一种基于图像质量的人脸防伪方法技术

本发明专利技术涉及人脸防伪技术领域，具体的说是一种基于图像质量的人脸防伪方法。由于当前流行的人脸识别设备主要使用的是RGB单目相机，并针对以上存在的问题，本发明专利技术提出的人脸防伪方法使用了21个图像质量度量指标全面有效的评价图片的失真程度，并且不需要增加额外的硬件设备。具有用户友好、简单高效、泛化能力强、通用性高的优点。

A face anti-counterfeiting method based on image quality

【技术实现步骤摘要】
一种基于图像质量的人脸防伪方法
本专利技术涉及人脸防伪
，具体的说是一种基于图像质量的人脸防伪方法。
技术介绍
目前，生物特征可以安全、方便的用于访问控制系统，特别是人脸生物特征。由于其方便性和直观性，已经成为身份认证的主要手段之一。对于人脸识别系统，人脸防伪模块已经成为非常重要的一部分，可以有效的防止照片、视频、面具等攻击方式，从而提高人脸识别系统的稳健性。现有的人脸防伪方法主要包括基于纹理的、基于形状的、基于动作的和基于图像质量的方法。其中，基于图像质量的方法是一种最为简单有效人脸防伪策略。在现有的基于图像质量的人脸防伪方法中存在一些问题。首先，用于评估图像质量的指标比较单一，只有一个或几个，不能够全面评价图像的失真程度；其次，虽然利用红外相机、深度相机可以提高人脸防伪的性能，但也会大大增加硬件成本的开销，而且计算复杂度也会增加。这些方法如：一种人脸活体检测方法以及装置（201710341619.2），一种人脸活体检测方法及装置（201610806370.3），基于图像质量的活体检测方法、装置及计算机设备（201910266755.9）。
技术实现思路
本专利技术旨在提供一种基于图像质量的人脸防伪方法，采用多个图像特征全面有效的评价图片的失真程度，并且不需要增加额外的硬件设备。为了解决以上技术问题，本专利技术采用的技术方案为：一种基于图像质量的人脸防伪方法，包括以下步骤：1）、采集RGB人脸图像；2）、剪裁步骤1）中得到的人脸图像中的人脸区域，得到人脸区域图像；<br>3）、对步骤3）中得到的人脸区域图像利用Haar小波变换提取人脸区域图像的低频信息图、水平高频信息图、垂直高频信息图以及对角高频信息图；4）、对步骤3）中得到的四张图像分别计算出无参考的图像质量评估特征，无参考的图像质量评估特征包括图像的模糊特征和高低频索引HLFI；5）、将步骤3）中得到的四张图像分别通过高斯滤波来平滑处理图像，得到平滑的频信息图、水平高频信息图、垂直高频信息图以及对角高频信息图；6）、采用步骤3）中得到的四张图片和步骤5）中得到的四张图片计算有参考的图像质量评价特征，有参考的图像质量评价特征为：均方误差MSE、峰值信噪比PSNR、信噪比SNR、结构内容SC、最大像素差MD、平均像素差AD、标准化绝对误差NAE、拉普拉斯均方误差LMSE、归一化互相关NXC、平均角度相似MAS、平均角震级相似性MAMS、总边差TED、总角差TCD、光谱幅度误差SME、频谱相位误差SPE、梯度幅度误差GME、梯度相位误差GPE、结构相似指数SSIM、视觉信息保真度VIF；7）、将步骤4）和步骤6）中得到的Haar小波低频信息图片的无参考和有参考的质量评价特征串联起来，得到Haar小波变换得到低频信息图片的图像质量评价总特征；8）、按照步骤5）至步骤7）分别计算水平高频信息、垂直高频信息以及对角高频信息图的上述图像质量评价总特征；9）、将步骤7）和步骤8）中得到的图像质量评价总特征串联起来，得到图像Haar小波变换的图像的质量评价总特征；10）、对步骤9）中得到的图像Haar小波变换的图像的质量评价总特征利用SVM分类方法进行分类，得到步骤1）所采集的人脸图像的分类结果；11）、输出步骤10）中的分类结果。优选的，步骤3）中的人脸区域图像的小波变换是用一组小波基函数来表示图像信号，小波变换的表达式为：，；其中α＞0表示尺度因子，其作用是对基本小波函数φ（x）作伸缩，τ反映位移，其值可正可负，a和τ都是持续的变量；在不同尺度下小波的持续时间随值的加大而增宽，幅度则与反比减少，但波的形状保持不变；Haar小波变换即为用Haar尺度函数计算的小波变换，Haar尺度函数的形式为：。优选的，步骤4）中的模糊特征的计算方法为：先利用边缘检测器来寻找图像中的垂直边缘，然后扫描图像的每一行，对于与边缘位置相对应的像素，最接近边缘的局部极值位置定义为边缘的开始和结束位置；根据结束位置和开始位置之间的差异计算边缘宽度，并将其识别为该边缘位置的局部模糊度量；最后通过平均所有边缘位置上的局部模糊值，获得整个图像的全局模糊度量。优选的，步骤4）中的模糊特征的高低频索引HLFI计算方法为：，表示经过Haar小波变换得到的图片，表示图像的傅里叶变换。优选的，步骤6）中，，，，，，，，，，，，，，，，，，；其中，表示步骤3）中利用Haar小波变换提取人脸区域图像的低频信息图、水平高频信息图、垂直高频信息图以及对角高频信息图，表示步骤5）中通过高斯滤波得到平滑的频信息图、水平高频信息图、垂直高频信息图以及对角高频信息图，M和N表示图片的长度和宽度，c1和c2为常数，i和j分别为图像的行列，和分别表示图片的均值，分别表示图片的标准差，，是图片的角点数，是图片的角点数，表示图片的检测的边数，分别表示的是图片的拉普拉斯矩阵，，同理可得，表示图片的傅里叶变换，表示图片的水平和竖直方向的梯度，对于图片来说，其梯度映射为，图片的梯度映射同理可得。优选的，步骤6）中，视觉保真度VIF具体的计算步骤如下：第一步：对testimg和refimg与高斯核进行卷积；第二步：对第一步的结果进行降采样；第三步：对第二步的与高斯核进行卷积；第四步：分别计算经过第三步之后的testimg和refimg的协方差矩阵以及二者的乘积；第五步：对第四步的结果与高斯核进行卷积；第六步：将第五步的结果中小于零的数设为0得到testimg的sigma2_sq，refimg的sigma1_sq和两者乘积的结果sigma12；第七步：计算g=sigma12/(sigma1_sq+1e-10)，sv_sq=sigma2_sq-g*sigma12；第八步：将第七步的g和sv_sq中小于零的数设为0；第九步：计算：m1=g*g*sigma1_sq；第十步：计算：m2=sv_sq+sigma_nsq；第十一步：计算：m3=log(1+m1/m2)；第十二步：计算：m4=log(1+(sigma1_sq/sigma_nsq))；第十三步：对m3和m4的元素进行求和；第十四步：视觉保真度即为m3元素的和比m4元素的和。有益效果由于当前流行的人脸识别设备主要使用的是RGB单目相机，并针对以上存在的问题，本专利技术提出的人脸防伪方法使用了21个图像质量度量指标全面有效的评价图片的失真程度，并且不需要增加额外的硬件设备。具有用户友好、简单高效、泛化能力强、通用性高的优点。附图说明图1为本专利技术的流程图；图2为本专利技术经步骤2）得到的得到人脸区域图像；图3为本专利技术步骤3）中利用Haar小波变换提取人脸区域图像的低频信息图；图4为为本专利技术步骤3）中利用Haar小波变换提取人脸区域图像的水平高频信息图；图5为为本专利技术步骤3）中利用Haar小波变换提取人脸区域图像的垂直本文档来自技高网...

