一种真实人脸和图片人脸的区别方法和系统的制作方法
【专利摘要】本发明公开了一种真实人脸和图片人脸的区别方法和系统，其采用两个摄像头进行图像采集，通过两个摄像头重建出所采集图像的部分深度信息，实现了使用摄像头分辨图片人脸和真实人脸的目的。同时，采用基于双目视觉的方式（即采用两个摄像头进行图像采集）实现对人脸的匹配、特征点提取和特征点的三维坐标重建，具有较高的准确性；另外，由于计算过程中只使用少量的人脸特征点，使得算法整体获得了较高的速度。
【专利说明】一种真实人脸和图片人脸的区别方法和系统
【技术领域】
[0001]本发明涉及图像识别【技术领域】，尤其涉及一种真实人脸和图片人脸的区别方法和系统。
【背景技术】
[0002]随着各种智能终端(智能手机、平板电脑和智能电视等)的性能越来越强大，很多基于机器视觉或模式识别的智能算法出现在了各种智能终端上，比如人脸检测与识别技术，其利用分析比较人脸视觉特征信息进行身份鉴别。从而不仅增加了各种终端的智能性，而且也为人机交互提供了 一定的基础。
[0003]但是，现有的人脸检测识别算法通常都无法区分检测到的人脸是来自图片，还是真实的人脸。这种缺陷严重影响了应用的智能性，比如在人脸识别解锁这种应用中，甚至给智能终端带来安全隐患。
[0004]有鉴于此，现有技术有待改进和提闻。
【发明内容】
[0005]鉴于现有技术的不足，本发明目的在于提供一种真实人脸和图片人脸的区别方法和系统。旨在解决现有技术中人脸检测识别算法无法区分检测图片人脸和真实人脸的问题。
[0006]本发明的技术方案如下:
一种真实人脸和图片人脸的区别方法，其中，所述区别方法包括以下步骤:
A、采用摄像头标定算法对固定的第一摄像头和第二摄像头进行标定，计算出两个摄像头的投影矩阵；
B、获取实时同步的第一、第二摄像头所采集的图像；
C、根据第一、二摄像头采集的实时同步图像进行人脸检测，并确定每一帧图像的人脸区域；
D、使用主动形状模型算法分别从每一图像的人脸区域中提取人脸特征点；
E、选取第一摄像头采集的图像中的任一人脸，在第二摄像头采集的图像中找到与之对应的人脸，实现人脸匹配；
F、对相匹配的人脸，根据人脸特征点以及两个摄像头的投影矩阵建立三维特征点坐标，确定三维特征点坐标中特征点间的最大深度差值；并将所述特征点间的最大深度差值与预先设定的深度阈值进行比较:若所述特征点间的最大深度差值大于预先设定的深度阈值，则为真实人脸；否则为图片人脸。
[0007]所述的真实人脸和图片人脸的区别方法，其中，所述步骤A中，摄像头标定算法为普通标定方法、自标定方法或基于主动视觉的标定算法。
[0008]所述的真实人脸和图片人脸的区别方法，其中，所述步骤B具体包括:
B1、为第一摄像头、第二摄像头建立存放图像帧的先进先出缓冲区； B2、将第一摄像头、第二摄像头实时采集到的图像帧上标记时间戳，并暂存在相应的缓冲区内；
B3、在第一、第二摄像头的缓冲区内寻找时间戳相近的两帧图像组成一组。
[0009]所述的真实人脸和图片人脸的区别方法，其中，所述步骤C中检测是否有人脸采用模板法、基于示例学习法、基于器官特征法、神经网络法、彩色信息加形状分析法或基于haar特征的AdaBoost方法。
[0010]所述的真实人脸和图片人脸的区别方法，其中，所述基于haar特征的AdaBoost方法包括以下步骤:
Cl、搜集一系列带有人脸的图像数据和没有人脸的图像数据组成样本库，对样本库中的各个图像数据使用haar特征提取样本特征向量，训练级联分类器；
