一种活体检测方法及装置制造方法及图纸

本发明专利技术提供了一种活体检测方法及装置，其中，活体检测方法包括：活体检测装置获取待检测视频，进行人脸检测，得到包含人脸的初始帧，利用人脸跟踪算法进行人脸跟踪，对于跟踪到的每一帧人脸，获取感兴趣区域，对每一个图像帧中的感兴趣区域进行颜色通道分离得到N个单通道初始信号序列，进一步进行去噪和降维处理得到N个预处理信号序列，并计算得到用于活体检测的特征向量，将该特征向量作为活体检测SVM分类器的输入，判断该特征向量表征的M个图像帧中的人脸是否为活体。

A living body detection method and device

The invention provides a method and device for in vivo detection, wherein the in vivo detection method includes: the in vivo detection device obtains the video to be detected, performs face detection, obtains the initial frame containing the face, uses the face tracking algorithm to track the face, obtains the region of interest for each frame tracked, and for each frame The region of interest (ROI) in an image frame is segregated into N single channel initial signal sequences by color channel separation, and then N pre-processed signal sequences are obtained by denoising and dimension reduction. The feature vectors used in vivo detection are calculated. The feature vectors are used as the input of SVM classifier for vivo detection to determine the feature orientation. Are the faces in the M image frames represented as living objects?

