【技术实现步骤摘要】
基于3D点云几何特征的人脸活体检测方法
本专利技术涉及图像处理
，具体涉及基于3D点云几何特征的人脸活体检测方法。
技术介绍
目前，随着图像处理和计算机视觉技术的进步和发展，人脸识别在日常生活中的应用越来越广泛，在享受人脸识别技术给人们生活带来便捷的同时，识别人脸欺骗，提高人脸识别安全性显得尤为重要。当前的人脸活体检测方法大多是基于2D图像来实现的，通过提取2D纹理图片的特征，利用机器学习或者深度学习方法。这些方法受光照场景、姿态、表情等影响较大，不同的环境和场景下，检测的效果不够稳定，利用3D人脸点云可以减少光照和姿态这些因素带来的影响，提高检测的精度。现有的一些相机设备如RealSenseSR300等，利用结构光点云可以很方便得到3D人脸点云，使得利用3D点云来实现活体检测变得现实可行。现有的基于3D的点云的人脸防伪方法，直接用3D点云坐标，没有充分挖掘点云几何信息，只考虑了点云坐标点信息，且没有深度提取3D人脸点云的整体特征，特征描述很单一，对弯曲或者褶皱打印照片攻击难以防御。这些方法如：防视频、照片欺骗的人脸活...
【技术保护点】
1.基于3D点云几何特征的人脸活体检测方法，其特征在于：/n根据若干真人的3D点云数据，计算得到平均脸点云，根据该平均脸点云计算以真人平均脸的左眼、右眼、鼻尖、左嘴角以及右嘴角为中心得到的FPFH特征，将FPFH特征串联后得到平均脸的FPFH总特征；/n计算测试人脸左眼、右眼、鼻尖、左嘴角以及右嘴角五个关键点的FPFH特征，将FPFH特征串联后得到测试人脸的FPFH总特征；/n计算测试人脸的FPFH总特征和平均脸的FPFH总特征的欧氏距离，若距离大于阈值则判定为真人，否则认为是攻击。/n
【技术特征摘要】
1.基于3D点云几何特征的人脸活体检测方法，其特征在于：
根据若干真人的3D点云数据，计算得到平均脸点云，根据该平均脸点云计算以真人平均脸的左眼、右眼、鼻尖、左嘴角以及右嘴角为中心得到的FPFH特征，将FPFH特征串联后得到平均脸的FPFH总特征；
计算测试人脸左眼、右眼、鼻尖、左嘴角以及右嘴角五个关键点的FPFH特征，将FPFH特征串联后得到测试人脸的FPFH总特征；
计算测试人脸的FPFH总特征和平均脸的FPFH总特征的欧氏距离，若距离大于阈值则判定为真人，否则认为是攻击。
2.如权利要求1所述基于3D点云几何特征的人脸活体检测方法，其特征在于：包括以下步骤：
步骤101：预先采集大量的真人3D点云数据，对采集的真人3D点云数据进行预处理，得到大量预处理过的真人3D人脸点云；
步骤102：对所有预处理过的真人3D人脸点云，利用鼻尖点的坐标找到鼻尖点周围最近邻的N个点，对鼻尖点和最近邻的N个点，以第一个人的鼻尖点坐标为基准，计算其余人脸的鼻尖点坐标与第一个人的鼻尖点坐标的差，对齐鼻尖点，利用鼻尖点坐标差，平移其余人脸的N个点云坐标，最后通过求所有预先采集的真人3D人脸点云在这N个点的平均坐标，得到鼻子平均点云，按照上述方法计算得到真人的左眼、右眼、左嘴角以及右嘴角的平均点云；
步骤103：根据步骤102得到的5个关键点周围区域内的点云，利用每个点最近邻的5个点坐标，估计出每个点的法向量；
步骤104：对于平均脸的左眼、右眼、鼻尖、左嘴角、右嘴角这5个关键点，分别计算五个关键点最近邻的M个点，利用这个M个点的点云坐标和法向量信息计算关键点周围的M个点区域内的每个点上的FPFH；
步骤105：对关键点周围M个点的区域内的每个点云，对上述104步骤得到的每个关键点周围的M个点的FPFH特征求平均，每个关键点都得到一个33维的特征，将平均脸的五个关键点周围得到的平均FPFH特征依次串联起来，得到165维的总特征fmean；
步骤106：采集测试人脸的3D点云数据，对采集的测试人脸3D点云数据进行裁剪、填洞以及去噪预处理，得到测试人脸3D模型；
步骤107：检测出预处理之后的测试人脸的左眼、右眼、鼻尖、左嘴角以及右嘴角这5个关键点，参照步骤103-105的方法，并分别计算测试人脸的五个关键点周围M个点的FPFH特征的平均值，串联起来得到165维的总特征ftest；
步骤108：计算平均脸的165维FPFH总特征fmea...
【专利技术属性】
技术研发人员：郝坤坤，李慧斌，黄义妨，侯宗庆，马可，
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
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。