The invention is applicable to the field of image processing, and provides a face biopsy detection method and a face recognition device. The method includes: detecting face in image; generating random action instructions related to face; collecting image sequence; detecting user's face action according to the collected image sequence; calculating statistics related to each random action instruction according to the position of key points of face; calculating relative changes of all statistics related to each random action instruction separately, and rooting. According to the relative variation, we can judge whether the user's face action is consistent with the random action instruction or not, and if it is consistent, we can judge that the current face is a living body. The face biopsy detection method provided by the invention does not need to use state machine to describe different statistics, and can greatly reduce the computational amount, reduce the complexity of the algorithm, improve the computational efficiency of the algorithm, and realize efficient face biopsy detection in embedded terminals with less resources, such as mobile phones and tablets.
【技术实现步骤摘要】
一种人脸活体检测方法及人脸识别设备
本专利技术属于图像处理领域,尤其涉及一种人脸活体检测方法及人脸识别设备。
技术介绍
为防止人脸照片、视频等非活体人脸对人脸识别系统的攻击,需要研究人脸活体检测方法。常用的人脸活体检测方法包括基于双目摄像的人脸活体检测方法、基于近红外摄像的人脸活体检测方法、基于机器学习的人脸活体检测方法以及基于随机动作指令的人脸活体检测方法。基于双目摄像的人脸活体检测方法依据双目视觉原理计算面部各部位的深度信息,据此辨别当前对象是平面的人脸照片、视频还是活体人脸。但这类方法要求使用两个摄像头同时采集人脸图片。基于近红外摄像的人脸活体检测方法主要依据近红外光线下活体人脸和非活体人脸的纹理差异来检测人脸是否为活体,这类方法要求使用近红外光源以及滤镜。可见,基于双目摄像和基于近红外摄像的人脸活体检测方法都需要特殊的成像设备,不适用于目前常见的手机、平板等嵌入式终端。基于机器学习的人脸活体检测方法通常采用大量活体人脸图像和非活体人脸图像进行训练来构建人脸活体检测分类器,优点是可以实现盲检测,缺点是很难构建完备的训练数据集,检测性能受成像质量影响较大,而且资源占用率较高,运算效率偏低,不易部署在手机、平板等嵌入式终端上使用。基于随机动作指令的人脸活体检测方法要求用户按照随机指令进行运动,譬如张嘴、眨眼等,指令配合正确则判定人脸为活体。这种方法对成像条件和设备资源要求不高,在手机、平板等嵌入式终端的人脸活体检测领域应用较广。然而,现有的基于随机动作指令的人脸活体检测方法计算效率偏低。如申请公布号为CN105989264A,专利技术名称为《生物特征活体 ...
【技术保护点】
1.一种人脸活体检测方法,其特征在于,所述方法包括:S101、检测图像中的人脸;S102、生成与人脸相关的随机动作指令;S103、采集图像序列;S104、根据采集到的图像序列检测用户的人脸动作,根据人脸关键点的位置计算与每个随机动作指令相关的统计量,分别计算与每个随机动作指令相关的所有统计量的相对变化量,并根据相对变化量判断用户的人脸动作是否与随机动作指令一致,如果一致,则判定当前人脸为活体。
【技术特征摘要】
1.一种人脸活体检测方法,其特征在于,所述方法包括:S101、检测图像中的人脸;S102、生成与人脸相关的随机动作指令;S103、采集图像序列;S104、根据采集到的图像序列检测用户的人脸动作,根据人脸关键点的位置计算与每个随机动作指令相关的统计量,分别计算与每个随机动作指令相关的所有统计量的相对变化量,并根据相对变化量判断用户的人脸动作是否与随机动作指令一致,如果一致,则判定当前人脸为活体。2.如权利要求1所述的方法,其特征在于,所述S101具体包括:S1011、获取图像;S1012、检测图像中的人脸;S1013、判断检测到的人脸的尺寸是否与预设窗口吻合,如果吻合,则执行S102。3.如权利要求1所述的方法,其特征在于,所述与人脸相关的随机动作指令包括摇头、点头、眨眼、张嘴中的一种或任意组合。4.如权利要求1至3任一项所述的方法,其特征在于,所述S104具体包括:S1041、读取采集到的图像序列中的一帧图像,然后执行S1042,如果图像序列中的图像全部读取完毕,则直接执行S1045;S1042、定位人脸关键点;S1043、根据人脸关键点的位置计算与当前生成的随机动作指令相关的统计量;S1044、缓存所述与当前生成的随机动作指令相关的统计量;S1045、待图像序列读取完毕后,读取缓存的所有与随机动作指令相关的统计量,分别计算与每个随机动作指令相关的所有统计量的相对变化量;S1046、当与随机动作指令相关的所有统计量的相对变化量大于或等于与所述随机动作指令对应的动作的预设阈值时,判定用户的人脸动作与随机动作指令一致,并判定当前人脸为活体,否则判定用户的人脸动作与随机动作指令不一致。5.如权利要求3所述的方法,其特征在于,针对摇头、点头、眨眼和张嘴四个动作定位19个人脸关键点,其中左眼、右眼和嘴巴分别6个关键点,鼻尖1个关键点,具体为:左眼的上眼睑和下眼睑分别有2个关键点,左眼的两边眼角分别有1个关键点;右眼的上眼睑和下眼睑分别有2个关键点,右眼的两边眼角分别有1个关键点;上嘴唇和下嘴唇分别有2个关键点,嘴唇的两边嘴角分别有1个关键点;或者,针对摇头、点头、眨眼和张嘴四个动作定位25个人脸关键点,其中左眼、右眼和嘴巴分别8个关键点,鼻尖1个关键点,具体为:左眼的上眼睑和下眼睑分别有3个关键点,左眼的两边眼角分别有1个关键点;右眼的上眼睑和下眼睑分别有3个关键点,右眼的两边眼角分别有1个关键点;上嘴唇和下嘴唇分别有3个关键点,嘴唇的两边嘴角分别有1个关键点。6.如权利要求4所述的方法,其特征在于,所述定位人脸关键点具体为:在预设窗口内定位人...
【专利技术属性】
技术研发人员:曹诚,占广,陈涛,陈炳轩,吴梦溪,李发成,
申请(专利权)人:深圳风豹互联网科技有限公司,
类型:发明
国别省市:广东,44
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。