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(cè)；人臉關(guān)鍵點(diǎn)定位；歸一化；人臉特征提??；特征對(duì)比：對(duì)上述步驟進(jìn)行實(shí)時(shí)迭代，獲取多張圖片的人臉特征信息，對(duì)特征進(jìn)行對(duì)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(rèn)為有微表情產(chǎn)生，識(shí)別為活體；若相似度不在閾值范圍內(nèi)，則認(rèn)為沒有微表情的產(chǎn)生，識(shí)別為非活體；本發(fā)明的優(yōu)點(diǎn)在于通過獲取用戶的微表情，從而識(shí)別出人臉識(shí)別中個(gè)體為真人還是照片，提高人臉識(shí)別的活體識(shí)別率，保證人臉識(shí)別驗(yàn)證時(shí)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(yàn)證系統(tǒng)，能提高人臉識(shí)別中的活體識(shí)別率，并有效解決人臉識(shí)別中用照片替代人臉的漏洞。

【背景技術(shù)】
[0002]為了辨識(shí)活體真人和相應(yīng)照片，現(xiàn)有人臉識(shí)別技術(shù)中活體識(shí)別的方法大多通過對(duì)輸入的灰度圖像采用幀差法或混合高斯建模等方法，檢測(cè)人臉表面的肌肉是否有運(yùn)動(dòng)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(shí)別率較低等缺點(diǎn)。另有一些人臉識(shí)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(duì)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(dòng)作，人機(jī)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(shí)別的速度。
[0003]中國(guó)專利201210159233.7公開了一種多模態(tài)比對(duì)功能的活體人臉檢測(cè)系統(tǒng)與方法，所述方法包括進(jìn)行綜合處理的計(jì)算機(jī)；可見光攝像模塊、紅外攝像機(jī)、電源模塊、顯示模塊和信號(hào)處理模塊，所述信號(hào)處理模塊用于對(duì)可見光攝像模塊和紅外攝像機(jī)采集的圖像信號(hào)進(jìn)行處理，提取兩個(gè)圖像信號(hào)中不變的特征，然后輸入分類器進(jìn)行判別。通過可見光攝像機(jī)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(duì)采集得到的人臉非正面的圖像進(jìn)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(jìn)行判別。這種人臉識(shí)別活體鑒別系統(tǒng)操作性復(fù)雜，人臉識(shí)別效率不高。
[0004]中國(guó)專利201310363154.2公開了一種活體人臉的快速識(shí)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(duì)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(jī)訓(xùn)練方法和AdaBoost訓(xùn)練方法對(duì)睜眼和閉眼樣本進(jìn)行訓(xùn)練。本發(fā)明不需要用戶做配合動(dòng)作，大大簡(jiǎn)化用戶的動(dòng)作配合。與這種方法不同的是，本發(fā)明所用方法為對(duì)比同一時(shí)段多張圖片的人臉特征來獲取用戶的微表情，活體識(shí)別效率更高而且識(shí)別度更高。
[0005]中國(guó)專利201310602042.8公開了一種基于活體檢測(cè)和人臉識(shí)別的用戶在線認(rèn)證方法及系統(tǒng)，所述方法包括用戶在線注冊(cè)步驟、用戶在線認(rèn)證步驟；用戶在線認(rèn)證步驟包括活體檢測(cè)步驟、圖像處理步驟、特征值提取步驟、人臉比對(duì)步驟、結(jié)果處理步驟；活體檢測(cè)步驟中確認(rèn)認(rèn)證用戶是否是活體及獲取人臉照片；圖像處理步驟中對(duì)采集的人臉照片進(jìn)行處理；特征提取步驟中對(duì)處理過的人臉照片，提取人臉部件特征；人臉比對(duì)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(duì)應(yīng)人臉數(shù)據(jù)，通過設(shè)定一個(gè)閾值，當(dāng)相似度超過該閾值，則把匹配得到的結(jié)果輸出。
[0006]中國(guó)發(fā)明201310041766.X公開了一種基于HSV顏色空間統(tǒng)計(jì)特征的人臉活體檢測(cè)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(duì)包含人臉的圖像依次進(jìn)行膚色分割處理、去噪處理、數(shù)學(xué)形態(tài)學(xué)處理和標(biāo)定連通區(qū)域邊界處理，獲取人臉矩形區(qū)域的坐標(biāo)；然后根據(jù)人臉矩形區(qū)域的坐標(biāo)，從包含人臉的圖像中獲取待檢測(cè)的人臉圖像；再對(duì)待檢測(cè)的人臉圖像分圖像塊，并獲取待檢測(cè)的人臉圖像中的所有圖像塊的三個(gè)顏色分量的特征值；最后將歸一化后的特征值作為待檢測(cè)樣本送入訓(xùn)練后的支持向量機(jī)中進(jìn)行檢測(cè)，確定包含人臉的圖像是否為活體真實(shí)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(shí)別方法為通過攝像頭在一定時(shí)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(jìn)行對(duì)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(dòng)作，人機(jī)交互方式友好，并且算法容易實(shí)現(xiàn)，人臉識(shí)別速度高，有很強(qiáng)的操作性。這種驗(yàn)證方法能提高人臉識(shí)別中的活體識(shí)別率，并有效解決人臉識(shí)別中用照片替代人臉的漏洞。


