一种活体人脸检测方法及系统技术方案

本发明专利技术公开了一种活体人脸检测方法及系统，包括：S1：获取目标区域的深度图像和高光谱图像；S2：对深度图像进行分析，检测深度图像中的人脸区域；若检测到人脸，则对深度图像中的人脸区域进行人脸关键特征点的定位，得到人脸关键特征点的位置信息；S3：根据深度图像中人脸关键特征点的位置信息，提取所述高光谱图像中对应人脸关键特征点的光谱信息，并进行活体检测，判断是否为活体。本发明专利技术结合了深度图像和高光谱图像，不需要用户配合执行相应的动作就能够完成活体检测，体验效果佳，且节省检测时间，减少图像处理计算量，提高了活体人脸检测的效率及准确率。

【技术实现步骤摘要】
一种活体人脸检测方法及系统
本专利技术涉及图像处理
，尤其涉及一种活体人脸检测方法及系统。
技术介绍
随着电子商务等技术的发展，基于人脸的身份验证已经得到广泛的应用，如刷脸支付、人脸识别解锁等功能已广泛应用于人们的日常生活中，极大提高了人们生活的便利性。然而，在人脸识别技术极大提高了人们生活便利性的同时，其安全性问题也逐渐暴露出来，尤其是随着高仿真面具的出现，使得许多不法分子通过逼真的伪装引起视觉欺骗以进行一系列犯罪行为，也对普通的人脸识别系统造成了攻击。因此，人脸活体防伪技术引发了广泛的关注。在相关活体人脸检测技术中，高光谱成像技术是当前的研究热点，高光谱成像技术是基于非常多窄波段的影像数据技术，它将成像技术和光谱技术相结合，探测目标的二维结合空间及一维光谱信息，以获取高光谱分辨率的连续、窄波段的图像数据，进而极大提高目标探测的准确性。但由于该技术的波段较多，且相邻波段间必然具有相关性，使得高光谱图像数据存在一定程度的冗余现象，并且数据量大，给图像的后期处理增加压力。上述
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性。
技术实现思路
本专利技术的目的在于提供一种活体人脸检测方法及系统，以解决上述
技术介绍
问题中的至少一种问题。为达到上述目的，本专利技术实施例的技术方案是这样实现的：一种活体人脸检测方法，包括如下步骤：S1：获取目标区域的深度图像和高光谱图像；S2：对所述深度图像进行分析，检测所述深度图像中的人脸区域；若检测到人脸，则对所述深度图像中的所述人脸区域进行人脸关键特征点的定位，得到所述人脸关键特征点的位置信息；S3：根据所述深度图像中的所述人脸关键特征点的所述位置信息，提取所述高光谱图像中对应所述人脸关键特征点的光谱信息，并进行活体检测，判断是否为活体。在一些实施例中，步骤S1中，通过深度相机获取所述深度图像，通过高光谱相机获取所述高光谱图像；其中，所述高光谱图像包括多个不同波段的高光谱图像。在一些实施例中，步骤S1中，所述深度相机和所述高光谱相机同步分别获取所述深度图像和所述高光谱图像；或者，所述深度相机和所述高光谱相机以一定的时序间隔分别采集所述深度图像和所述高光谱图像。在一些实施例中，步骤S2包括如下步骤：S20：计算所述深度图像中每一个顶点的曲率的曲率值和取向；S21：基于步骤S20得到所述曲率值和所述取向划分所述深度图像，区分人体和背景，检测出人脸区域；S22：根据步骤S21检测的所述人脸区域，通过基于步骤S20得到的所述曲率值对所述人脸关键特征点进行定位。在一些实施例中，所述曲率包括主曲率、高斯曲率和平均曲率中的至少一种。在一些实施例中，采用所述高斯曲率和所述平均曲率确定人脸局部形状。在一些实施例中，步骤S3中，将所述深度图像与所述高光谱图像进行匹配，以从所述深度图像中提取所述人脸关键特征点的光谱信息。在一些实施例中，将所述深度图像与所述高光谱图像进行相匹配包括以下步骤：S30：根据步骤S2检测所得的所述人脸区域的所述深度图像，获取该区域深度图像的点云数据集，将所有点投影到一个空间平面上，以确认所述人脸区域深度图像二维投影后的点云坐标范围；S31：基于步骤S2检测所得的所述人脸区域部分，截取不同波段的所述高光谱图像作为配准数据，提取不同波段但尺寸相同的灰度图，得到人脸区域的像素范围；S32：根据所述人脸区域对应的高光谱图像像素范围，将步骤S30得到的所述点云数据网格化，将所述人脸区域对应的所述高光谱图像中的每个像元的信息值与网格化后的相对应的所述人脸区域的点所述云数据进行匹配，得到二维点云数据每一点的光谱信息；S33：基于步骤S32得到的与所述高光谱图像对应的所述二维点云数据，根据其二维点云中每个点的标号，将所述光谱信息匹配至对应的原始三维人脸区域的点云中，以获得原始人脸区域的点云数据的每一点的光谱信息；S34：根据所述深度图像与所述原始三维人脸区域点云数据的坐标映射关系，确定所述深度图像的每一点像素在所述高光谱图像中匹配到相应的光谱信息。本专利技术实施例的另一技术方案为：一种活体人脸检测系统，包括深度相机、高光谱相机、以及处理器；其中，所述深度相机用于获取目标区域的深度图像；所述高光谱相机用于获取所述目标区域的不同波段的高光谱图像；所述处理器包括深度处理器和高光谱处理器，所述深度处理器用于对获取的所述深度图像进行分析，检测所述深度图像中的人脸区域，并对所述人脸区域中的人脸关键特征点进行定位，得到所述人脸关键特征点的位置信息；所述高光谱处理器根据所述人脸关键特征点的位置信息，提取所述高光谱图像对应的所述人脸关键特征点的光谱信息以进行活体检测，判断是否为活体。在一些实施例中，所述深度相机和所述高光谱相机被配置于同一图像传感器阵列上以分别获取深度图像和高光谱图像；或者，所述深度相机和所述高光谱相机为分开设置。本专利技术技术方案的有益效果是：相较于现有技术，本专利技术通过获取深度图像和高光谱图像，在深度图像中识别人脸区域并进行人脸关键特征点定位，在高光谱图像中只提取人脸关键特征点的光谱信息进行活体检测以完成人脸识别，结合了深度图像和高光谱图像，不需要用户配合执行相应的动作就能够完成活体检测，体验效果极佳，且节省检测时间，减少图像处理计算量，提高了活体人脸检测的效率及准确率。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性的前提下，还可以根据这些附图获得其他的附图。图1是根据本专利技术一个实施例活体人脸检测方法的流程示意图。图2是根据本专利技术一个实施例活体人脸检测方法中基于曲率检测人脸区域的流程图示。图3是根据本专利技术一个实施例活体人脸检测方法中匹配深度图像和高光谱图像的流程图。图4是根据本专利技术一个实施例活体人脸检测方法中三维点云数据的平面投影示意图。图5是根据本专利技术另一个实施例活体人脸检测系统示意图。具体实施方式为了使本专利技术实施例所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。另外，连接即可以是用于固定作用也可以是用于电路连通作用。需要理解的是，术语“本文档来自技高网...

