基于眼部信息的活体人脸检测方法及装置的制造方法
【技术领域】
[0001]本发明涉及生物特征识别技术领域，尤其涉及一种基于眼部信息的活体人脸检测方法及装置。
【背景技术】
[0002]目前，生物特征已经应用到了门禁系统、公安机关侦查、用户密码等方面。近年来，在人脸识别系统中活体检测技术已经显得非常重要，也在学术界掀起了一股热潮。
[0003]活体人脸检测，即检测一张图片或视频是真人还是假脸。人脸识别的算法在近些年取得了突飞猛进的进步，现有的活体检测方法主要判断人脸是否有生理活动。由于视频欺骗也有生理活动、检测复杂度高等多种弊端，人脸识别中，有人冒用照片、视频或者人脸面具替代真人欺骗人脸识别系统。网络认证和社保、银行等领域应用人脸识别后，识假问题成为一个必须解决的关键问题，而现有安防系统中的人脸识别算法对于活体人脸检测问题并未过多考虑。
[0004]目前有各种活体人脸检测算法，不同算法各有利弊。按照数据来源分，有基于单张图片的方法、基于连续视频的方法和基于特殊设备的方法。
[0005]其中，基于单张图片的方法可实现性较强，可同时用于单张图像或图像序列；但缺点是无法利用连续图像序列的信息，检测潜力稍差。这类方法中较为成熟的算法有三个，分别是基于频谱的特征、基于纹理的特征和基于高斯差分(Difference of Gaussian，简称DoG)和局部二值模式(Local Binary Patterns，简称LBP)的特征组合。
[0006]基于视频序列的方法利用各帧图像的相关性信息，更不易被欺骗，但算法较为复杂，有时需要人机交互。这类方法中较为成熟的算法有，基于光流法的算法和基于光流方向直方图的算法，基于光流法的算法未引入机器学习，直接根据光流场计算置信度，效果不理雄
vQjN Ο
[0007]基于多膜态活体检测技术有效地克服单张图片或者视频序列带来的不足。如果单纯地依靠获取图像来进行活体检测，潜在的安全隐患较为明显。由于人在发音时嘴唇会跟随语音发生一系列的相关活动，这些活动表现在视频序列中，在现有技术中已经关注到了这一点，并研究了相关肌肉，关节，牙齿的活动。在多膜态活体检测中可以抽取这些信息，并结合语音的信息特征联合进行认证，大大增加了欺骗的难度。但是，要准确地跟踪和分割出嘴唇的具体位置是一个相当有难度的课题，值得学者深入研究。
[0008]鉴于此，如何提供一种复杂度低、鲁棒性强的活体人脸检测方法及装置成为目前需要解决的技术问题。
【发明内容】
[0009]为解决上述的技术问题，本发明提供一种基于眼部信息的活体人脸检测方法及装置，能够检测人脸是否为活体，复杂度低、硬件要求低、适应复杂多变的显示环境、不需要人主动配合、鲁棒性强。
[0010]第一方面，本发明提供一种基于眼部信息的活体人脸检测方法，包括:
[0011]获取待检测的人脸图像序列；
[0012]对所述人脸图像序列进行光流场估计，并获取所述人脸图像序列中人脸的眼睛区域；
[0013]确定所述人脸图像序列中各帧人脸的眼睛区域各像素的光流，判断所述各帧人脸的眼睛区域各像素的光流是否一致，若不一致，则确定活体人脸检测第一结果为活体，若一致，则确定活体人脸检测第一结果为假体；
[0014]计算所述人脸图像序列中各帧眼睛区域图像之间的汉明距离，根据所述汉明距离确定活体分数，所述活体分数反映眼睛在所述人脸图像序列中变化的程度，将所述活体分数与预设阈值进行比较，若所述活体分数大于等于预设阈值，则确定活体人脸检测第二结果为活体，若所述活体分数小于预设阈值，则确定活体人脸检测第二结果为假体；