【技术实现步骤摘要】
一种活体检测方法及装置
本专利技术涉及一种活体检测领域，尤其涉及一种活体检测方法及装置。
技术介绍
随着人工智能和机器学习领域的快速发展，人脸特征已经成为了应用最为广泛的生物特征之一。人脸特征已经被应用在通讯，金融，交通，安防等各个领域，如上班考勤、银行开户、机场验证等认证场合。与指纹、虹膜等其他生物特征相比，人脸特征有着采集方便和用户体验好等优点，但随之来的是人脸特征更加容易被获取和伪造而带来的挑战。人脸识别系统面临如下三种主要的攻击方式：(1)合法用户的照片攻击。通过网络和偷拍等方式获取合法用户的照片，再通过打印、伪造模拟和电子设备播放等方式对人脸识别系统进行攻击。(2)合法用户的视频攻击。通过网络和偷拍等方式获取合法用户的视频，再利用电子设备对含有眨眼、摇头动作和面部表情的视频进行回放的攻击方式。该种攻击方式是对人脸识别系统威胁较大的一种攻击方式。(3)合法用户的3D模型或者面具头套。利用3D打印等技术合成合法用户的人脸面具或头套，对人脸识别系统进行攻击。随着三维仿真技术的发展，这种攻击方式相比照片和视频更具威胁性。针对以上三种主要的攻击方式，目前人脸识别系统的活体检测方法主要包括以下几种：(1)交互式活体检测。系统与用户进行交互，引导用户进行眨眼，张嘴，点头等动作，根据用户是否完成指定动作判断是否为活体。(2)利用红外等其他设备进行活体检测。增加近红外、远红外或3D双摄像头等传感器，提取不同设备下活体人脸和非活体之间的差异特征，进行活体和非活体的区分。(3)基于机器学习的大数据分析方法。利用目前已有的人脸攻击数据库，利用机器学习方法对活体和非活体人脸进行区分。现有的活体检测方法虽然能够防范一部分的人脸攻击，但是均存在一定的确定。例如，交互式的检测方法比较繁琐，用户体验一般，对于高分辨率视频回放攻击和3D模型的防范效果有限；增加红外其他传感器的方法提高了设备成本，对硬件条件要求高，对用户体验也造成了一定的影响，且对于3D模型的防范效果不佳；基于大数据分析的方法需要预先获取大量的攻击数据，但因为不同类型的3D模型的数据很难获取，因此该方法对于3D模型类的攻击效果有限。
技术实现思路
本专利技术旨在解决上述问题/之一。本专利技术的主要目的在于提供一种活体检测方法。本专利技术的另一目的在于提供一种活体检测装置。为达到上述目的，本专利技术的技术方案具体是这样实现的：本专利技术一方面提供了一种活体检测方法，包括：步骤S1，活体检测装置获取待检测视频；步骤S2，将所述待检测视频中的第一帧图像作为待检测帧；步骤S3，对所述待检测帧进行人脸检测，判断所述待检测帧中是否包含人脸，如果是，则定位出人脸区域并执行步骤S4，否则，执行步骤S5；步骤S4，将所述待检测帧作为初始帧，利用特征点检测算法提取所述初始帧中的应选特征点，将所述初始帧中定位出的人脸区域作为跟踪区域，将所述待检测视频中初始帧的下一帧作为待跟踪帧，并执行步骤S6；步骤S5，将所述待检测视频中的下一帧图像作为待检测帧，并执行步骤S3；步骤S6，利用跟踪算法得到所述待跟踪帧的候选特征点，判断所述待跟踪帧中的应选特征点的数量是否满足第一预设条件，其中，所述应选特征点是所述候选特征点中满足第二预设条件的特征点，其中，所述第二预设条件为与所述待跟踪帧的上一帧中对应的应选特征点的距离小于或者等于S，如果所述待跟踪帧中的应选特征点的数量满足第一预设条件，确定所述待跟踪帧中跟踪到人脸，根据所述待跟踪帧中的应选特征点的位置确定所述待跟踪帧上的人脸区域，并执行步骤S7，否则，确定所述待跟踪帧中未跟踪到人脸，将所述待跟踪帧的下一帧作为待检测帧，并执行步骤S3；步骤S7，获取所述待跟踪帧上的人脸区域中的感兴趣区域，并执行步骤S8；步骤S8，判断跟踪到人脸的图像帧的数量是否等于M，如果是，则执行步骤S9，否则，执行步骤S10；步骤S9，将M个图像帧中的每一个图像帧中的感兴趣区域进行颜色通道分离，分别得到每一个图像帧中的感兴趣区域对应的N个单通道图像，分别计算每个单通道图像的感兴趣区域内像素的空间平均值，并分别将M个图像帧中同一颜色通道的所有单通道图像的感兴趣区域内像素的空间平均值按照对应帧的时间先后顺序组成一个M维的单通道初始信号序列，共得到N个单通道初始信号序列，并执行步骤S11；步骤S10，获取所述待跟踪帧的下一帧，并将所述待跟踪帧的下一帧作为新的待跟踪帧，并执行步骤S6；步骤S11，对所述N个单通道初始信号序列分别进行去噪和降维处理得到N个预处理信号序列，并分别计算得到所述N个预处理信号序列对应的功率谱密度，获取每个预处理信号的功率峰值和所述功率峰值与预设频率范围内的功率之和的比值，组成一个2*N维特征向量，并执行步骤S12，其中，所述预设频率范围包括人类心跳的频率范围；步骤S12，将所述特征向量作为活体检测SVM分类器的输入，判断所述特征向量表征的M个图像帧中的人脸是否为活体，其中，所述活体检测SVM分类器是使用预先获取的从真实人脸和/或攻击人脸提取得到的2*N维特征向量训练得到的。可选的，所述人脸感兴趣区域包括：人脸额头区域，和/或人脸眼睛以下、嘴巴以上的区域。可选的，所述去噪处理包括：带通滤波。可选的，所述降维处理包括：主成分分析。可选的，所述N等于3；所述3个单通道图像分别为红色通道图像、绿色通道图像和蓝色通道图像；或者，所述3个单通道图像分别为色调通道图像、饱和度通道图像、亮度通道图像；或者，所述3个单通道图像分别为亮度通道图像、第一色差通道图像、第二色差通道图像。本专利技术一方面提供了一种活体检测装置，包括：第一获取模块，用于获取待检测视频；人脸检测模块，用于将所述待检测视频中的第一帧图像作为待检测帧，对所述待检测帧进行人脸检测；第一判断模块，用于判断所述待检测帧中是否包含人脸，如果是，则触发所述人脸检测模块在所述待检测帧中定位出人脸并触发跟踪模块进行人脸跟踪操作，否则，触发所述人脸检测模块将所述待检测视频中的下一帧图像作为待检测帧，并进行人脸检测操作；所述跟踪模块，用于接收所述第一判断模块的触发，将所述检测出人脸的待检测帧作为初始帧，利用特征点检测算法提取所述初始帧中的应选特征点，将所述初始帧中定位出的人脸区域作为跟踪区域，将所述待检测视频中初始帧的下一帧作为待跟踪帧，利用跟踪算法得到所述待跟踪帧的候选特征点；第二判断模块，用于判断所述待跟踪帧中的应选特征点的数量是否满足第一预设条件，其中，所述应选特征点是所述候选特征点中满足第二预设条件的特征点，所述第二预设条件为与所述待跟踪帧的上一帧中对应的应选特征点的距离小于等于S，如果所述待跟踪帧中的应选特征点的数量满足第一预设条件，所述跟踪模块确定所述待跟踪帧中跟踪到人脸，根据所述待跟踪帧中的应选特征点的位置确定所述待跟踪帧上的人脸区域，如果所述待跟踪帧中的应选特征点的数量不满足第一预设条件，所述跟踪模块确定所述待跟踪帧中未跟踪到人脸，触发所述人脸检测模块将所述待跟踪帧的下一帧作为待检测帧；第二获取模块，用于在所述待跟踪帧中的应选特征点的数量满足第一预设条件的情况下，获取所述待跟踪帧上的人脸区域中的感兴趣区域；第三判断模块，用于判断跟踪到人脸的图像帧的数量是否等于M，如果是，则触发特征提取模块进行特征提取，否则，所述跟踪模块获取所述本文档来自技高网...

