活体人脸识别方法和装置制造方法及图纸

技术编号:22330680 阅读:30 留言:0更新日期:2019-10-19 12:23
本发明专利技术公开了一种活体人脸识别方法和装置,属于人脸识别领域。所述方法包括:检测到视频中的待测人脸,选取N个监测点;对每个监测点,连续测量M帧的RBG中的G值,每帧内监测点的G值与其相邻多点的G值取平均后形成该监测点在该帧的颜色值,最终得到颜色值G[M][N];采用CNN学习得到模型,将G[M][N]输入模型得到第一判定结果;利用快速傅里叶变换或小波变换对G[M][N]进行运算基于血谱频率得到第二判定结果;判定结果组合后根据对应的识别概率或对应的心率确定是否为活体人脸。所述装置包括:检测模块、测量模块、第一判定模块、第二判定模块和识别模块。本发明专利技术能够提高活体人脸的识别率。

【技术实现步骤摘要】
活体人脸识别方法和装置
本专利技术涉及人脸识别领域,特别涉及一种活体人脸识别方法和装置。
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识别的一系列相关技术,通常也叫做人像识别、面部识别。目前,常见的活体人脸识别普遍采用人脸的动作识别来确认是否为真实的人脸,例如,要求被检测者做指定动作,眨眼,旋转脑袋等等,如果能够按照要求正确执行指定动作,则确认为真实的人脸。但是,这种检测技术存在一个弊端,就是执行指定动作也是可以作假的,检测的结果会出现误判,即将一个非活体人脸识别为真实的活体人脸,从而导致识别率降低。
技术实现思路
本专利技术提供了一种活体人脸识别方法和装置,以解决上述技术问题。所述技术方案如下:一方面,本专利技术提供了一种活体人脸识别方法,所述方法包括:检测到视频中的待测人脸,在所述人脸的不同部位上选取N个监测点;对于选取的每一个监测点,连续测量所述视频内M帧的RBG中的G值,将每帧内所述监测点的G值与其相邻多个点的G值取平均后形成所述监测点在该帧的颜色值,最终得到所述M帧内所述N个监测点的颜色值G[M][N];采用卷积神经网络(ConvolutionalNeuralNetworks,CNN)进行人脸识别学习得到模型,将所述颜色值G[M][N]输入所述模型识别所述人脸是活体还是非活体,得到第一判定结果;利用快速傅里叶变换或小波变换对所述颜色值G[M][N]进行运算,得到所述人脸的血谱频率,与预设阈值比较后确定所述人脸是活体还是非活体,得到第二判定结果;将所述第一判定结果与第二判定结果进行组合,查找预设的组合与识别概率的对应关系,找到所述组合对应的识别概率确定是否为活体人脸;或者,查找预设的组合与心率的对应关系,找到所述组合对应的心率确定是否为活体人脸。可选地,所述采用卷积神经网络CNN进行人脸识别学习得到模型,将所述颜色值G[M][N]输入所述模型识别所述人脸是活体还是非活体,得到第一判定结果,包括:采用卷积神经网络CNN学习指定个数以上的人脸监测点数据与真实人脸的对应关系,得到模型,并采用多个真实人脸数据测试后调整所述模型;将所述颜色值G[M][N]输入调整后的所述模型得到一个向量的相似度,如果所述相似度大于指定的相似度阈值,则得到第一判定结果为活体人脸,如果所述相似度小于等于所述相似度阈值,则得到第一判定结果为非活体人脸。可选地,所述利用快速傅里叶变换或小波变换对所述颜色值G[M][N]进行运算,得到所述人脸的血谱频率,与预设阈值比较后确定所述人脸是活体还是非活体,得到第二判定结果,包括:利用快速傅里叶变换或小波变换对所述颜色值G[M][N]进行运算,得到每个监测点的波形频率级数,在每个频率级数中取最小频率得到N个频率;去掉所述N个频率中的最大值和最小值后取平均,得到所述人脸的血谱频率;如果所述血谱频率小于第一阈值,则得到第二判定结果为活体人脸;如果所述血谱频率大于等于所述第一阈值且小于第二阈值,则得到第二判定结果为待定;如果所述血谱频率大于等于所述第二阈值,则得到第二判定结果为非活体人脸。