本发明专利技术提供了一种改进的三维人脸活体检测方法及其装置，涉及人脸识别和图像处理技术邻域，所述方法包括：采集三维人脸图像；在所述三维人脸图像中选取多个特征点，并获取每一个特征点的邻域内各点的三维坐标信息；根据每一个特征点的邻域内各点的三维坐标信息计算每一个特征点的实际曲面曲率；根据每一个特征点的实际曲面曲率判断三维人脸图像是否来自于活体。本发明专利技术依据特征点的实际曲面曲率进行活体检测，使得检测结果的精确度高，检测结果具有鲁棒性和稳定性。
【技术实现步骤摘要】
技术邻域本专利技术涉及人脸识别和图像处理技术邻域，特别是涉及一种改进的三维人脸活体检测方法及三维人脸活体检测装置。
技术介绍
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。利用人脸识别技术可有效的加强安全和隐私，但现实中存在一个问题，就是利用打印的照片、手机或pad中的照片或视频等虚假的信息可以闯过人脸检测系统的安全防线，对安全和隐私构成威胁。在人脸识别中引入活体检测技术，可以有效地防止非法用户利用合法用户的照片和视频等造假信息通过人脸检测系统，从而避免安全漏洞。现有技术中已经存在人脸活体检测方法。例如，申请号为201310133442.9的中国专利申请公开了一种真实人脸和图片人脸的区别方法和系统，该专利申请采用两个摄像头进行图像采集，实现人脸匹配，对相匹配的人脸，根据人脸特征点以及两个摄像头的投影矩阵建立人脸特征点的三维特征点坐标，获取三维特征点坐标中的特征点间的最大深度差值，通过将特征点间的最大深度差值与预先设定的深度阈值进行比较判断是否为真实人脸。现有的人脸活体检测方法，仅用特征点间的最大深度差值进行简单判断，精确度不高，鲁棒性和稳定性较差。
技术实现思路
本专利技术所要解决的技术问题是如何能够提供一种三维人脸活体检测方法及三维人脸活体检测装置，以提高检测结果的精确度、鲁棒性和稳定性。为了解决上述问题，本专利技术公开了一种改进的三维人脸活体检测方法，包括：采集三维人脸图像；在所述三维人脸图像中选取多个特征点，并获取每一个特征点的邻域内各点的三维坐标信息；根据每一个特征点的邻域内各点的三维坐标信息计算每一个特征点的实际曲面曲率；根据每一个特征点的实际曲面曲率判断三维人脸图像是否来自于活体。作为一个举例说明，所述实际曲面曲率为：实际高斯曲率和实际平面曲率。作为一个举例说明，所述根据所述曲率信息判断所述三维人脸图像是否来自于活体包括：预设每一个特征点的标准曲面类型；根据每一个特征点的实际高斯曲率和实际平面曲率获得每一个特征点的实际曲面类型；通过将每一个特征点的实际曲面类型与该特征点的标准曲面类型进行比较，判断所述三维人脸图像是否来自于活体。作为一个举例说明，所述通过将每一个特征点的实际曲面类型与该特征点的标准曲面类型进行比较，判断所述三维人脸图像是否来自于活体，包括：将每一个特征点的实际曲面类型与该特征点的标准曲面类型进行比较；获取特征点的实际曲面类型与对应的标准曲面类型完全相符的特征点个数，如果完全相符的特征点个数大于或者等于预设阈值，则判断所述三维人脸图像来自于活体；如果完全相符的特征点个数小于预设阈值，则判断所述三维人脸图像来自于非活体。作为一个举例说明，所述多个特征点包括：眉间、鼻根、左眼外眼角、左眼内眼角、右眼内眼角、右眼外眼角、鼻尖、鼻子左边缘、鼻子右边缘、鼻中处的特征点中的几种或者全部组合。本专利技术还公开了一种改进的三维人脸活体检测装置，包括：采集模块，用于采集三维人脸图像；获取模块，用于在所述三维人脸图像中选取多个特征点，并获取每一个特征点的邻域内各点的三维坐标信息；计算模块，用于根据每一个特征点的邻域内各点的三维坐标信息计算每一个特征点的实际曲面曲率；判断模块，用于根据每一个特征点的实际曲面曲率判断三维人脸图像是否来自于活体。作为一个举例说明，所述实际曲面曲率为：实际高斯曲率和实际平面曲率。作为一个举例说明，所述判断模块包括：类型预设模块，用于预设每一个特征点的标准曲面类型；类型获取模块，用于根据每一个特征点的实际高斯曲率和实际平面曲率获得每一个特征点的实际曲面类型；类型比较模块，用于通过将每一个特征点的实际曲面类型与该特征点的标准曲面类型进行比较，判断所述三维人脸图像是否来自于活体。作为一个举例说明，所述类型比较模块包括：比较子模块，用于将每一个特征点的实际曲面类型与该特征点的标准曲面类型进行比较；判断子模块，用于获取特征点的实际曲面类型与对应的标准曲面类型完全相符的特征点个数，如果完全相符的特征点个数大于或者等于预设阈值，则判断所述三维人脸图像来自于活体；如果完全相符的特征点个数小于预设阈值，则判断所述三维人脸图像来自于非活体。