大；通过分析高频分量来进行照片人脸和真实人脸的判断时，只适用于低分辨率照片，对于高清照片就无法判断，受应用场景约束。
【发明内容】
[0004]本发明的实施例提供一种人脸活体检测方法及系统，实现有效拒绝非真实人脸欺骗识别的同时，提高计算速度，同时不受应用场景的约束。
[0005]为达到上述目的，本发明的实施例采用如下技术方案:
[0006]一种人脸活体检测方法，包括:
[0007]101、在采集的当前帧图片中定位面部关键点/块；
[0008]102、当定位面部关键点/块不成功时，丢弃所述当前帧图片，采集下一帧图片，跳转执行步骤101 ；
[0009]103、当定位面部关键点/块成功时，提取并存储所述面部关键点/块所在区域的特征值，将采集的图片帧数加I;
[0010]104、判断所述采集的图片帧数是否等于第一预设值，如果不是，则采集下一帧图片并跳转执行步骤101 ;如果是，跳转执行步骤105 ；
[0011]105、根据存储的所述面部关键点/块所在区域的特征值，计算平均差异值，所述平均差异值为当所述采集的图片帧数等于第一预设值时，所述采集的图片中面部关键点/块所在区域的特征值的平均差异值；
[0012]106、判断所述平均差异值是否大于第一阈值，如果不是，则将所述采集的图片帧数减1，平均差异值的计算次数加1，并跳转执行步骤107 ;如果是，跳转执行步骤108 ；
[0013]107、判断当前平均差异值的计算次数是否小于第二预设值，如果不是，则确定为非真实人脸；如果是，将存储的第一帧图片的面部关键点/块所在区域的特征值删除，采集下一帧图片，并跳转执行步骤101 ；
[0014]108、判断所述平均差异值是否大于第二阈值，如果是，则确定为非真实人脸；如果不是，则确定为真实人脸，所述第二阈值大于所述第一阈值。[0015]一种人脸活体检测系统，包括:
[0016]定位单元，用于在采集的当前帧图片中定位面部关键点/块；
[0017]第一处理单元，用于当定位面部关键点/块不成功时，丢弃所述当前帧图片，采集下一帧图片，跳转入定位单元；
[0018]第二处理单元，用于当定位面部关键点/块成功时，提取并存储所述面部关键点/块所在区域的特征值，将采集的图片帧数加I;
[0019]第三处理单元，用于判断所述采集的图片帧数是否等于第一预设值，如果不是，则采集下一帧图片并跳转入定位单元；如果是，跳转入平均差异值计算单元；
[0020]平均差异值计算单元，用于根据存储的所述面部关键点/块所在区域的特征值，计算平均差异值，所述平均差异值为当所述采集的图片帧数等于第一预设值时，所述采集的图片中面部关键点/块所在区域的特征值的平均差异值；
[0021]第四处理单元，用于判断所述平均差异值是否大于第一阈值，如果不是，则将所述采集的图片帧数减1，平均差异值的计算次数加1，并跳转入第五处理单元；如果是，跳转入第六处理单元；
[0022]第五处理单元，用于判断当前平均差异值的计算次数是否小于第二预设值，如果不是，则确定为非真实人脸；如果是，将存储的第一帧图片的面部关键点/块所在区域的特征值删除，采集下一帧图片，并跳转入定位单元；
[0023]第六处理单元，用于判断所述平均差异值是否大于第二阈值，如果是，则确定为非真实人脸；如果不是，则确定为真实人脸，所述第二阈值大于所述第一阈值。
[0024]本发明实施例提供的一种人脸活体检测方法及系统，通过对面部关键点/块的定位，提取面部关键点/块所在区域的特征值，当所述采集的图片帧数等于第一预设值时，根据存储的所述面部关键点/块所在区域的特征值，计算平均差异值，当所述平均差异值大于第一阈值，且小于等于第二阈值时，则判断为真实人脸。本发明实施例解决了现有技术中当采用三维深度信息进行人脸活体检测时，计算量大的问题，同时解决了通过分析高频分量来进行照片人脸和真实人脸的判断时，只适用于低分辨率照片，对于高清照片就无法判断，受应用场景约束的问题，实现有效的拒绝了非真实人脸欺骗识别的同时，提高了计算速度，同时不受应用场景的约束。
【专利附图】
【附图说明】
[0025]为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0026]图1为本发明实施例1提供的一种人脸活体检测方法的流程图；
