一种基于人脸分割区域匹配的身份验证方法及装置与流程

本发明涉及人脸识别技术领域，特别是涉及一种基于人脸分割区域匹配的身份验证方法及装置。

背景技术：

随着科学技术的快速发展，身份验证技术也得到了快速发展。在对手机、汽车等终端的解锁过程中，在对终端中应用的解锁过程中，在移动支付过程中，都需要进行身份验证，以确定用户身份是否合法。

现有的身份验证方法多是通过用户名、密码等进行验证。用户名、密码验证通过后，即可确定用户为合法用户。

在现有的这种方法中，用户名、密码容易被非法人员窃取，从而非法人员利用窃取的用户名、密码等信息可以进行非法操作，安全性较低。

技术实现要素：

本发明的目的是提供一种基于人脸分割区域匹配的身份验证方法及装置，以提高识别效率和准确率，增强系统安全性。

为解决上述技术问题，本发明提供如下技术方案：

一种基于人脸分割区域匹配的身份验证方法，包括：

在接收到用户的身份验证触发指令时，获得所述用户的人脸的多个分割区域的测试图像；

对每个分割区域的测试图像进行预处理，获得每个分割区域对应的优化的区域灰度图像，所述预处理包含灰度化处理和去除噪声处理；

基于预先实现的毛孔级别尺度不变特征变换算法，确定每个区域灰度图像中多个毛孔特征点的皮肤毛孔特征；

分别将每个区域灰度图像中每个毛孔特征点的皮肤毛孔特征与预先获得的特征库中相应分割区域的毛孔特征点的参考特征进行匹配；

根据匹配结果，确定所述用户是否为合法用户。

在本发明的一种具体实施方式中，所述根据匹配结果，确定所述用户是否为合法用户，包括：

如果匹配的毛孔特征点的数量与所述特征库包含的毛孔特征点总数量的比值大于预设阈值，则确定所述用户为合法用户。

在本发明的一种具体实施方式中，所述基于预先实现的毛孔级别尺度不变特征变换算法，确定每个区域灰度图像中多个毛孔特征点的皮肤毛孔特征，包括：

针对每个区域灰度图像，使用多个不同大小的高斯核与该区域灰度图像进行卷积，生成多个具有不同分辨率的图像；

将具有同一分辨率的图像的像素值进行差分运算；

将进行差分运算后的图像中局部最暗的点确定为候选特征点；

利用理想毛孔模型在确定的候选特征点中选择毛孔特征点；

生成每个毛孔特征点的特征描述子，获得该区域灰度图像的每个毛孔特征点的皮肤毛孔特征。

在本发明的一种具体实施方式中，所述对每个分割区域的测试图像进行预处理，获得每个分割区域对应的优化的区域灰度图像，包括：

分别对每个分割区域的测试图像进行灰度化处理，获得每个分割区域对应的灰度图像；

选择一个分割区域，根据该分割区域的灰度图像的像素值，计算该分割区域的灰度图像的均值；

利用所述均值分别对每个分割区域对应的灰度图像进行去除噪声处理，获得每个分割区域对应的优化的区域灰度图像。

在本发明的一种具体实施方式中，在确定所述用户不是合法用户时，还包括：

重复执行所述获得所述用户的人脸的多个分割区域的测试图像的步骤，直至重复次数达到预设次数阈值时，确定所述用户为非法用户。

一种基于人脸分割区域匹配的身份验证装置，包括：

区域图像获得模块，用于在接收到用户的身份验证触发指令时，获得所述用户的人脸的多个分割区域的测试图像；

预处理模块，用于对每个分割区域的测试图像进行预处理，获得每个分割区域对应的优化的区域灰度图像，所述预处理包含灰度化处理和去除噪声处理；

特征确定模块，用于基于预先实现的毛孔级别尺度不变特征变换算法，确定每个区域灰度图像中多个毛孔特征点的皮肤毛孔特征；

特征匹配模块，用于分别将每个区域灰度图像中每个毛孔特征点的皮肤毛孔特征与预先获得的特征库中相应分割区域的毛孔特征点的参考特征进行匹配；

合法性确定模块，用于根据匹配结果，确定所述用户是否为合法用户。

在本发明的一种具体实施方式中，所述合法性确定模块，具体用于：

在匹配的毛孔特征点的数量与所述特征库包含的毛孔特征点总数量的比值大于预设阈值时，确定所述用户为合法用户。

在本发明的一种具体实施方式中，所述特征确定模块，具体用于：

针对每个区域灰度图像，使用多个不同大小的高斯核与该区域灰度图像进行卷积，生成多个具有不同分辨率的图像；

将具有同一分辨率的图像的像素值进行差分运算；

