【技术实现步骤摘要】
双目视觉深度特征与表观特征相结合的人脸活体检测方法
本专利技术涉及计算机视觉与机器学习
,具体地,涉及双目视觉深度特征与表观特征相结合的人脸活体检测方法。
技术介绍
人脸识别在近十年取得了重要进展,作为有效的基于生物特征的身份认证方案,其应用范围逐渐扩大,已应用到各行各业中。与此同时,对人脸识别系统的攻击也不断出现,花样翻新的攻击手段使人脸识别系统的安全遭遇了较大挑战,处理不好,将造成巨大损失。这些攻击手段中,利用照片或视频进行欺骗最常见,入侵者可能将人脸图片在图像采集设备前旋转、翻转、弯曲、摇摆等方法造成一种类似于合法用户的真人效果去欺骗认证系统。为防守此类攻击,验证人像是现实活体人脸还是进行欺骗的照片或其它假冒人脸是必不可少的一个环节。因此,人脸活体识别技术应运而生。目前人脸活体识别工作集中在基于单张照片的光线反射分量分析、多张照片序列统计分析,以及结合生理活动、联合语音识别的多膜生物特征融合等。浙江大学计算机科学学院孙霖和潘纲所在的团队专利技术了另一种预防视频回放攻击的方法,分别用Gabor、SIFT和LBP等特征描述算子对人脸图像和背景图像进行特征点的定位和特征值提取,然后用欧氏距离度量两个特征点的相似度。李江伟等人提出通过2D傅里叶频谱变换来抵抗照片欺骗,照片中人脸的表情和姿势是不变的,那么序列中频率分量的标准差必然非常小,这些差异都可以通过分析2D傅里叶频谱来体现。潘纲等人还提出一种基于Adaboost算法的眼睛开合度计算方法,并将其嵌入到条件随机场人眼模型当中,通过检测眨眼识别活体。K.Kollreider等人发表的将人脸检测和光流估计 ...
【技术保护点】
一种双目视觉深度特征与表观特征相结合的人脸活体检测方法,其特征在于,包括如下步骤:步骤1:建立双目视觉系统,所述双目视觉系统包括:双目立体摄像机,分别记为左摄像机和右摄像机;将左摄像机拍摄的图像简称为左图像,右摄像机拍摄的图像简称为右图像;步骤2:通过双目视觉系统对人脸进行检测,得到多个关键点,分别记录多个关键点在左图像、右图像中的坐标,并进行基于关键点的畸变校正;步骤3:采用非平行无校正的双目深度算法对每一个关键点进行初始深度的计算,将所有关键点转换为抽象三维关键点,采用人脸结构配准以及配准优化迭代算法,对所有抽象三维关键点进行模板脸结构配准,得到配准后的深度向量,作为活体检测特征之一,即双目深度特征;并通过已训练好的双目深度特征分类器进行分类,获得双目深度特征对应的分类得分;步骤4:根据所有三维关键点的坐标结合级联检测模型,从左图像中截取完整人脸区域,归一化至固定尺寸;并对人脸图像提取局部二值模式特征LBP作为底层表观特征描述子;步骤5:用K‑means均值聚类算法得到LBP特征码书,对LBP特征脸中每一个像素对应的LBP特征向量进行视觉词袋BOF编码,得到图像中层特征描述,即BO ...
【技术特征摘要】
1.一种双目视觉深度特征与表观特征相结合的人脸活体检测方法,其特征在于,包括如下步骤:步骤1:建立双目视觉系统,所述双目视觉系统包括:双目立体摄像机,分别记为左摄像机和右摄像机;将左摄像机拍摄的图像简称为左图像,右摄像机拍摄的图像简称为右图像;步骤2:通过双目视觉系统对人脸进行检测,得到多个关键点,分别记录多个关键点在左图像、右图像中的坐标,并进行基于关键点的畸变校正;步骤3:采用非平行无校正的双目深度算法对每一个关键点进行初始深度的计算,将所有关键点转换为抽象三维关键点,采用人脸结构配准以及配准优化迭代算法,对所有抽象三维关键点进行模板脸结构配准,得到配准后的深度向量,作为活体检测特征之一,即双目深度特征;并通过已训练好的双目深度特征分类器进行分类,获得双目深度特征对应的分类得分;步骤4:根据所有三维关键点的坐标结合级联检测模型,从左图像中截取完整人脸区域,归一化至固定尺寸;并对人脸图像提取局部二值模式特征LBP作为底层表观特征描述子;步骤5:用K-means均值聚类算法得到LBP特征码书,对LBP特征脸中每一个像素对应的LBP特征向量进行视觉词袋BOF编码,得到图像中层特征描述,即BOF码字特征脸;采用空间金字塔模型进一步编码,得到活体检测的另一个高层特征描述子,也即微纹理特征;经已训练好的微纹理特征分类器,获得微纹理特征对应的人脸活体检测得分;步骤6:将步骤3中得到的双目深度特征对应的分类得分,以及步骤5中得到的微纹理特征对应的分类得分,进行决策层的融合,得到最终的活体检测置信度分值,并与测试集中最大检测精度对应的检测阈值比较,最终完成待检图像是否为活体的判断。2.根据权利要求1所述的双目视觉深度特征与表观特征相结合的人脸活体检测方法,其特征在于,所述步骤3中采用非平行无校正双目深度算法是指:计算每个关键点的初始深度,根据双目摄像机的内参数矩阵,旋转矩阵及平移矩阵,结合人脸关键点在左、右图像中对应的像素齐次坐标,根据投影法求解得到右相机坐标系下人脸关键点的Z坐标值,所述Z坐标值即为关键点的深度。3.根据权利要求1所述的双目视觉深度特征与表观特征相结合的人脸活体检测方法,其特征在于,所述步骤3中采用人脸结构配准及配准优化迭代算法是指:对所有关键点进行模板脸配准的模板脸是在训练过程中确定,其中结构配准算法的思想是经过若干次配准变换后,使得待检人脸中每个三维抽象关键点与模板脸中对应点的误差和最小;具体地,使用基于单位四元组的定向点集配准算法求使得配准误差和最小的平移向量、旋转矩阵及尺度因子,得到待检人脸的配准变换参数后,对待检人脸的每个抽象三维关键点进行第一次配准变换;最终得到结构配准后的归一化深度特征向量,送入双目深度特征分类器进...
【专利技术属性】
技术研发人员:宋潇,林天威,赵旭,
申请(专利权)人:上海交通大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。