[0027]图2为本发明实施例1提供的提取眼睛和嘴巴区域的30个关键点的示意图；
[0028]图3为本发明实施例2提供的一种人脸活体检测系统的结构图；
[0029]图4为本发明实施例2提供的一种人脸活体检测系统的整体结构图；
[0030]图5为本发明实施例2提供的一种人脸活体检测系统中第二处理单元的结构图；
[0031]图6为本发明实施例2提供的一种人脸活体检测系统中平均差异值计算单元的结构图。
【具体实施方式】
[0032]下面结合附图对本发明实施例一种人脸活体检测方法及系统进行详细描述。
[0033]实施例1
[0034]本发明实施例提供一种人脸活体检测方法，如图1所示，具体步骤如下:
[0035]101、在采集的当前帧图片中定位面部关键点/块。
[0036]在人脸活体检测中，需要比较采集的连续帧图片中人脸的运动和变化。由于照片人脸也可以在采集设备前，进行上下左右等物理运动，但是无法进行眼睛和嘴巴等面部关键区域的形变运动，因此本发明主要对面部关键点/块进行定位，如眼睛和嘴巴，以便区别真实人脸和非真实人脸。
[0037]目前存在很多方法对面部关键点/块进行检测定位，例如ASM (Active ShapeModel,主动形状模型)、AAM (Active Appearance Model,主动外观模型)等方法。
[0038]在进行人脸活体检测之前，利用现有技术对大量的人脸的眼睛和嘴巴的样本进行训练，下面我们以ASM算法对眼睛和嘴巴的关键点进行定位为例进行描述，具体过程如下:
[0039](I)通过形状对齐和主 成分分析，建立眼睛和嘴巴的主动形状模型ASM形状模型。
[0040]具体步骤如下:
[0041]A、对训练集中的所有训练图片的人脸进行眼镜和嘴巴区域30个关键点的标定，如图2所示，其中，左眼和右眼的关键点均为9个，嘴巴的关键点为12个。
[0042]B、将属于每一个训练图片的30个关键点的坐标值构成一个向量，作为对应训练图片的形状向量，根据形状向量进行形状对齐，具体步骤如下:
[0043]a、选取第一幅训练图片的形状向量为第一基向量；
[0044]b、利用所述第一基向量，将所述训练集中除了所述第一幅训练图片之外的其他训练图片的形状向量进行仿射变换，得到校正后的形状向量。
[0045]将其他训练图片的形状向量与所述第一基向量进行仿射变换的作用，是为了保证所有训练图片均在同一个水平位置上。
[0046]C、计算所述训练集中的所有训练图片对应的校正后的形状向量的平均向量，并将所述平均向量作为第二基向量；
[0047]d、利用所述第二基向量，将所述训练集中的所有训练图片对应的形状向量进行仿射变换，得到所有训练图片对应的更新后的形状向量；
[0048]e、计算所述训练集中的所有训练图片对应的更新后的形状向量的平均向量，并将所述平均向量作为第三基向量，并利用所述第三基向量进行仿射变换和求平均向量，直到重复执行次数达到预定值。
[0049]所述预定值为预先设置，例如，可以设置为5次，则重复利用得到的平均向量作为基向量，并计算平均向量5次。
[0050]C、根据公式(I)建立ASM形状模型，公式(I)如下所示:
[0051]
【权利要求】
1.一种人脸活体检测方法，其特征在于，包括: ，101、在采集的当前帧图片中定位面部关键点/块； ，102、当定位面部关键点/块不成功时，丢弃所述当前帧图片，采集下一帧图片，跳转执行步骤101 ； ，103、当定位面部关键点/块成功时，提取并存储所述面部关键点/块所在区域的特征值，将采集的图片帧数加I; ，104、判断所述采集的图片帧数是否等于第一预设值，如果不是，则采集下一帧图片并跳转执行步骤101 ;如果是，跳转执行步骤105 ； ，105、根据存储的所述面部关键点/块所在区域的特征值，计算平均差异值，所述平均差异值为当所述采集的图片帧数等于第一预设值时，所述采集的图片中面部关键点/块所在区域的特征值的平均差异值； ，106、判断所述平均差异值是否大于第一阈值，如果不是，则将所述采集的图片帧数减，1，平均差异值的计算次数加1，并跳转执行步骤107 ;如果是，跳转执行步骤108 ； ，107、判断当前平均差异值的计算次数是否小于第二预设值，如果不是，则确定为非真实人脸；如果是，将存储的第一帧图片的面部关键点/块所在区域的特征值删除，采集下一帧图片，并跳转执行步骤101; ，108、判断所述平均差异值是否大于第二阈值，如果是，则确定为非真实人脸；如果不是，则确定为真实人脸，所述第二阈值大于所述第一阈值。