C2、对于一帧图像数据，缩放为若干个不同大小的图像，然后遍历所述不同大小的图像中的每个位置，对每个位置使用haar特征提取出其特征向量，并输入给所述的分类器进行分类，确定人脸区域。
[0011]所述的真实人脸和图片人脸的区别方法，其中，所述步骤D具体包括:
D1、对每一图像手工设定若干个标定点作为训练数据，并获取每一标定点附近的特征
信息；
D2、对每一图像的形状向量归一化，令每一图像在同一坐标系具有一致性，标定点表示为平均形状向量加上第一参数与形状向量的乘积；
D3、利用轮廓的灰度特征在每一图像的人脸区域中进行一个迭代过程，在每一步迭代中通过调整第一参数改变当前模型的位置和形状，完成目标的特征点提取。
[0012]一种真实人脸和图片人脸的区别系统，其中，所述区别系统包括:
标定单元，用于采用摄像头标定算法对固定的第一摄像头和第二摄像头进行标定，计算出两个摄像头的投影矩阵；
采集单元，用于获取实时同步的第一、第二摄像头所采集的图像；
人脸检测单元，用于根据第一、二摄像头采集的实时同步图像进行人脸检测，并确定每一帧图像的人脸区域；
特征提取单元，用于使用主动形状模型算法分别从每一图像的人脸区域中提取人脸特征点；
人脸匹配单元，用于选取第一摄像头采集的图像中的任一人脸，在第二摄像头采集的图像中找到与之对应的人脸，实现人脸匹配；
三维坐标建立及判断单元，用于对相匹配的人脸，根据人脸特征点以及两个摄像头的投影矩阵建立三维特征点坐标，确定三维特征点坐标中特征点间的最大深度差值；并将所述特征点间的最大深度差值与预先设定的深度阈值进行比较:若所述特征点间的最大深度差值大于预先设定的深度阈值，则为真实人脸；否则为图片人脸。
[0013]所述的真实人脸和图片人脸的区别系统，其中，所述标定单元中，所述摄像头标定算法为普通标定方法、自标定方法或基于主动视觉的标定方法。
[0014]所述的真实人脸和图片人脸的区别系统，其中，所述采集单元进一步包括:
缓冲模块，用于分别为第一摄像头、第二摄像头建立存放图像帧的先进先出缓冲区； 时间标记模块，用于将第一摄像头、第二摄像头实时采集到的图像帧上标记时间戳，并暂存在相应的缓冲区内；
获取模块，用于分别在第一、第二摄像头的缓冲区内寻找时间戳相近的两帧图像组成一组，即为实时同步的第一、第二摄像头所采集的图像。
[0015]所述的真实人脸和图片人脸的区别系统，其中，所述人脸检测单元中检测是否有人脸采用模板法、基于示例学习法、基于器官特征法、神经网络法、彩色信息加形状分析法或基于haar特征的AdaBoost方法。
[0016]有益效果:
本发明的真实人脸和图片人脸的区别方法和系统，其采用两个摄像头进行图像采集，通过两个摄像头重建出所采集图像的部分深度信息，实现了使用摄像头分辨图片人脸和真实人脸的目的。同时，采用基于双目视觉的方式(即采用两个摄像头进行图像采集)实现对人脸的匹配、特征点提取和特征点的三维坐标重建，具有较高的准确性；另外，由于计算过程中只使用少量的人脸特征点，使得算法整体获得了较高的速度。
【专利附图】
【附图说明】
[0017]图1为本发明的真实人脸和图片人脸的区别方法的流程图。
[0018]图2为本发明的真实人脸和图片人脸的区别方法的实施例中haar算法所得的特征点的示意图。
[0019]图3为本发明的真实人脸和图片人脸的区别方法的实施例中haar特征与人脸特征的对应关系的示意图。
[0020]图4为本发明的真实人脸和图片人脸的区别方法的实施例中人脸特征点标定的示意图。
