一种使用RGB红外相机的活体检测方法技术

一种使用RGB红外相机的活体检测方法，包括：S1、获取RGB图像和红外图像；S2、检测所述S1中获取的RGB图像人脸框位置，截取RGB人脸位置，获取RGB人脸；S3、截取红外图像中对应RGB图像中RGB人脸位置的区域，获取红外人脸；S4、对所述S3中获取的红外人脸进行屏幕攻击判断，判断是否视为屏幕攻击；S5、所述S4中不视为屏幕攻击时，对所述RGB人脸进行照片攻击判断，判断是否视为照片攻击；S6、所述S5中不视为照片攻击时，则检测为活体。本发明专利技术不需要用户做一些多余的动作来配合，用户体验好；没有增加过多的额外传感器，因此并没有因为安全性、速度和用户体验的优化而带来成本的增加。

【技术实现步骤摘要】
一种使用RGB红外相机的活体检测方法
本专利技术涉及人工智能
，具体涉及一种使用RGB红外相机的活体检测方法。
技术介绍
活体检测作为判断当前检测人脸是否为活体的一项技术，是人脸识别中较为关键的技术。目前主要的活体检测技术主要有：动作配合式活体检测、静默活体检测、红外活体检测和3D结构光活体检测。动作配合式活体检测：给出指定动作要求，用户需配合完成，通过实时检测用户眼睛，嘴巴，头部姿态的状态，来判断是否是活体。优点是准确率高，应用广；但也有明显不足，用户需要高度配合，用户体验差，攻击者可以将合法用户的面部和嘴部掏空来做相应指令，欺骗成本低。静默活体检测：相对于动态活体检测方法，静默活体检测需要用户做任何动作，自然面对摄像头3、4秒钟即可。由于真实人脸并不是绝对静止的，存在微表情，如眼皮眼球的律动、眨眼、嘴唇及周边面颊的伸缩等，可通过此类特征反欺骗。该方法不需用户配合，用户体验好，能有效防止照片、视频的攻击；但是需要用户需要等待时间较长，并且这种方法受光线影响较大。近红外活体检测：利用近红外成像原理，实现夜间或无自然光条件下的活体判断。其成像特点(如屏幕无法成像，不同材质反射率不同等)可以实现高鲁棒性的活体判断。这种方法也不需用户配合，可有效防止照片、视频的攻。并且识别成功率高、受光线影响小。3D结构光活体检测：基于3D结构光成像原理，通过人脸表面反射光线构建深度图像，判断目标对象是否为活体，可强效防御图片、视频、屏幕、模具等攻击。3D结构光可识别遮挡、妆容等，在黑夜条件下适应性好，受光线影响小，并且能够完全杜绝照片和视频攻击。但后两种方法虽然在安全性和用户体验性上都表现相当出色，但是要实现这两种检测必须增加额外的传感器，检测成本高。上述四种现存的活体检测方法都无法在用户体验、安全性和成本之间达到比较好的平衡，都存在一定的应用缺陷。目前已有相应的方法通过结合多种算法提高活体检测的精度，但是大多都只针对同一种攻击方法进行识别。在实际场景中，攻击方式多种多样，如果对每一种攻击方法都进行单独处理，无疑增加了时间的消耗，因此有必要研究一种面向实际场景的活体检测方法。不难看出，现有技术中还存在诸多问题。
技术实现思路
为此，为了解决现有技术中的上述问题，本专利技术提出了一种使用RGB红外相机的活体检测方法。本专利技术通过以下技术手段解决上述问题：一种使用RGB红外相机的活体检测方法，包括：S1、获取RGB图像和红外图像；S2、检测所述S1中获取的RGB图像人脸框位置，截取RGB人脸位置，获取RGB人脸；S3、截取红外图像中对应RGB图像中RGB人脸位置的区域，获取红外人脸；S4、对所述S3中获取的红外人脸进行屏幕攻击判断，判断是否视为屏幕攻击；S5、所述S4中不视为屏幕攻击时，对所述RGB人脸进行照片攻击判断，判断是否视为照片攻击；S6、所述S5中不视为照片攻击时，则检测为活体。进一步的，所述S2中获取RGB人脸包括：S21、任意尺度缩放所截取RGB人脸位置的图像，生成图像金字塔，向卷积网络输入12×12×3大小的图像，通过三个卷积层得到1×1×24的特征层；S22、将1×1×24的层作为特征向量送入三个分支，1×1×2的人脸分类层，1×1×4的包围盒回归层和1×1×2的纹理分类层；S23、将图像金字塔输入网络，当缩放图像的大小不是12×12时，得到的输出就是m×m×2和m×m×4，将每一个结果对应的12×12回推到在缩放图像上所处位置；S24、从S22得到的人脸分类层中提取出人脸得分，得分高于初始预设阈值的包围盒保留，然后将所有缩放图像上检测到的包围盒做非极大值抑制；S25、将S24中的包围盒从S1原始输入图像中截取下来，缩放到24×24×3；S26、将经过S25处理的结果，通过5个卷积层得到128长度的特征向量，将该特征向量送入人脸分类分支和包围盒回归分支，得到人脸得分和包围盒，将得分低于阈值的包围盒抛弃，将剩下的包围盒做非极大值抑制；S27、将S26中得到的包围盒从S1输入的原图像上截取图像下来，缩放到48×48×3；S28、将经过S27处理的结果，通过6个卷积层得到256维特征向量，将该特征向量送入人脸分类分支、包围盒回归分支；S29、保留得分超过阈值的包围盒，用非极大值抑制对包围盒做合并；S210、保留经过所述S29处理后的所有人脸中面积最大的人脸作为最终检测出的人脸，即RGB人脸。进一步的，所述S4中，采用二分类器进行屏幕攻击的判断。进一步的，所述S4中，将获取的红外人脸输入人脸检测网络中进行得分计算，得分超过预先设定的阈值时则不视为屏幕攻击，反之视为屏幕攻击。进一步的，所述S5中采用轻量级神经网络进行照片攻击的判断。进一步的，所述轻量级神经网络包括：S51、任意尺度缩放所述RGB人脸，网络输入48×48×3，进行3×3的步长为1的卷积操作，然后进行3×3的步长为2的卷积操作减少图像尺寸，输出23×23×32；S52、对所述S51的输出结果进行3×3的步长为1的卷积操作，然后进行3×3的步长为2的卷积操作减少图像尺寸，输出10×10×64；S53、对所述S52的输出结果进行3×3的步长为1的卷积操作，然后进行5×5的步长为2的卷积操作减少图像尺寸，输出4×4×64；S54、对所述S53的输出结果进行1×1的卷积，输出3×3×128；S55、对所述S54的输出结果进行全连接层,得到256维的输出向量；S56、对所述S55的256维输出向量进行全连接层，输出人脸检测得分，如果正人脸得分低于阈值，则判断是否视为照片攻击。本专利技术可以同时实现对屏幕攻击的识别和照片攻击的识别，大幅度的提高了整个流程的速度。同时通过轻量级神经网络可以对照片攻击进行有效的识别。本专利技术采用RGB图像和红外图像并行检测的方式，在提高了检测安全性的同时，保证了检测的速度；首先使用一个简单的二分类器对屏幕攻击进行判断，然后对于判断通过的再进行照片攻击判断(轻量级神经网络)，这种方法不仅判断精度高，速度也得到了提升。本专利技术不需要用户做一些多余的动作来配合，用户体验好；没有增加过多的额外传感器，因此并没有因为安全性、速度和用户体验的优化而带来成本的增加。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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。图1是本专利技术一种使用RGB红外相机的活体检测方法的流程图；图2是本专利技术一种使用RGB红外相机的活体检测方法中获取RGB人脸的流程图；图3是本专利技术一种使用RGB红外相机的活体检测方法中轻量级神经网络的流程图。具体实本文档来自技高网...

