应用于半遮挡图像下的人脸活体检测方法及装置制造方法及图纸

本发明专利技术涉及一种应用于半遮挡图像下的人脸活体检测方法及装置，所述方法包括：识别半遮挡图像中的人眼区域，对人眼区域进行特征提取，得到人眼特征，基于人眼特征与预设的人眼数据库中特征之间的相似度，识别半遮挡图像中人脸的人脸身份；从预设的网络数据库中抽取人脸身份的活动信息，分析人脸身份的心理倾向度，利用心理倾向度构建人脸身份的心理因素；对非遮挡区域进行完整性补充，得到完整性人脸，对心理因素进行向量转换，得到心理向量，融合完整性人脸与心理向量，得到融合人脸特征；提取非遮挡区域中的人脸倾斜角度，将融合人脸特征生成为人脸图像；对人脸图像进行活体检测。本发明专利技术可以提高人脸活体检测的准确度。本发明专利技术可以提高人脸活体检测的准确度。本发明专利技术可以提高人脸活体检测的准确度。

【技术实现步骤摘要】
应用于半遮挡图像下的人脸活体检测方法及装置


[0001]本专利技术涉及人脸检测领域，尤其涉及一种应用于半遮挡图像下的人脸活体检测方法及装置。

技术介绍

[0002]半遮挡图像下的人脸活体检测是指检测半遮挡图像中的人脸是真实人脸还是虚拟人脸的过程。
[0003]目前，半遮挡图像下的人脸活体检测方法为通过利用神经网络模型对半遮挡图像中的非遮挡区域进行特征提取，利用所提取的特征实现人脸活体检测，但是在遮挡区域占总的半遮挡图像的面积过大时，导致非遮挡区域的面积较小，此时从非遮挡区域中所能提取到的特征数量较少，造成后续的利用提取的特征进行人脸活体检测的方法较难进行，而对遮挡区域进行人脸修复的方法通常是基于非遮挡区域的信息来实现的，这种方法所修复得到的遮挡区域的人脸分布与非遮挡区域的人脸分布极为相似，但实际由于人心理的复杂性，所在人脸上呈现的分布也较为复杂，导致人脸不同区域之间的特征分布各不相同。因此，由于非遮挡区域的特征数量较少、基于非遮挡区域的信息所修复的遮挡区域的信息分布缺乏特色，导致无论是从遮挡区域提取特征还是从所修复的完整的人脸中提取特征来实现人脸活体检测的方法的准确度不足。