[0021]图5为本发明的真实人脸和图片人脸的区别方法的实施例中极线几何约束原理的示意图。
[0022]图6为本发明的真实人脸和图片人脸的区别系统的结构框图。
【具体实施方式】
[0023]本发明提供一种真实人脸和图片人脸的区别方法和系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0024]请参阅图1，其为本发明的真实人脸和图片人脸的区别方法的流程图。如图所示，所述区别方法包括以下步骤:
A、采用摄像头标定算法对固定的第一摄像头和第二摄像头进行标定，计算出两个摄像头的投影矩阵；
B、获取实时同步的第一、第二摄像头所采集的图像；
C、根据第一、二摄像头采集的实时同步图像进行人脸检测，并确定每一帧图像的人脸区域；
D、使用主动形状模型算法分别从每一图像的人脸区域中提取人脸特征点；
E、选取第一摄像头采集的图像中的任一人脸，在第二摄像头采集的图像中找到与之对应的人脸，实现人脸匹配；F、对相匹配的人脸，根据人脸特征点以及两个摄像头的投影矩阵建立三维特征点坐标，确定三维特征点坐标中特征点间的最大深度差值；并将所述特征点间的最大深度差值与预先设定的深度阈值进行比较:若所述特征点间的最大深度差值大于预先设定的深度阈值，则为真实人脸；否则为图片人脸。
[0025]下面分别针对上述步骤进行详细描述:
所述步骤Si为采用摄像头标定算法对固定的第一摄像头和第二摄像头进行标定，计算出两个摄像头的投影矩阵。其具体做法如下:先固定两个摄像头:第一摄像头和第二摄像头，然后使用摄像头标定算法，分别对这两个摄像头进行标定。常用的标定算法有:普通标定方法、自标定方法或基于主动视觉的标定方法。摄像头标定就是通过实验和计算获取到摄像头(如摄像头)成像的几何模型，即获取到真实世界中的物点Csr Y Z)与其图像
平面中的像点V)的射影几何映射关系。一般认为物点的三维坐标(I I Z)通过一个
投影矩阵Jf映射成图像平面像点的二维坐标(《 V)，公式如下:
【权利要求】
1.一种真实人脸和图片人脸的区别方法，其特征在于，所述区别方法包括以下步骤: A、采用摄像头标定算法对固定的第一摄像头和第二摄像头进行标定，计算出两个摄像头的投影矩阵； B、获取实时同步的第一、第二摄像头所采集的图像； C、根据第一、二摄像头采集的实时同步图像进行人脸检测，并确定每一帧图像的人脸区域； D、使用主动形状模型算法分别从每一图像的人脸区域中提取人脸特征点； E、选取第一摄像头采集的图像中的任一人脸，在第二摄像头采集的图像中找到与之对应的人脸，实现人脸匹配； F、对相匹配的人脸，根据人脸特征点以及两个摄像头的投影矩阵建立三维特征点坐标，确定三维特征点坐标中特征点间的最大深度差值；并将所述特征点间的最大深度差值与预先设定的深度阈值进行比较:若所述特征点间的最大深度差值大于预先设定的深度阈值，则为真实人脸；否则为图片人脸。
2.根据权利要求1所述的真实人脸和图片人脸的区别方法，其特征在于，所述步骤A中，摄像头标定算法为普通标定方法、自标定方法或基于主动视觉的标定算法。
3.根据权利要求 1所述的真实人脸和图片人脸的区别方法，其特征在于，所述步骤B具体包括: B1、为第一摄像头、第二摄像头建立存放图像帧的先进先出缓冲区； B2、将第一摄像头、第二摄像头实时采集到的图像帧上标记时间戳，并暂存在相应的缓冲区内； B3、在第一、第二摄像头的缓冲区内寻找时间戳相近的两帧图像组成一组。
