活體驗(yàn)證方法、裝置和系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域，具體來說涉及一種活體驗(yàn)證方法、裝置和系統(tǒng)。
【背景技術(shù)】
[0002]近年來，人臉識別技術(shù)有了長足的發(fā)展。但是在很多應(yīng)用場合，例如人臉識別移動支付、視頻見證開戶等，在對人臉圖像進(jìn)行驗(yàn)證的時(shí)候，同時(shí)需要判斷該人臉圖像是活體的人臉圖像，還是照片或是錄制的視頻中的人臉圖像。
[0003]目前常用的人臉活體驗(yàn)證方法主要有如下幾種:
[0004]1)通過采集人臉圖像的深度信息，將其建模重構(gòu)與三維模板匹配。這種方法的缺點(diǎn)是受環(huán)境條件限制，可能不易獲得完整的深度信息，且三維建模的準(zhǔn)確性仍有待提高。
[0005]2)根據(jù)人臉紋理細(xì)節(jié)信息，將人臉圖像中的一些特征點(diǎn)或統(tǒng)計(jì)特征信息與真實(shí)人臉模板進(jìn)行比對。但是，當(dāng)待檢測圖像的分辨率較低或不夠完整時(shí)，無法準(zhǔn)確獲得紋理細(xì)節(jié)信息時(shí)，該方法并不適用。
[0006]3)中國專利申請CN201210331141.2公開了一種活體檢測方法，其采集多幀人臉圖像，對各幀圖像中的人臉關(guān)鍵點(diǎn)/塊進(jìn)行定位，通過判斷平均差異值是否大于預(yù)設(shè)閾值來判斷是否活體。中國專利申請CN201510243778.X也公開了一種活體檢測方法，同樣也是采集多幀人臉圖像，通過判斷關(guān)鍵點(diǎn)的屬性變化值的規(guī)律是否符合真實(shí)人臉的變化規(guī)律來判斷是否活體。然而，此類檢測人臉全局運(yùn)動的方法由于人臉的運(yùn)動是單一的生物特征，且不易改變，當(dāng)該類方法與基于人臉的身份認(rèn)證方法結(jié)合時(shí)，如果一個人被他人惡意收集到了大量本人的人臉運(yùn)動圖像用于檢測，則此類方法的可靠性將會降低。
[0007]4)中國專利申請CN201310363154.2所公開的方法中，通過檢測圖像中的人臉的眨眼等運(yùn)動來判斷是否是活體。然而，對于眨眼這樣簡單的動作，比較容易被偽造，使得此類方法防偽的可靠性降低。

【發(fā)明內(nèi)容】

[0008]本發(fā)明所要解決的技術(shù)問題在于現(xiàn)有活體驗(yàn)證方案裝置復(fù)雜，且準(zhǔn)確度和可靠性不尚。
[0009]為此，本發(fā)明實(shí)施例提出了一種活體驗(yàn)證方法，包括:生成按預(yù)設(shè)軌跡運(yùn)動的視覺中心點(diǎn)，并在所述視覺中心點(diǎn)運(yùn)動過程中采集多幀被測對象的人臉圖像，在采集過程中，被測對象的視線始終跟隨所述視覺中心點(diǎn)運(yùn)動；對所采集的每幀人臉圖像提取圖像信息；根據(jù)所提取的圖像信息估計(jì)出視線向量；根據(jù)估計(jì)出的視線向量得到估計(jì)的投影軌跡；將所述估計(jì)的投影軌跡與所述視覺中心點(diǎn)的預(yù)設(shè)軌跡進(jìn)行對比，當(dāng)兩者間的相似度大于或等于預(yù)設(shè)閾值時(shí)，判斷被測對象為活體，當(dāng)兩者間的相似度小于預(yù)設(shè)閾值時(shí)，判斷被測對象不是活體。