【技术保护点】
1.一种基于图像质量的人脸防伪方法，其特征在于：包括以下步骤：/n1）、采集RGB人脸图像；/n2）、剪裁步骤1）中得到的人脸图像中的人脸区域，得到人脸区域图像；/n3）、对步骤3）中得到的人脸区域图像利用Haar小波变换提取人脸区域图像的低频信息图、水平高频信息图、垂直高频信息图以及对角高频信息图；/n4）、对步骤3）中得到的四张图像分别计算出无参考的图像质量评估特征，无参考的图像质量评估特征包括图像的模糊特征和高低频索引HLFI；/n5）、将步骤3）中得到的四张图像分别通过高斯滤波来平滑处理图像，得到平滑的频信息图、水平高频信息图、垂直高频信息图以及对角高频信息图；/n6）、采用步骤3）中得到的四张图片和步骤5）中得到的四张图片计算有参考的图像质量评价特征，有参考的图像质量评价特征为：均方误差MSE、峰值信噪比PSNR、信噪比SNR、结构内容SC、最大像素差MD、平均像素差AD、标准化绝对误差NAE、拉普拉斯均方误差LMSE、归一化互相关NXC、平均角度相似MAS、平均角震级相似性MAMS、总边差TED、总角差TCD、光谱幅度误差SME、频谱相位误差SPE、梯度幅度误差GME、梯度相位误差GPE、结构相似指数SSIM、视觉信息保真度VIF；/n7）、将步骤4）和步骤6）中得到的Haar小波低频信息图片的无参考和有参考的质量评价特征串联起来，得到Haar小波变换得到低频信息图片的图像质量评价总特征；/n8）、按照步骤5）至步骤7）分别计算水平高频信息、垂直高频信息以及对角高频信息图的上述图像质量评价总特征；/n9）、将步骤7）和步骤8）中得到的图像质量评价总特征串联起来，得到图像Haar小波变换的图像的质量评价总特征；/n10）、对步骤9）中得到的图像Haar小波变换的图像的质量评价总特征利用SVM分类方法进行分类，得到步骤1）所采集的人脸图像的分类结果；/n11）、输出步骤10）中的分类结果。/n...