2.根据权利要求1所述的方法，其特征在于，所述步骤101中，所述面部关键点/块包含眼睛和嘴巴的关键点/块，所述定位面部关键点/块包括:定位眼睛和嘴巴的关键点/块，具体为: 通过形状对齐和主成分分析，建立眼睛和嘴巴的主动形状模型ASM形状模型； 根据眼睛和嘴巴的纹理特征，建立眼睛和嘴巴的关键点/块的支持向量机SVM分类器。
3.根据权利要求2所述的方法，其特征在于，所述步骤101中，所述在采集的当前帧图片中定位面部关键点/块包括: 根据SVM分类器和ASM形状模型迭代的进行眼睛和嘴巴关键点/块的搜索和形状约束。
4.根据权利要求3所述的方法，其特征在于，所述步骤103中，所述提取并存储所述面部关键点/块所在区域的特征值包括: 根据左眼和右眼的位置，确定眼距； 根据眼睛和嘴巴的关键点/块，确定在所述当前帧图片中左眼、右眼及嘴巴所在区域，并根据所述眼距将所述左眼、右眼及嘴巴所在区域进行水平校正； 分别提取所述左眼、右眼及嘴巴所在区域的特征值，并将所述左眼、右眼及嘴巴所在区域的特征值存入队列中。
5.根据权利要求4所述的方法，其特征在于，所述计算平均差异值包括:
6.一种人脸活体检测系统，其特征在于，包括: 定位单元，用于在采集的当前帧图片中定位面部关键点/块； 第一处理单元，用于当定位面部关键点/块不成功时，丢弃所述当前帧图片，采集下一帧图片，跳转入定位单元； 第二处理单元，用于当定位面部关键点/块成功时，提取并存储所述面部关键点/块所在区域的特征值，将采集的图片帧数加I ; 第三处理单元，用于判断所述采集的图片帧数是否等于第一预设值，如果不是，则采集下一帧图片并跳转入定位单元；如果是，跳转入平均差异值计算单元； 平均差异值计算单元，用于根据存储的所述面部关键点/块所在区域的特征值，计算平均差异值，所述平均差异值为当所述采集的图片帧数等于第一预设值时，所述采集的图片中面部关键点/块所在区域的特征值的平均差异值； 第四处理单元，用于判断所述平均差异值是否大于第一阈值，如果不是，则将所述采集的图片帧数减1，平均差异值的计算次数加1，并跳转入第五处理单元；如果是，跳转入第六处理单元； 第五处理单元，用于判断当前平均差异值的计算次数是否小于第二预设值，如果不是，则确定为非真实人脸；如果是，将存储的第一帧图片的面部关键点/块所在区域的特征值删除，采集下一帧图片，并跳转入定位单元； 第六处理单元，用于判断所述平均差异值是否大于第二阈值，如果是，则确定为非真实人脸；如果不是，则确定为真实人脸，所述第二阈值大于所述第一阈值。
7.根据权利要求6所述的系统，其特征在于，所述系统还包括: 形状模型建立单元，用于通过形状对齐和主成分分析，建立眼睛和嘴巴的ASM形状模型； 分类器建立单元，用于根据眼睛和嘴巴的纹理特征，建立眼睛和嘴巴的关键点/块的SVM分类器。
8.根据权利要求7所述的系统，其特征在于，所述定位单元，具体用于根据SVM分类器和ASM形状模型迭代的进行眼睛和嘴巴关键点的搜索和形状约束。
9.根据权利要求8所述的系统，其特征在于，所述第二处理单元包括: 眼距确定模块，用于根据左眼和右眼的位置，确定眼距； 第一处理模块，用于根据眼睛和嘴巴的关键点/块，确定在所述当前帧图片中左眼、右眼及嘴巴所在区域，并根据所述眼距将所述左眼、右眼及嘴巴所在区域进行水平校正；第二处理模块，用于分别提取所述左眼、右眼及嘴巴所在区域的特征值，并将所述左目艮、右眼及嘴巴所在区域的特征值存入队列中。
10.根据权利要求9所述的系统，其特征在于，所述平均差异值计算单元包括: 加权欧氏距离计算模块，用于根据
【文档编号】G06K9/00GK103679118SQ201210331141
【公开日】2014年3月26日 申请日期:2012年9月7日 优先权日:2012年9月7日
【发明者】黄磊, 任智杰 申请人:汉王科技股份有限公司