将进行差分运算后的图像中局部最暗的点确定为候选特征点；

利用理想毛孔模型在确定的候选特征点中选择毛孔特征点；

生成每个毛孔特征点的特征描述子，获得该区域灰度图像的每个毛孔特征点的皮肤毛孔特征。

在本发明的一种具体实施方式中，所述预处理模块，具体用于：

分别对每个分割区域的测试图像进行灰度化处理，获得每个分割区域对应的灰度图像；

选择一个分割区域，根据该分割区域的灰度图像的像素值，计算该分割区域的灰度图像的均值；

利用所述均值分别对每个分割区域对应的灰度图像进行去除噪声处理，获得每个分割区域对应的优化的区域灰度图像。

在本发明的一种具体实施方式中，还包括非法性确定模块，用于：

在确定所述用户不是合法用户时，重复执行所述获得所述用户的人脸的多个分割区域的测试图像的步骤，直至重复次数达到预设次数阈值时，确定所述用户为非法用户。

应用本发明实施例所提供的技术方案，在接收到用户的身份验证触发指令时，可以获得用户的人脸的多个分割区域的测试图像，对每个分割区域的测试图像进行预处理，可以获得优化的区域灰度图像，基于预先实现的毛孔级别尺度不变特征变换算法，可以确定每个区域灰度图像中多个毛孔特征点的皮肤毛孔特征，分别将每个区域灰度图像中每个毛孔特征点的皮肤毛孔特征与预先获得的特征库中相应分割区域的毛孔特征点的参考特征进行匹配，根据匹配结果，可以确定用户是否为合法用户，从而实现对用户身份的验证。基于人脸分割区域灰度图像包含的毛孔特征点的皮肤毛孔特征的匹配对人脸图像进行识别，可以提高识别效率和准确率，增强系统安全性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中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。

图1为本发明实施例中一种基于人脸分割区域匹配的身份验证方法的实施流程图；

图2为本发明实施例中一种基于人脸分割区域匹配的身份验证装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种基于人脸分割区域匹配的身份验证方法，该方法可以应用于服务器，服务器与客户端通信连接，可以进行信息交互，通过交互可以从客户端获得用户的人脸的多个分割区域的测试图像，进而对测试图像进行识别等相应处理。该方法还可以应用于客户端，直接由客户端对人脸的多个分割区域的测试图像进行识别等相应处理。通过对分割区域图像的识别，确定用户是否为合法用户，提高相应系统的安全性。

参见图1所示，为本发明实施例所提供的一种基于人脸分割区域匹配的身份验证方法的实施流程图，该方法可以包括以下步骤：

S110：在接收到用户的身份验证触发指令时，获得用户的人脸的多个分割区域的测试图像。

本发明实施例通过人脸识别对用户身份进行验证。用户身份验证通过后，用户可以进入设置有人脸识别装置的安全场所，或者对移动终端、车辆等进行解锁操作，或者打开终端中安装的某个应用，或者进行移动支付等。

在实际应用中，可以为用户提供认证入口，用户通过该认证入口可以触发身份验证过程。在接收到用户的身份验证触发指令时，可以获得用户的人脸图像。具体的，可以通过认证入口相应位置设置的图像采集设备采集用户的人脸图像。

获得用户的人脸图像后，可以由客户端对人脸图像中的五官进行定位，或者客户端将人脸图像发送给服务器，由服务器对人脸图像中的五官进行定位，以获得用户的人脸的多个分割区域的测试图像。

具体的，可以使用DRMF(Discriminative Response Map Fitting，判别响应图拟合)方法进行定位，获得人脸的多个分割区域的测试图像。如可以获得左脸颊、右脸颊和额头三个分割区域的测试图像。DRMF方法为现有技术，本发明实施例对此不再赘述。

以移动支付场景为例，用户在移动终端上使用移动支付功能时，即可视为向客户端发出了身份验证触发指令，该客户端为移动支付客户端。客户端接收到用户的身份验证触发指令时，可以调用移动终端的摄像头采集用户的人脸图像，对人脸图像进行五官定位，获得人脸的多个分割区域的测试图像。客户端将多个分割区域的测试图像发送给服务器。服务器即可在接收到用户的身份验证触发指令时，获得用户的人脸的多个分割区域的测试图像。