技术实现思路

[0004]为了解决上述问题，本专利技术提供了一种应用于半遮挡图像下的人脸活体检测方法及装置，可以提高人脸活体检测的方法的准确度。
[0005]第一方面，本专利技术提供了一种应用于半遮挡图像下的人脸活体检测方法，包括：获取半遮挡图像，识别所述半遮挡图像中的人眼区域，对所述人眼区域进行特征提取，得到人眼特征，基于所述人眼特征与预设的人眼数据库中特征之间的相似度，识别所述半遮挡图像中人脸的人脸身份；从预设的网络数据库中抽取所述人脸身份的活动信息，基于所述活动信息，分析所述人脸身份的心理倾向度，利用所述心理倾向度构建所述人脸身份的心理因素；获取所述半遮挡图像中的非遮挡区域，对所述非遮挡区域进行完整性补充，得到完整性人脸，对所述心理因素进行向量转换，得到心理向量，融合所述完整性人脸与所述心理向量，得到融合人脸特征；提取所述非遮挡区域中的人脸倾斜角度，基于所述人脸倾斜角度，将所述融合人脸特征生成为人脸图像；对所述人脸图像进行活体检测，得到人脸活体检测结果。
[0006]在第一方面的一种可能实现方式中，所述识别所述半遮挡图像中的人眼区域，包括：构建所述半遮挡图像的人眼划分的阈值序列；
基于所述阈值序列，随机将所述半遮挡图像划分为初始人眼区域与初始非人眼区域；利用下述公式计算所述初始人眼区域内的第一灰度均值：；其中，表示所述第一灰度均值，表示第i个灰度级别的像素个数，t表示所述半遮挡图像内总的像素数目，i表示灰度级别的序号，n表示所述半遮挡图像内的灰度级别的最大级别的序号，e表示从所述阈值序列中选取的某个阈值，[1，e]的灰度级别范围为所述初始人眼区域内的范围；利用下述公式计算所述初始非人眼区域内的第二灰度均值：；其中，表示所述第二灰度均值，表示第i个灰度级别的像素个数，t表示所述半遮挡图像内总的像素数目，i表示灰度级别的序号，n表示所述半遮挡图像内的灰度级别的最大级别的序号，e表示从所述阈值序列中选取的某个阈值，[，]的灰度级别范围为所述初始非人眼区域内的范围；利用下述公式计算所述第一灰度均值与所述第二灰度均值之间的灰度差值：；其中，表示所述灰度差值，表示所述第一灰度均值，表示所述第二灰度均值，i表示灰度级别的序号，e表示从所述阈值序列中选取的某个阈值，[1，e]的灰度级别范围为所述初始人眼区域内的范围，[，]的灰度级别范围为所述初始非人眼区域内的范围，n表示所述半遮挡图像内的灰度级别的最大级别的序号，p表示，即第i个灰度级别的像素在所述半遮挡图像内出现的概率；在所述灰度差值为最大差值时，从所述初始阈值序列中查询所述灰度差值对应的阈值，得到目标阈值；利用所述目标阈值识别所述半遮挡图像中的人眼区域。
[0007]在第一方面的一种可能实现方式中，所述对所述人眼区域进行特征提取，得到人眼特征，包括：去除所述人眼区域中的非人眼干扰因素，得到去除干扰后的人眼区域；利用下述公式计算所述去除干扰后的人眼区域的人眼特征：；
其中，表示所述人眼特征，表示所述人眼区域中的某一像素点的坐标，表示坐标处的像素灰度值，表示以坐标处的像素为中心的圆边界上的第j个像素灰度值，m表示以坐标处的像素为中心的圆边界上的像素点数目，j表示以坐标处的像素为中心的圆边界上的像素点序号，表示符号函数。
[0008]在第一方面的一种可能实现方式中，所述去除所述人眼区域中的非人眼干扰因素，得到去除干扰后的人眼区域，包括：利用下述公式计算所述人眼区域的人眼中心坐标：；其中，(，)表示所述人眼中心坐标，表示所述人眼区域的高度，表示所述人眼区域的宽度，表示所述人眼区域上半部分的像素灰度均值，表示所述人眼区域下半部分的像素灰度均值，表示所述人眼区域右半部分的像素灰度均值，表示所述人眼区域左半部分的像素灰度均值；基于所述人眼中心坐标，利用下述公式计算所述人眼区域中的人眼边界指数：；；；其中，表示所述人眼边界指数，表示所检测到的人眼区域中的边缘点的序号，表示所检测得到的人眼区域中的边缘点的数目，所检测得到的人眼区域中的边缘点的坐标，表示以(，)为圆心、以为半径、以为圆心的偏移方位的圆方程的值，表示对圆方程的值进行二值化之后的值；在所述人眼边界指数为最大指数时，将所述人眼边界指数对应的圆圈区域作为所述人眼区域中的人眼边界，并将超出所述人眼边界的人眼区域进行去除处理，得到所述去除干扰后的人眼区域。
[0009]在第一方面的一种可能实现方式中，所述基于所述活动信息，分析所述人脸身份的心理倾向度，包括：基于所述活动信息，利用下述公式计算所述人脸身份的朋友概率：；其中，表示所述人脸身份的朋友概率，表示所述活动信息中的在一段时
间内，所述人脸身份对应的人z与其他人v在地点o的一起出现次数，O表示所述活动信息中的所述人脸身份对应的人的所有出现地点；基于所述活动信息，利用下述公式计算所述人脸身份的朋友关系指数：；其中，表示所述朋友关系指数，O表示所述活动信息中的所述人脸身份对应的人的所有出现地点，表示所述活动信息中的所述人脸身份对应的人的所有出现地点中出现的所有人的人数，表示所述活动信息中的在一段时间内，所述人脸身份对应的人z与其他人v在地点o的一起出现时其他人v的人数，表示所述活动信息中的在一段时间内，所述人脸身份对应的人z与其他人v在地点o的一起出现次数，表示所述活动信息中的在一段时间内，所述人脸身份对应的人z在地点o的出现次数；将所述朋友概率与所述朋友关系指数作为所述心理倾向度。
[0010]在第一方面的一种可能实现方式中，所述利用所述心理倾向度构建所述人脸身份的心理因素，包括：基于所述心理倾向度与预设倾向度之间的对比结果，确定所述人脸身份的第一心理因素；获取活动信息，从所述活动信息中提取所述人脸身份的智力指数，并将所述智力指数作为所述人脸身份的第二心理因素；从所述活动信息中提取所述人脸身份的心理健康度，并将所述心理健康度作为所述人脸身份的第三心理因素。
...