作为一个举例说明，所述多个特征点包括：眉间、鼻根、左眼外眼角、左眼内眼角、右眼内眼角、右眼外眼角、鼻尖、鼻子左边缘、鼻子右边缘、鼻中处的特征点中的几种或者全部组合。与现有技术相比，本专利技术具有以下优点：本专利技术根据每一个特征点的邻域内各点的三维坐标信息计算每一个特征点的实际曲面曲率，根据每一个特征点的实际曲面曲率判断三维人脸图像是否来自于活体，由于某些特征点处于人脸特定形状的曲面或平面上，且不易受表情的影响，此类特征点的曲面曲率稳定，依据特征点的实际曲面曲率进行活体检测，使得检测结果的精确度高，并且检测结果也具有鲁棒性和稳定性。本专利技术的实际曲面曲率可以为：实际高斯曲率和实际平面曲率，则通过实际高斯曲率和实际平面曲率，能够很好地表征特征点所处曲面的弯曲程度和曲面类型。本专利技术所选择的多个特征点可以包括：眉间、鼻根、左眼外眼角、左眼内眼角、右眼内眼角、右眼外眼角、鼻尖、鼻子左边缘、鼻子右边缘、鼻中处的特征点中的几种或者全部组合。由于人眼和鼻子分别是人脸最凹陷和最突出的两个区域，因此，从上述区域中选择的特征点，既有较好的稳定性，又有较好的特征代表性，同时，所选特征点处于特定形状的曲面或平面上，且不易受表情的影响。附图说明图1是本专利技术一种改进的三维人脸活体检测方法的实施例的流程图；图2是本专利技术方法实施例中人脸特征点选取方式的一种举例说明的示意图；图3是本专利技术方法实施例中步骤104的一种举例说明的示意图；图4是本专利技术方法实施例中步骤104的另一种举例说明的示意图；图5是本专利技术一种改进的三维人脸活体检测装置的实施例的结构示意图；图6是本专利技术装置实施例中判断模块504的一种举例说明的结构示意图；图7是本专利技术装置实施例中判断模块504的另一种举例说明的结构示意图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。参照图1，示出了本专利技术一种改进的三维人脸本文档来自技高网...
【技术保护点】
一种改进的三维人脸活体检测方法，其特征在于，包括：采集三维人脸图像；在所述三维人脸图像中选取多个特征点，并获取每一个特征点的邻域内各点的三维坐标信息；根据每一个特征点的邻域内各点的三维坐标信息计算每一个特征点的实际曲面曲率；根据每一个特征点的实际曲面曲率判断三维人脸图像是否来自于活体。
【技术特征摘要】
1.一种改进的三维人脸活体检测方法，其特征在于，包括：
采集三维人脸图像；
在所述三维人脸图像中选取多个特征点，并获取每一个特征点的邻域内各
点的三维坐标信息；
根据每一个特征点的邻域内各点的三维坐标信息计算每一个特征点的实
际曲面曲率；
根据每一个特征点的实际曲面曲率判断三维人脸图像是否来自于活体。
2.如权利要求1所述的方法，其特征在于，
所述实际曲面曲率为：实际高斯曲率和实际平面曲率。
3.如权利要求2所述的方法，其特征在于，所述根据所述曲率信息判断
所述三维人脸图像是否来自于活体，包括：
预设每一个特征点的标准曲面类型；
根据每一个特征点的实际高斯曲率和实际平面曲率获得每一个特征点的
实际曲面类型；
通过将每一个特征点的实际曲面类型与该特征点的标准曲面类型进行比
较，判断所述三维人脸图像是否来自于活体。
4.如权利要求3所述的方法，其特征在于，所述通过将每一个特征点的
实际曲面类型与该特征点的标准曲面类型进行比较，判断所述三维人脸图像是
否来自于活体，包括：
将每一个特征点的实际曲面类型与该特征点的标准曲面类型进行比较；
获取特征点的实际曲面类型与对应的标准曲面类型完全相符的特征点个
数，如果完全相符的特征点个数大于或者等于预设阈值，则判断所述三维人脸
图像来自于活体；如果完全相符的特征点个数小于预设阈值，则判断所述三维
人脸图像来自于非活体。
5.如权利要求1至4任一项所述的方法，其特征在于，
所述多个特征点包括：眉间、鼻根、左眼外眼角、左眼内眼角、右眼内眼
角、右眼外眼角、鼻尖、鼻子左边缘、鼻子右边缘、鼻中处的特征点中的几种
或者全部组合。
...
【专利技术属性】
技术研发人员：孔勇，王玉瑶，
申请(专利权)人：北京天诚盛业科技有限公司，
类型：发明
国别省市：北京;11
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。