本发明属于人脸识别技术领域，具体为一种活体验证方法及其系统。
背景技术：
当前基于人脸的身份验证系统已经得到广泛应用，基于人脸的身份验证系统中，是基于当前拍摄的人脸照片与预先存储的人脸照片之间的比对，来进行身份验证的，随着基于人脸的身份验证系统的推广，已经衍生出一些恶意攻击人脸身份验证的方法，例如，仿冒人通过手持终端存储的被仿冒人照片或预先录制好的视频，来仿冒本人进行身份验证，然而，这种仿冒方法现有技术中可以很容易的辨别出来，但当将被仿冒者本人的照片置于这种基于人脸照片比对的身份验证系统中的摄像头前时，这种基于人脸照片比对的身份验证系统可以通过用户身份验证。换言之，恶意用户可以使用被仿冒者的照片来进行恶意攻击(即，照片攻击)，这种基于人脸照片比对的身份验证系统不能抵抗照片攻击。针对上述照片攻击，目前现有技术采用的方法是，在改进的基于人脸的身份验证系统中，通过检查人脸是否有精细动作来有效地应对上述照片攻击。更进一步，可以要求用户进行指定动作，从而增强基于人脸的身份验证系统的抗攻击性。然而，现有技术的这种方法需要被验证者配合主动地做一些行为才能有效防止基于人脸的身份验证系统的恶意攻击。
技术实现要素：
为解决现有技术中使用被仿冒者照片进行基于人脸的身份验证系统恶意攻击时，难以被识别，以及在识别这种恶意攻击时，需要被验证者主动配合的技术缺陷，本发明提供了一种活体验证方法及其系统，实现的目的为仿冒者无论使用照片、3D面具等对基于人脸的身份验证系统进行恶意攻击时，都会被识别出来，并且无需被验证者主动配合，从而缩短验证时间，提高验证精确度。
为了实现上述目的，本发明提供以下技术方案：本发明提供的一种活体验证方法，包括如下步骤：
(1)在可见光谱成像画面中检测人脸，获取检测到的人脸图像所处的位置数据；
(2)根据步骤(1)中得到的人脸图像位置数据，计算出所述人脸图像在红外光谱成像画面中的位置数据；
(3)根据步骤(2)得到的所述人脸图像在红外光谱成像画面中的位置数据，在所述红外光谱成像画面位置数据范围内检测人脸，检测到人脸后计算所述人脸图像GLCM特征参数，将计算得到的人脸图像GLCM特征参数输入到SVM向量机进行比对，即可判断出是否为真实人脸；
所述SVM向量机是经如下方法训练得到的：①准备训练样本集合：所述样本包括正样本和负样本，真实人脸图像拍摄的照片为正样本，非真实人脸图像拍摄的图片为负样本，利用SVM向量机的分类算法学习进行样本训练，得到能够区分正样本和负样本的分类器；
②将步骤①训练后的正样本放在一个文件夹中、负样本放在另一个文件夹中；并将所有训练样本缩放到同样的尺寸大小；
③提取所有所述正样本的GLCM特征；
④提取所有所述负样本的GLCM特征；
⑤分别对所述正、负样本赋予各自的标签；
⑥将所述正负样本的GLCM特征、所述正负样本的标签，都输入到步骤①得到的分类器中进行训练；
⑦经过步骤⑥中分类器训练之后，得到所述SVM向量机。
进一步的，所述步骤(1)中包括首先分别对可见光光谱成像模块、红外光谱成像模块进行摄像机标定，再在可见光谱成像画面中检测人脸；
所述步骤(2)包括：①将标定过的可见光光谱成像模块、红外光谱成像模块置于空间同一平面，同时获取标定板的RGB图像和红外图像；
②设定标定板平面在世界坐标系Z＝0的平面上，分别采集可见光谱成像中标定板特征点的RGB点集坐标、红外光谱成像中标定板特征点的红外点集坐标，
所述RGB点集坐标为(Xrgb1，Yrgb1)、(Xrgb2，Yrgb2)…(Xrgb3，Yrgb3)；
所述红外点集坐标为(Xir1，Yir1)、(Xir2，Yir2)…(Xir3，Yir3)；
③根据所述RGB点集坐标和红外点集坐标之间的一元线性映射关系，得到如下方程组：
公式一：
公式二：
采用最小二乘法，求得所述ax、bx、ay、by,
④根据步骤③得到的ax、bx、ay、by,以及所述公式一、公式二，将从步骤(1)中得到的可见光谱成像画面中所述人脸图像所处的位置数据代入公式一、公式二中，即可得到该人脸图像在红外光谱成像画面中的位置数据；
