人脸活体检测方法及装置制造方法及图纸

本发明专利技术公开了一种人脸活体检测方法及装置，该方法包括：采集待检测人脸图像；对待检测人脸图像进行特征提取处理，生成多种特征图像；将待检测人脸图像和特征图像输入至预先通过机器学习训练得到的人脸活体检测分类模型中，输出人脸活体检测结果；对待检测人脸图像进行特征提取处理，生成多种特征图像，包括：对待检测人脸图像进行光照归一化处理，生成光照归一化处理图像；采用LBP算法对待检测人脸图像进行特征提取处理，生成纹理特征图像；将待检测人脸图像由RGB颜色空间转换为HSV空间，生成HSV图像；对待检测人脸图像进行DCT变换，生成频谱图像。本发明专利技术检测时间较短，对人脸活体检测的精度较高，可以减少光照对于识别的影响。

【技术实现步骤摘要】
人脸活体检测方法及装置
本专利技术涉及人脸识别
，尤其涉及一种人脸活体检测方法及装置。
技术介绍
随着生物特征识别技术的不断发展和进步，人脸识别基于其具有可视化、符合人的思维习惯的特点，在商业、安全等领域得到了广泛应用。然而人脸识别系统容易受到非法用户的恶意攻击，这给人脸识别系统的安全性能带来了很大的威胁。针对恶意攻击，设计一个检测精度高、耗时短、鲁棒性强、泛化能力强的人脸反欺骗系统至关重要。而人脸识别系统的反欺骗检测则又称为人脸活体检测。现有技术所采用的活体检测技术可以分为两类：一类基于多帧图片或视频序列进行计算，采用交互式或者非交互式的检测模式，通过分析连续多帧图像中的动作信息，鉴别人脸的真实性，但是这类方法计算复杂，所需时间长。另一类是基于单帧图片输入，通过分析图片中的纹理、频谱、反光程度等特征进行鉴别，但是此类方法依赖于大量伪造人脸所共有的判断性特征，对人脸活体检测的精度较低。
技术实现思路
本专利技术实施例提供一种人脸活体检测方法，检测过程简单，所需时间较短，对人脸活体检测的精度较高，该方法包括：采集待检测人脸图像；对所述待检测人脸图像进行特征提取处理，生成多种特征图像；将所述待检测人脸图像和所述特征图像输入至预先通过机器学习训练得到的人脸活体检测分类模型中，输出人脸活体检测结果；对所述待检测人脸图像进行特征提取处理，生成多种特征图像，包括：对所述待检测人脸图像进行光照归一化处理，生成光照归一化处理图像；采用LBP算法对所述待检测人脸图像进行特征提取处理，生成纹理特征图像；将所述待检测人脸图像由RGB颜色空间转换为HSV空间，生成HSV图像；对所述待检测人脸图像进行DCT变换，生成频谱图像可选的，对所述待检测人脸图像进行光照归一化处理，生成光照归一化处理图像，包括：对所述待检测人脸图像进行伽马变换；对进行伽马变换后的图像进行高斯差分滤波；对进行高斯差分滤波后的图像进行直方图均衡化处理，生成光照归一化处理图像。可选的，所述方法还包括：在将所述待检测人脸图像和所述特征图像输入至预先通过机器学习训练得到的人脸活体检测分类模型中时，为不同类型的特征图像配置不同的权重系数。可选的，对所述待检测人脸图像进行特征提取处理之前，所述方法还包括：对所述待检测人脸图像进行预处理操作，所述预处理操作包括：滤波、去噪、二值化操作。可选的，所述采集待检测人脸图像之后，还包括：利用基于Viola-Jones算法的检测器对待检测人脸图像进行检测，获取人脸区域图像；对所述待检测人脸图像进行特征提取处理，生成多种特征图像，包括：对所述人脸区域图像进行特征提取处理，生成多种特征图像。可选的，将所述待检测人脸图像和所述特征图像输入至预先通过机器学习训练得到的人脸活体检测分类模型之前，所述方法还包括：获取训练样本数据，所述训练样本数据人脸活体数据和非人脸活体数据；根据所述训练样本数据，对多层卷积神经网络模型进行训练，得到人脸活体检测分类模型。本专利技术实施例还提供一种人脸活体检测装置，检测过程简单，所需时间较短，对人脸活体检测的精度较高，该装置包括：图像采集模块，用于采集待检测人脸图像；特征提取处理模块，用于对所述待检测人脸图像进行特征提取处理，生成多种特征图像；人脸活体检测模块，用于将所述待检测人脸图像和多种所述特征图像输入至预先通过机器学习训练得到的人脸活体检测分类模型中，输出人脸活体检测结果；特征提取处理模块进一步用于：对所述待检测人脸图像进行光照归一化处理，生成光照归一化处理图像；采用LBP算法对所述待检测人脸图像进行特征提取处理，生成纹理特征图像；将所述待检测人脸图像由RGB颜色空间转换为HSV空间，生成HSV图像；对所述待检测人脸图像进行DCT变换，生成频谱图像。本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。本专利技术实施例中，通过采集待检测人脸图像，对待检测人脸图像进行特征提取处理，生成特征图像，并将待检测人脸图像和特征图像输入至预先通过机器学习训练得到的人脸活体检测分类模型中，输出人脸活体检测结果，进而完成对人脸活体的检测，检测过程简单，所需时间较短，并且无需依赖于大量伪造人脸所共有的判断性特征，对人脸活体检测的精度较高。通过对待检测人脸图像进行光照归一化处理，生成光照归一化处理图像，可以尽可能的减少光照对于识别的影响。通过对待检测人脸图像采用LBP算法对待检测人脸图像进行特征提取处理，生成纹理特征图像，将待检测人脸图像由RGB颜色空间转换为HSV空间，生成HSV图像，对待检测人脸图像进行DCT变换，生成频谱图像，可以进一步保证对待检测人脸图像的检测精度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本专利技术实施例中人脸活体检测方法的流程图；图2为本专利技术实施例中人脸活体检测装置的结构示意图；图3为本专利技术实施例中人脸活体检测方法的应用示例图；图4为本专利技术实施例中卷积神经网络的结构示意图；图5为本专利技术实施例中的计算机设备示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。图1为本专利技术实施例提供的一种人脸活体检测方法的流程图，如图1所示，该方法包括：步骤101、采集待检测人脸图像。在本实施例中，采集待检测人脸图像后，为了提高后续检测精度，可以利用基于Viola-Jones算法的检测器对待检测人脸图像进行检测，获取人脸区域图像，后续检测时直接使用该人脸区域图像即可。步骤10本文档来自技高网...

