【技术实现步骤摘要】
真脸识别装置
本专利技术涉及人脸识别领域，具体涉及一种真脸识别装置。
技术介绍
图像识别技术已经深入许多领域，针对人脸识别进行照片攻击、视频攻击来伪装人脸进行不法操作的技术也随之出现，这些技术都严重影响了人脸识别的安全性。为了保证被识别的人脸为真人，在进行图像识别前需要进行活体检测。由于单个常规摄像头拍摄得到人脸图像后，无法直接根据该人脸图像判断摄像头前面的是真人还是攻击照片，因此现有技术中的许多活体检测技术需要硬件设备配合，例如多角度识别、体温识别等方式，即，通过多个摄像头或是红外装置判断用户的身体动作，从而避免用户人脸被图片、视频替代验证。上述方式的缺点是硬件成本高，需要在设置用于人脸识别的摄像头以外设置更多的识别装置并占用额外空间。
技术实现思路
本专利技术是为了解决上述问题而进行的，目的在于提供一种不需要额外硬件装置并能够直接对用于人脸识别的摄像头拍摄的照片进行分析就能实现真假人脸识别的真脸识别装置。本专利技术为了实现上述目的，采用了以下结构：<结构一>本专利技术的结构一提供了一种真脸识别装置，用于识别人脸图像是否是识别对象的真脸，其特征在于，包括：图像特征分类模型存储部、图像质量分类模型存储部、图像采集部、莫尔条纹判断部、分类控制部、图像特征分类运行部、图像质量分类运行部、分类结果判断部以及真脸图像确定部，图像特征分类模型存储部存储有基于对真脸摄制的真脸摄制图像以及对非真脸摄制的非真脸摄制图像通过特征分类的训练方法而得到的图像特征分类模...
【技术保护点】
1.一种真脸识别装置，用于识别人脸图像是否是识别对象的真脸，其特征在于，包括：/n图像特征分类模型存储部、图像质量分类模型存储部、图像采集部、莫尔条纹判断部、分类控制部、图像特征分类运行部、图像质量分类运行部、分类结果判断部以及真脸图像确定部，/n所述图像特征分类模型存储部存储有基于对真脸摄制的真脸摄制图像以及对非真脸摄制的非真脸摄制图像通过特征分类的训练方法而得到的图像特征分类模型，/n所述图像质量分类模型存储部存储有基于对所述真脸摄制图像的图像质量特征以及所述非真脸摄制图像的图像质量特征通过特征分类的训练方法而得到的图像质量分类模型，/n其中，所述图像采集部采集所述识别对象的人脸图像，/n所述莫尔条纹判断部判断所述人脸图像中是否存在莫尔条纹，/n当判断为不存在莫尔条纹时，所述分类控制部控制所述图像特征分类运行部把所述人脸图像输入到所述图像特征分类模型存储部中的所述图像特征分类模型中并对该图像特征分类模型进行运行从而得到与所述人脸图像相关的图像特征分类结果，并控制所述图像质量分类运行部把所述人脸图像输入到所述图像质量分类模型存储部中的所述图像质量分类模型中并对该图像质量分类模型进行运...
【技术特征摘要】
1.一种真脸识别装置，用于识别人脸图像是否是识别对象的真脸，其特征在于，包括：
图像特征分类模型存储部、图像质量分类模型存储部、图像采集部、莫尔条纹判断部、分类控制部、图像特征分类运行部、图像质量分类运行部、分类结果判断部以及真脸图像确定部，
所述图像特征分类模型存储部存储有基于对真脸摄制的真脸摄制图像以及对非真脸摄制的非真脸摄制图像通过特征分类的训练方法而得到的图像特征分类模型，
所述图像质量分类模型存储部存储有基于对所述真脸摄制图像的图像质量特征以及所述非真脸摄制图像的图像质量特征通过特征分类的训练方法而得到的图像质量分类模型，
其中，所述图像采集部采集所述识别对象的人脸图像，
所述莫尔条纹判断部判断所述人脸图像中是否存在莫尔条纹，
当判断为不存在莫尔条纹时，所述分类控制部控制所述图像特征分类运行部把所述人脸图像输入到所述图像特征分类模型存储部中的所述图像特征分类模型中并对该图像特征分类模型进行运行从而得到与所述人脸图像相关的图像特征分类结果，并控制所述图像质量分类运行部把所述人脸图像输入到所述图像质量分类模型存储部中的所述图像质量分类模型中并对该图像质量分类模型进行运行从而得到与所述人脸图像相关的图像质量分类结果，
所述分类结果判断部判断所述图像特征分类结果以及所述图像质量分类结果是否显示所述人脸图像与所述真脸摄制图像是同类，
当所述分类结果判断部判断所述图像特征分类结果和所述图像质量分类结果均显示为同类时，所述真脸图像确定部就把所述人脸图像确定为所述识别对象的真脸图像。