[0015]判断所述人脸图像序列中是否存在眨眼动作，若所述人脸图像序列中存在眨眼动作，则确定活体人脸检测第三结果为活体，若所述人脸图像序列中不存在眨眼动作，则确定活体人脸检测第三结果为假体；
[0016]将所述活体人脸检测第一结果、所述活体人脸检测第二结果和所述活体人脸检测第三结果进行融合，获取最终活体人脸检测结果。
[0017]可选地，所述获取待检测的人脸图像序列，包括:
[0018]获取摄像头在该摄像头下方设置的显示屏显示活动图像时在预设时长内所采集的人脸图像序列。
[0019]可选地，所述获取所述人脸图像序列中人脸的眼睛区域，包括:
[0020]利用Gabor特征和SVM分类器，获取所述人脸图像序列中人脸的眼睛区域。
[0021]可选地，所述计算所述人脸图像序列中各帧眼睛区域图像之间的汉明距离，包括:
[0022]将所述人脸图像序列中各帧的人脸区域图像进行归一化；
[0023]将归一化后各帧人脸区域图像中的眼睛区域图像进行二值化；
[0024]计算二值化后各帧眼睛区域图像之间的汉明距离。
[0025]可选地，所述判断所述人脸图像序列中是否存在眨眼动作，包括:
[0026]采用分类器判断所述人脸图像序列中各帧图像是睁眼还是闭眼，并通过条件随机场判断所述人脸图像序列中是否存在眨眼动作。
[0027]可选地，所述将所述活体人脸检测第一结果、所述活体人脸检测第二结果和所述活体人脸检测第三结果进行融合，获取最终活体人脸检测结果，包括:
[0028]采用投票策略，将所述活体人脸检测第一结果、所述活体人脸检测第二结果和所述活体人脸检测第三结果进行融合，获取最终活体人脸检测结果。
[0029]可选地，所述将所述活体人脸检测第一结果、所述活体人脸检测第二结果和所述活体人脸检测第三结果进行融合，获取最终活体人脸检测结果，包括:
[0030]采用度量学习metric learning策略，通过学习一个判别函数，将所述活体人脸检测第一结果、所述活体人脸检测第二结果和所述活体人脸检测第三结果加以整合，得到最终活体人脸检测结果，并学习到所述活体人脸检测第一结果、所述活体人脸检测第二结果和所述活体人脸检测第三结果的不同权重。
[0031]第二方面，本发明提供一种基于眼部信息的活体人脸检测装置，包括:
[0032]图像序列获取模块，用于获取待检测的人脸图像序列；
[0033]眼睛区域获取模块，用于对所述人脸图像序列进行光流场估计，并获取所述人脸图像序列中人脸的眼睛区域；
[0034]中间结果获取模块，包括:第一结果获取单元、第二结果获取单元和第三结果获取单元;
[0035]所述第一结果获取单元，用于确定所述人脸图像序列中各帧人脸的眼睛区域各像素的光流，判断所述各帧人脸的眼睛区域各像素的光流是否一致，若不一致，则确定活体人脸检测第一结果为活体，若一致，则确定活体人脸检测第一结果为假体；
[0036]所述第二结果获取单元，用于计算所述人脸图像序列中各帧眼睛区域图像之间的汉明距离，根据所述汉明距离确定活体分数，所述活体分数反映眼睛在所述人脸图像序列中变化的程度，将所述活体分数与预设阈值进行比较，若所述活体分数大于等于预设阈值，则确定活体人脸检测第二结果为活体，若所述活体分数小于预设阈值，则确定活体人脸检测第二结果为假体；
[0037]所述第三结果获取单元，用于判断所述人脸图像序列中是否存在眨眼动作，若所述人脸图像序列中存在眨眼动作，则确定活体人脸检测第三结果为活体，若所述人脸图像序列中不存在眨眼动作，则确定活体人脸检测第三结果为假体；
[0038]最终结果获取模块，用于将所述活体人脸检测第一结果、所述活体人脸检测第二结果和所述活体人脸检测第三结果进行融合，获取最终活体人脸检测结果。
[0