S120：对每个分割区域的测试图像进行预处理，获得每个分割区域对应的优化的区域灰度图像。

其中，预处理包含灰度化处理和去除噪声处理。

服务器获得用户的人脸的多个分割区域的测试图像后，可以对每个分割区域的测试图像进行预处理，如进行灰度化处理和去除噪声处理等，去除噪声处理可以使图片平滑，减小锐化程度。通过对每个分割区域的测试图像进行预处理，可以获得每个分割区域对应的优化的区域灰度图像。

在本发明的一种具体实施方式中，步骤S120可以包括以下步骤：

步骤一：分别对每个分割区域的测试图像进行灰度化处理，获得每个分割区域对应的灰度图像；

步骤二：选择一个分割区域，根据该分割区域的灰度图像的像素值，计算该分割区域的灰度图像的均值；

步骤三：利用均值分别对每个分割区域对应的灰度图像进行去除噪声处理，获得每个分割区域对应的优化的区域灰度图像。

为便于描述，将上述三个步骤结合起来进行说明。

分别对每个分割区域的测试图像进行灰度化处理，可以获得每个分割区域对应的灰度图像。灰度处理方法为现有技术，本发明实施例对此不再赘述。

在多个分割区域中选择一个分割区域，比如选择右脸颊区域，根据该分割区域的灰度图像的像素值，可以计算该分割区域的灰度图像的均值。具体的，可以将该分割区域的灰度图像的像素值按照大小顺序排序，得到像素中位数，再计算得到该设定区域图像的像素值的像素均值，将像素中位数和像素均值的平均值确定为该分割区域的灰度图像的均值。利用该均值分别对每个分割区域对应的灰度图像进行去除噪声处理，获得每个分割区域对应的优化的区域灰度图像。具体的，可以减低灰度图像中大于该均值的像素值。

通过对灰度图像进行去除噪声处理，可以使毛孔特征点的数量保持在一定的范围，以在毛孔特征点匹配过程中，减小计算量，提高识别效率。

S130：基于预先实现的毛孔级别尺度不变特征变换算法，确定每个区域灰度图像中多个毛孔特征点的皮肤毛孔特征。

在本发明实施例中，可以预先实现一个能生成皮肤毛孔特征的毛孔级别尺度不变特征变换算法，即PSIFT(Pore Scale Invariant Feature Transform)算法，该PSIFT算法是基于SIFT(Scale Invariant Feature Transform，尺度不变特征变换)算法提出的。

在本发明实施例中，PSIFT算法在SIFT算法的基础上主要做了以下三点改进：

1)、选取局部最暗的点作为候选特征点。SIFT算法将局部最亮和局部最暗的点作为候选特征点。考虑到毛孔相对于周围的皮肤亮度较暗，故在PSIFT算法中选取局部最暗的点作为候选特征点。

2)、引入理想毛孔模型来选取毛孔特征点。考虑到高斯曲面与皮肤毛孔较为相似，因此将高斯函数做相应修改后作为理想毛孔模型，利用该理想毛孔模型在候选特征点中选取毛孔特征点。

3)、改进了毛孔特征点的特征描述子，即增加皮肤毛孔特征向量的维度。

在实际应用中，可以通过图像采集设备实际采集人脸图像，或者从图像数据库中获取人脸图像，从而获得不同用户的多个人脸图像。对每个人脸图像进行灰度化处理等预处理，可以得到每个人脸图像对应的人脸灰度图像样本数据。分别对获得的每个人脸灰度图像样本数据进行分析，可以对PSIFT算法的参数进行修正。人脸灰度图像包含的毛孔特征点可以是表征左嘴角、右嘴角、左眼角、右眼角、下巴等人脸中不同位置的毛孔特征点。

通过以上改进，可以将SIFT算法修改成适合生成皮肤毛孔特征的PSIFT算法。PSIFT算法实现的过程也是对人脸灰度图像包含的毛孔特征点及其对应的皮肤毛孔特征的图像处理过程。