可选地,所述查找预设的组合与识别概率的对应关系,找到所述组合对应的识别概率确定是否为活体人脸,包括:查找预设的组合与识别概率的对应关系,如果所述组合为活体与活体、活体与待定中的任一个,则对应的识别概率大于指定识别概率,确定所述人脸为活体人脸;如果所述组合为活体与非活体、非活体与待定、非活体与非活体中的任一个,则对应的识别概率小于等于所述指定识别概率,确定所述人脸为非活体人脸。可选地,所述查找预设的组合与心率的对应关系,找到所述组合对应的心率确定是否为活体人脸,包括:查找预设的组合与心率的对应关系,如果所述组合为活体与活体、活体与待定中的任一个,则对应的心率为所述血谱频率,确定所述人脸为活体人脸;如果所述组合为活体与非活体、非活体与待定、非活体与非活体中的任一个,则对应的心率未检测到,确定所述人脸为非活体人脸。另一方面,本专利技术提供了一种活体人脸识别装置,所述装置包括:检测模块,其配置成检测到视频中的待测人脸,在所述人脸的不同部位上选取N个监测点;测量模块,其配置成对于选取的每一个监测点,连续测量所述视频内M帧的RBG中的G值,将每帧内所述监测点的G值与其相邻多个点的G值取平均后形成所述监测点在该帧的颜色值,最终得到所述M帧内所述N个监测点的颜色值G[M][N];第一判定模块,其配置成采用卷积神经网络CNN进行人脸识别学习得到模型,将所述颜色值G[M][N]输入所述模型识别所述人脸是活体还是非活体,得到第一判定结果;第二判定模块,其配置成利用快速傅里叶变换或小波变换对所述颜色值G[M][N]进行运算,得到所述人脸的血谱频率,与预设阈值比较后确定所述人脸是活体还是非活体,得到第二判定结果;识别模块,其配置成将所述第一判定结果与第二判定结果进行组合,查找预设的组合与识别概率的对应关系,找到所述组合对应的识别概率确定是否为活体人脸;或者,查找预设的组合与心率的对应关系,找到所述组合对应的心率确定是否为活体人脸。可选地,所述第一判定模块具体配置成:采用卷积神经网络CNN学习指定个数以上的人脸监测点数据与真实人脸的对应关系,得到模型,并采用多个真实人脸数据测试后调整所述模型;将所述颜色值G[M][N]输入调整后的所述模型得到一个向量的相似度,如果所述相似度大于指定的相似度阈值,则得到第一判定结果为活体人脸,如果所述相似度小于等于所述相似度阈值,则得到第一判定结果为非活体人脸。可选地,所述第二判定模块具体配置成:利用快速傅里叶变换或小波变换对所述颜色值G[M][N]进行运算,得到每个监测点的波形频率级数,在每个频率级数中取最小频率得到N个频率;去掉所述N个频率中的最大值和最小值后取平均,得到所述人脸的血谱频率;如果所述血谱频率小于第一阈值,则得到第二判定结果为活体人脸;如果所述血谱频率大于等于所述第一阈值且小于第二阈值,则得到第二判定结果为待定;如果所述血谱频率大于等于所述第二阈值,则得到第二判定结果为非活体人脸。可选地,所述识别模块具体配置成:查找预设的组合与识别概率的对应关系,如果所述组合为活体与活体、活体与待定中的任一个,则对应的识别概率大于指定识别概率,确定所述人脸为活体人脸;如果所述组合为活体与非活体、非活体与待定、非活体与非活体中的任一个,则对应的识别概率小于等于所述指定识别概率,确定所述人脸为非活体人脸。可选地,所述识别模块具体配置成:查找预设的组合与心率的对应关系,如果所述组合为活体与活体、活体与待定中的任一个,则对应的心率为所述血谱频率,确定所述人脸为活体人脸;如果所述组合为活体与非活体、非活体与待定、非活体与非活体中的任一个,则对应的心率未检测到,确定所述人脸为非活体人脸。另一方面,本专利技术还提供了一种计算设备,包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上所述的方法。另一方面,本专利技术还提供了一种计算机可读存储介质,优选为非易失性可读存储介质,其内存储有计算机程序,所述计算机程序在由处理器执行时实现如上所述的方法本文档来自技高网...

