一种快速活体检测的方法与系统技术方案

本发明专利技术公开了一种快速活体检测的方法与系统，属于活体检测领域。通过构建真实人脸图像和二次拍摄人脸图像的多尺度、多旋转角度下的频谱图，将频谱图在水平和垂直方向上的投影向量作为特征向量，既能够充分提取到图像的摩尔纹特征，又无需依赖复杂的神经网络结构，实现了对视频重播攻击手段的快速检测。利用人脸图像的面部总体信号与局部感兴趣信号的相关性来构建血容积分布，在此基础上计算频率峰值分布，结合阈值分割模型实现了对包含生理信号区域的精准定位，能够对高仿真面具和高清图片攻击进行高精度检测。本发明专利技术无需指定面部动作配合检测，仅通过采集面部视频即可进行综合检测，覆盖了主要的活体检测攻击方式，具备高的检测精度及检测速度。检测精度及检测速度。检测精度及检测速度。

【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，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。
[0005]进一步的，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。
[0006]进一步的，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。
[0007]进一步的，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。
[0008]进一步的，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。
[0009]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系统，用于实现上述的快速活体检测的方法。
[0010]与现有技术相比，本专利技术的优势在于：1）本专利技术通过构建真实人脸图像和二次拍摄人脸图像的多尺度、多旋转角度下的频谱图，将频谱图在水平和垂直方向上的投影向量作为特征向量实现维度压缩，既能够充分提取到图像的摩尔纹特征，在不损失特征信息的基础上，又可降低特征向量的维度，实现了对视频重播攻击手段的快速检测。
[0011]2）本专利技术利用人脸图像的面部总体信号与局部感兴趣信号的相关性来构建血容积分布，结合血容积分布和阈值分割模型提取包含生理信号的局部空间位置集合，得到了初步筛选下的具有生理信号的面部局部位置集合；并基于该集合中的频率峰值计算所有局部感兴趣信号的频率峰值分布，进一步结合频率峰值分布和阈值分割模型提取包含生理信号的局部空间位置集合，两次结果取交集，实现了对包含生理信号区域的精准定位，能够对高仿真面具和高清图片攻击进行高精度检测。
[0012]3）本专利技术无需指定待检测对象实施面部动作配合检测，仅通过采集面部视频即可同时进行综合检测，检测方法针对活体检测攻击手段所具有典型特征，能够对主要的活体检测攻击方式进行高精度、快速检测，具备较高实际应用价值。
附图说明
[0013]图1是活体攻击检测流程图。
[0014]图2是直接拍摄人脸效果及其谱分布（左上、右上图），通过手机屏幕二次拍摄人脸效果及其谱分布（左下，右下图）。
[0015]图3是血容积分布示意图（左图），心率分布示意图（右图）。
具体实施方式
[0016]以下是本专利技术的具体实施例并结合附图，对本专利技术的技术方案作进一步的描述，但本专利技术并不限于这些实施例。附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0017]本实施例公开了一种快速活体检测的方法，如图1所示，主要包括四方面的内容：（1）视频数据的预处理；（2）基于摩尔纹特征的活体检测；（3）基于生理信号分布特征的活体检测；（4）活本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：徐晓刚，王小龙，徐冠雷，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：