基于光场相机的人脸活体检测方法技术

本发明专利技术公开了一种基于光场相机的人脸活体检测方法，包括：(1)光场相机原始数据的提取与解码；(2)从光场数据中提取面部不同深度的重对焦图像；(3)从重对焦图像中提取聚焦特征和功率谱特征，连接两种特征作为该人脸图像的综合特征；(4)对采集到的所有光场图像提取上述综合特征，将训练集的综合特征输入支持向量机训练，得到可用于人脸活体检测的模型；然后将待检测的图像的综合特征输入训练好的模型，得到检测结果。本发明专利技术利用光场相机一次拍照后可获得不同深度重对焦图像的特点，从中提取人脸重对焦变化特征来进行人脸活体检测，对比传统的人脸活体检测方法，本发明专利技术检测结果准确，检测效率更高，更为简单便利，符合实际应用的要求。

【技术实现步骤摘要】

本专利技术涉及人脸检测的研究领域，特别涉及一种基于光场相机的人脸活体检测方法。
技术介绍
人脸活体检测技术的目的是辨别所采集到的人脸的真假，确保用于认证的人脸信息是从活体用户上获取的，以此保障人脸识别系统的安全运行。随着人脸识别系统的应用推广，人脸活体检测技术愈发重要。传统的人脸活体检测技术在实际应用等方面还存在一些性能和准确度上的不足。传统的基于图像纹理频率等信息的人脸活体检测技术，容易受到光照，照片质量的影响。而基于运动信息如眨眼、头部运动、嘴部动作等的人脸活体检测技术，这类技术需要活体用户进行实时的动作响应配合，用户友好性差，或者需要以视频为基础，数据依赖性强，所需要的验证时间也比较长。而基于活体特征信息的人脸活体检测技术，如利用热红外成像则会受到室外温度，遮挡物等的影响，并且设备昂贵，代价较大。
技术实现思路
本专利技术的目的在于克服现有人脸活体检测技术的不足，提供一种实用性强、可明显提高识别准确率的基于光场相机的人脸活体检测方法。为了达到上述目的，本专利技术采用以下技术方案：本专利技术提供了一种基于光场相机的人脸活体检测方法，包括下述步骤：(1)光场相机原始数据的提取与解码，通过微透镜中心标定、Bayer格式解码、六边形-正交格点校正的步骤从Lytro光场相机中提取原始光场数据并进行色彩校正；(2)通过数字重对焦，从光场数据中提取出两张对焦在面部不同深度的重对焦图像；(3)综合两张不同深度的重对焦图像，分别提取聚焦特征和功率谱特征，将两种特征连接在一起作为该人脸图像的综合特征；(4)对采集到的所有光场图像提取上述综合特征，将训练集的综合特征输入支持向量机训练，支持向量机模型选择径向基函数，得到可用于人脸活体检测的模型，然后将待检测的图像的综合特征输入训练好的模型，得到检测结果。作为优选的技术方案，所述步骤(1)中，Lytro光场相机原始数据的提取与解码的具体步骤为：(1-1)微透镜中心标定：将Lytro光场相机中取得的白图像与一个低通滤波器卷积后，找到每个微透镜图像中的峰值，这就是微透镜的中心；(1-2)Bayer格式解码：采用Malvar提出的线性插值方法进行；(1-3)六边形-正交格点转换：采用Condat提出的转换方法进行。作为优选的技术方案，所述步骤(1)中，色彩校正的具体方法是：从Lytro光场相机中获得包含图像拍摄参数的json文件，从json文件中获得色彩校正的参数矩阵，将前面得到的光场数据与参数矩阵相乘。作为优选的技术方案，所述步骤(2)中，从光场数据中提取出两张对焦在面部不同深度的重对焦图像的具体方法为：令LF(x,y,u,v)表示原始光场数据，新的对焦深度为F'＝αF，重对焦后的光场表示为LF’(x,y,u,v)那么通过下列公式可以计算出重对焦在F'深度的图像： E ( α · F ) ( x , y ) = 1 α 2 F 2 ∫ ∫ L F ( u ( 1 - 1 α ) + x α , v ( 1 - 1 α ) + y α , u , v ) d u d v ]]>其中参数α控制对焦深度的变化，调整α的值，选取其中两张面部模糊程度差异较大的重对焦图像。作为优选的技术方案，所述步骤(3)中，提取聚焦特征的具体方法为：(3-1-1)采用Nayar提出的方法从两幅重对焦图像中提取改进的拉普拉斯能量和特征(Sum Modified Laplacian)，记为SML1和SML2；(3-1-2)计算差异变化值矩阵DIF＝SML1-SML2；(3-1-3)把矩阵DIF按列相加得到SumDIF；(3-1-4)通过二次方程式y＝ax2+bx+c曲线拟合SumDIF；(3-1-5)计算拟合的曲线y＝ax2+bx+c的系数A＝[a b c]T即为聚焦特征FR。作为优选的技术方案，所述步骤(3)中，提取功率谱特征的具体方法为：(3-2-1)通过掩膜将人脸图像I分为两个放射状的圆形子区域图像，第一个子区域包含鼻子周围，第二个则包含耳朵和脸颊轮廓；(3-2-2)对两张子区域图像进行二维离散傅里叶变换后，将得到的傅里叶频谱进行中心移动，使能量集中在每个频谱的中心；(3-2-3)以频谱中心为圆心把得到的频谱划分为n个不同半径的同心圆，计算各个圆形区域包含的功率占总功率的百分比α，计算公式如下： α c = Σ ( u , v ) ∈ C P ( u , v ) P T ]]>其中P(u,v)＝real(u,v)2+imag(u,v)2,这里real(u,v)和imag(u,v)是对应频率分量的实部和虚部，总功率(3-2-4)从每一个频谱中得到一个直方图，该直方图中每一个直条的值是
在每个圆形区域C上的功率百分比αc；(3-2-5)连接两个子区域图像的直方图，可以得到对应图片I的组合功率谱直方图PHist；(3-2-6)计算DIF＝PHist1-PHist2，得到的差值DIF即为功率谱特征FP。本专利技术与现有技术相比，具有如下优点和有益效果：1、本专利技术通过光场相机采集的数据进行人脸活体检测研究，相比于传统相机的二维平面成像，从光场相机中获得的四维光场数据可以为人脸活体检测提供更多更全面的信息，可以更好地弥补普通相机的不足，只需采集一张光场相机拍摄的照片，不需要活体用户的动作配合，本文档来自技高网...

