一种基于多模型的人脸防伪方法、存储介质及检测设备与流程

1.本发明属于人脸识别领域，尤其涉及一种基于多模型的人脸防伪方法、存储介质及检测设备。


背景技术：

2.人脸识别技术作为一种应用最广泛的非侵入式生物识别技术，其安全性显得越来越重要。而人脸识别安全性的第一道防线，就是人脸防伪技术，即区分真实人脸和伪造人脸。人脸防伪是防止非法用户通过伪造的人脸通过识别系统的有效手段。技术上的难点在于如何保证真人足够高的通过率的同时，提高伪造人脸的拒绝率。
3.当前人脸防伪，主要采用1、主动动作配合的方式，比如转头、抬头、张嘴、眨眼，2、通过加装红外相机，深度相机获取红外图像、深度信息等多模态信息，3、用边框信息、纹理特征区分伪造人脸，比如照片边框、照片的反光，屏幕纹理等。
4.其中动作配合防伪效果较好，但是体验感较差，识别速度慢。红外或者结构光方式，需要添加额外硬件成本较高。单帧静默活体体验较好，但识别难度比较大，场景适应性差。总体而言，单一的特征模型对层出不穷的伪造手段和复杂多变的应用场景难以完全覆盖。


技术实现要素：

5.本发明的目的在于，为克服现有技术缺陷，提供了一种基于多模型的人脸防伪方法，通过多个模型的配合使用，能适应不同距离范围内的人脸防伪，且无需动作配合，加装额外硬件，能更好的解决人脸防伪问题。
6.一方面，本发明目的通过下述技术方案来实现：
7.一种基于多模型的人脸防伪方法，所述人脸防伪方法包括：分别构建人脸检测模型、边框模型和二分类防伪模型；通过人脸检测模型完成待检测图像中人脸位置识别，并将检测通过的包含人脸信息的图像发送至边框模型；经由所述边框监测模型完成图像是否存在边框的检测，并当图像不存在边框时，被发送至二分类防伪模型；当图像内存在边框，且人脸位于边框范围内时，通过对边框种类完成识别，从而将识别通过的图像发送至二分类防伪模型，将未通过识别的图像筛除；所述二分类防伪模型，基于获得的图像中的人脸反光度和/或纹理特征完成人脸真伪判断。
8.根据一个优选的实施方式，所述人力前检测模型被配置为在画面中检测出人脸的矩形框位置。
9.根据一个优选的实施方式，所述边框监测模型基于边框的运动状态完成边框是否为背景物体识别，当待识别边框被识别为背景物体种类时，图像则通过边框模型验证。
10.根据一个优选的实施方式，所述边框的运动状态为通过采集若干帧连续运动图像完成各图像类边框位置对比，若边框处于相对静止状态，则判定是背景物体。
11.根据一个优选的实施方式，所述边框种类包括背景物体和非背景物体。
12.根据一个优选的实施方式，所述背景物体至少包括门窗框体、墙壁框体和广告牌框体。
13.根据一个优选的实施方式，在所述二分类防伪模型中，当图像中人脸反光度和/或纹理特征超过预设值时，被判定为假的人脸图像。
14.根据一个优选的实施方式，在所述二分类防伪模型中，当图像中人脸反光度和/或纹理特征超过大数据采集的真人样本特征区间时，被判定为假的人脸图像。
15.另一方面，本发明还公开了：
16.一种外接存储介质的检测设备，所述设备包括：图像采集单元，用于实现待识别图像的数据采集；处理器，用于执行计算机程序时实现如前述的人脸防伪方法的步骤。
17.另一方面，本发明还公开了：
18.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的人脸防伪方法的步骤。
19.前述本发明主方案及其各进一步选择方案可以自由组合以形成多个方案，均为本发明可采用并要求保护的方案。本领域技术人员在了解本发明方案后根据现有技术和公知常识可明了有多种组合，均为本发明所要保护的技术方案，在此不做穷举。
20.本发明的有益效果：本发明基于多模型的人脸防伪方法通过纸张或屏幕的外框固有特征信息区分假人脸，排除了大部分有明显边框的情况；近距离或者其他特殊情况导致无明显边框的伪造人脸，通过二分类防伪模型，可以进一步区分；并且，不同场景的人脸，可以更新该场景数据进一步训练分类模型。
