活体检测中排除黑白照片的方法、装置、电子设备制造方法及图纸

本发明专利技术公开了一种活体检测中排除黑白照片的方法、装置、电子设备及存储介质，属于图像处理和生物识别技术领域，所述方法包括：对待识别的人脸图像进行预处理，所述预处理包括：人脸检测、眼睛定位和人脸对齐；从预处理后的人脸图像中提取出多维特征，并输入到训练好的AdaBoost分类器中得到一个分数；若所述分数大于零，则认为是真人图像，若所述分数小于等于零，则认为是假体攻击。本发明专利技术准确率高，在测试集上达到99.4％的准确率，即能在几乎没有拒真的情况下排除几乎所有的黑白图像，而且检测快速，如果不包括人脸检测和人脸对齐过程，只有2ms。2ms。2ms。

【技术实现步骤摘要】
活体检测中排除黑白照片的方法、装置、电子设备


[0001]本专利技术涉及图像处理和生物识别
，特别涉及一种活体检测中排除黑白照片的方法、装置、电子设备及存储介质。

技术介绍

[0002]在人脸识别中，活体检测主要用于排除照片、视频以及面具等的攻击介质。对于攻击介质，如果根据肤色来分类的话，可以分为黑白非肤色的图像、彩色(比如绿色、蓝色)但非肤色的图像、正常肤色的图像等。
[0003]为了减少攻击的种类、提高防假的准确度，有必要先排除掉黑白非肤色的图像、以及彩色但非肤色的图像，这样就可以排除掉约50％的攻击。一种最直接的排除方法就是利用肤色判断的方法(比如文献[1].Regina Lionnie&MudrikAlaydrus,“A comparison of human skin color detection for biometrie identification”,2017International Conference on Broadband Communication,Wireless Sensors a本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活体检测中排除黑白照片的方法，其特征在于，包括：对待识别的人脸图像进行预处理，所述预处理包括：人脸检测、眼睛定位和人脸对齐；从预处理后的人脸图像中提取出多维特征，并输入到训练好的AdaBoost分类器中得到一个分数；若所述分数大于零，则认为是真人图像，若所述分数小于等于零，则认为是假体攻击；其中，所述多维特征包括第一部分特征至第五部分特征；第一部分特征包括：RGB图像格式中肤色点个数、R分量-G分量大于等于第一预设值的像素点个数、R分量-G分量的绝对值大于等于第二预设值的像素点个数、R分量-B分量的绝对值大于等于第三预设值的像素点个数、G分量-B分量的绝对值大于等于第四预设值的像素点个数；第二部分特征包括：HSV图像格式中肤色点个数、H分量的均值、S分量的均值；第三部分特征至第五部分特征基于RGB图像的颜色直方图得到，其中将R分量、G分量、B分量分别分成m个等长的区间，此时图像的颜色直方图的长度是m*m*m，每个等长的区间是256/m个像素，第三部分特征至第五部分特征中m取值均不相同，从颜色直方图的长度m*m*m中选取预设数量、预设位置的特征作为所述第三部分特征至第五部分特征。2.根据权利要求1所述的方法，其特征在于，所述第三部分特征中m取值64，第四部分特征中m取值32，第五部分特征中m取值16。3.根据权利要求1所述的方法，其特征在于，所述对待识别的人脸图像进行预处理之前，包括：根据预先建立的包括真人图像和非真人图像的图像库，同样提取图像库中图像的多维特征，使用Gentle AdaBoost算法训练至少500个弱分类器构成一个强分类器，即得所述训练好的AdaBoost分类器。4.根据权利要求3所述的方法，其特征在于，在所述AdaBoost分类器训练时，提取的图像的多维特征中，第一部分特征还包括：R分量-G分量小于等于第五预设值的像素点个数、R分量-B分量小于等于第六预设值的像素点个数；第二部分特征还包括：V分量的均值。5.根据权利要求3所述的方法，其特征在于，在所述AdaBoost分类器训练时，提取的图像的多维特征中：第三部分特征中m取值64，提取图像的64*64*64＝262144维的颜色直方图，然后分别统计图像库中真人图像的颜色直方图的平均值的前1000个最大的数值对应的位置，以及非真人图像的颜色直方图的平均值的前1000个最大的数值对应的位置，这2000个位置经过去重后选择的位置对应的数值作为第三部分特征；第四部分特征中m取值32，提取图像的32*32*32＝32768维的颜色直方图，然后分别统计图像库中真人图像的颜色直方图的平均值的前2000个最大的数值对应的位置，以及非真人图像的颜色直方图的平均值的前2000个最大的数值对应的...

【专利技术属性】
技术研发人员：周军，孔勇，
申请(专利权)人：北京眼神科技有限公司，
类型：发明
国别省市：