【技术保护点】
1.一种人脸活体检测方法，其特征在于，包括：/n采集待检测人脸图像；/n对所述待检测人脸图像进行特征提取处理，生成多种特征图像；/n将所述待检测人脸图像和多种所述特征图像输入至预先通过机器学习训练得到的人脸活体检测分类模型中，输出人脸活体检测结果；/n对所述待检测人脸图像进行特征提取处理，生成多种特征图像，包括：/n对所述待检测人脸图像进行光照归一化处理，生成光照归一化处理图像；/n采用LBP算法对所述待检测人脸图像进行特征提取处理，生成纹理特征图像；/n将所述待检测人脸图像由RGB颜色空间转换为HSV空间，生成HSV图像；/n对所述待检测人脸图像进行DCT变换，生成频谱图像。/n

【技术特征摘要】
1.一种人脸活体检测方法，其特征在于，包括：
采集待检测人脸图像；
对所述待检测人脸图像进行特征提取处理，生成多种特征图像；
将所述待检测人脸图像和多种所述特征图像输入至预先通过机器学习训练得到的人脸活体检测分类模型中，输出人脸活体检测结果；
对所述待检测人脸图像进行特征提取处理，生成多种特征图像，包括：
对所述待检测人脸图像进行光照归一化处理，生成光照归一化处理图像；
采用LBP算法对所述待检测人脸图像进行特征提取处理，生成纹理特征图像；
将所述待检测人脸图像由RGB颜色空间转换为HSV空间，生成HSV图像；
对所述待检测人脸图像进行DCT变换，生成频谱图像。


2.如权利要求1所述的方法，其特征在于，对所述待检测人脸图像进行光照归一化处理，生成光照归一化处理图像，包括：
对所述待检测人脸图像进行伽马变换；
对进行伽马变换后的图像进行高斯差分滤波；
对进行高斯差分滤波后的图像进行直方图均衡化处理，生成光照归一化处理图像。


3.如权利要求2所述的方法，其特征在于，所述方法还包括：
在将所述待检测人脸图像和所述特征图像输入至预先通过机器学习训练得到的人脸活体检测分类模型中时，为不同类型的特征图像配置不同的权重系数。


4.如权利要求1所述的方法，其特征在于，对所述待检测人脸图像进行特征提取处理之前，所述方法还包括：
对所述待检测人脸图像进行预处理操作，所述预处理操作包括：滤波、去噪、二值化操作。


5.如权利要求1所述的方法，其特征在于，所述采集待检测人脸图像之后，还包括：
利用基于Viola-Jones算法的检测器对待检测人脸图像进行检测，获取人脸...

【专利技术属性】
技术研发人员：李驰，刘岩，喻庐军，
申请(专利权)人：泰康保险集团股份有限公司，
类型：发明
国别省市：北京;11