9] 然后，将检测阶段获取的待识别对象的活体检测得分TA与训练阶段获取的活体 判断阈值进行比较，如果待识别对象的活体检测得分大于等于活体判断阈值，则说明待识 别对象为活体。
[0040] 接下来，参照图3更详细地说明本发明的活体检测方法。
[0041] 图3示出了本发明的活体检测方法的流程图，如图3所示，所述方法包括以下步 骤： 步骤31、获取多个识别样本的人脸图像。
[0042] 本发明采用通过经典的ViolaandJones方法进行人脸检测，人脸可以是正面也 可以是侧面。
[0043] 步骤32、根据多个识别样本的人脸图像的面部关键点特征变化提取多个识别样本 的人脸特征。
[0044] 步骤33、基于多个识别样本的人脸特征计算多个识别样本的活体检测得分。
[0045] 下面结合图4对步骤32和步骤33进行详细说明。
[0046] 图4示出了面部关键点及其邻域。根据本发明，提取基于面部关键点及其邻域变 化的人脸特征，计算得到识别样本的活体检测得分。
[0047] 考虑到真实人脸和攻击人脸之间的主要差别在于非刚体运动和刚体运动之间的 差异，本发明提出了利用基于面部关键点邻域纹理变化的人脸特征来进行活体识别。在说 明书中，面部关键点邻域纹理变化也简称为面部关键点变化。
[0048] 具体地，令表示面部关键点序列，例如，图4所示的60个关键点。对于每一 个先〇,，定义以如，为中心，hXh像素大小的区域为关键点如，的邻域，用7P,表示。令 表示从视频中提取的视频序列，对于每一个人，每一个关键点都对应一个邻域。本发 明用^彳^^^^^匕来表示图像和其关键点以及邻域的对应关系以中纪^是厶图 像的第i个面部关键点，&，表示Λ图像的第i个面部关键点的邻域。
[0049] 具体地，图4示出了60个关键点和对应的邻域。对于每一幅图像的每一个 关键点的邻域 <,，提取DH-LBP特征作为纹理特征，记为确定所述纹理特征的变 化，作为所述基于关键点变化的人脸表示特征，即，基于关键点变化的人脸图像表示为： ..遽息-秦氣.，为了保证所有样本的特征均值为〇, 4的 像特征7 :晶-:福也作为图像Λ的特征，特征维数为 發.=:if::=:ι占i维。
[0050] 随后，基于关键点变化特征进行活体检测，得到识别样本的活体检测得分。
[0051] 考虑到特征维数和样本规模的相对关系，本发明采用基于贝叶斯理论的生成性模 型进行活体检测得分获取。令^分别表示真实人脸和攻击人脸，对于一个新的测试样 本X，活体检测得分定义为：
基于贝叶斯后验概率，P|.?i=ρ：φνρWsU= ，假设则公式 (1)等价于
[0052] 下面返回图3,在计算出多个识别样本的活体检测得分之后，执行步骤34、根据多 个识别样本的活体检测得分获取活体判断阈值。
[0053] 在本步骤中，根据多个识别样本的活体检测得分获取活体判断阈值可通过以下步 骤来实现： 步骤341、将多个识别样本的活体检测得分顺序排列。
[0054] 在步骤33获得多个识别样本的活体检测得分之后，将多个识别样本的活体检测 得分按照从小到大的顺序排列。
[0055] 步骤342、计算各识别样本的活体检测得分在所有识别样本构成的训练集上的准 确率。
[0056] 在本步骤中，对于每个识别样本的活体检测得分计算其在所有识别样本构成的训 练集上的准确率。
[0057] 步骤343、将准确率最高的识别样本对应的活体检测得分作为活体判断阈值。
[0058] 再次返回图3,接下来，执行步骤35和步骤36。
[0059] 步骤35、获取待识别对象的人脸图像，根据所述待识别对象的人脸图像的面部关 键点特征变化提取待识别对象的人脸特征。
[0060] 步骤36、基于待识别对象的人脸特征计算待识别对象的活体检测得分。
[0061] 实际上，步骤35和步骤36分别与步骤32和步骤33类似，将提取的待识别对象的 人脸特征带入活体检测模型，得到待识别对象的活体检测得分。
[0062] 步骤37、判断待识别对象的活体检测得分是否大于等于活体判断阈值，若是，则判 断待识别对象为活体，若否，则判断待识别对象为非活体。
[0063] 本发明从真实人脸由于非刚体原因使得图像关键点的变化各不相同，以及攻击人 脸由于刚体原因使得图像关键点变化趋势相同的角度来提取人脸特征，能够有效预防高清 照片的攻击，实现有效拒绝了非真实人脸欺骗识别的同时，提高了计算速度和精度，并且降 低了活体判断的复杂度。