基于预先实现的毛孔级别尺度不变特征变换算法，可以确定每个区域灰度图像中多个毛孔特征点的皮肤毛孔特征。

在本发明的一种具体实施方式中，步骤S130可以包括以下步骤：

第一个步骤：针对每个区域灰度图像，使用多个不同大小的高斯核与该区域灰度图像进行卷积，生成多个具有不同分辨率的图像；

第二个步骤：将具有同一分辨率的图像的像素值进行差分运算；

第三个步骤：将进行差分运算后的图像中局部最暗的点确定为候选特征点；

第四个步骤：利用理想毛孔模型在确定的候选特征点中选择毛孔特征点；

第五个步骤：生成每个毛孔特征点的特征描述子，获得该区域灰度图像的每个毛孔特征点的皮肤毛孔特征。

为便于描述，将上述五个步骤结合起来进行说明。

在本发明实施例中，基于预先实现的PSIFT算法，可以确定每个区域灰度图像中多个毛孔特征点的皮肤毛孔特征。具体的，针对每个区域灰度图像，可以使用多个不同大小的高斯核与该区域灰度图像进行卷积，这样，可以生成多个具有不同分辨率的图像。将具有同一分辨率的图像的像素值进行差分运算，即进行两两相减，得到进行差分运算后的图像。将进行差分运算后的图像中局部最暗的点确定为候选特征点。利用理想毛孔模型在确定的候选特征点中选择出毛孔特征点，生成每个毛孔特征点的特征描述子，即可获得该区域灰度图像的每个毛孔特征点的皮肤毛孔特征。

S140：分别将每个区域灰度图像中每个毛孔特征点的皮肤毛孔特征与预先获得的特征库中相应分割区域的毛孔特征点的参考特征进行匹配。

在本发明实施例中，用户在初次使用人脸识别功能时，需对用户的人脸图像进行区域分割，对多个分割区域图像进行识别，获得该用户的每个分割区域的毛孔特征点的参考特征，据此建立该用户的特征库。服务器中可以预先存储有一个或多个用户的特征库。

在步骤S130，确定了每个区域灰度图像中多个毛孔特征点的皮肤毛孔特征，可以分别将每个区域灰度图像中每个毛孔特征点的皮肤毛孔特征与预先获得的特征库中相应分割区域的相应的毛孔特征点的参考特征进行匹配。

在接收到用户的身份验证触发指令，获得用户的人脸图像时，可以同时获得用户标识，该用户标识可以是终端标识，还可以是用户名等标识。进行匹配使用的特征库为与用户标识对应的特征库。

针对每个区域灰度图像中每个毛孔特征点，可以将该毛孔特征点的皮肤毛孔特征与特征库中相应分割区域的相应毛孔特征点的参考特征进行匹配，以最邻近法判断二者是否匹配。

在本发明实施例中，可以预先设定一个匹配阈值，当某个毛孔特征点的皮肤毛孔特征与特征库中相应毛孔特征点的参考特征的匹配程度大于该匹配阈值时，确定二者匹配。

S150：根据匹配结果，确定用户是否为合法用户。

在步骤S140，分别将每个区域灰度图像中每个毛孔特征点的皮肤毛孔特征与预先获得的特征库中相应分割区域的毛孔特征点的参考特征进行匹配后，可以获得每个区域灰度图像中每个毛孔特征点对应的匹配结果。

根据匹配结果，可以确定用户是否为合法用户。

具体的，可以根据匹配的毛孔特征点的绝对数量或者相对数量，确定用户是否为合法用户。

在本发明的一种具体实施方式中，步骤S150可以包括以下步骤：

如果匹配的毛孔特征点的数量与特征库包含的毛孔特征点总数量的比值大于预设阈值，则确定用户为合法用户。

根据匹配结果，可以确定匹配的毛孔特征点的数量，从而可以确定匹配的毛孔特征点的数量与特征库包含的毛孔特征点总数量的比值。如果该比值大于预设阈值，则可以认为该用户与特征库对应的用户为同一个人，可以确定用户为合法用户。

预设阈值可以根据实际情况进行设定和调整，比如，设置为0.8，本发明实施例对此不做限制。

如果确定用户为合法用户，则表明用户身份验证通过，可以根据用户指令执行进一步操作。如果确定用户不是合法用户，则表明用户身份验证没有通过，可以拒绝用户的进一步操作。

在本发明的一种具体实施方式中，在确定用户不是合法用户时，可以重复执行获得用户的人脸的多个分割区域的测试图像的步骤，直至重复次数达到预设次数阈值时，确定用户为非法用户。重复执行获得用户的人脸的多个分割区域的测试图像的步骤，可以重新进行人脸识别。当重复次数达到预设的次数阈值时，可以确定用户为非法用户，在这种情况下，可以输出告警信息。