[0010]優(yōu)選地，所述根據(jù)所提取的圖像信息估計(jì)出視線向量是將所述圖像信息輸入到神經(jīng)網(wǎng)絡(luò)模型來得到估計(jì)的視線向量，所述神經(jīng)網(wǎng)絡(luò)模型通過以下步驟得到:采集海量不同人、不同視線下的人臉圖像；從采集到的人臉圖像中提取圖像信息和視線向量；根據(jù)所得到的圖像信息和視線向量得到所述神經(jīng)網(wǎng)絡(luò)模型。
[0011]優(yōu)選地，所述圖像信息包括眼部圖像，所述從采集到的人臉圖像中提取圖像信息的步驟包括:對采集到的每幅人臉圖像進(jìn)行人臉檢測，得到人臉區(qū)域；對所得到的人臉區(qū)域，標(biāo)記出人臉特征點(diǎn)；根據(jù)標(biāo)記出的人臉特征點(diǎn)，得到眼部的位置，裁剪出左右兩眼的眼部圖像，并將所裁剪出的眼部圖像統(tǒng)一到相同像素大小。
[0012]優(yōu)選地，所述根據(jù)所得到的圖像信息和視線向量得到所述神經(jīng)網(wǎng)絡(luò)模型的步驟包括:將所得到的眼部圖像作為輸入，搭建多層深度卷積神經(jīng)網(wǎng)絡(luò)，所述多層深度卷積神經(jīng)網(wǎng)絡(luò)通過卷積層、降采樣層、非線性層依次連接，最后一層是一個f維的全連接層，所得到的視線向量作為輸出層；利用所得到的眼部圖像和視線向量，對所搭建的深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，所述訓(xùn)練基于反向傳播算法，在訓(xùn)練數(shù)據(jù)上利用隨機(jī)梯度下降更新模型參數(shù)。
[0013]優(yōu)選地，所述圖像信息包括人臉姿態(tài)特征和眼部圖像，所述從采集到的人臉圖像中提取圖像信息的步驟包括:對采集到的每幅人臉圖像進(jìn)行人臉檢測，得到人臉區(qū)域；對所得到的人臉區(qū)域，標(biāo)記出人臉特征點(diǎn)；對標(biāo)記出的人臉特征點(diǎn)進(jìn)行歸一化，將歸一化后的人臉特征點(diǎn)作為人臉姿態(tài)特征；根據(jù)標(biāo)記出的人臉特征點(diǎn)，得到眼部的位置，裁剪出左右兩眼的眼部圖像，并將所裁剪出的眼部圖像統(tǒng)一到相同像素大小。
[0014]優(yōu)選地，所述根據(jù)所得到的圖像信息和視線向量得到所述神經(jīng)網(wǎng)絡(luò)模型的步驟包括:將所得到的眼部圖像作為輸入，搭建多層深度卷積神經(jīng)網(wǎng)絡(luò)，所述多層深度卷積神經(jīng)網(wǎng)絡(luò)通過卷積層、降采樣層、非線性層依次連接，最后一層是一個f維的全連接層，并將所得到的人臉姿態(tài)特征和這個f維的全連接層拼接在一起，作為拓展的全連接層，所得到的視線向量作為輸出層；利用所得到的人臉姿態(tài)特征、眼部圖像和視線向量，對所搭建的深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，所述訓(xùn)練基于反向傳播算法，在訓(xùn)練數(shù)據(jù)上利用隨機(jī)梯度下降更新模型參數(shù)。
[0015]優(yōu)選地，所述從采集到的人臉圖像中提取視線向量的步驟包括:獲取頭部三維模型；將標(biāo)記出的人臉特征點(diǎn)對齊到所述頭部三維模型上；根據(jù)所得到的人臉特征點(diǎn)和頭部三維模型的對齊結(jié)果和視覺中心點(diǎn)位置，計(jì)算視線向量。