所述步骤(3)中采用所述摄像机标定过的红外光谱成像模块获取红外光谱成像画面，并在所述红外光谱成像画面位置数据范围内检测人脸。
进一步的，所述步骤(3)中计算GLCM特征参数的方法包括：
①提取所述人脸图像特征，根据提取出的所述人脸图像特征像素，计算求得该图像的灰度级数，从而得到共生矩阵，所述共生矩阵为所述计算得到的灰度级数的平方；
②将所述共生矩阵中的值转换为概率值，得到灰度共生矩阵；
③所述GLCM特征参数包括均值Mean、方差Variance、对比度Contrast、熵Entropy、角二阶矩ASM、相关性Correlation,所述GLCM特征参数分别由下述公式求得：
公式三：
公式四：
公式五：
公式六：
公式七：
公式八：
其中，表示所述灰度共生矩阵所有行坐标的灰度概率值；
表示所述灰度共生矩阵所有列坐标的灰度概率值；i表示所述灰度共生矩阵行坐标；j表示所述灰度共生矩阵列坐标；p(i,j)表示所述灰度共生矩阵中某一行坐标、列坐标确定的某点的灰度概率值。
进一步的，所述步骤(1)中在可见光谱成像画面中检测到人脸后先与预先存储的照片和/或读取的照片比对，如比对结果不一致则直接结束。
进一步的，所述步骤(3)中在所述红外光谱成像画面位置数据范围内检测人脸时，如检测不到人脸则直接结束。
本发明还公开了利用上述验证方法开发的验证系统，包括可见光谱成像模块、获取可见光谱图像位置数据模块、转换位置数据模块、红外结构光投射模块、红外光谱成像模块、GLCM特征参数模块、SVM向量机；
所述可见光谱成像模块用于拍摄可见光谱图像，并在可见光谱成像画面中检测人脸；
所述获取可见光谱图像位置数据模块用于获取检测到的人脸图像所处的位置数据；
所述转换位置数据模块用于根据可见光谱成像画面中人脸图像的位置数据，计算出所述人脸图像在红外光谱成像画面中的位置数据；
所述红外结构光投射模块用于发射红外光谱的结构光；
所述红外光谱成像模块用于检测人脸，拍摄红外光谱图像；
GLCM特征参数模块用于计算红外光谱成像画面中检测到的人脸图像的GLCM特征参数；
SVM向量机用于将所述GLCM特征参数模块计算出的GLCM特征参数输入，并输入判断结果。
进一步的，该系统还包括映射模块，所述可见光谱成像模块包括可见光谱成像标定模块，红外光谱成像模块包括红外光谱成像标定模块；
所述可见光谱成像标定模块用于将可将光谱成像模块进行摄像机标定；
所述红外光谱成像标定模块用于将红外光谱成像模块进行摄像机标定；
所述映射模块用于分别获取可见光谱成像图像中标定板特征点的RGB点集坐标，红外光谱成像中标定板特征点的红外点集坐标，再根据所述标定板的RGB点集坐标、红外点集坐标之间的一元线性关系求出可见光谱成像模块中检测到的人脸图像在红外光谱成像画面中的位置数据。
进一步的，所述可见光谱成像模块包括预先获取照片模块，所述预先获取照片模块用于在可见光谱成像画面中检测到人脸后先与预先存储的照片和/或读取的照片比对，如比对结果不一致则输出结果。
进一步的，所述红外结构光投射模块包括红外线发射器，所述红外线包括红外散斑结构光、红外条纹结构光。
进一步的，所述可见光谱成像模块为可见光谱摄像机，可见光谱成像摄像机内部安装有第一CMOS图像传感器、摄像机镜头外安装有红外阻隔滤镜。
进一步的，所述红外光谱成像模块为红光光谱摄像机，所述红外光谱摄像机内部安装有第二CMOS图像传感器、摄像机镜头外部安装有可见光阻隔滤镜。
进一步的，该系统还包括微处理器，微处理器分别与可见光谱成像模块、获取可见光谱图像位置数据模块、转换位置数据模块、红外结构光投射模块、红外光谱成像模块、GLCM特征参数模块、SVM向量机连接。
进一步的，所述可见光谱成像模块与红外光谱成像模块共处同一中心轴。
进一步的，所述预先获取照片模块包括照片存储器、证件读取装置。
本发明采用上述技术方案，包括以下有益效果：仿冒者无论使用照片、3D面具等对基于人脸的身份验证系统进行恶意攻击时，都会被识别出来，并且无需被验证者主动配合，从而缩短验证时间，提高验证精确度。
附图说明
