一種判別活體人臉的方法
【專利摘要】本發(fā)明涉及一種判別活體人臉的方法，其判別方法如下：獲取圖像；預(yù)處理；人臉檢測；人臉關(guān)鍵點定位；歸一化；人臉特征提取；特征對比：對上述步驟進行實時迭代，獲取多張圖片的人臉特征信息，對特征進行對比，獲取特征相似度，設(shè)置合理閾值，若相似度在閾值范圍內(nèi)，則認為有微表情產(chǎn)生，識別為活體；若相似度不在閾值范圍內(nèi)，則認為沒有微表情的產(chǎn)生，識別為非活體；本發(fā)明的優(yōu)點在于通過獲取用戶的微表情，從而識別出人臉識別中個體為真人還是照片，提高人臉識別的活體識別率，保證人臉識別驗證時的安全問題。
【專利說明】一種判別活體人臉的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種判別活體人臉的方法，適用于身份驗證系統(tǒng)，能提高人臉識別中的活體識別率，并有效解決人臉識別中用照片替代人臉的漏洞。
【背景技術(shù)】
[0002]為了辨識活體真人和相應(yīng)照片，現(xiàn)有人臉識別技術(shù)中活體識別的方法大多通過對輸入的灰度圖像采用幀差法或混合高斯建模等方法，檢測人臉表面的肌肉是否有運動行為發(fā)生，從而確定其是否為活體，但這些方法存在活體識別率較低等缺點。另有一些人臉識別系統(tǒng)增加了活體人臉鑒別功能，通過被鑒別人的臉部表情變化(眨眼或微笑)來確定被鑒別對象為活體真人，但這種活體人臉鑒別方法存在如下缺陷:需要被鑒別人臉部做大量的表情配合動作，人機交互方式不友好，易使用戶產(chǎn)生厭倦感，而且算法復(fù)雜，降低人臉識別的速度。
[0003]中國專利201210159233.7公開了一種多模態(tài)比對功能的活體人臉檢測系統(tǒng)與方法，所述方法包括進行綜合處理的計算機；可見光攝像模塊、紅外攝像機、電源模塊、顯示模塊和信號處理模塊，所述信號處理模塊用于對可見光攝像模塊和紅外攝像機采集的圖像信號進行處理，提取兩個圖像信號中不變的特征，然后輸入分類器進行判別。通過可見光攝像機采集人臉正面的照片，并通過紅外拍攝技術(shù)采集人臉非正面的照片；對采集得到的人臉非正面的圖像進行射影幾何變換成正臉圖像；分別提取可見光與紅外光人臉照的不變特征；把提取的不變特征輸入分類器進行判別。這種人臉識別活體鑒別系統(tǒng)操作性復(fù)雜，人臉識別效率不高。
[0004]中國專利201310363154.2公開了一種活體人臉的快速識別方法，所述方法包括如下步驟:a)輸入多幅連續(xù)的人臉圖像；b)對每幅人臉圖像確定瞳孔位置并裁出人眼區(qū)域；c)判斷眼珠睜閉狀態(tài)，如果存在眨眼過程則通過活性判別；所述步驟a)根據(jù)輸入的視頻流獲取多幅連續(xù)的人臉圖像，若相鄰兩幅人臉圖像不為同一狀態(tài)則予以丟棄，重新獲取多幅連續(xù)的人臉圖像；所述步驟c)通過支持向量機訓(xùn)練方法和AdaBoost訓(xùn)練方法對睜眼和閉眼樣本進行訓(xùn)練。本發(fā)明不需要用戶做配合動作，大大簡化用戶的動作配合。與這種方法不同的是，本發(fā)明所用方法為對比同一時段多張圖片的人臉特征來獲取用戶的微表情，活體識別效率更高而且識別度更高。