【技术保护点】
1.一种活体人脸识别方法,其特征在于,所述方法包括:检测到视频中的待测人脸,在所述人脸的不同部位上选取N个监测点;对于选取的每一个监测点,连续测量所述视频内M帧的RBG中的G值,将每帧内所述监测点的G值与其相邻多个点的G值取平均后形成所述监测点在该帧的颜色值,最终得到所述M帧内所述N个监测点的颜色值G[M][N];采用卷积神经网络CNN进行人脸识别学习得到模型,将所述颜色值G[M][N]输入所述模型识别所述人脸是活体还是非活体,得到第一判定结果;利用快速傅里叶变换或小波变换对所述颜色值G[M][N]进行运算,得到所述人脸的血谱频率,与预设阈值比较后确定所述人脸是活体还是非活体,得到第二判定结果;将所述第一判定结果与第二判定结果进行组合,查找预设的组合与识别概率的对应关系,找到所述组合对应的识别概率确定是否为活体人脸;或者,查找预设的组合与心率的对应关系,找到所述组合对应的心率确定是否为活体人脸。

【技术特征摘要】
1.一种活体人脸识别方法,其特征在于,所述方法包括:检测到视频中的待测人脸,在所述人脸的不同部位上选取N个监测点;对于选取的每一个监测点,连续测量所述视频内M帧的RBG中的G值,将每帧内所述监测点的G值与其相邻多个点的G值取平均后形成所述监测点在该帧的颜色值,最终得到所述M帧内所述N个监测点的颜色值G[M][N];采用卷积神经网络CNN进行人脸识别学习得到模型,将所述颜色值G[M][N]输入所述模型识别所述人脸是活体还是非活体,得到第一判定结果;利用快速傅里叶变换或小波变换对所述颜色值G[M][N]进行运算,得到所述人脸的血谱频率,与预设阈值比较后确定所述人脸是活体还是非活体,得到第二判定结果;将所述第一判定结果与第二判定结果进行组合,查找预设的组合与识别概率的对应关系,找到所述组合对应的识别概率确定是否为活体人脸;或者,查找预设的组合与心率的对应关系,找到所述组合对应的心率确定是否为活体人脸。2.根据权利要求1所述的方法,其特征在于,所述采用卷积神经网络CNN进行人脸识别学习得到模型,将所述颜色值G[M][N]输入所述模型识别所述人脸是活体还是非活体,得到第一判定结果,包括:采用卷积神经网络CNN学习指定个数以上的人脸监测点数据与真实人脸的对应关系,得到模型,并采用多个真实人脸数据测试后调整所述模型;将所述颜色值G[M][N]输入调整后的所述模型得到一个向量的相似度,如果所述相似度大于指定的相似度阈值,则得到第一判定结果为活体人脸,如果所述相似度小于等于所述相似度阈值,则得到第一判定结果为非活体人脸。3.根据权利要求1所述的方法,其特征在于,所述利用快速傅里叶变换或小波变换对所述颜色值G[M][N]进行运算,得到所述人脸的血谱频率,与预设阈值比较后确定所述人脸是活体还是非活体,得到第二判定结果,包括:利用快速傅里叶变换或小波变换对所述颜色值G[M][N]进行运算,得到每个监测点的波形频率级数,在每个频率级数中取最小频率得到N个频率;去掉所述N个频率中的最大值和最小值后取平均,得到所述人脸的血谱频率;如果所述血谱频率小于第一阈值,则得到第二判定结果为活体人脸;如果所述血谱频率大于等于所述第一阈值且小于第二阈值,则得到第二判定结果为待定;如果所述血谱频率大于等于所述第二阈值,则得到第二判定结果为非活体人脸。4.根据权利要求1所述的方法,其特征在于,所述查找预设的组合与识别概率的对应关系,找到所述组合对应的识别概率确定是否为活体人脸,包括:查找预设的组合与识别概率的对应关系,如果所述组合为活体与活体、活体与待定中的任一个,则对应的识别概率大于指定识别概率,确定所述人脸为活体人脸;如果所述组合为活体与非活体、非活体与待定、非活体与非活体中的任一个,则对应的识别概率小于等于所述指定识别概率,确定所述人脸为非活体人脸。5.根据权利要求1所述的方法,其特征在于,所述查找预设的组合与心率的对应关系,找到所述组合对应的心率确定是否为活体人脸,包括:查找预设的组合与心率的对应关系,如果所述组合为活体与活体、活体与待定中的任一个,则对应的心率为所述血谱频率,...

【专利技术属性】
技术研发人员:沈会良黄成翁彦韩万庭
申请(专利权)人:苏州小阳软件科技有限公司
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 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。

1