[0064] 以上结合【具体实施方式】对本发明的目的、技术方案和有益效果进行了进一步详细 说明。应理解的是，以上仅仅是出于例示的目的介绍了本发明的【具体实施方式】，并不是要限 制本发明。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均应包含在 本发明的保护范围之内。
【主权项】
1. 一种活体检测方法，包括以下步骤： 获取多个识别样本的人脸图像，根据所述多个识别样本的人脸图像的面部关键点特征 变化提取多个识别样本的人脸特征； 基于所述多个识别样本的人脸特征计算多个识别样本的活体检测得分； 根据多个识别样本的活体检测得分获得活体判断阈值； 获取待识别对象的人脸图像，根据所述待识别对象的人脸图像的面部关键点特征变化 提取待识别对象的人脸特征； 基于待识别对象的人脸特征计算待识别对象的活体检测得分； 判断待识别对象的活体检测得分是否大于等于活体判断阈值，若是，则判断待识别对 象为活体。2. 根据权利要求1所述的活体检测方法，其中，根据所述多个识别样本的人脸图像的 面部关键点特征变化提取多个识别样本的人脸特征包括： 对于所述多个识别样本的人脸图像的每一个面部关键点，定义该面部关键点的邻域； 对于每一个面部关键点的邻域，提取纹理特征； 确定所述纹理特征的变化，作为所述识别样本的人脸特征。3. 根据权利要求1所述的活体检测方法，其中， 利用基于贝叶斯理论的生成性模型计算所述多个识别样本的活体检测得分和待识别 对象的活体检测得分。4. 根据权利要求2所述的活体检测方法，其中， 采用DH-LBP直方图表示所述纹理特征。5. 根据权利要求1所述的活体检测方法，其中，根据多个识别样本的活体检测得分获 得活体判断阈值包括： 将多个识别样本的活体检测得分顺序排列； 计算各识别样本的活体检测得分在所有识别样本构成的训练集上的准确率； 将准确率最高的识别样本对应的活体检测得分作为活体判断阈值。6. -种活体检测装置，包括： 获取模块，用于获取多个识别样本的人脸图像和待识别对象的人脸图像； 人脸特征提取模块，用于根据多个识别样本的人脸图像的面部关键点特征变化提取多 个识别样本的人脸特征，以及根据待识别对象的人脸图像的面部关键点特征变化提取待识 别对象的人脸特征； 活体检测模块，用于基于多个识别样本的人脸特征计算多个识别样本的活体检测得 分，以及基于待识别对象的人脸特征计算待识别对象的活体检测得分； 阈值获取模块，用于根据多个识别样本的活体检测得分获得活体判断阈值； 判断模块，用于判断待识别对象的活体检测得分是否大于等于活体判断阈值，若是，则 判断待识别对象为活体。7. 根据权利要求6所述的活体检测装置，其中，人脸特征提取模块根据所述多个识别 样本的人脸图像的面部关键点特征变化提取多个识别样本的人脸特征为： 对于所述多个识别样本的人脸图像的每一个面部关键点，定义该面部关键点的邻域； 对于每一个面部关键点的邻域，提取纹理特征； 确定所述纹理特征的变化，作为所述识别样本的人脸特征。8. 根据权利要求6所述的活体检测装置，其中，所述活体检测模块利用基于贝叶斯理 论的生成性模型计算所述多个识别样本的活体检测得分和待识别对象的活体检测得分。9. 根据权利要求7所述的活体检测装置，其中， 利用DH-LBP直方图表示所述纹理特征。10. 根据权利要求6所述的活体检测装置，其中，所述阈值获取模块得到活体判断阈值 具体为： 将多个识别样本的活体检测得分顺序排列； 计算各识别样本的活体检测得分在所有识别样本构成的训练集上的准确率； 将准确率最高的识别样本对应的活体检测得分作为活体判断阈值。
【专利摘要】本发明涉及一种活体检测方法和装置，所述方法包括获取多个识别样本的人脸图像，根据多个识别样本的人脸图像的面部关键点特征变化提取多个识别样本的人脸特征；基于多个识别样本的人脸特征计算多个识别样本的活体检测得分；根据多个识别样本的活体检测得分获得活体判断阈值；获取待识别对象的人脸图像，根据待识别对象的人脸图像的面部关键点特征变化提取待识别对象的人脸特征；基于待识别对象的人脸特征计算待识别对象的活体检测得分；判断待识别对象的活体检测得分是否大于等于活体判断阈值，若是，则判断待识别对象为活体。本发明实现了有效拒绝非真实人脸欺骗识别的同时，提高了计算速度和精度，并且降低了活体判断的复杂度。
【IPC分类】G06K9/00
【公开号】CN105243376
【申请号】CN201510746023
【发明人】黄磊, 蔡利君, 刘昌平, 张健
【申请人】北京汉王智远科技有限公司
【公开日】2016年1月13日
【申请日】2015年11月6日