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。
[0084]可理解的是，引入学习策略，可以更好的适应数据的结构。
[0085]在具体应用中，在所述步骤106获取最终活体人脸检测结果之后，还可以对最终活体人脸检测结果给出相应地反馈，比如提示用户是假脸，需要注意等提示信息等。
[0086]本实施例的基于眼部信息的活体人脸检测方法，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。
[0087]图2示出了本发明一实施例提供的一种基于眼部信息的活体人脸检测装置的结构示意图，如图2所示，本实施例的基于眼部信息的活体人脸检测装置，包括:图像序列获取模块21、眼睛区域获取模块22、中间结果获取模块23和最终结果获取模块24 ;
[0088]图像序列获取模块21，用于获取待检测的人脸图像序列；
[0089]眼睛区域获取模块22，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；
[0090]中间结果获取模块23，包括:第一结果获取单元23a、第二结果获取单元23b和第三结果获取单元23c ;
[0091]所述第一结果获取单元23a，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；
[0092]所述第二结果获取单元23b，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；
[0093]所述第三结果获取单元23c，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；
[0094]最终结果获取模块24，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。
[0095]在具体应用中，可以在人脸图像采集摄像头的下方设置一个显示屏，播放公益广告等动态视屏，从而引起活体人眼关注点的变化，并能够显示人脸及其他图像内容，相应地，所述图像序列获取模块21，可具体用于
[0096]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。
[0097]进一步地，所述预设时长可优选为大于5秒，保证采集人脸图像序列的预设时长大于5秒，可以保证获取真脸的眨眼动作序列。
[0098]可理解的是，当眼睛注视显示屏时，由于显示屏显示活动图像，人眼会无意识地加以注意，因此可以检测眼球运动的变化，眼球产生运动，检测到眼球运动时为活体，未检测到眼球运动时为假体。
[0099]在具体应用中，所述眼睛区域获取模块22，可具体用于
[0100]对所述人脸图像序列进行光流场估计，并利用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。
[0101]在具体应用中，在所述第一结果获取单元23a中，可以根据所述各帧人脸的眼睛区域各像素的光流的相似度对人脸的活体性进行0到1之间的打分，相似度为100%对应的活体性得分为0，相似度为0%对应的活体性得分为1，所述活体性得分的取值范围为[0，1]，活体性得分大于等于预设第一阈值(即相似度小于等于预设第二阈值)时判定所述各帧人脸的眼睛区域各像素的光流不一致，确定活体人脸检测第一结果为活体，活体性得分小于预设第一阈值(相似度大于预设第二阈值)时判定所述各帧人脸的眼睛区域各像素的光流一致，确定活体人脸检测第一结果为假体。
[0102]可理解的是，所述第一结果获取单元23a，基于活体人眼的立体结构产生的光流特性不同于假体平面结构的光流特性。
[0103]在具体应用中，所述第二结果获取单元23b，可具体用于
[0104]将所述人脸图像序列中各帧的人脸区域图像进行归一化，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，计算二值化后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。
[0105]可理解的是，所述第二结果获取单元23b，基于活体对于外界刺激的反应导致眼珠转动，从而产生不同于假体的二值化特征。
[0106]在具体应用中，所述第三结果获取单元23c，可具体用于
[0107]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，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。
[0108]在一具体应用中，所述最终结果获取模块24，可具体用于
[0109]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。
[0110]在另一具体应用中，所述最终结果获取模块24，可具体用于
[0111]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。
[0112]可理解的是，引入学习策略，可以更好的适应数据的结构。
[0113]在具体应用中，在所述最终结果获取模块24获取最终活体人脸检测结果之后，还可以包括图中未示出的:
[0114]反馈模块，用于对最终活体人脸检测结果给出相应地反馈(比如提示用户是假脸，需要注意等提示信息等)。
[0115]本实施例的基于眼部信息的活体人脸检测装置，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。
[0116]本实施例的基于眼部信息的活体人脸检测装置，可以用于执行前述图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
[0117]在本发明实施方式中“第一”、“第二”和“第三”等并不是对先后顺序做出规定，只是对名称做出区别，在本发明实施方式中，不做出任何的限定。
[0118]本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括:R0M、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
[0119]最后应说明的是:以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然