【技术保护点】
1.一种活体人脸检测方法，其特征在于，包括如下步骤：，/nS1：获取目标区域的深度图像和高光谱图像；/nS2：对所述深度图像进行分析，检测所述深度图像中的人脸区域；若检测到人脸，则对所述深度图像中的所述人脸区域进行人脸关键特征点的定位，得到所述人脸关键特征点的位置信息；/nS3：根据所述深度图像中的所述人脸关键特征点的所述位置信息，提取所述高光谱图像中对应所述人脸关键特征点的光谱信息，并进行活体检测，判断是否为活体。/n

【技术特征摘要】
1.一种活体人脸检测方法，其特征在于，包括如下步骤：，
S1：获取目标区域的深度图像和高光谱图像；
S2：对所述深度图像进行分析，检测所述深度图像中的人脸区域；若检测到人脸，则对所述深度图像中的所述人脸区域进行人脸关键特征点的定位，得到所述人脸关键特征点的位置信息；
S3：根据所述深度图像中的所述人脸关键特征点的所述位置信息，提取所述高光谱图像中对应所述人脸关键特征点的光谱信息，并进行活体检测，判断是否为活体。


2.如权利要求1所述的活体人脸检测方法，其特征在于：在步骤S1中，通过深度相机获取所述深度图像，通过高光谱相机获取所述高光谱图像；其中，所述高光谱图像包括多个不同波段的高光谱图像。


3.如权利要求2所述的活体人脸检测方法，其特征在于：在步骤S1中，所述深度相机和所述高光谱相机同步分别获取所述深度图像和所述高光谱图像；或者，所述深度相机和所述高光谱相机以一定的时序间隔分别采集所述深度图像和所述高光谱图像。


4.如权利要求1所述的活体人脸检测方法，其特征在于：步骤S2包括如下步骤：
S20：计算所述深度图像中每一个顶点的曲率的曲率值和取向；
S21：基于步骤S20得到所述曲率值和所述取向划分所述深度图像，区分人体和背景，检测出人脸区域；
S22：根据步骤S21检测的所述人脸区域，通过基于步骤S20得到的所述曲率值对所述人脸关键特征点进行定位。


5.如权利要求4所述的活体人脸检测方法，其特征在于：所述曲率包括主曲率、高斯曲率和平均曲率中的至少一种。


6.如权利要求4所述的活体人脸检测方法，其特征在于：采用所述高斯曲率和所述平均曲率确定人脸局部形状。


7.如权利要求1所述的活体人脸检测方法，其特征在于：步骤S3中，将所述深度图像与所述高光谱图像进行匹配，以从所述深度图像中提取所述人脸关键特征点的光谱信息。


8.如权利要求7所述的活体人脸检测方法，...

【专利技术属性】
技术研发人员：王兆民，黄源浩，肖振中，
申请(专利权)人：深圳奥比中光科技有限公司，
类型：发明
国别省市：广东;44