【技术保护点】
一种基于光场相机的人脸活体检测方法，其特征在于，包括下述步骤：(1)光场相机原始数据的提取与解码，通过微透镜中心标定、Bayer格式解码、六边形‑正交格点校正的步骤从Lytro光场相机中提取原始光场数据并进行色彩校正；(2)通过数字重对焦，从光场数据中提取出两张对焦在面部不同深度的重对焦图像；(3)综合两张不同深度的重对焦图像，分别提取聚焦特征和功率谱特征，将两种特征连接在一起作为该人脸图像的综合特征；(4)对采集到的所有光场图像提取上述综合特征，将训练集的综合特征输入支持向量机训练，支持向量机模型选择径向基函数，得到可用于人脸活体检测的模型，然后将待检测的图像的综合特征输入训练好的模型，得到检测结果。

【技术特征摘要】
1.一种基于光场相机的人脸活体检测方法，其特征在于，包括下述步骤：(1)光场相机原始数据的提取与解码，通过微透镜中心标定、Bayer格式解码、六边形-正交格点校正的步骤从Lytro光场相机中提取原始光场数据并进行色彩校正；(2)通过数字重对焦，从光场数据中提取出两张对焦在面部不同深度的重对焦图像；(3)综合两张不同深度的重对焦图像，分别提取聚焦特征和功率谱特征，将两种特征连接在一起作为该人脸图像的综合特征；(4)对采集到的所有光场图像提取上述综合特征，将训练集的综合特征输入支持向量机训练，支持向量机模型选择径向基函数，得到可用于人脸活体检测的模型，然后将待检测的图像的综合特征输入训练好的模型，得到检测结果。2.根据权利要求1所述的基于光场相机的人脸活体检测方法，其特征在于，所述步骤(1)中，Lytro光场相机原始数据的提取与解码的具体步骤为：(1-1)微透镜中心标定：将Lytro光场相机中取得的白图像与一个低通滤波器卷积后，找到每个微透镜图像中的峰值，这就是微透镜的中心；(1-2)Bayer格式解码：采用Malvar提出的线性插值方法进行；(1-3)六边形-正交格点转换：采用Condat提出的转换方法进行。3.根据权利要求1所述的基于光场相机的人脸活体检测方法，其特征在于，所述步骤(1)中，色彩校正的具体方法是：从Lytro光场相机中获得包含图像拍摄参数的json文件，从json文件中获得色彩校正的参数矩阵，将前面得到的光场数据与参数矩阵相乘。4.根据权利要求1所述的基于光场相机的人脸活体检测方法，其特征在于，所述步骤(2)中，从光场数据中提取出两张对焦在面部不同深度的重对焦图像的具体方法为：令LF(x,y,u,v)表示原始光场数据，新的对焦深度为F'＝αF，重对焦后的光场表示为LF’(x,y,u,v)那么通过下列公式可以计算出重对焦在F'深度的图像： E ( α · F ) ( x , y ) = 1 α 2 F 2 ∫ ∫ L F ( u ( 1 - 1 α ) + x α , v ( ...

【专利技术属性】
技术研发人员：赖剑煌，谢晓华，雷云，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44