【技术实现步骤摘要】
一种快速活体检测的方法与系统
[0001]本专利技术涉及图像处理领域,尤其涉及一种快速活体检测的方法与系统。
技术介绍
[0002]当前,基于信号处理技术和深度学习技术实现活体攻击检测具有较高的实用价值,因此是当前研究的热点和难点。活体检测多应用于安全验证,对活体攻击检测精度、检测速度和检测范围都有着较高的要求,往往需要待检测对象随机实施指定的面部动作配合检测,但是这种检测方式并不能完全防止高精度仿真面具攻击等手段,而且在检测过程中用户易感到不适或尴尬。在现有技术中普遍存在的问题:检测方式或手段单一,无法有效覆盖大部分典型的活体检测攻击手段,且单一检测方法易存在明显的漏洞,容易被识别和利用。
技术实现思路
[0003]为了提升针对活体检测攻击行为的识别,本专利技术提出了一种快速活体检测的方法与系统,该方法能够基于摄像头拍摄的视频和活体攻击手段所具有的特定的信号特征,结合信号处理技术和深度学习技术实现了对视频重播攻击、高精度面具及图像攻击的检测,所提出的方法易于工程实现,且具备较高的检测精度和速度。
[0004]本专利技术的目的是通过以下技术方案来实现的:本专利技术的其中一个目的在于提供一种快速活体检测的方法,包括以下步骤:步骤1,获取真实人脸视频中的帧图像序列,将帧图像序列中的图像进行多尺度放大并表示成频谱图,将频谱图以固定角度旋转后投影到水平和垂直方向上,将多次固定角度旋转后的投影结果连接起来,得到多尺度真实图像的特征向量;步骤2,对真实人脸视频中的帧图像序列进行二次多尺度拍摄并表示成频谱图 ...
【技术保护点】
【技术特征摘要】
1.一种快速活体检测的方法,其特征在于,包括以下步骤:步骤1,获取真实人脸视频中的帧图像序列,将帧图像序列中的图像进行多尺度放大并表示成频谱图,将频谱图以固定角度旋转后投影到水平和垂直方向上,将多次固定角度旋转后的投影结果连接起来,得到多尺度真实图像的特征向量;步骤2,对真实人脸视频中的帧图像序列进行二次多尺度拍摄并表示成频谱图,采用步骤1的方法提取多尺度二次拍摄图像的特征向量;步骤3,利用多尺度真实图像的特征向量和多尺度二次拍摄图像的特征向量对神经网络模型进行训练;利用训练好的神经网络模型对待进行活体检测的视频进行检测,检测结果为活体或非活体;步骤4,提取待进行活体检测的视频对应的人脸图像序列,标记人脸图像中的关键点;提取人脸图像序列的面部总体信号集合和局部感兴趣信号集合,根据面部总体信号和局部感兴趣信号的相关性得到血液容积分布;利用阈值分割模型对血液容积分布对应的直方图序列进行分割,得到包含生理信号的第一局部区域位置集合;步骤5,获取第一局部区域位置集合中的局部感兴趣信号的频率峰值,将频率峰值的均值作为参考频率峰值,计算所有局部感兴趣信号的频率峰值分布;利用阈值分割模型对所有局部感兴趣信号的频率峰值分布对应的直方图序列进行分割,得到包含生理信号的第二局部区域位置集合;步骤6,将第一局部区域位置集合和第二局部区域位置集合的交集作为最终局部区域位置集合;根据人脸图像中的关键点确定考察区域,计算最终局部区域位置集合与所述考察区域的交叠比,若交叠比大于阈值,则判断为活体,否则,判断为非活体;步骤7,若步骤3和步骤6的检测结果均为活体,则最终判断结果为活体,否则,最终判断为非活体。2.根据权利要求1所述的快速活体检测的方法,其特征在于,步骤1中,将频谱以固定角度旋转,旋转后的频谱表示为:其中,表示第i帧图像j尺度条件下第p+1次旋转对应的频谱,表示旋转角度步长,表示第p次旋转得到的坐标,表示第p+1次旋转得到的坐标。3.根据权利要求1或2所述的快速活体检测的方法,其特征在于,步骤1中,将频谱以固定角度第一次旋转后投影到水平和垂直方向上,分别得到水平方向上的一维向量和垂直方向上的一维向量,连接后作为该次旋转后的特征向量;遍历所有的帧图像以及每一个帧图像的所有尺度,将每一个帧图像不同尺度对应的特征向量横向连接,作为帧图像的多尺度特征向量,将不同帧图像对应的多尺度特征向量纵向连接,构成多维度矩阵作为最终特征。4.根据权利要求1所述的快速活体检测的方法,其特征在于,所述的血液容积分布的计算具体为:针对待进行活体检测的视频对应的人脸图像序列,将每一个人脸图像的平均像素强度作为面部总体信号,根据时间序列构成面部总体信号集合,去噪化处理并提取频谱图;
以及,将每一个人脸图像分割成子块,将每一个子块作为一个局部感兴趣信号,根据位置序列和时间序列构成局部感兴趣信号集合,去噪化处理并提取频谱图;计算面部总体信号集合的频谱图与每一个局部感兴趣信号频谱图的相关性,将相关性结果作为血液容积分布。5.根据权利要求4所述的快速活体检测的方法,其特征在于,所述的计算所有局部感兴趣信号的频率峰值分布,具体为:获取所有局部感兴趣信号的峰值列表:其中,hr
list
表示所有局部感兴趣信号的峰值列表,hr
(i,j)
表示人脸图像分割的第i行第j个局部感兴趣信号对应的频率峰值;R和Q表示将人脸图像分割的行数和列数;从峰值列表中筛选出第一局部区域位置集合中的局部感兴趣信号对应的频率峰值,取均值作为参考频率峰值;根据参考频率峰值对所有局部感兴趣信号的峰值列表进行映射,得到所有局部感兴趣信号的频率峰值分布:其中,hr
pro
表示所有局部感兴趣信号的频率峰值分布,hr
ref
表示参考频率峰值,r表示常数, 表示取绝对值。6.根据权利要求...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。