[0005]中國專利201310602042.8公開了一種基于活體檢測和人臉識別的用戶在線認證方法及系統(tǒng)，所述方法包括用戶在線注冊步驟、用戶在線認證步驟；用戶在線認證步驟包括活體檢測步驟、圖像處理步驟、特征值提取步驟、人臉比對步驟、結(jié)果處理步驟；活體檢測步驟中確認認證用戶是否是活體及獲取人臉照片；圖像處理步驟中對采集的人臉照片進行處理；特征提取步驟中對處理過的人臉照片，提取人臉部件特征；人臉比對步驟中，提取的采集的人臉圖像的特征數(shù)據(jù)與所述用戶人臉特征值數(shù)據(jù)庫中的對應(yīng)人臉數(shù)據(jù)，通過設(shè)定一個閾值，當相似度超過該閾值，則把匹配得到的結(jié)果輸出。
[0006]中國發(fā)明201310041766.X公開了一種基于HSV顏色空間統(tǒng)計特征的人臉活體檢測方法，所述方法包括:首先將從攝像頭獲取的包含人臉的圖像從RGB顏色空間轉(zhuǎn)換到Y(jié)CrCb顏色空間；之后對包含人臉的圖像依次進行膚色分割處理、去噪處理、數(shù)學(xué)形態(tài)學(xué)處理和標定連通區(qū)域邊界處理，獲取人臉矩形區(qū)域的坐標；然后根據(jù)人臉矩形區(qū)域的坐標，從包含人臉的圖像中獲取待檢測的人臉圖像；再對待檢測的人臉圖像分圖像塊，并獲取待檢測的人臉圖像中的所有圖像塊的三個顏色分量的特征值；最后將歸一化后的特征值作為待檢測樣本送入訓(xùn)練后的支持向量機中進行檢測，確定包含人臉的圖像是否為活體真實人臉圖像。
[0007]與上述發(fā)明不同的是，本發(fā)明使用的活體識別方法為通過攝像頭在一定時間內(nèi)拍攝多張人臉照片，預(yù)處理后提取每張照片的面部本征特征信息，將先后得到的面部特征信息進行對比分析，來獲取用戶微表情的方法，并不需要人臉部做大量的表情配合動作，人機交互方式友好，并且算法容易實現(xiàn)，人臉識別速度高，有很強的操作性。這種驗證方法能提高人臉識別中的活體識別率，并有效解決人臉識別中用照片替代人臉的漏洞。
【發(fā)明內(nèi)容】
[0008]針對現(xiàn)有技術(shù)的不足，本發(fā)明提供一種判別活體人臉的方法。
[0009]本發(fā)明的技術(shù)方案是這樣實現(xiàn)的:一種判別活體人臉的方法，其判別方法如下:
O獲取圖像:首先通過攝像頭獲取進入該區(qū)域用戶的臉部照片信息；
2)預(yù)處理:對采集到的原始圖像進行包括灰度化，光照補償預(yù)處理，得到灰度圖像；
3)人臉檢測:將灰度圖像進行分類處理，例如本技術(shù)方案中采用輸入AdaBoost分類器的方法進行分類處理，過濾掉背景圖片，從而檢測到人臉，確定人臉在圖像中的位置；
4)人臉關(guān)鍵點定位:確定人臉圖像中的關(guān)鍵點位置，包括鼻尖，嘴巴，下顎，雙眼，雙眉的定位，對潛在的偽器官進行濾除；
5)歸一化:對圖像包括旋轉(zhuǎn)，縮放，剪切等操作，使雙眼水平，下顎的高度一定；
6)人臉特征提取:采用合適的方法對人臉部特征進行提取，例如本技術(shù)方案中采用線性判別分析法結(jié)合訓(xùn)練模型進行投影來提取人臉部特征；
7)特征對比:對I)至6)步進行實時迭代迭代，獲取多張圖片的人臉特征信息，對特征進行對比，獲取特征相似度，設(shè)置合理閾值，若相似度在閾值范圍內(nèi)，則認為有微表情產(chǎn)生，識別為活體；若相似度不在閾值范圍內(nèi)，則認為沒有微表情的產(chǎn)生，識別為非活體。
[0010]本發(fā)明的優(yōu)點在于通過獲取用戶的微表情，從而識別出人臉識別中個體為真人還是照片，提高人臉識別的活體識別率，保證人臉識別驗證時的安全問題。
【專利附圖】
【附圖說明】
[0011]圖1為本發(fā)明實施例信息活體識別過程結(jié)構(gòu)示意圖。
【具體實施方式】
[0012]如圖1所示，一種判別活體人臉的方法，其判別方法如下:
1)獲取圖像:首先通過攝像頭獲取進入該區(qū)域用戶的臉部照片信息；
2)預(yù)處理:對采集到的原始圖像進行包括灰度化，光照補償預(yù)處理，得到灰度圖像；
3)人臉檢測:將灰度圖像進行分類處理，例如本技術(shù)方案中采用輸入AdaBoost分類器的方法進行分類處理，過濾掉背景圖片，從而檢測到人臉，確定人臉在圖像中的位置；
4)人臉關(guān)鍵點定位:確定人臉圖像中的關(guān)鍵點位置，包括鼻尖，嘴巴，下顎，雙眼，雙眉的定位，對潛在的偽器官進行濾除；
5)歸一化:對圖像包括旋轉(zhuǎn)，縮放，剪切等操作，使雙眼水平，下顎的高度一定；
6)人臉特征提取:采用合適的方法對人臉部特征進行提取，例如本技術(shù)方案中采用線性判別分析法結(jié)合訓(xùn)練模型進行投影來提取人臉部特征；
7)特征對比:對I)至6)步步進行實時迭代迭代，獲取多張圖片的人臉特征信息，對特征進行對比，獲取特征相似度，設(shè)置合理閾值，若相似度在閾值范圍內(nèi)，則認為有微表情產(chǎn)生，識別為活體；若相似度不在閾值范圍內(nèi)，則認為沒有微表情的產(chǎn)生，識別為非活體。
[0013]可以在一定時間內(nèi)拍攝的多張照片進行對比獲取微表情，有效防止人臉識別過程中照片替代人臉的漏洞如附圖所示，首先通過攝像頭在單位時間內(nèi)拍攝多張人臉照片，預(yù)處理后提取每張照片的面部本征特征信息，將先后得到的面部特征信息進行對比分析，來獲取用戶的微表情，從而識別出該人為真人還是照片。
[0014]發(fā)明的優(yōu)點在于通過獲取用戶的微表情，從而識別出人臉識別中個體為真人還是照片，提高人臉識別過程中的活體識別率，保證人臉識別驗證時的安全問題。所述方法不需要添加額外的輔助設(shè)備、不需要用戶的主動配合、實現(xiàn)簡單、計算量小、功能獨立，能夠很好的解決基于人臉識別的身份認證中照片欺騙的問題。
【權(quán)利要求】
1.一種判別活體人臉的方法，其特征在于，其判別方法如下: 1)獲取圖像:首先通過攝像頭獲取進入該區(qū)域用戶的臉部照片信息； 2)預(yù)處理:對采集到的原始圖像進行包括灰度化，光照補償預(yù)處理，得到灰度圖像； 3)人臉檢測:將灰度圖像進行分類處理，例如本技術(shù)方案中采用輸入AdaBoost分類器的方法進行分類處理，過濾掉背景圖片，從而檢測到人臉，確定人臉在圖像中的位置； 4)人臉關(guān)鍵點定位:確定人臉圖像中的關(guān)鍵點位置，包括鼻尖，嘴巴，下顎，雙眼，雙眉的定位，對潛在的偽器官進行濾除； 5)歸一化:對圖像包括旋轉(zhuǎn)，縮放，剪切等操作，使雙眼水平，下顎的高度一定； 6)人臉特征提取:采用合適的方法對人臉部特征進行提取，例如本技術(shù)方案中采用線性判別分析法結(jié)合訓(xùn)練模型進行投影來提取人臉部特征； 7)特征對比:對I)至6)步進行實時迭代，獲取多張圖片的人臉特征信息，對特征進行對比，獲取特征相似度，設(shè)置合理閾值，若相似度在閾值范圍內(nèi)，則認為有微表情產(chǎn)生，識別為活體；若相似度不在閾值范圍內(nèi)，則認為沒有微表情的產(chǎn)生，識別為非活體。
【文檔編號】G06K9/60GK104361326SQ201410652540
【公開日】2015年2月18日 申請日期:2014年11月18日 優(yōu)先權(quán)日:2014年11月18日
【發(fā)明者】傅常順, 楊文壽, 徐明亮, 姬豪杰, 許威威, 杜建平, 李仕文 申請人:新開普電子股份有限公司