图1为实施例一中本发明活体验证方法流程图；
图2为实施例一中本发明活体验证系统框图；
图3为实施例二中本发明活体验证方法流程图；
图4为实施例二中本发明活体验证系统框图；
图5为实施例二中可见光谱成像模块和红外光谱成像模块另一种实施例结构示意图；
图中，1、可见光谱摄像机；2、红光光谱摄像机；3、第一CMOS图像传感器；4、红外阻隔滤镜；5、第二CMOS图像传感器；6、可见光阻隔滤镜。
具体实施方式
下面通过具体的实施例并结合附图对本发明做进一步的详细描述。
实施例一：一种活体验证方法，参照图1所示，包括如下步骤：
(1)在可见光谱成像画面中检测人脸，获取检测到的人脸图像所处的位置数据；例如该人脸图像在整个拍摄画面中的坐标数据，
(2)根据步骤(1)中得到的人脸图像位置数据，计算出所述人脸图像在红外光谱成像画面中的位置数据；
(3)根据步骤(2)得到的所述人脸图像在红外光谱成像画面中的位置数据，在所述红外光谱成像画面位置数据范围内检测人脸，检测到人脸后计算所述人脸图像GLCM特征参数，将计算得到的人脸图像GLCM特征参数输入到SVM向量机进行比对，即可判断出是否为真实人脸；
所述SVM向量机是经如下方法训练得到的：①准备训练样本集合：所述样本包括正样本和负样本，真实人脸图像拍摄的照片为正样本，非真实人脸图像拍摄的图片为负样本，利用SVM向量机的分类算法学习进行样本训练，得到能够区分正样本和负样本的分类器；训练样本应该是无限多的，而且训练样本应该覆盖实际应用过程中可能发生的各种情况。实际应用过程中，训练样本不可能无限多，根据活体检测的复杂度，应选取三千至五千个正样本，三千至五千个负样本；
②将步骤①训练后的正样本放在一个文件夹中、负样本放在另一个文件夹中；并将所有训练样本缩放到同样的尺寸大小；
③提取所有所述正样本的GLCM特征；
④提取所有所述负样本的GLCM特征；
⑤分别对所述正、负样本赋予各自的标签；
⑥将所述正负样本的GLCM特征、所述正负样本的标签，都输入到步骤①得到的分类器中进行训练；
⑦经过步骤⑥中分类器训练之后，得到所述SVM向量机。
进一步的，为了去除其他参数对于活体检测的影响，所述步骤(1)中包括首先分别对可见光光谱成像模块、红外光谱成像模块进行摄像机标定，再在可见光谱成像画面中检测人脸；
所述步骤(2)包括：①将标定过的可见光光谱成像模块、红外光谱成像模块置于空间同一平面，同时获取标定板的RGB图像和红外图像；
②设定标定板平面在世界坐标系Z＝0的平面上，分别采集可见光谱成像中标定板特征点的RGB点集坐标、红外光谱成像中标定板特征点的红外点集坐标，
所述RGB点集坐标为(Xrgb1，Yrgb1)、(Xrgb2，Yrgb2)…(Xrgb3，Yrgb3)；
所述红外点集坐标为(Xir1，Yir1)、(Xir2，Yir2)…(Xir3，Yir3)；
③根据所述RGB点集坐标和红外点集坐标之间的一元线性映射关系，得到如下方程组：
公式一：
公式二：
采用最小二乘法，求得所述ax、bx、ay、by,
④根据步骤③得到的ax、bx、ay、by,以及所述公式一、公式二，将从步骤(1)中得到的可见光谱成像画面中所述人脸图像所处的位置数据代入公式一、公式二中，即可得到该人脸图像在红外光谱成像画面中的位置数据；
所述步骤(3)中采用所述摄像机标定过的红外光谱成像模块获取红外光谱成像画面，并在所述红外光谱成像画面位置数据范围内检测人脸。
所述步骤(3)中计算GLCM特征参数的方法包括①提取所述人脸图像特征，根据提取出的所述人脸图像特征像素，计算求得该图像的灰度级数，从而得到共生矩阵，所述共生矩阵为所述计算得到的灰度级数的平方；
②将所述共生矩阵中的值转换为概率值，得到灰度共生矩阵；
例如，得到的共生矩阵如下表所示：
在上述共生矩阵中的灰度值转换为概率值，方法是用各个元素值除以矩阵中所有元素的和(上表中元素和为18)，最后得到灰度共生矩阵如下表所示：
③所述GLCM特征参数包括均值Mean、方差Variance、对比度Contrast、熵Entropy、角二阶矩ASM、相关性Correlation,所述GLCM特征参数分别由下述公式求得：