4.根据权利要求1所述的真实人脸和图片人脸的区别方法，其特征在于，所述步骤C中检测是否有人脸采用模板法、基于示例学习法、基于器官特征法、神经网络法、彩色信息加形状分析法或基于haar特征的AdaBoost方法。
5.根据权利要求4所述的真实人脸和图片人脸的区别方法，其特征在于，所述基于haar特征的AdaBoost方法包括以下步骤: Cl、搜集一系列带有人脸的图像数据和没有人脸的图像数据组成样本库，对样本库中的各个图像数据使用haar特征提取样本特征向量，训练级联分类器； C2、对于一帧图像数据，缩放为若干个不同大小的图像，然后遍历所述不同大小的图像中的每个位置，对每个位置使用haar特征提取出其特征向量，并输入给所述的分类器进行分类，确定人脸区域。
6.根据权利要求1所述的真实人脸和图片人脸的区别方法，其特征在于，所述步骤D具体包括: D1、对每一图像手工设定若干个标定点作为训练数据，并获取每一标定点附近的特征信息； D2、对每一图像的形状向量归一化，令每一图像在同一坐标系具有一致性，标定点表示为平均形状向量加上第一参数与形状向量的乘积； D3、利用轮廓的灰度特征在每一图像的人脸区域中进行一个迭代过程，在每一步迭代中通过调整第一参数改变当前模型的位置和形状，完成目标的特征点提取。
7.一种真实人脸和图片人脸的区别系统，其特征在于，所述区别系统包括: 标定单元，用于采用摄像头标定算法对固定的第一摄像头和第二摄像头进行标定，计算出两个摄像头的投影矩阵； 采集单元，用于获取实时同步的第一、第二摄像头所采集的图像； 人脸检测单元，用于根据第一、二摄像头采集的实时同步图像进行人脸检测，并确定每一帧图像的人脸区域； 特征提取单元，用于使用主动形状模型算法分别从每一图像的人脸区域中提取人脸特征点； 人脸匹配单元，用于选取第一摄像头采集的图像中的任一人脸，在第二摄像头采集的图像中找到与之对应的人脸，实现人脸匹配； 三维坐标建立及判断单元，用于对相匹配的人脸，根据人脸特征点以及两个摄像头的投影矩阵建立三维特征点坐标，确定三维特征点坐标中特征点间的最大深度差值；并将所述特征点间的最大深度差值与预先设定的深度阈值进行比较:若所述特征点间的最大深度差值大于预先设定的深度阈值，则为真实人脸；否则为图片人脸。
8.根据权利要求7所述的真实人脸和图片人脸的区别系统，其特征在于，所述标定单元中，所述摄像头标 定算法为普通标定方法、自标定方法或基于主动视觉的标定方法。
9.根据权利要求7所述的真实人脸和图片人脸的区别系统，其特征在于，所述采集单元进一步包括: 缓冲模块，用于分别为第一摄像头、第二摄像头建立存放图像帧的先进先出缓冲区；时间标记模块，用于将第一摄像头、第二摄像头实时采集到的图像帧上标记时间戳，并暂存在相应的缓冲区内； 获取模块，用于分别在第一、第二摄像头的缓冲区内寻找时间戳相近的两帧图像组成一组，即为实时同步的第一、第二摄像头所采集的图像。
10.根据权利要求7所述的真实人脸和图片人脸的区别系统，其特征在于，所述人脸检测单元中检测是否有人脸采用模板法、基于示例学习法、基于器官特征法、神经网络法、彩色信息加形状分析法或基于haar特征的AdaBoost方法。
【文档编号】G06K9/00GK103530599SQ201310133442
【公开日】2014年1月22日 申请日期:2013年4月17日 优先权日:2013年4月17日
【发明者】李相涛, 邵诗强, 付东 申请人:Tcl集团股份有限公司