一种基于媒介感知的泛化性静默活体检测方法技术

本发明专利技术公开了一种基于媒介感知的泛化性静默活体检测方法，涉及活体检测技术领域。该方法包括获取待检测的单帧人脸图像；根据人脸图像提取人脸亮度图像；根据人脸图像和人脸亮度图像获得人脸反射图像；构建活体检测神经网络模型，采用改进的中心损失函数对活体检测神经网络模型进行训练；采用训练后的活体检测神经网络模型对人脸反射图像进行活体检测。本发明专利技术通过提取泛化性的人脸媒介特征，使得活体检测模型在性能表现和时间复杂度上综合优于其他单张RGB照片的静默活体检测，确保了用户体验的同时降低了外设需求，提高了检测准确性。提高了检测准确性。提高了检测准确性。

【技术实现步骤摘要】
一种基于媒介感知的泛化性静默活体检测方法


[0001]本专利技术涉及活体检测
，具体涉及一种基于媒介感知的泛化性静默活体检测方法。

技术介绍

[0002]近年来，随着人脸识别技术在移动支付、视频见证开户等场景中越来越广泛的应用，其相关的安全性的研究也变成了一个重要的问题，特别是判断识别的人脸图像是活体的人脸图像，还是照片或是录制的视频中的人脸图像。
[0003]现有的人脸活体判断技术大体可以分为两类:动作活体和静默活体。动作活体主要是指各种基于动作的活体判断，要求使用者在镜头前完成眨眼、张嘴等指定的面部动作。然而一方面因为其需要用户的配合，用户体验极其不好，另一方面这些面部动作也可以通过各种人脸合成软件轻易地完成，安全等级不够高，因此正逐渐在被静默活体取代。
[0004]静默活体根据用于进行活体判断的数据不同可以简单分为三类：基于单帧RGB图像的静默活体检测，基于多帧图像的静默活体检测，和基于多模态的静默活体检测。基于单帧RGB图像的静默活体只利用一张RGB人脸的图像，提取纹理等特征来判断人脸的真实性，这种方法具有简单、高效的特点，但是因为静态的RGB人脸图像非常容易获取，而且真人和欺骗人脸纹理，受环境，欺骗媒介等的影响非常大，所以这个检测方法非常容易被破解，鲁棒性还不高。随后研究者提出利用多帧的图像进行静默活体检测，引入更多的信息，比如人脸的细微运动，来检测欺骗攻击。但是这类方法有一个严重的不足，当攻击者利用真人视频回放来进行攻击的时候，同样会存在人脸细微的运动，这时候基于多帧的活体检测可能会失效。所以又有另外一些研究者提出了，我们可以通过引入其他模态的数据提高检测准确率，如深度图和红外图。但是这类方法有两个缺陷，一个是对于3D的活体攻击不能凑效，另外就是这个方案往往需要特殊摄像头采集深度图和红外图，但是这类摄像头造价昂贵，很难在实际应用场景中普及。

