用于防假冒人脸识别的主动式随机动态指令生成系统的制作方法

文档序号:11951930
本发明涉及人脸识别防假冒
技术领域
,具体是一种用于防假冒人脸识别的主动式随机动态指令生成系统。
背景技术
:近年来,人脸识别技术已取得很大发展和应用。但目前存在的人脸识别系统,并没有很好的防冒充技术来鉴别利用事先拍摄的照片或视频等非活体信息进行的欺骗行为。而当前的活体检验需要配备特殊的设备,这对普通用户所持有的普通网络摄像头不适用,这极大地制约了人脸认证系统的广泛应用。同时,假冒手段多样化给检测技术的研究带来了很大的挑战。对人脸认证系统常用的假冒欺骗手段可归纳为三类:1)、合法用户的照片;2)、合法用户的视频;3)、合法用户的三维模型。对以上三种欺骗手段,从逼真度来看,照片和视频相对比三维模型要逼真;从获取途径上来说,照片可以通过网络、简历信息、偷拍等途径极易获取到,视频也可以通过针孔摄像头轻松地拍摄到,而制作逼近真人相貌的三维模型却较为困难。因此,照片和视频是欺骗识别系统最易用的手段。相对照片而言,视频含有头部运动、面部动作、眨眼等活体的生理信息,所以对识别系统的威胁更大。如果把假冒视频在摄像头前播放,通常人也很难辨别出是视频还是活体。目前,活体人脸的检测技术主要有:1)三维深度信息分析;2)眨眼及头部运动等的生理行为检测;3)傅立叶频谱分析;4)热红外线等。从头部运动中计算三维深度信息的方法和人眨眼生理行为的检测方法对区别活体和照片有效,但对于含有头部运动和眨眼的视频假冒攻击则无效。对国内某知名品牌笔记本中的人脸识别开机管理系统评测发现,工牌,录制视频的笔记本电脑播放屏幕甚至是手绘制的素描图片都能轻松骗过识别系统(http://my.tv.sohu.com/us/63365741/32159567.shtml)。而用傅立叶频谱分析来区别活体与照片,依据是照片人脸的高频分量小于活体人脸,这种方法依赖于图像的质量,并且对光线变化敏感。用热红外线获取脸部血管图或者脸部温谱图的方法则需要添置额外的设备。现在大多数的人脸识别是基于通过单个摄像头获取的图像,因此不增加额外的检测设备来实现抵抗视频攻击的方法成为首选,其优点在于很容易集成到现有系统中。技术实现要素:本发明提供一种用于防假冒人脸识别的主动式随机动态指令生成系统,通过增加主动式的随机动态指令生成模块,以及基于视频跟踪技术的随机动态指令判读模块,使得人脸识别系统具备有效的放冒充功能,大大提高了系统的安全性。本发明所采取的技术方案为:用于防假冒人脸识别的主动式随机动态指令生成系统,包括人脸检测模块、目标跟踪模块、随机动态指令生成模块、随机动态指令验证模块、人脸识别模块。所述人脸检测模块,用于定位人脸,并提取特征存入数据库中;人脸检测模块触发随机动态指令生成模块,生成需要由目标人脸、人眼、人嘴完成的随机动态指令组合;随机动态指令发出后,待识别用户在系统语音提示下,按要求做出相应动作,所述动作会被随机动态指令验证模块逐一验证;目标跟踪模块利用视频目标跟踪技术对人脸、眼和嘴部区域进行连续跟踪;若待识别用户在动态指令验证过程中,突然出示录制的视频或者其他道具,就会破坏跟踪目标的连续性,会被系统及时发现,并终止验证过程;通过随机动态指令验证模块鉴别后,人脸检测模块提取的人脸特征,被送入人脸识别模块完成最终的身份认证识别。每个用户会被人脸检测模块获取多张样本图片。多个人脸出现时,仅选择尺度最大的人脸目标作为待识别目标,尺度最大的人脸图像代表了最靠近摄像头的人脸目标。随机动态指令的类型、顺序、长度、执行时间都是动态随机生成的。目标跟踪模块采用了检测与跟踪相结合的在线学习跟踪方法,利用随机Haar特征提取目标特征值,利用随机森林分类器实现待跟踪目标的实时检测,同时结合KLT跟踪方法对目标进行跟踪,跟踪结果经过检测器进一步筛选并实时更新样本库,实现在线学习。目标跟踪模块对跟踪到的脸、眼、嘴,利用光流统计其运动矢量,利用KLT提供的目标光流结果的方向,实现对这些指令的判读。本发明一种用于防假冒人脸识别的主动式随机动态指令生成系统,通过增加主动式的随机动态指令生成模块,以及基于视频跟踪技术的随机动态指令判读模块,使得人脸识别系统具备有效的放冒充功能,大大提高了系统的安全性。附图说明图1为本发明的系统组成框图。