【技术保护点】
1.一种活体检测方法，其特征在于，包括：步骤S1，活体检测装置获取待检测视频；步骤S2，将所述待检测视频中的第一帧图像作为待检测帧；步骤S3，对所述待检测帧进行人脸检测，判断所述待检测帧中是否包含人脸，如果是，则定位出人脸区域并执行步骤S4，否则，执行步骤S5；步骤S4，将所述待检测帧作为初始帧，利用特征点检测算法提取所述初始帧中的应选特征点，将所述初始帧中定位出的人脸区域作为跟踪区域，将所述待检测视频中初始帧的下一帧作为待跟踪帧，并执行步骤S6；步骤S5，将所述待检测视频中的下一帧图像作为待检测帧，并执行步骤S3；步骤S6，利用跟踪算法得到所述待跟踪帧的候选特征点，判断所述待跟踪帧中的应选特征点的数量是否满足第一预设条件，其中，所述应选特征点是所述候选特征点中满足第二预设条件的特征点，其中，所述第二预设条件为与所述待跟踪帧的上一帧中对应的应选特征点的距离小于或者等于S，如果所述待跟踪帧中的应选特征点的数量满足第一预设条件，确定所述待跟踪帧中跟踪到人脸，根据所述待跟踪帧中的应选特征点的位置确定所述待跟踪帧上的人脸区域，并执行步骤S7，否则，确定所述待跟踪帧中未跟踪到人脸，将所述待跟踪帧的下一帧作为待检测帧，并执行步骤S3；步骤S7，获取所述待跟踪帧上的人脸区域中的感兴趣区域，并执行步骤S8；步骤S8，判断跟踪到人脸的图像帧的数量是否等于M，如果是，则执行步骤S9，否则，执行步骤S10；步骤S9，将M个图像帧中的每一个图像帧中的感兴趣区域进行颜色通道分离，分别得到每一个图像帧中的感兴趣区域对应的N个单通道图像，分别计算每个单通道图像的感兴趣区域内像素的空间平均值，并分别将M个图像帧中同一颜色通道的所有单通道图像的感兴趣区域内像素的空间平均值按照对应帧的时间先后顺序组成一个M维的单通道初始信号序列，共得到N个单通道初始信号序列，并执行步骤S11；步骤S10，获取所述待跟踪帧的下一帧，并将所述待跟踪帧的下一帧作为新的待跟踪帧，并执行步骤S6；步骤S11，对所述N个单通道初始信号序列分别进行去噪和降维处理得到N个预处理信号序列，并分别计算得到所述N个预处理信号序列对应的功率谱密度，获取每个预处理信号的功率峰值和所述功率峰值与预设频率范围内的功率之和的比值，组成一个2*N维特征向量，并执行步骤S12，其中，所述预设频率范围包括人类心跳的频率范围；步骤S12，将所述特征向量作为活体检测SVM分类器的输入，判断所述特征向量表征的M个图像帧中的人脸是否为活体，其中，所述活体检测SVM分类器是使用预先获取的从真实人脸和/或攻击人脸提取得到的2*N维特征向量训练得到的。...