【技术保护点】
1.一种使用RGB红外相机的活体检测方法，包括检测网络，其特征在于，包括：/nS1、获取RGB图像和红外图像；/nS2、检测所述S1中获取的RGB图像人脸框位置，截取RGB人脸位置，获取RGB人脸；/nS3、截取红外图像中对应RGB图像中RGB人脸位置的区域，获取红外人脸；/nS4、对所述S3中获取的红外人脸进行屏幕攻击判断，判断是否视为屏幕攻击；/nS5、所述S4中不视为屏幕攻击时，对所述RGB人脸进行照片攻击判断，判断是否视为照片攻击；/nS6、所述S5中不视为照片攻击时，则检测为活体。/n

【技术特征摘要】
1.一种使用RGB红外相机的活体检测方法，包括检测网络，其特征在于，包括：
S1、获取RGB图像和红外图像；
S2、检测所述S1中获取的RGB图像人脸框位置，截取RGB人脸位置，获取RGB人脸；
S3、截取红外图像中对应RGB图像中RGB人脸位置的区域，获取红外人脸；
S4、对所述S3中获取的红外人脸进行屏幕攻击判断，判断是否视为屏幕攻击；
S5、所述S4中不视为屏幕攻击时，对所述RGB人脸进行照片攻击判断，判断是否视为照片攻击；
S6、所述S5中不视为照片攻击时，则检测为活体。


2.根据权利要求1所述的使用RGB红外相机的活体检测方法，其特征在于，所述S2中获取RGB人脸包括：
S21、任意尺度缩放所截取RGB人脸位置的图像，生成图像金字塔，向卷积网络输入12×12×3大小的图像，通过三个卷积层得到1×1×24的特征层；
S22、将1×1×24的层作为特征向量送入三个分支，1×1×2的人脸分类层，1×1×4的包围盒回归层和1×1×2的纹理分类层；
S23、将图像金字塔输入网络，当缩放图像的大小不是12×12时，得到的输出就是m×m×2和m×m×4，将每一个结果对应的12×12回推到在缩放图像上所处位置；
S24、从S22得到的人脸分类层中提取出人脸得分，得分高于初始预设阈值的包围盒保留，然后将所有缩放图像上检测到的包围盒做非极大值抑制；
S25、将S24中的包围盒从原图中截取下来，缩放到24×24×3；
S26、将经过S25处理的结果，通过5个卷积层得到128长度的特征向量，将该特征向量送入人脸分类分支和包围盒回归分支，得到人脸得分和包围盒，将得分低于阈值的包围盒抛弃，将剩下的包围盒做非极大值抑制；
S27、将S26中得到的包围盒从S1输入的原图像上截取图像下来，缩放到48×48×3；
S...

【专利技术属性】
技术研发人员：安民洙，姜贺，
申请(专利权)人：广东光速智能设备有限公司，
类型：发明
国别省市：广东;44