【技术保护点】

【技术特征摘要】
1.一种应用于半遮挡图像下的人脸活体检测方法，其特征在于，所述方法包括：获取半遮挡图像，识别所述半遮挡图像中的人眼区域，对所述人眼区域进行特征提取，得到人眼特征，基于所述人眼特征与预设的人眼数据库中特征之间的相似度，识别所述半遮挡图像中人脸的人脸身份；从预设的网络数据库中抽取所述人脸身份的活动信息，基于所述活动信息，分析所述人脸身份的心理倾向度，利用所述心理倾向度构建所述人脸身份的心理因素；获取所述半遮挡图像中的非遮挡区域，对所述非遮挡区域进行完整性补充，得到完整性人脸，对所述心理因素进行向量转换，得到心理向量，融合所述完整性人脸与所述心理向量，得到融合人脸特征；提取所述非遮挡区域中的人脸倾斜角度，基于所述人脸倾斜角度，将所述融合人脸特征生成为人脸图像；对所述人脸图像进行活体检测，得到人脸活体检测结果。2.根据权利要求1所述的方法，其特征在于，所述识别所述半遮挡图像中的人眼区域，包括：构建所述半遮挡图像的人眼划分的阈值序列；基于所述阈值序列，随机将所述半遮挡图像划分为初始人眼区域与初始非人眼区域；利用下述公式计算所述初始人眼区域内的第一灰度均值：；其中，表示所述第一灰度均值，表示第i个灰度级别的像素个数，t表示所述半遮挡图像内总的像素数目，i表示灰度级别的序号，n表示所述半遮挡图像内的灰度级别的最大级别的序号，e表示从所述阈值序列中选取的某个阈值，[1，e]的灰度级别范围为所述初始人眼区域内的范围；利用下述公式计算所述初始非人眼区域内的第二灰度均值：；其中，表示所述第二灰度均值，表示第i个灰度级别的像素个数，t表示所述半遮挡图像内总的像素数目，i表示灰度级别的序号，n表示所述半遮挡图像内的灰度级别的最大级别的序号，e表示从所述阈值序列中选取的某个阈值，[，]的灰度级别范围为所述初始非人眼区域内的范围；利用下述公式计算所述第一灰度均值与所述第二灰度均值之间的灰度差值：；其中，表示所述灰度差值，表示所述第一灰度均值，表示所述第二灰度均值，
i表示灰度级别的序号，e表示从所述阈值序列中选取的某个阈值，[1，e]的灰度级别范围为所述初始人眼区域内的范围，[，]的灰度级别范围为所述初始非人眼区域内的范围，n表示所述半遮挡图像内的灰度级别的最大级别的序号，p表示，即第i个灰度级别的像素在所述半遮挡图像内出现的概率；在所述灰度差值为最大差值时，从所述初始阈值序列中查询所述灰度差值对应的阈值，得到目标阈值；利用所述目标阈值识别所述半遮挡图像中的人眼区域。3.根据权利要求1所述的方法，其特征在于，所述对所述人眼区域进行特征提取，得到人眼特征，包括：去除所述人眼区域中的非人眼干扰因素，得到去除干扰后的人眼区域；利用下述公式计算所述去除干扰后的人眼区域的人眼特征：；其中，表示所述人眼特征，表示所述人眼区域中的某一像素点的坐标，表示坐标处的像素灰度值，表示以坐标处的像素为中心的圆边界上的第j个像素灰度值，m表示以坐标处的像素为中心的圆边界上的像素点数目，j表示以坐标处的像素为中心的圆边界上的像素点序号，表示符号函数。4.根据权利要求3所述的方法，其特征在于，所述去除所述人眼区域中的非人眼干扰因素，得到去除干扰后的人眼区域，包括：利用下述公式计算所述人眼区域的人眼中心坐标：；其中，(，)表示所述人眼中心坐标，表示所述人眼区域的高度，表示所述人眼区域的宽度，表示所述人眼区域上半部分的像素灰度均值，表示所述人眼区域下半部分的像素灰度均值，表示所述人眼区域右半部分的像素灰度均值，表示所述人眼区域左半部分的像素灰度均值；基于所述人眼中心坐标，利用下述公式计算所述人眼区域中的人眼边界指数：；；；其中，表示所述人眼边界指数，表示所检测到的人眼区域中的边缘点的序号，
表示所检测得到的人眼区域中的边缘点的数目，所检测得到的人眼区域中的边缘点的坐标，表示以(，)为圆心、以为半径、以为圆心的偏移方位的圆方程的值，表示对圆方程的值进行二值化之后的值；在所述人眼边界指数为最大指数时，将所述人眼边界指数对应的圆圈区域作为所述人眼区域中的人眼边界，并将超出所述人眼边界的人眼区域进行去除处理，得到所述去除干扰后的人眼区域。5.根据权利要求1所述的方法，其特征在于，所述基于所述活动信息，分析所述人脸身份的心理倾向度，包括：基于所述活动信息，利用下述公式计算所述人脸身份的朋友概率：；其中，表示所述人脸身份的朋友概率，表示所述活动信息中的在一段时间内，所述人脸身份对应的人z与其他人v在地点o的一起出现次数，O表示所述活动信息中的所述人脸身份对...

【专利技术属性】
技术研发人员：王朋，
申请(专利权)人：武汉利楚商务服务有限公司，
类型：发明
国别省市：