基于神经网络及多通道融合LBP特征的活体检测方法技术

本发明专利技术是基于神经网络及多通道融合LBP特征的活体检测方法,步骤为：采集包含待测人脸的RGB图像和红外图像；对上述两种图像进行预处理；分别获取预处理后的两种图像在多个通道上LBP特征并采用多种模式进行特征融合；拼接两种图像融合后的LBP特征并计算相应的直方图特征；将直方图特征输入到神经网络中进行二分类，判断待测人脸是否为活体。相较于由灰度图获取到的LBP特征，本发明专利技术通过多种模式融合多个通道的LBP特征获取到了更加完备的局部二值特征，从而提高特征了对于人脸纹理之间差异的分辨能力；同时检测结合了可见光和红外两种人脸图像的纹理特征，运用神经网络对纹理特征进行判断，进一步提升了活体判断的准确性和鲁棒性。

In vivo detection method based on neural network and multi-channel fusion LBP features

【技术实现步骤摘要】
基于神经网络及多通道融合LBP特征的活体检测方法
本专利技术属于计算机视觉领域，尤其涉及一种基于神经网络及多通道融合LBP特征的活体检测方法。
技术介绍
人脸识别技术是近年来兴起的一种身份认证技术，由于其高效，精准和低成本的特点，被广泛应用于安全、金融和人员管理等领域。在当下这个信息爆炸的时代，获取人脸照片和视频变得越来越容易，随之出现了大量针对人脸识别技术的虚假人脸攻击。一旦虚假人脸攻击成功，将对用户造成重大损失。活体检测技术的任务正是检测出这些虚假的人脸，解决人脸识别系统的安全隐患。当下人脸识别技术通行的活体检测技术一般采用交互式的动作活体检测。即系统指示用户按顺序完成左转、右转、张嘴、眨眼等随机动作指令。若用户做出的动作与系统指示的动作不符，即认为是虚假人脸。这种方法的安全性较高，能够有效地防止照片及视频攻击，但对于用户来说需要动作配合，体验感不佳。而基于纹理特征的活体检测，是一种非交互式的静默活体检测方法。该方法无需用户进行动作配合，仅通过人脸图像中的纹理特征信息的差异变化判断真实人脸与虚假人脸，但传统的LBP特本文档来自技高网...

【技术保护点】
1.基于神经网络及多通道融合LBP特征的活体检测方法，采集包含待测人脸的RGB图像和红外图像；对上述两种图像进行预处理；分别获取预处理后的两种图像在多个通道上LBP特征并采用多种模式进行特征融合；拼接两种图像融合后的LBP特征并计算相应的直方图特征；将直方图特征输入到神经网络中进行二分类，判断待测人脸是否为活体。/n

【技术特征摘要】
1.基于神经网络及多通道融合LBP特征的活体检测方法，采集包含待测人脸的RGB图像和红外图像；对上述两种图像进行预处理；分别获取预处理后的两种图像在多个通道上LBP特征并采用多种模式进行特征融合；拼接两种图像融合后的LBP特征并计算相应的直方图特征；将直方图特征输入到神经网络中进行二分类，判断待测人脸是否为活体。


2.根据权利要求1所述的基于神经网络及多通道融合LBP特征的活体检测方法，其特征在于，所述预处理是将两种图像的尺寸缩放至统一大小。


3.根据权利要求1所述的基于神经网络及多通道融合LBP特征的活体检测方法，其特征在于，所述特征融合是对于彩色人脸图像，在HSV颜色空间上计算其对应三个通道的LBP特征，然后分别采用极值和求和两种模式对三个通道的LBP特征进行融合，生成全新的LBP特征。


4.根据权利要求3所述的基于神经网络及多通道融合LBP特征的活体检测方法，其特征在于，所述生成全新的LBP特征的具体方法如下：
(1)将每一个像素点的三个通道的LBP值转换成二进制序列；
(2)将每一个像素点的三个通道中对应位置的二进制序列按位求极值；
(3)将每一个像素点的三个通道中对应位置的二进制序列按位求和；
(4)通过映射函数，根据上述每一个像素点融合后的序列分别生成极值模式的输出序列和求和模式的输出序列；
(5)将上述输出序列转换成相应的LBP特征；
(6)计算LBP特征对应的直方图特征并对其进行归一化；
(7)进一步地，对于由彩色人脸图像计算得到的直方图特征，分别计算两种模式下对应的特征均值；
(8)将两...

【专利技术属性】
技术研发人员：王伟栋，沈修平，
申请(专利权)人：上海悠络客电子科技股份有限公司，
类型：发明
国别省市：上海;31