一种基于颜色分析的人脸欺骗检测方法技术

本发明专利技术涉及一种基于颜色分析的人脸欺骗检测方法，属于数字图像处理和模式识别领域。该方法包括以下步骤：图像预处理阶段：从视频中将人脸区域裁剪成128×128大小的图像块；特征提取阶段：通过局部二值模式和颜色距提取图像的特征；分类阶段：把局部二值模式与颜色距特征向量融合，然后用支持向量机进行分类得出结果。本发明专利技术方法能够在纹理特征的基础上添加颜色信息，应用在人脸欺骗检测中可以更好的帮助系统学习真实人脸和仿冒人脸之间的颜色信息。同时与其他引入颜色信息的方法相比我们的方法拥有更小的计算量，更快的计算速度。

A face deception detection method based on color analysis

【技术实现步骤摘要】
一种基于颜色分析的人脸欺骗检测方法
本专利技术属于数字图像处理和模式识别领域，涉及局部二值模式等技术，具体涉及一种基于颜色分析的人脸欺骗检测方法。
技术介绍
随着人脸识别的广泛应用，越来越多不法分子企图用照片或者视频等手段仿冒真实人脸来通过人脸识别，对用户造成了严重损失。为了保障人脸识别的安全性，人脸欺骗检测技术必不可少。人脸欺骗攻击根据入侵者使用的攻击媒介的不同可以分为3类，打印照片攻击，视频攻击，面具攻击。由于成本低，使用方便，攻击者最常使用打印照片或者视频来进行欺骗攻击。为了应对不同的人脸欺骗攻击，学者们提出了多种基于特征提取的欺骗检测方法。根据使用描述子的不同可分为4类：基于纹理的方法，基于面部运动的方法，基于图像质量分析的方法和基于其他线索的方法。基于纹理的方法仅需单张图片即可进行识别，速度快，不需要用户配合，实现简单。但是纹理特征受环境因素影响大，因此泛化性差。鉴于面部运动特征是多帧视频的相对特征，因此，基于面部运动的方法具有更好的泛化能力。相对的，运动特征的提取要花更长的时间，不具备即时性，并且容易被无关背景物体运动混淆。基于图像质量分析的方法不需要用户配合，速度快，效果较好，在不同场景中泛化性比较好。但是这种方法对于图像质量有一定要求。基于其他线索的方法是使用硬件提供额外信息。这种方法鲁棒性比较好，但是需要额外的设备，比如近红外，闪光灯等，成本较高，不易实现。仿冒图像是使用用户照片或者视频再次拍摄得到的二次成像图片。真实人脸与仿冒人脸之间存在一些图像质量上的差异，理论依据就是二次成像图片在通过两个不同的拍摄系统和一个打印系统或者播放设备后，会比同样条件下提取的真实人脸图像质量更低，也会出现图片模糊等现象。同时，二次成像图像也更容易受到视频噪声信号或者无关背景信息的干扰，从而造成其他图像质量问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于颜色分析的人脸欺骗检测方法，使得更有效的将纹理特征与颜色特征相融合，通过在HSV与YCbCr通道上提取局部二值模式与颜色距特征，让特征向量对颜色纹理及颜色分布进行表达，以实现在图像质量上区分假冒人脸和真实人脸。为达到上述目的，本专利技术提供如下技术方案：一种基于颜色分析的人脸欺骗检测方法，包括以下步骤：S1：图像预处理阶段：从视频中将人脸区域裁剪成128×128大小的图像块；S2：特征提取阶段：通过局部二值模式和颜色距提取图像的特征；S3：分类阶段：将局部二值模式与颜色距特征向量融合，然后用支持向量机进行分类得出结果。进一步，所述步骤S1具体包括以下步骤：S11：在每个视频中随机提取30帧图像作为某一类的样本；S12：根据双眼之间距离将图像中的人脸区域裁剪成128×128大小的图像块。此操作是为了剔除图片背景信息，防止背景信息对欺骗检测产生不好影响。进一步，所述步骤S2具体包括以下步骤：S21：将输入RGB图像转到HSV与YCbCr颜色空间；S22：分别在图像HSV与YCbCr颜色空间的每个颜色通道上提取局部二值模式特征，得到9×6维特征矩阵；S23：分别在图像HSV与YCbCr颜色空间的每个颜色通道上提取颜色距特征，得到3×6维特征矩阵。更进一步，所述步骤S22中，提取的局部二值模式特征表示为：其中，LBP为输出的中心像素局部二值模式特征值，gc表示中心像素的像素值，gp表示周围像素的像素值，s(x)表示若周边像素的像素值大于中心像素的像素值则取1，否则取0。更进一步，所述步骤S23中，提取的颜色距特征表示为：其中，μi为一阶距均值，σi为二阶距方差，si为三阶距斜率，pi,j表示第i张图像中第j个像素的像素值，N表示一张图像的像素总数。进一步，所述步骤S3具体包括以下步骤：S31：将步骤S22得到的特征矩阵与S23得到的特征矩阵拉成一列并拼接，得到一个72维特征向量；S32：将步骤S31得到的特征向量送入支持向量机，并用RBF核进行分类得出结果。此特征在纹理特征基础上融合了颜色分布特征，实现引入了图像的颜色信息。本专利技术的有益效果在于：本专利技术通过在不同颜色空间中提取颜色纹理与颜色分布特征，以较低特征维度对真实人脸与假冒人脸之间的图像质量差异进行有效区分。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：图1为本专利技术所述人脸欺骗检测方法的流程图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。请参阅图1，本专利技术为一种基于颜色分析的人脸欺骗检测方法，该方法包含如下步骤：步骤1：在每个视频中随机提取30帧图像作为这个类的样本。转换公式为：步骤2：根据双眼之间距离将图像中的人脸区域裁剪成128×128大小的图像块。步骤3：将输入RGB图像转到HSV与YCbCr颜色空间。步骤4：分别在图像HSV与YCbCr颜色空间的每个颜色通道上提取局部二值模式特征。局部二值模式特征提取流程可以用如下公式表示：其中，LBP为输出的中心像素局部二值模式特征值，gc表示中心像素的像素值，gp表示周围像素的像素值，s(x)表示若周边像素的像素值大于中心像素的像素值则取1，否则取0。步骤5：分别在图像HSV与YCbCr颜色空间的每个颜色通道上提取颜色距特征。颜色距特征可用如下公式表达：其中，μi为一阶距均值，σi为二阶距方差，si为三阶距斜率，pi,j表示第i张图像中第j个像素的像素值。使用前三阶颜色距即可表示大部分的颜色分布。步骤6：将步骤4得到的特征矩阵与步骤5得到的特征矩阵拉成一列并拼接，得到一个72维特征向量，即为融合纹理与颜色分布信息的特征向量。为了验证本专利技术的效果，进行了以下实验：基于这种人脸欺骗检测方法，在CASIA和Replay-Attack数据集上进行了测试。选用的是数据集中所有视频。视频分为真实人脸与假冒人脸，假冒人脸分为二类，分别为照片攻击与视频攻击。数据集的目标是将真实人脸与假冒人脸区分开来。数据集中一共有5本文档来自技高网...