【技术特征摘要】
1.一种基于图像质量的人脸防伪方法，其特征在于：包括以下步骤：
1）、采集RGB人脸图像；
2）、剪裁步骤1）中得到的人脸图像中的人脸区域，得到人脸区域图像；
3）、对步骤3）中得到的人脸区域图像利用Haar小波变换提取人脸区域图像的低频信息图、水平高频信息图、垂直高频信息图以及对角高频信息图；
4）、对步骤3）中得到的四张图像分别计算出无参考的图像质量评估特征，无参考的图像质量评估特征包括图像的模糊特征和高低频索引HLFI；
5）、将步骤3）中得到的四张图像分别通过高斯滤波来平滑处理图像，得到平滑的频信息图、水平高频信息图、垂直高频信息图以及对角高频信息图；
6）、采用步骤3）中得到的四张图片和步骤5）中得到的四张图片计算有参考的图像质量评价特征，有参考的图像质量评价特征为：均方误差MSE、峰值信噪比PSNR、信噪比SNR、结构内容SC、最大像素差MD、平均像素差AD、标准化绝对误差NAE、拉普拉斯均方误差LMSE、归一化互相关NXC、平均角度相似MAS、平均角震级相似性MAMS、总边差TED、总角差TCD、光谱幅度误差SME、频谱相位误差SPE、梯度幅度误差GME、梯度相位误差GPE、结构相似指数SSIM、视觉信息保真度VIF；
7）、将步骤4）和步骤6）中得到的Haar小波低频信息图片的无参考和有参考的质量评价特征串联起来，得到Haar小波变换得到低频信息图片的图像质量评价总特征；
8）、按照步骤5）至步骤7）分别计算水平高频信息、垂直高频信息以及对角高频信息图的上述图像质量评价总特征；
9）、将步骤7）和步骤8）中得到的图像质量评价总特征串联起来，得到图像Haar小波变换的图像的质量评价总特征；
10）、对步骤9）中得到的图像Haar小波变换的图像的质量评价总特征利用SVM分类方法进行分类，得到步骤1）所采集的人脸图像的分类结果；
11）、输出步骤10）中的分类结果。


2.根据权利要求1所述的一种基于图像质量的人脸防伪方法，其特征在于：步骤3）中的人脸区域图像的小波变换是用一组小波基函数来表示图像信号，小波变换的表达式为：，；其中α＞0表示尺度因子，其作用是对基本小波函数φ（x）作伸缩，τ反映位移，其值可正可负，a和τ都是持续的变量；在不同尺度下小波的持续时间随值的加大而增宽，幅度则与反比减少，但波的形状保持不变；Haar小波变换即为用Haar尺度函数计算的小波变换，Haar尺度函数的形式为：。


3.根据权利要求1所述的一种基于图像质量的人脸防伪方法，其特征在于：步骤4）中的模糊特征的计算方法为：先利用边缘检测器来寻找图像中的垂直边缘...

【专利技术属性】
技术研发人员：郝坤坤，李慧斌，黄义妨，
申请(专利权)人：河南中原大数据研究院有限公司，
类型：发明
国别省市：河南;41