技术实现思路

[0005]针对现有技术中的上述不足，本专利技术提供了一种基于媒介感知的泛化性静默活体检测方法。
[0006]为了达到上述专利技术目的，本专利技术采用的技术方案为：
[0007]一种基于媒介感知的泛化性静默活体检测方法，包括以下步骤：
[0008]S1、获取待检测的单帧人脸图像；
[0009]S2、根据步骤S1获取的人脸图像提取人脸亮度图像；
[0010]S3、根据步骤S1获取的人脸图像和步骤S2提取的人脸亮度图像获得人脸反射图像；
[0011]S4、构建活体检测神经网络模型，采用改进的中心损失函数对活体检测神经网络模型进行训练；
[0012]S5、采用训练后的活体检测神经网络模型对步骤S3获得的人脸反射图像进行活体检测。
[0013]该方案的有益效果是：本专利技术通过提取表示人脸媒介材料特性的反射图像，消除了环境光照影响，并且可以不利用多帧图像或者其他模态的数据来解决活体检测问题，避免了如3D摄像头，红外摄像头等昂贵外设的使用，可以很方便的部署在各种场景；此外采用改进的中心损失函数训练活体检测神经网络模型，可以使得神经网络学习到更加具有泛化性的媒介特征，训练后的模型在性能表现和时间复杂度上综合优于其他单张RGB照片的静默活体检测，确保了用户体验的同时降低了外设需求，提高了检测准确性。
[0014]进一步地，所述步骤S2具体为：
[0015]采用多个尺度的低通滤波器对步骤S1获取的人脸图像进行估计，得到多个估计结果；
[0016]对多个估计结果取平均值得到最终的人脸亮度图像。
[0017]进一步地，所述人脸亮度图像表示为：
[0018][0019]其中，k为低通滤波器的数目，w
k
为加权系数，F
k
为第k个低通滤波器的低通滤波算子。
[0020]进一步地，所述步骤S3中人脸反射图像表示为：
[0021]R(x,y)＝e
(logI(x,y)
‑
logL(x,y))
[0022]其中，I(x,y)为人脸图像。
[0023]进一步地，所述步骤S4具体包括以下分步骤：
[0024]S41、构建活体检测ResNet神经网络模型；
[0025]S42、利用活体检测ResNet神经网络模型对已知人脸反射图像训练集样本提取泛化性媒介特征；
[0026]S43、采用改进的中心损失函数对活体检测神经网络模型参数进行迭代优化。
[0027]进一步地，所述活体检测ResNet神经网络模型中后三个layer层参数固定为设定参数，采用带动量的随机梯度下降优化器学习第一个layer层参数。
[0028]进一步地，所述改进的中心损失函数表示为：
[0029][0030]其中，x
i
为第i个真人人脸反射图像训练样本对应的特征向量，x
j
为第j个欺骗人脸反射图像训练样本对应的特征向量，c为真人人脸反射图像的特征向量的聚类向量，m1为真人人脸反射图像训练集样本数量，m2为欺骗人脸反射图像训练集样本数量。
[0031]进一步地，所述活体检测ResNet神经网络模型在训练过程中对聚类向量进行更新，具体为：
[0032]随机初始化一个聚类向量作为初始聚类向量；
[0033]根据真人人脸反射图像训练样本对应的特征向量计算Vc
t
；
[0034]设定更新权重，对聚类向量进行更新。
[0035]进一步地，所述Vc
t
的计算公式为：
[0036][0037]其中，c
t
为真人人脸反射图像的特征向量的聚类向量。
[0038]进一步地，所述对聚类向量进行更新的更新公式为：
[0039]c
t+1
＝c
t
‑
α*Vc
t
[0040]其中，c
t+1
为更新后的聚类向量，α为更新权重。
附图说明
[0041]图1为本专利技术基于媒介感知的泛化性静默活体检测方法流程示意图。
具体实施方式
[0042]下面对本专利技术的具体实施方式进行描述，以便于本
的技术人员理解本专利技术，但应该清楚，本专利技术不限于具体实施方式的范围，对本
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本专利技术的精神和范围内，这些变化是显而易见的，一切利用本专利技术构思的专利技术创造均在保护之列。
[0043]本专利技术根据真人人脸和欺骗人脸如视频回放人脸和照片打印的不同媒介具有的不同材料特性，利用真人人脸和欺骗人脸的媒介材料特性这个内在的泛化性特征，替代常规多帧图像和其他模态的数据来解决活体检测问题，避免了多帧图像存在的用户体验差、易被回放攻击欺骗的问题。本专利技术不需要昂贵硬件外设支持，易于部署在已有的人脸识别系统中；并且优化了用户体验，降低外设的需求，仅利用单帧RGB图像进行活体检测。
[0044]如图1所示，本专利技术实施例提供了一种基于媒介感本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于媒介感知的泛化性静默活体检测方法，其特征在于，包括以下步骤：S1、获取待检测的单帧人脸图像；S2、根据步骤S1获取的人脸图像提取人脸亮度图像；S3、根据步骤S1获取的人脸图像和步骤S2提取的人脸亮度图像获得人脸反射图像；S4、构建活体检测神经网络模型，采用改进的中心损失函数对活体检测神经网络模型进行训练；S5、采用训练后的活体检测神经网络模型对步骤S3获得的人脸反射图像进行活体检测。2.根据权利要求1所述的基于媒介感知的泛化性静默活体检测方法，其特征在于，所述步骤S2具体为：采用多个尺度的低通滤波器对步骤S1获取的人脸图像进行估计，得到多个估计结果；对多个估计结果取平均值得到最终的人脸亮度图像。3.根据权利要求2所述的基于媒介感知的泛化性静默活体检测方法，其特征在于，所述人脸亮度图像表示为：其中，k为低通滤波器的数目，w
k
为加权系数，F
k
为第k个低通滤波器的低通滤波算子。4.根据权利要求3所述的基于媒介感知的泛化性静默活体检测方法，其特征在于，所述步骤S3中人脸反射图像表示为：R(x,y)＝e
(logI(x,y)
‑
logL(x,y))
其中，I(x,y)为人脸图像。5.根据权利要求4所述的基于媒介感知的泛化性静默活体检测方法，其特征在于，所述步骤S4具体包括以下分步骤：S41、构建活体检测ResNet神经网络模型；S42、利用活体检测ResNet神经网络模型对已知人脸反射图像训练集样本提取泛化性媒介特征；S43、采用改进的中心损失函数对活体检测神经网络模型参数进行迭代优化。6.根据权利要...

【专利技术属性】
技术研发人员：罗杨，韦仕才，骆春波，李智，曹英杰，彭涛，刘翔，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：