应用本发明实施例所提供的方法，在接收到用户的身份验证触发指令时，可以获得用户的人脸的多个分割区域的测试图像，对每个分割区域的测试图像进行预处理，可以获得优化的区域灰度图像，基于预先实现的毛孔级别尺度不变特征变换算法，可以确定每个区域灰度图像中多个毛孔特征点的皮肤毛孔特征，分别将每个区域灰度图像中每个毛孔特征点的皮肤毛孔特征与预先获得的特征库中相应分割区域的毛孔特征点的参考特征进行匹配，根据匹配结果，可以确定用户是否为合法用户，从而实现对用户身份的验证。基于人脸分割区域灰度图像包含的毛孔特征点的皮肤毛孔特征的匹配对人脸图像进行识别，可以提高识别效率和准确率，增强系统安全性。

相应于上面的方法实施例，本发明实施例还提供了一种基于人脸分割区域匹配的身份验证装置，下文描述的一种基于人脸分割区域匹配的身份验证装置与上文描述的一种基于人脸分割区域匹配的身份验证方法可相互对应参照。

参见图2所示，该装置包括以下模块：

区域图像获得模块210，用于在接收到用户的身份验证触发指令时，获得用户的人脸的多个分割区域的测试图像；

预处理模块220，用于对每个分割区域的测试图像进行预处理，获得每个分割区域对应的优化的区域灰度图像，预处理包含灰度化处理和去除噪声处理；

特征确定模块230，用于基于预先实现的毛孔级别尺度不变特征变换算法，确定每个区域灰度图像中多个毛孔特征点的皮肤毛孔特征；

特征匹配模块240，用于分别将每个区域灰度图像中每个毛孔特征点的皮肤毛孔特征与预先获得的特征库中相应分割区域的毛孔特征点的参考特征进行匹配；

合法性确定模块250，用于根据匹配结果，确定用户是否为合法用户。

应用本发明实施例所提供的装置，在接收到用户的身份验证触发指令时，可以获得用户的人脸的多个分割区域的测试图像，对每个分割区域的测试图像进行预处理，可以获得优化的区域灰度图像，基于预先实现的毛孔级别尺度不变特征变换算法，可以确定每个区域灰度图像中多个毛孔特征点的皮肤毛孔特征，分别将每个区域灰度图像中每个毛孔特征点的皮肤毛孔特征与预先获得的特征库中相应分割区域的毛孔特征点的参考特征进行匹配，根据匹配结果，可以确定用户是否为合法用户，从而实现对用户身份的验证。基于人脸分割区域灰度图像包含的毛孔特征点的皮肤毛孔特征的匹配对人脸图像进行识别，可以提高识别效率和准确率，增强系统安全性。

在本发明的一种具体实施方式中，合法性确定模块250，具体用于：

在匹配的毛孔特征点的数量与特征库包含的毛孔特征点总数量的比值大于预设阈值时，确定用户为合法用户。

在本发明的一种具体实施方式中，特征确定模块230，具体用于：

针对每个区域灰度图像，使用多个不同大小的高斯核与该区域灰度图像进行卷积，生成多个具有不同分辨率的图像；

将具有同一分辨率的图像的像素值进行差分运算；

将进行差分运算后的图像中局部最暗的点确定为候选特征点；

利用理想毛孔模型在确定的候选特征点中选择毛孔特征点；

生成每个毛孔特征点的特征描述子，获得该区域灰度图像的每个毛孔特征点的皮肤毛孔特征。

在本发明的一种具体实施方式中，预处理模块220，具体用于：

分别对每个分割区域的测试图像进行灰度化处理，获得每个分割区域对应的灰度图像；

选择一个分割区域，根据该分割区域的灰度图像的像素值，计算该分割区域的灰度图像的均值；

利用均值分别对每个分割区域对应的灰度图像进行去除噪声处理，获得每个分割区域对应的优化的区域灰度图像。

在本发明的一种具体实施方式中，还包括非法性确定模块，用于：

在确定用户不是合法用户时，重复执行获得用户的人脸的多个分割区域的测试图像的步骤，直至重复次数达到预设次数阈值时，确定用户为非法用户。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。