【技术保护点】
1.一种基于颜色分析的人脸欺骗检测方法，其特征在于，该方法包括以下步骤：/nS1：图像预处理阶段：从视频中将人脸区域裁剪成128×128大小的图像块；/nS2：特征提取阶段：通过局部二值模式和颜色距提取图像的特征；/nS3：分类阶段：将局部二值模式与颜色距特征向量融合，然后用支持向量机进行分类得出结果。/n

【技术特征摘要】
1.一种基于颜色分析的人脸欺骗检测方法，其特征在于，该方法包括以下步骤：
S1：图像预处理阶段：从视频中将人脸区域裁剪成128×128大小的图像块；
S2：特征提取阶段：通过局部二值模式和颜色距提取图像的特征；
S3：分类阶段：将局部二值模式与颜色距特征向量融合，然后用支持向量机进行分类得出结果。


2.根据权利要求1所述的一种基于颜色分析的人脸欺骗检测方法，其特征在于，所述步骤S1具体包括以下步骤：
S11：在每个视频中随机提取30帧图像作为某一类的样本；
S12：根据双眼之间距离将图像中的人脸区域裁剪成128×128大小的图像块。


3.根据权利要求1所述的一种基于颜色分析的人脸欺骗检测方法，其特征在于，所述步骤S2具体包括以下步骤：
S21：将输入RGB图像转到HSV与YCbCr颜色空间；
S22：分别在图像HSV与YCbCr颜色空间的每个颜色通道上提取局部二值模式特征，得到9×6维特征矩阵；
S23：分别在图像HSV与YCbCr颜色空间的每个颜色通道上提取颜色距特征，得到3×6维特征矩阵。

<...

【专利技术属性】
技术研发人员：栾晓，任旻，刘玲慧，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50