2.根据权利要求1所述的真脸识别装置，其特征在于，还包括：
颜色纹理分类模型存储部以及颜色纹理分类运行部，
所述颜色纹理分类模型存储部存储有基于对所述真脸摄制图像的颜色特征和纹理特征以及所述非真脸摄制图像的颜色特征和纹理特征通过特征分类的训练方法而得到的颜色纹理分类模型；
其中，当所述分类结果判断部判断所述图像特征分类结果和所述图像质量分类结果中的一个显示为同类且另一个显示为非同类时，所述分类控制部就控制所述颜色纹理分类运行部把所述人脸图像输入到所述颜色纹理分类模型存储部中的所述颜色纹理分类模型中并对该颜色纹理分类模型进行运行从而得到与所述人脸图像相关的颜色纹理分类结果，
所述分类结果判断部判断所述颜色纹理分类结果是否显示所述人脸图像与所述真脸摄制图像是同类，
当所述颜色纹理分类结果显示为同类时，所述真脸图像确定部就把所述人脸图像确定为所述识别对象的真脸图像。
3.根据权利要求2所述的真脸识别装置，其特征在于：
其中，所述颜色纹理分类运行部包括：
像素颜色提取统计单元，依次对所述人脸图像的每个像素进行颜色提取获得RGB数值，并对该RGB数值进行统计获得RGB分布特征；
图像切分单元，将所述人脸图像切分为多个子图像作为待分析图像；
像素空间提取计算单元，依次对每个所述待分析图像进行提取获得HSV空间分布数值，并对该HSV空间分布数值进行计算获得HSV分布特征；
纹理特征提取单元，依次对每个所述待分析图像进行提取获得包括局部纹理信息以及细节纹理信息的人脸纹理信息从而得到所述待分析图像的纹理特征；
模型运行单元，将所述RGB分布特征、所述HSV分布特征以及所述纹理特征输入到所述颜色纹理分类模型中并运行该颜色纹理分类模型，从而让所述颜色纹理分类模型根据输入的所述RGB分布特征、所述HSV分布特征以及所述纹理特征获得所述颜色纹理分类结果。
4.根据权利要求1所述的真脸识别装置，其特征在于：
其中，所述图像特征分类模型为卷积神经网络模型，
所述图像特征分类运行部包括：
图像特征提取单元，对所述人脸图像的人脸特征进行提取获得人脸图像特征；
模型运行单元，将所述人脸图像特征输入到所述卷积神经网络模型中并运行该卷积神经网络模型，从而让所述卷积神经网络模型根据输入的所述人脸图像特征获得所述图像特征分类结果。
5.根据权利要求1所述的真脸识别装置，其特征在于：
其中，所述图像质量分类运行部包括：
图像质量分析单元，根据图像质量分析指标分析所述人脸图像获取图像质量参数；
质量特征提取单元，对所述图像质量参数进行提取获得图像质量特征；
模型运行单元，将所述图像质量特征输入到所述图像质量分类模型中并运行该图像质量分类模型，从而让所述图像质量分类模型根据输入的所述图像质量特征获得所述图像质量分类结果。
6.根据权利要求5所述的真脸识别装置，其特征在于：
其中，所述图像质量分析指标包括图像信噪比指标、图像色彩深度指标、图像几何失真指标、图像清晰度指标、峰值信噪比指标以及图像均方误差指标。
7.一种真脸识别装置，用于识别人脸图像是否是识别对象的真脸，其特征在于，包括：
图像特征分类模型存储部、颜色纹理分类模型存储部、图像采集部、莫尔条纹判断部、分类控制部、图像特征分类运行部、颜色纹理分类运行部、分类结果判断部以及真脸图像确定部，
所述图像特征分类模型存储部存储有基于对真脸摄制的真脸摄制图像以及对非真脸摄制的非真脸摄制图像通过特征分类的训练方法而得到的图像特征分类模型，
所述颜色纹理分类模型存储部存储有基于对所述真脸摄制图像的颜色特征和纹理特征以及所述非真脸摄制图像的颜色特征和纹理特征通过特征分类的训练方法而得到的颜色纹理分类模型，
其中，所述图像采集部采集所述识别对象的人脸图像，
所述莫尔条纹判断部判断所述人脸图像中是否存在莫尔条纹，
当判断为不存在莫尔条纹时，所述分类控制部控制所述图像特征分类运行部把所述人脸图像输入到所述图像特征分类模型存储部中的所述图像特征分类模型中并对该图像特征分类模型...
【专利技术属性】
技术研发人员：周文，顾炯，曹永刚，
申请(专利权)人：株式会社理光，
类型：发明
国别省市：日本;JP
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。