人样本上表示系数是否发生变化(变化幅度），即可完成防止照片攻击的人 脸识别。
[0072] 具体实施过程如下：
[0073] 在预设光照条件下，将人脸数据库中的每个人对应多张（例如21张照片）进行编 号；
[0074] 然后，对数据库中每个人的21张预设光照下的图像分别进行特征提取，将所提取 的特征记为：
[0075] fi= [fil fi2 fi3 fi4 f巧·.. fi21]，
[0076] fiW ... fijr-l fijr]T，j = l，2，...21，
[0077] 其中i为数据库中第i个人的编号，r为每张人脸提取的特征维数;如果数据库中有 η个人，则整个数据库的信息可W用矩阵F=[fl f2…fn]表示。
[0078] 对于一个待识别的人脸图像X，提取其特征为fx;将fx用数据库中的图像线性表示， 则有：
[0079] fx=wXF=WX[fi f2 …fn]，
[0080] =WX[fll fl2 ··· fn2l]
[0081 ] 通过求解可得
[0082] W=[wi W2 ··· Wn2l]〇
[0083] 由于待识别的人脸图像X只与数据库中是同一个人(假设此人为i)的人脸图像具 有较高的相似性，因此W中绝大部分元素都接近于0,只有在i的特征向量对应的系数处，有 较大的值，通过比较表示系数，可W完成了人脸识别的过程。
[0084] 具体的比较过程如下：
[0085] 计算待识别人脸图像X与数据库中每一组图像在求解的系数W下的表示误差，如与 数据库中第i个人之间的表示误差为：
[0086]
[0087] 其中WU对应表示系数W中第i个人第j张样本特征的表示系数，fu为第i个人第j张 样本图像的特征。
[0088] 将表示误差最小的一组图像对应的身份最为识别结果。
[0089] 进一步地，在完成人脸识别过程后，假设待识别图像在数据库中属于该人的21张 人脸图像上的表示系数为Wl=[wil W12…W121];
[0090] 提示用户改变当前的光照条件，再进行一次人脸识别，如果两次识别结果为同一 个人，并且运一次的表示系数为化=[W21 W22…W221]，再比较Wl和W2的距离，如采用欧氏距 离：
[0091]
[0092] 如果当前识别的为真人，则由于光照方向的变化，人脸表面的光照分布发生变化， 并且不同区域的变化程度不同，因此两次识别的表示系数会发生变化，参见图4和图5;而如 果当前识别的是照片，则照片上的人脸光照分布整体发生变化，而经过直方图均衡后，运种 变化就被处理掉，两次识别的表示系数不发生变化。因此，如果两次识别的Wi和W2之间的距 离d大于某个阔值，就认为当前识别的为真人(活体），否则为照片，至此完成了防止照片攻 击的人脸识别的整个过程。
[0093] 本实施例的防止照片攻击的人脸识别方法步骤简单、容易实现，可W增强对照片 恶意攻击的防御性，还可W减少不同光照条件对人脸识别准确率的影响，从而提高人脸识 别的质量和适用范围，满足实际应用需求。
[0094] 图6示出来本发明一个实施例的防止照片攻击的人脸识别装置的结构框图；如图6 所示，该装置包括第一人脸识别单元11、第二人脸图像获取单元12、第二人脸识别单元13W 及照片检测单元14;
[0095] 所述的第一人脸识别单元11，用于提取待测目标的第一人脸图像对应的第一待测 图像特征，并将所述第一待测图像特征与预设样本图像的图像特征进行相似性分析，W确 定第一表示系数矩阵，并根据所述第一表示系数矩阵，确定人脸识别的第一识别结果；
[0096] 所述的第二人脸图像获取单元12,用于改变所述待测目标当前所处的光照条件， W获取所述待测目标的第二人脸图像；
[0097] 所述的第二人脸识别单元13,用于提取所述第二人脸图像对应的第二待测图像特 征，并将所述第二待测图像特征与所述预设样本图像的图像特征进行相似性分析，W确定 第二表示系数矩阵，并根据所述第二表示系数矩阵，确定人脸识别的第二识别结果
[0098] 所述的照片检测单元14,用于判断所述第一识别结果与所述第二识别结果是否相 同，若是，则根据所述第一表示系数矩阵与所述第二表示系数矩阵之间的距离判断所述待 测目标是真人或照片。
[0099] 本实施例所述的防止照片攻击的人脸识别方法和装置可W用于执行上述方法实 施例，其原理和技术效果类似，此处不再寶述。
[0100] 图7示出了本发明另一个实施例的防止照片攻击的人脸识别装置的结构框图。如 图7所示，该装置还可包括第一人脸图像获取单元10,用于在所述待测目标当前所处的光照 条件下，获取所述待测目标的第一人脸图像。
[0101] 作为本实施例的优选，所述的第一人脸识别单元11进一步用于根据所述第一待测 图像特征确定第一待测图像特征向量，将所述第一待测图像特征向量表示为样本图像特征 矩阵与第一表示系数矩阵乘积的形式，通过L1范数最优化算法求解所述第一表示系数矩阵 的最优解，所述样本图像特征矩阵为根据所述预设样本图像中的多组样本图像的图像特征 确定的矩阵，所述多组样本图像为预设光照条件下获取的多个人物的人脸样本图像;然后 根据所述第一表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定所述多组 样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;进而分别计算所述第一待 测图像特征与每幅合成人脸图像的图像特征之间的第一表示误差，并将所述第一表示误差 最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第一识别结果。
[0102] 在此基础上，所述的第二人脸识别单元13进一步用于根据所述第二待测图像特征 确定第二待测图像特征向量，将所述第二待测图像特征向量表示为所述样本图像特征矩阵 与第二表示系数矩阵乘积的形式，通过L1范数最优化算法求解所述第二表示系数矩阵的最 优解;然后根据所述第二表示系数矩阵的最优解与所述多组样本图像的图像特征分别确定 所述多组样本图像中每组样本图像对应的一幅合成人脸图像的图像特征;进而分别计算所 述第二待测图像特征与每幅合成人脸图像的图像特征之间的第二表示误差，并将所述第二 表示误差最小的一幅合成人脸图像对应的一组人脸图像的身份作为人脸识别的第二识别 结果。
[0103] 在上述实施例的基础上，该装置还可优选地包括样本图像获取单元15和样本图像 特征提取单元16;
[0104] 所述的样本图像获取单元15,用于分别获取多个身份已知人物中每个人物处于预 设光照条件下的多幅人脸样本图像作为预设样本图像，并将属于同一人物的多幅人脸样本 图像作为一组预设样本图像；
[0105] 所述的样本图像特征提取单元16,用于提取所述预设样本图像的图像特征。
[0106] 本实施例所述的防止照片攻击的人脸识别方法和装置可W用于执行上述方法实 施例，其原理和技术效果类似，此处不再寶述。对于装置实施例而言，由于其与方法实施例 基本相似，所W描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0107] 本发明的方法及装置可W完成真人判别，防止恶意照片攻击行为，扩大人脸识别 的质量和适用范围。
[0108] W上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例 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:其依然可W对前述各实施 例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换;而运些修改或替 换，并不使相应技