[0016]優(yōu)選地，所述圖像信息包括眼部圖像，所述對所采集的每幀人臉圖像提取圖像信息的步驟包括:對每幀人臉圖像進(jìn)行人臉檢測，得到人臉區(qū)域；對所得到的人臉區(qū)域，標(biāo)記出人臉特征點(diǎn)；根據(jù)標(biāo)記出的人臉特征點(diǎn)，得到眼部的位置，裁剪出左右兩眼的眼部圖像，并將所裁剪出的眼部圖像統(tǒng)一到相同像素大小。
[0017]優(yōu)選地，所述圖像信息包括人臉姿態(tài)特征和眼部圖像，所述對所采集的每幀人臉圖像提取圖像信息包括:對每幀人臉圖像進(jìn)行人臉檢測，得到人臉區(qū)域；對所得到的人臉區(qū)域，標(biāo)記出人臉特征點(diǎn)；對標(biāo)記出的人臉特征點(diǎn)進(jìn)行歸一化，將歸一化后的人臉特征點(diǎn)作為人臉姿態(tài)特征；根據(jù)標(biāo)記出的人臉特征點(diǎn)，得到眼部的位置，裁剪出左右兩眼的眼部圖像，并將所裁剪出的眼部圖像統(tǒng)一到相同像素大小。
[0018]本發(fā)明實(shí)施例還提供了一種活體驗(yàn)證裝置，包括:軌跡生成和圖像采集單元，用于生成按預(yù)設(shè)軌跡運(yùn)動的視覺中心點(diǎn)，并在所述視覺中心點(diǎn)運(yùn)動過程中采集被測對象的多幀人臉圖像，在采集過程中，被測對象的視線始終跟隨所述視覺中心點(diǎn)運(yùn)動；圖像信息提取單元，用于對所采集的每幀人臉圖像提取圖像信息；視線向量估計(jì)單元，用于根據(jù)所提取的圖像信息估計(jì)出視線向量；投影軌跡生成單元，根據(jù)估計(jì)出的視線向量得到估計(jì)的投影軌跡；對比單元，將所述估計(jì)的投影軌跡與所述視覺中心點(diǎn)的預(yù)設(shè)軌跡進(jìn)行對比，當(dāng)兩者間的相似度大于或等于預(yù)設(shè)閾值時(shí)，判斷被測對象為活體，當(dāng)兩者間的相似度小于預(yù)設(shè)閾值時(shí)，判斷被測對象不是活體。
[0019]優(yōu)選地，所述視線向量估計(jì)單元將所述圖像信息輸入到神經(jīng)網(wǎng)絡(luò)模型來得到估計(jì)的視線向量，所述神經(jīng)網(wǎng)絡(luò)模型通過以下子單元得到:采集子單元，用于采集海量不同人、不同視線下的人臉圖像；提取子單元，用于從采集到的人臉圖像中提取圖像信息和視線向量；神經(jīng)網(wǎng)絡(luò)模型生成子單元，用于根據(jù)所得到的圖像信息和視線向量得到所述神經(jīng)網(wǎng)絡(luò)模型。
[0020]優(yōu)選地，所述圖像信息包括眼部圖像，所述圖像信息提取單元包括:人臉檢測子單元，用于對每幀人臉圖像進(jìn)行人臉檢測，得到人臉區(qū)域；人臉特征點(diǎn)標(biāo)記子單元，用于對所得到的人臉區(qū)域，標(biāo)記出人臉特征點(diǎn)；眼部圖像裁剪子單元，用于根據(jù)標(biāo)記出的人臉特征點(diǎn)，得到眼部的位置，裁剪出左右兩眼的眼部圖像，并將所裁剪出的眼部圖像統(tǒng)一到相同像素大小。