具体实施方式用于防假冒人脸识别的主动式随机动态指令生成系统,包括人脸检测模块、目标跟踪模块、随机动态指令生成模块、随机动态指令验证模块、人脸识别模块。工作原理:首先是用户人脸图像的样本特征库录入。首先用户出示人脸,通过普通单目摄像头获取视频序列,系统利用人脸检测模块定位人脸,并提取特征存入数据库中。为了有效建立样本库,每个用户会被人脸检测模块获取多张样本图片。当被识别对象出示人脸时,通过普通摄像头捕获人脸目标。人脸捕获采用Viola-Jones通用检测器完成。本发明仅针对单人脸识别,因此,若同时有多个人脸出现,仅选择尺度最大的人脸目标作为待识别目标。因为尺度最大的人脸图像代表了最靠近摄像头的人脸目标。当系统检测到有效人脸后,这里有效人脸,指可以同时检测到眼睛及嘴巴区域的正面人脸目标,基于PCA技术提取人脸目标在各主成份中的投影系数,作为人脸特征。在进行最终的识别之前,首先由人脸检测模块触发随机动态指令生成模块,生成需要由目标人脸、人眼(左右)、人嘴完成的随机动态指令组合。这里的“随机”包括两个方面,首先是脸、眼、嘴部动作类型和顺序的随机性。如扭头出示上、下、左、右边方位脸部图像,张嘴,左、右、双眼闭。各动作所对应的类型编码如表1所示。表1随机动态指令对应的动作类型编码动作类型左脸右脸上脸下脸张嘴左眼闭右眼闭双眼闭动作编码ABCDEFGH随机动态指令的长度及顺序都是动态随机生成的,如ACDH,GHCCB,EEFGGH。另一方面,每个动作的完成时间间隔是随机设定的,如可能是1、2、3秒钟完成。动态指令类型、顺序、长度、执行时间的随机性,使得用户无法利用重放事先录制好的视频来执行欺骗行为,因为这种随机动态指令的组合数量巨大,无法事先全部存储下来。以固定指令长度为4举例,4个连续动作,随机动态指令序列的种类就有84=4096种;若指令长度增加至8,则存在16777216种组合。若再配上执行时间,即每个动作保持时间,系统会用语音提示用户保持某个动作直到结束,则又可增加3个自由度,相当于动作的类型扩展到了24种(以3种执行时间为例),这会进一步指数级增大指令序列的组合数,使得非法用户无法实现录用验证指令视频序列,达到防冒充的效果。随机动态指令发出后,待识别用户在系统语音提示下按要求做出相应动作,这些动作会被随机动态指令验证模块逐一验证。为了有效验证各指令同时进一步提高系统安全性,本发明目标跟踪模块,利用视频目标跟踪技术对人脸、眼和嘴部区域进行连续跟踪。若待识别用户在动态指令验证过程中突然出示录制的视频或者其他道具,就会破坏跟踪目标的连续性,这会被系统及时发现,并终止验证过程。本发明中目标跟踪模块所采用的视频目标跟踪技术,可采用一般的单目标跟踪技术,如基于Blob检测与卡尔曼滤波相结合的跟踪算法;也可以采用纯基于光流的跟踪算法,如KLT算法,这些都是经典常用跟踪算法。若摄像头拍摄环境较为复杂时,可采用检测与跟踪相结合的在线学习跟踪方法,如TLD。TLD利用随机Haar特征提取目标特征值,利用随机森林分类器实现待跟踪目标的实时检测,同时结合KLT跟踪方法对目标进行跟踪,跟踪结果经过检测器进一步筛选并实时更新样本库,实现在线学习,可达到较好的跟踪效果。根据人脸跟踪的结果,可计算出脸部区域发生的相对运动矢量,从而判断出当前脸为左脸、右脸、上脸还是下脸,这些脸部区域对应人头的左、右、抬头、低头的动作。在本发明中,人脸区域被检测到后,人眼及嘴巴区域可利用Viola-Jones通用检测器被找到。睁眼、闭眼、张嘴、闭嘴的检测,也同样采用Viola-Jones通用检测器来完成。在本发明中,通过分辨选择5000张正样本(睁开的眼部区域和闭合的嘴部区域)和10000张负样本(闭合的眼部区域和张开的嘴部区域)来训练Viola-Jones中的Adaboost分类器,实现睁闭眼,张闭嘴的识别。通过随机动态指令验证模块鉴别后,人脸检测模块会提取人脸特征,然后将特征送入人脸识别模块,完成最终的身份认证识别。在本发明中,人脸特征提取选用Gabor幅值特征,然后利用LBP提取Gabor特征的统计特征,最后通过与人脸特征库中已经存在的人脸特征进行匹配来实现识别。本发明中,人脸检测模块中的特征提取算法与人脸识别模块中的识别算法是配合进行的,其他人脸识别算法也同样适用。当前第1页1 2 3 
再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1