一种人脸活体检测方法及人脸识别设备技术

本发明专利技术适用于图像处理领域，提供了一种人脸活体检测方法及人脸识别设备。所述方法包括：检测图像中的人脸；生成与人脸相关的随机动作指令；采集图像序列；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。本发明专利技术提供的人脸活体检测方法不需要借助状态机等来描述不同的统计量，可以大幅降低运算量，降低了算法的复杂度，提高了算法运算效率，可以在手机、平板等资源较少的嵌入式终端实现高效的人脸活体检测。

A Face Biopsy Detection Method and Face Recognition Equipment

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《生物特征活体检测方法及系统》的中国专利需要采用SVM或者回归等方式训练得到姿态估计分类器，然后使用训练得到在姿态估计分类器对人脸图像进行姿态和表情估计，运算量比较大；授权公告号CN100592322C，专利技术名称为《照片人脸与活体人脸的计算机自动鉴别方法》的中国专利需要采用条件随机场理论建立用于判断眨眼动作的模型，计算复杂度偏高；申请公布号为CN106874876A，专利技术名称为《一种人脸活体检测方法与装置》的中国专利还需要进行人脸识别，通过人脸识别从历史数据中获取目标人脸信息，而人脸识别的运算量相当大。
技术实现思路
本专利技术的目的在于提供一种能降低算法的复杂度、提高算法运算效率的人脸活体检测方法、计算机可读存储介质及人脸识别设备。第一方面，本专利技术提供了一种人脸活体检测方法，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。第二方面，本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的人脸活体检测方法的步骤。第三方面，本专利技术提供了一种人脸识别设备，包括：一个或多个处理器；存储器；以及一个或多个计算机程序，所述处理器和所述存储器通过总线连接，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，其特征在于，所述处理器执行所述计算机程序时实现上述人脸活体检测方法的步骤。在本专利技术中，由于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。因此不需要借助状态机等来描述不同的统计量，可以大幅降低运算量，降低了算法的复杂度，提高了算法运算效率，可以在手机、平板等资源较少的嵌入式终端实现高效的人脸活体检测。附图说明图1是本专利技术实施例一提供的人脸活体检测方法的流程图。图2是本专利技术实施例三提供的人脸识别设备的具体结构框图。具体实施方式为了使本专利技术的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。实施例一：请参阅图1，本专利技术实施例一提供的人脸活体检测方法包括以下步骤：需注意的是，若有实质上相同的结果，本专利技术的人脸活体检测方法并不以图1所示的流程顺序为限。S101、检测图像中的人脸。在本专利技术实施例一中，S101具体可以包括以下步骤：S1011、获取图像；例如获取摄像机采集的一帧图像；摄像机可以是人脸识别设备自带的，也可以是与人脸识别设备连接的外置摄像机；人脸识别设备可以是移动终端(例如手机、平板电脑等)或台式电脑等；S1012、检测图像中的人脸；在本专利技术实施例一中，可以采用VJ算法进行人脸检测(请参考《Rapidobjectdetectionusingaboostedcascadeofsimplefeatures》(P.Viola,M.Jones，Proceedingsofthe2001IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition，2001)，该算法结合Haar特征和Adaboost分类器进行人脸检测，采用积分图加速特征提取，通过将AdaBoost构建的强分类器进行级联的方式，可以在提高人脸检测性能的同时大幅加快检测速度，具有运算效率高、资源占用率较低的优点，适合在手机、平板电脑等嵌入式终端进行实时的人脸检测。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。为提高人脸活体检测的正确率，设置了预设窗口，要求用户将人脸放置在预设窗口内进行相关指令动作。预设窗口可以是圆形、椭圆形、矩形等。预设窗口的外界矩形框的左上角的顶点坐标记为(X1,Y1)，右下角的顶点坐标记为(X2,Y2)。在本专利技术实施例一中，X1＝69，Y2＝169，X2＝254，Y2＝408，当然也可以设置为其他值。假设检测到的人脸区域的人脸矩形框的左上角的顶点坐标记为(x1,y1)，右下角的顶点坐标记为(x2,y2)。那么，检测到的人脸区域和预设窗口的重合区域面积A可以表示为：A＝(min(X2,x2)-max(X1,x1)+1)(min(Y2,y2)-max(Y1,y1)+1)，其中，max和min分别表示取最大值和取最小值运算。检测到的人脸区域和预设窗口的重合度I可以表示为：如果I<预设值，则认为检测到的人脸的尺寸与预设窗口不吻合，返回S1011，否则，执行S102。预设值可以设为0.4，当然也可以为其他经验值。S102、生成与人脸相关的随机动作指令。在本专利技术实施例一中，与人脸相关的随机动作指令可以包括摇头、点头、眨眼、张嘴中的一种或任意组合。S103、采集图像序列。图像序列包含用户为配合随机动作指令所完成的动作对应的图像，考虑到动作等待及完成的大致时长，本专利技术实施例一采集的图像序列的长度为100帧，当然也可以是其他经验值。S104、根据采集到的图像序列检测用户的人脸动作，根据人脸关键本文档来自技高网...

【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