【技术特征摘要】
1.一种活体检测方法，其特征在于，包括：步骤S1，活体检测装置获取待检测视频；步骤S2，将所述待检测视频中的第一帧图像作为待检测帧；步骤S3，对所述待检测帧进行人脸检测，判断所述待检测帧中是否包含人脸，如果是，则定位出人脸区域并执行步骤S4，否则，执行步骤S5；步骤S4，将所述待检测帧作为初始帧，利用特征点检测算法提取所述初始帧中的应选特征点，将所述初始帧中定位出的人脸区域作为跟踪区域，将所述待检测视频中初始帧的下一帧作为待跟踪帧，并执行步骤S6；步骤S5，将所述待检测视频中的下一帧图像作为待检测帧，并执行步骤S3；步骤S6，利用跟踪算法得到所述待跟踪帧的候选特征点，判断所述待跟踪帧中的应选特征点的数量是否满足第一预设条件，其中，所述应选特征点是所述候选特征点中满足第二预设条件的特征点，其中，所述第二预设条件为与所述待跟踪帧的上一帧中对应的应选特征点的距离小于或者等于S，如果所述待跟踪帧中的应选特征点的数量满足第一预设条件，确定所述待跟踪帧中跟踪到人脸，根据所述待跟踪帧中的应选特征点的位置确定所述待跟踪帧上的人脸区域，并执行步骤S7，否则，确定所述待跟踪帧中未跟踪到人脸，将所述待跟踪帧的下一帧作为待检测帧，并执行步骤S3；步骤S7，获取所述待跟踪帧上的人脸区域中的感兴趣区域，并执行步骤S8；步骤S8，判断跟踪到人脸的图像帧的数量是否等于M，如果是，则执行步骤S9，否则，执行步骤S10；步骤S9，将M个图像帧中的每一个图像帧中的感兴趣区域进行颜色通道分离，分别得到每一个图像帧中的感兴趣区域对应的N个单通道图像，分别计算每个单通道图像的感兴趣区域内像素的空间平均值，并分别将M个图像帧中同一颜色通道的所有单通道图像的感兴趣区域内像素的空间平均值按照对应帧的时间先后顺序组成一个M维的单通道初始信号序列，共得到N个单通道初始信号序列，并执行步骤S11；步骤S10，获取所述待跟踪帧的下一帧，并将所述待跟踪帧的下一帧作为新的待跟踪帧，并执行步骤S6；步骤S11，对所述N个单通道初始信号序列分别进行去噪和降维处理得到N个预处理信号序列，并分别计算得到所述N个预处理信号序列对应的功率谱密度，获取每个预处理信号的功率峰值和所述功率峰值与预设频率范围内的功率之和的比值，组成一个2*N维特征向量，并执行步骤S12，其中，所述预设频率范围包括人类心跳的频率范围；步骤S12，将所述特征向量作为活体检测SVM分类器的输入，判断所述特征向量表征的M个图像帧中的人脸是否为活体，其中，所述活体检测SVM分类器是使用预先获取的从真实人脸和/或攻击人脸提取得到的2*N维特征向量训练得到的。2.根据权利要求1所述的方法，其特征在于，所述人脸感兴趣区域包括：人脸额头区域，和/或人脸眼睛以下、嘴巴以上的区域。3.根据权利要求1或2所述的方法，其特征在于，所述去噪处理包括：带通滤波。4.根据权利要求1至3任一项所述的方法，其特征在于，所述降维处理包括：主成分分析。5.根据权利要求1至4任一项所述的方法，其特征在于，所述N等于3；所述3个单通道图像分别为红色通道图像、绿色通道图像和蓝色通道图像；或者，所述3个单通道图像分别为色调通道图像、饱和度通道图像、亮度通道图像；或者，所述3个单通道图像分别为亮度通道图像、第一色差通道图像、第二色差通道图像。6.一种活体检测装置，其特征在于，包括：第一获取模块，用于获取待检测视频；人脸...

【专利技术属性】
技术研发人员：李东声，
申请(专利权)人：天地融科技股份有限公司，
类型：发明
国别省市：北京,11