可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
【主权项】
1.一种基于眼部信息的活体人脸检测方法，其特征在于，包括: 获取待检测的人脸图像序列； 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；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； 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； 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； 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。2.根据权利要求1所述的方法，其特征在于，所述获取待检测的人脸图像序列，包括: 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。3.根据权利要求1所述的方法，其特征在于，所述获取所述人脸图像序列中人脸的眼睛区域，包括: 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。4.根据权利要求1所述的方法，其特征在于，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: 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。5.根据权利要求1所述的方法，其特征在于，所述判断所述人脸图像序列中是否存在眨眼动作，包括: 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。6.根据权利要求1所述的方法，其特征在于，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: 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。7.根据权利要求1所述的方法，其特征在于，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: 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。8.一种基于眼部信息的活体人脸检测装置，其特征在于，包括: 图像序列获取模块，用于获取待检测的人脸图像序列； 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； 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; 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； 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； 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； 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。9.根据权利要求8所述的装置，其特征在于，所述图像序列获取模块，具体用于 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； 和/或， 所述眼睛区域获取模块，具体用于 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； 和/或， 所述第二结果获取单元，具体用于 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； 和/或， 所述第三结果获取单元，具体用于 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。10.根据权利要求8所述的装置，其特征在于，所述最终结果获取模块，具体用于 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； 和/或， 所述最终结果获取模块，具体用于 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。
【专利摘要】本发明提供基于眼部信息的活体人脸检测方法及装置，方法包括：获取待检测人脸图像序列，对其进行光流场估计并获取其中眼睛区域；确定序列中各帧眼睛区域各像素光流，判断各帧眼睛区域各像素光流是否一致，若否则确定检测第一结果为活体，若是则确定检测第一结果为假体；计算序列中各帧眼睛区域二值化图像间的汉明距离，根据其确定活体分数，若活体分数大于等于预设阈值则确定检测第二结果为活体，若活体分数小于预设阈值则确定检测第二结果为假体；判断序列中是否存在眨眼动作，若是则确定检测第三结果为活体，若否则确定检测第三结果为假体；将三种结果融合获取最终检测结果。该方法能检测人脸是否为活体，复杂度低、不需人主动配合、鲁棒性强。
【IPC分类】G06K9/00
【公开号】CN105243378
【申请号】CN201510781590
【发明人】王生进, 赵亚丽, 何建伟, 陈荡荡, 王大力, 程景春, 于红洋, 余盛铭, 李蒙
【申请人】清华大学, 大唐电信科技股份有限公司
【公开日】2016年1月13日
【申请日】2015年11月13日