附图说明
21.图1是本发明基于多模型的人脸防伪方法的流程示意图。
具体实施方式
22.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
23.需要说明的是，为使本发明实施例的目的、技术方案和优点更加清楚，下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
24.实施例1：
25.参考图1所示，本发明公开了一种基于多模型的人脸防伪方法，所述人脸防伪方法包括：分别构建人脸检测模型、边框模型和二分类防伪模型。
26.其中。人脸检测模型被配置为试下你人脸检测。边框模型被配置为用于识别出打印照片的边界或者电子设备屏幕的边框。二分类模型被配置为用于区分真实和伪造人脸。
27.优选地，所述人力前检测模型被配置为在画面中检测出人脸的矩形框位置。
28.具体地，通过人脸检测模型完成待检测图像中人脸位置识别，并将检测通过的包
含人脸信息的图像发送至边框模型。
29.大部分打印照片或者电子屏幕，在中远距离的相机视野内都会有四边形边框存在，如果能检测到边框，且人脸在边框范围内，就可以初步判断是伪造人脸。
30.优选地，边框检测模型用于实现出人脸周围的四边形边框的检测。
31.优先地，经由所述边框监测模型完成图像是否存在边框的检测，并当图像不存在边框时，图像检测通过，被发送至二分类防伪模型；
32.进一步地，当图像内存在边框，且人脸位于边框范围内时，通过对边框种类完成识别，从而将识别通过的图像发送至二分类防伪模型，将未通过识别的图像筛除。
33.优选地，所述边框监测模型基于边框的运动状态完成边框是否为背景物体识别，当待识别边框被识别为背景物体种类时，图像则通过边框模型验证。
34.进一步地，所述边框的运动状态为通过采集若干帧连续运动图像完成各图像类边框位置对比，若边框处于相对静止状态，则判定是背景物体。
35.具体地，经过多帧比对，如果连续长时间边框处于相对静止状态，就可以判断边框是固有背景物体不能作为防伪证据。背景物体包括门窗框体、墙壁框体和广告牌框体等。
36.优选地，所述二分类防伪模型，基于获得的图像中的人脸反光度和/或纹理特征完成人脸真伪判断。
37.在所述二分类防伪模型中，当图像中人脸反光度和/或纹理特征超过预设值时，被判定为假的人脸图像。
38.在所述二分类防伪模型中，当图像中人脸反光度和/或纹理特征超过大数据采集的真人样本特征区间时，被判定为假的人脸图像。
39.具体地，二分类防伪模型，就是把上一步的矩形框内人脸图像输入，判断是否伪造人脸。该模型主要关注的特征是高频纹理细节特征。对于无框的人脸，一般距离都比较近，纸张反光和屏幕纹理比较清晰，所以分类效果比中远距离的相对更好。经过测试基本可以达到99％以上防伪精确度。
40.本发明基于多模型的人脸防伪方法通过纸张或屏幕的外框固有特征信息区分假人脸，排除了大部分有明显边框的情况；近距离或者其他特殊情况导致无明显边框的伪造人脸，通过二分类防伪模型，可以进一步区分；并且，不同场景的人脸，可以更新该场景数据进一步训练分类模型。
41.实施例2
42.本发明还公开了：一种外接存储介质的检测设备。所述设备包括：图像采集单元，用于实现待识别图像的数据采集；处理器，用于执行计算机程序时实现如实施例1所述的人脸防伪方法的步骤。
43.实施例3
44.本发明还公开了：一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例1所述的人脸防伪方法的步骤。
45.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。