公式三：
公式四：
公式五：
公式六：
公式七：
公式八：
其中，表示所述灰度共生矩阵所有行坐标的灰度概率值；
表示所述灰度共生矩阵所有列坐标的灰度概率值；i表示所述灰度共生矩阵行坐标；j表示所述灰度共生矩阵列坐标；p(i,j)表示所述灰度共生矩阵中某一行坐标、列坐标确定的某点的灰度概率值。
GLCM特征参数总共14个参数，在进行活体检测中，仅需采用6个参数即可实现高精度的检测，本发明重复多次平行试验，检测准确的准确率达到98％以上。
采用上述验证方法开发出的验证系统，参照图2所示，包括可见光谱成像模块、获取可见光谱图像位置数据模块、转换位置数据模块、红外结构光投射模块、红外光谱成像模块、GLCM特征参数模块、SVM向量机；
所述可见光谱成像模块用于拍摄可见光谱图像，并在可见光谱成像画面中检测人脸；
所述获取可见光谱图像位置数据模块用于获取检测到的人脸图像所处的位置数据；
所述转换位置数据模块用于根据可见光谱成像画面中人脸图像的位置数据，计算出所述人脸图像在红外光谱成像画面中的位置数据；
所述红外结构光投射模块用于发射红外光谱的结构光；
所述红外光谱成像模块用于检测人脸，拍摄红外光谱图像；
GLCM特征参数模块用于计算红外光谱成像画面中检测到的人脸图像的GLCM特征参数；
SVM向量机用于将所述GLCM特征参数模块计算出的GLCM特征参数输入，并输出判断结果。
该系统还包括映射模块，所述可见光谱成像模块包括可见光谱成像标定模块，红外光谱成像模块包括红外光谱成像标定模块；
所述可见光谱成像标定模块用于将可将光谱成像模块进行摄像机标定；
所述红外光谱成像标定模块用于将红外光谱成像模块进行摄像机标定；
所述映射模块用于分别获取可见光谱成像图像中标定板特征点的RGB点集坐标，红外光谱成像中标定板特征点的红外点集坐标，再根据所述标定板的RGB点集坐标、红外点集坐标之间的一元线性关系求出可见光谱成像模块中检测到的人脸图像在红外光谱成像画面中的位置数据。
实施例二：除了实施例一公开的内容外，为了进一步使本发明检测方法更为快捷，参照图3所示，所述步骤(1)中在可见光谱成像画面中检测到人脸后先与预先存储的照片和/或读取的照片比对，如比对结果不一致则直接结束。
也可以在所述步骤(3)中在所述红外光谱成像画面位置数据范围内检测人脸时，如检测不到人脸则直接结束。
经过上述步骤，则可不进入后续比对过程，直接输出错误的结果，节省比对的时间。
该系统还包括微处理器，微处理器分别与可见光谱成像模块、获取可见光谱图像位置数据模块、转换位置数据模块、红外结构光投射模块、红外光谱成像模块、GLCM特征参数模块、SVM向量机连接。微处理器将从各个模块获取的消息进行整合处理，分类将属于各模块的信息再进行分发发送。
除了实施例一公开的系统之外，参照图4所示，采用上述方法开发的验证系统所述可见光谱成像模块包括预先获取照片模块，所述预先获取照片模块用于在可见光谱成像画面中检测到人脸后先与预先存储的照片和/或读取的照片比对，如比对结果不一致则输出结果。所述预先获取照片模块包括照片存储器、证件读取装置。可通过互联网获取到用户的照片，也可通过证件读取装置获取用户的身份证、社保卡等证件上的照片用以与当前验证用户比对。
更为具体地，本发明所用的红外结构光投射模块包括红外线发射器，所述红外线包括红外散斑结构光、红外条纹结构光。为了保证可见光谱成像模块和红外光谱成像模块获取验证者人脸图像时，拍摄的范围和角度一致，所述可见光谱成像模块与红外光谱成像模块共处同一中心轴，参照图5所示，所述可见光谱成像模块为可见光谱摄像机1，可见光谱成像摄像机内部安装有第一CMOS图像传感器3、摄像机镜头外安装有红外阻隔滤镜4；所述红外光谱成像模块为红光光谱摄像机2，所述红外光谱摄像机内部安装有第二CMOS图像传感器5、摄像机镜头外部安装有可见光阻隔滤镜6。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。