[0021]優(yōu)選地，所述圖像信息包括人臉姿態(tài)特征和眼部圖像，所述圖像信息提取單元包括:人臉檢測子單元，用于對每幀人臉圖像進(jìn)行人臉檢測，得到人臉區(qū)域；人臉特征點(diǎn)標(biāo)記子單元，用于對所得到的人臉區(qū)域，標(biāo)記出人臉特征點(diǎn)；人臉特征點(diǎn)歸一化子單元，用于對標(biāo)記出的人臉特征點(diǎn)進(jìn)行歸一化，將歸一化后的人臉特征點(diǎn)作為人臉姿態(tài)特征；眼部圖像裁剪子單元，用于根據(jù)標(biāo)記出的人臉特征點(diǎn)，得到眼部的位置，裁剪出左右兩眼的眼部圖像，并將所裁剪出的眼部圖像統(tǒng)一到相同像素大小。
[0022]本發(fā)明實(shí)施例進(jìn)一步還提供了一種活體驗(yàn)證系統(tǒng)，包括:顯示裝置，用于顯示預(yù)設(shè)軌跡運(yùn)動的視覺中心點(diǎn)；圖像采集裝置，用于在所述視覺中心點(diǎn)運(yùn)動過程中采集被測對象的多幀人臉圖像，在采集過程中，被測對象的視線始終跟隨所述視覺中心點(diǎn)運(yùn)動；處理器，用于生成按所述預(yù)設(shè)軌跡運(yùn)動的所述視覺中心點(diǎn)；對所采集的每幀人臉圖像提取圖像信息；根據(jù)所提取的圖像信息估計(jì)出視線向量；根據(jù)估計(jì)出的視線向量得到估計(jì)的投影軌跡；將估計(jì)的投影軌跡與視覺中心點(diǎn)的預(yù)設(shè)軌跡進(jìn)行對比，當(dāng)兩者間的相似度大于或等于預(yù)設(shè)閾值時(shí)，判斷被測對象為活體，當(dāng)兩者間的相似度小于預(yù)設(shè)閾值時(shí)，判斷被測對象不是活體。
[0023]根據(jù)本發(fā)明實(shí)施例的活體驗(yàn)證方法、裝置和系統(tǒng)，通過在驗(yàn)證過程中實(shí)時(shí)采集被測對象的人臉圖像，根據(jù)人臉圖像估計(jì)被測對象的視線軌跡，并通過將估計(jì)的視線軌跡與視覺中心點(diǎn)的實(shí)際運(yùn)動軌跡對比來判斷被測對象是否活體，僅需要帶有攝像頭和屏幕的設(shè)備即可以完成判斷，不需要復(fù)雜的外設(shè)設(shè)備；采用視線追蹤的方式讓被測對象的視線隨著隨機(jī)生成的預(yù)設(shè)軌跡移動，難以被偽造，大大提升了活體驗(yàn)證的準(zhǔn)確度和可靠性。
[0024]根據(jù)本發(fā)明實(shí)施例的活體驗(yàn)證方法、裝置和系統(tǒng)，將所得到的圖像信息作為輸入，搭建多層深度卷積神經(jīng)網(wǎng)絡(luò)，所述多層深度卷積神經(jīng)網(wǎng)絡(luò)通過卷積層、降采樣層、非線性層依次連接，最后一層是一個f維的全連接層，所得到的視線向量作為輸出層，并利用所得到的圖像信息和視線向量，對所搭建的深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練以得到神經(jīng)網(wǎng)絡(luò)模型，從而可以快速準(zhǔn)確地從所提取出的圖像信息估計(jì)出視線向量，進(jìn)而提升了活體判斷的準(zhǔn)確度。
[0025]根據(jù)本發(fā)明實(shí)施例的活體驗(yàn)證方法、裝置和系統(tǒng)，選取眼部圖像來作為圖像信息從而可以簡化計(jì)算，快速完成檢測；在進(jìn)一步優(yōu)選的實(shí)施方式中，選取人臉姿態(tài)特征和眼部圖像這兩者來作為圖像信息，進(jìn)一步考慮了被測對