活体检测方法及装置的制造方法
【技术领域】
[0001]本发明涉及一种活体检测方法及装置，特别涉及一种综合人脸(包括静态人脸图片和动态人脸序列)和牙齿识别的活体检测方法及装置。
【背景技术】
[0002]随着信息安全的需求，在人脸识别系统中加入活体检测的功能受到越来越多的关注。常见的人脸攻击形式包括照片、视频播放和3D模型等。其中，照片和视频播放是最常见的攻击方式，人们可以从移动设备或者监控摄像头中轻易地获取合法用户的相关资料。为识别上述三种人脸攻击形式，出现了不同的活体检测方法，如基于运动的方法、基于纹理的方法以及运动和纹理两者融合的方法。
[0003]基于运动的方法主要是分析图像帧序列的运动趋势。但是这种基于运动的方法需要对图像的背景或者用户的无意识动作进行判定，计算方法复杂。
[0004]基于纹理的方法通过找出单帧真实人脸与欺骗人脸的之间的显著性区分特征，进而进行活体判断，因为欺骗人脸在二次获取的过程中产生质量下降、模糊等微纹理的变化，所以基于纹理的方法利用该微纹理的变化。但是基于纹理的方法只能较好地处理低分辨率的打印照片攻击，对高清照片无效，很容易产生误判或者判断失效。
[0005]目前，越来越多的研究者们把目光投向了基于运动和纹理的融合策略中，通过互补优势达到抵御多种攻击形式的目的。例如，从非刚体运动、人脸背景一致性和图像带波效应三个方面进行分析，并通过回归模型进行分数层(score-level)融合。此种方法仅是人脸被动识别，无法有效防范攻击行为，安全性较差。
【发明内容】
[0006]为了解决存在的问题，本发明提供一种活体检测方法及装置，该方法将被动检测和主动配合相结合，其中被动检测是基于单帧人脸图像的活体判断，主动配合指用户配合完成系统发出的相应指令。因此，提出的方法和装置不但能够有效区分打印照片、视频播放和3D人脸模型攻击，同时还提高了活体检测的效率和准确率。
[0007]根据本发明的一方面，提供了一种活体检测装置，所述装置包括:
[0008]图像采集单元，其用于采集一定数量的匹配人脸图像及匹配牙齿图像，以构成匹配人脸图像集合和牙齿图像集合，并且用于在检测时采集待测用户的待测人脸图像及待测牙齿图像；
[0009]集合建立单元，其用于建立匹配人脸图像集合、牙齿图像集合和面部动作指令集合；
[0010]人脸图像检测单元，其在检测时对采集的所述待测人脸图像进行检测，以确定所述待测人脸图像中是否包含人脸区域；
[0011]活体判断单元，用于判断包括所述人脸区域的人脸图像是否为活体；
[0012]用户身份确认单元，在判断所述人脸图像为活体之后，该用户身份确认单元用于匹配用户身份，根据所述匹配人脸图像集合，获得与判断为活体的所述人脸图像匹配的用户身份；
[0013]牙齿图像匹配单元，在确认所述用户身份之后，根据所述图像采集单元所采集到的所述待测牙齿图像与所述牙齿图像集合中的所述用户的牙齿图像的匹配结果，判断是否为活体；
[0014]随机动作匹配单元，在确认所述待测牙齿图像与所述牙齿图像集合中所述用户的所述牙齿图像互相匹配之后，该随机动作匹配单元用于从所述面部动作指令集合中随机选取动作指令及其实施次数，并提示用户，根据用户的完成情况，判断是否为活体；
[0015]结果输出单元，其用于将所述活体判断单元、所述牙齿图像匹配单元以及所述随机动作匹配单元的结果输出。
[0016]进一步地，所述图像采集单元的数量仅为一个。
[0017]进一步地，所述活体判断单元包括基于单帧人脸图像的活体判断分类器，通过选取一帧或多帧检测到所述人脸区域的人脸图像，基于所述活体判断分类器的投票结果，判断选取的每一帧所述人脸图像是否为活体。
[0018]进一步地，所述随机动作匹配单元内置有动作分类器，所述动作分类器包含与所述面部动作指令集合相对应的各个二分类器。
[0019]根据本发明的另一方面，提供了一种活体检测方法，包括:
[0020]步骤S1，建立匹配人脸图像集合、牙齿图像集合和面部动作指令集合；
[0021]步骤S2，从拍摄的视频序列中获取图像，基于所述获取图像，利用人脸图像检测单元检测人脸区域，如果不包含所述人脸区域，则重复获取图像，否则执行步骤S3 ;
[0022]步骤S3，选取包含所述人脸区域的人脸图像，判断所述人脸图像是否为活体，如果为非活体，则判断结束，否则执行步骤S4 ;
[0023]步骤S4，从判断为活体的所述人脸图像中选取一帧或多帧，通过将其与建立的所述匹配人脸图像集合进行匹配，确认当前用户身份，然后执行步骤S5 ;
[0024]步骤S5，在确认了用户身份后，发出要求所述用户露出牙齿的指令，将当前采集的牙齿照片与建立的所述牙齿图像集合中所述用户的牙齿图像进行匹配，如果不匹配，则判断为非活体，判断结束，否则执行步骤S6 ;
[0025]步骤S6，在确认所述采集的牙齿图像与所述牙齿图像集合中所述用户的所述牙齿图像互相匹配之后，从建立的所述面部动作指令集合中随机发出一个或多个指令，要求实施一次或多次，提示所述用户，并且检测所述用户是否根据所述指令在规定时间内完成对应动作，如果完成，则判断为活体，执行步骤S7，否则为非活体，判断结束；
[0026]步骤S7，输出最终检测结果。
[0027]进一步地，步骤S3中的判断所述人脸图像是否为活体包括:
[0028]步骤S301，根据多分类支持向量机机制，通过支持向量训练获得基于单帧所述人脸图像的活体判断分类器；
[0029]步骤S302，利用基于所述单帧图像的所述活体判断分类器，通过投票获得所述人脸图像的活体判断结果。
[0030]进一步的，步骤S4中的所述用户身份确认包括:
[0031]步骤S401，采集人脸图像作为训练图像的训练集，并提取所述训练图像的人脸特征作为原始人脸特征，计算所述原始人脸特征的协方差矩阵得到特征值和特征向量；
[0032]步骤S402，在所述训练集中，选取前K个最大的特征值对应的特征向量构成训练集降维矩阵，其中，K为自然数；
[0033]步骤S403，通过所述训练集中的所述原始人脸特征值到所述训练集降维矩阵的投影，获得所有所述训练图像的降维人脸特征；
[0034]步骤S404，提取待测活体的所述人脸图像的人脸原始特征值，并将其投影到所述训练集降维矩阵，获得待测活体人脸图像的降维人脸特征；
[0035]步骤S405，计算所述待测活体人脸图像的降维人脸特征与所有所述训练图像的降维人脸特征之间的距离；
[0036]步骤S406，在所述训练集中选取距离最小的训练图像作为人脸识别结果，判断所述用户身份。
[0037]进一步地，步骤S5所述的牙齿图像匹配方法采用SIFT特征，包括:
[0038]步骤S5所述的对所述用户的牙齿图像进行匹配包括:
[0039]步骤S501，读入所述用户的所述牙齿图像，并进行归一化；
[0040]步骤S502，利用高斯滤波和线性插值，使所述图像放大一倍；
[0041]步骤S503，对于放大后的所述图像，产生高斯金字塔和高斯差分金字塔图像序列；
[0042]步骤S504，检测所述高斯差分金字塔尺度空间极值点，通过选取合适的阈值，去除低对比度和边缘不稳定的特征点；
[0043]步骤S505，计算选取的所述特征点的幅值和方向序列；
[0044]步骤S506，在选取的所述特征点中寻找关键点，建立所述关键点的梯度方向直方图，从而得到每个所述关键点的位置、尺度和方向；
[0045]步骤S507，产生所述关键点的描述子序列；
[0046]步骤S508，根据产生的所述关键点描述子序列，基于欧氏距离得到初始关键点对；
[0047]步骤S509，用hough变换对所述初始关键点对进行再一次计算，得到最终关键点对；
[0048]步骤S510，对所述最终关键点对进行精确匹配，剔除错误的匹配点，得到最终匹配占.
[0049]步骤S511，判断所述最终匹配点的对数是否不小于N，如果是，则匹配成功，否则匹配失败；其中，N为预