【發(fā)明內(nèi)容】

[0008]針對(duì)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(shí)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(jìn)入該區(qū)域用戶的臉部照片信息；
2)預(yù)處理:對(duì)采集到的原始圖像進(jìn)行包括灰度化，光照補(bǔ)償預(yù)處理，得到灰度圖像；
3)人臉檢測(cè):將灰度圖像進(jìn)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(jìn)行分類處理，過濾掉背景圖片，從而檢測(cè)到人臉，確定人臉在圖像中的位置；
4)人臉關(guān)鍵點(diǎn)定位:確定人臉圖像中的關(guān)鍵點(diǎn)位置，包括鼻尖，嘴巴，下顎，雙眼，雙眉的定位，對(duì)潛在的偽器官進(jìn)行濾除；
5)歸一化:對(duì)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(duì)人臉部特征進(jìn)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(jìn)行投影來提取人臉部特征；
7)特征對(duì)比:對(duì)I)至6)步進(jìn)行實(shí)時(shí)迭代迭代，獲取多張圖片的人臉特征信息，對(duì)特征進(jìn)行對(duì)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(rèn)為有微表情產(chǎn)生，識(shí)別為活體；若相似度不在閾值范圍內(nèi)，則認(rèn)為沒有微表情的產(chǎn)生，識(shí)別為非活體。
[0010]本發(fā)明的優(yōu)點(diǎn)在于通過獲取用戶的微表情，從而識(shí)別出人臉識(shí)別中個(gè)體為真人還是照片，提高人臉識(shí)別的活體識(shí)別率，保證人臉識(shí)別驗(yàn)證時(shí)的安全問題。

【專利附圖】

【附圖說明】
[0011]圖1為本發(fā)明實(shí)施例信息活體識(shí)別過程結(jié)構(gòu)示意圖。

【具體實(shí)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(jìn)入該區(qū)域用戶的臉部照片信息；
2)預(yù)處理:對(duì)采集到的原始圖像進(jìn)行包括灰度化，光照補(bǔ)償預(yù)處理，得到灰度圖像；
3)人臉檢測(cè):將灰度圖像進(jìn)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(jìn)行分類處理，過濾掉背景圖片，從而檢測(cè)到人臉，確定人臉在圖像中的位置；
4)人臉關(guān)鍵點(diǎn)定位:確定人臉圖像中的關(guān)鍵點(diǎn)位置，包括鼻尖，嘴巴，下顎，雙眼，雙眉的定位，對(duì)潛在的偽器官進(jìn)行濾除；
5)歸一化:對(duì)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(duì)人臉部特征進(jìn)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(jìn)行投影來提取人臉部特征；
7)特征對(duì)比:對(duì)I)至6)步步進(jìn)行實(shí)時(shí)迭代迭代，獲取多張圖片的人臉特征信息，對(duì)特征進(jìn)行對(duì)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(rèn)為有微表情產(chǎn)生，識(shí)別為活體；若相似度不在閾值范圍內(nèi)，則認(rèn)為沒有微表情的產(chǎn)生，識(shí)別為非活體。
[0013]可以在一定時(shí)間內(nèi)拍攝的多張照片進(jìn)行對(duì)比獲取微表情，有效防止人臉識(shí)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(shí)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(jìn)行對(duì)比分析，來獲取用戶的微表情，從而識(shí)別出該人為真人還是照片。
[0014]發(fā)明的優(yōu)點(diǎn)在于通過獲取用戶的微表情，從而識(shí)別出人臉識(shí)別中個(gè)體為真人還是照片，提高人臉識(shí)別過程中的活體識(shí)別率，保證人臉識(shí)別驗(yàn)證時(shí)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(dòng)配合、實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、功能獨(dú)立，能夠很好的解決基于人臉識(shí)別的身份認(rèn)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(jìn)入該區(qū)域用戶的臉部照片信息； 2)預(yù)處理:對(duì)采集到的原始圖像進(jìn)行包括灰度化，光照補(bǔ)償預(yù)處理，得到灰度圖像； 3)人臉檢測(cè):將灰度圖像進(jìn)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(jìn)行分類處理，過濾掉背景圖片，從而檢測(cè)到人臉，確定人臉在圖像中的位置； 4)人臉關(guān)鍵點(diǎn)定位:確定人臉圖像中的關(guān)鍵點(diǎn)位置，包括鼻尖，嘴巴，下顎，雙眼，雙眉的定位，對(duì)潛在的偽器官進(jìn)行濾除； 5)歸一化:對(duì)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(duì)人臉部特征進(jìn)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(jìn)行投影來提取人臉部特征； 7)特征對(duì)比:對(duì)I)至6)步進(jìn)行實(shí)時(shí)迭代，獲取多張圖片的人臉特征信息，對(duì)特征進(jìn)行對(duì)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(rèn)為有微表情產(chǎn)生，識(shí)別為活體；若相似度不在閾值范圍內(nèi)，則認(rèn)為沒有微表情的產(chǎn)生，識(shí)別為非活體。
【文檔編號(hào)】G06K9/60GK104361326SQ201410652540
【公開日】2015年2月18日 申請(qǐng)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(qǐng)人:新開普電子股份有限公司