一种人脸识别方法及系统技术方案

本发明专利技术公开了一种人脸识别方法及系统，获取用户预存的密码序列，所述密码序列由用户一系列面部动作表情数据生成；在用户通过初步人脸识别后，提示用户进行面部动作表情验证；分析用户的面部动作表情，判断与预存的密码序列是否匹配；若匹配，则通过最终人脸识别验证，否则验证失败。采用本发明专利技术的技术方案，通过在人脸识别的基础上增加由一系列面部动作表情数据生成密码序列进行验证，相当于在人脸上附加私有密码，避免了犯罪分子利用照片、面具等攻击并欺骗人脸识别系统，保障了人脸识别的安全性，尤其是刷脸支付，保障了安全领域、金融领域和社交领域人脸识别的稳定性。和社交领域人脸识别的稳定性。和社交领域人脸识别的稳定性。

【技术实现步骤摘要】
一种人脸识别方法及系统


[0001]本专利技术涉及人脸识别
，尤其涉及一种人脸识别方法及系统。

技术介绍

[0002]人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术，由于其快速身份验证且生物特征不可复制的特点得到了广泛的应用。
[0003]但如果使用者通过照片、佩戴伪装的面具或伪装来模拟真实用户的面具可能会攻击并成功欺骗人脸识别系统，尤其是随着3D扫描打印技术的发展，让“人皮面具”进展达到了以假乱真的地步，这给人脸识别技术带来的很大的挑战，也会在安全领域、金融领域和社交领域带来极大的风险。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种人脸识别方法及系统。
[0005]第一方面，本专利技术提供了一种人脸识别方法。该方法包括：
[0006]S1、获取用户预存的密码序列，所述密码序列由用户一系列面部动作表情数据生成；
[0007]S2、在用户通过初步人脸识别后，提示用户进行面部动作表情验证；
[0008]S3、分析用户的面部动作表情，判断与预存的密码序列是否匹配；
[0009]S4、若匹配，则通过最终人脸识别验证，否则验证失败。
[0010]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S1之前包括：
[0011]S10、采集真实的人脸视频和佩戴有面具的人脸视频，获取真实的人脸图像和佩戴有面具的人脸图像，作为训练数据；
[0012]S11、构建第一机器学习模型，通过训练数据对第一机器学习模型进行训练；
[0013]S12、利用训练好的第一机器学习模型判断进行人脸识别的用户是否佩戴面具，输出的佩戴面具的风险高和风险低两种结果；
[0014]S13、若判断进行人脸识别的用户佩戴面具的风险低，则通过人脸识别算法对用户进行人脸识别；
[0015]S14、若判断进行人脸识别的用户佩戴面具的风险高，则通过S1
‑
S4进行面部动作表情验证。
[0016]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S13中通过人脸识别算法对用户进行人脸识别，具体包括：
[0017]S131、根据数据库存储的用户面部动作表情数据，随机生成一条选定的密码序列；
[0018]S132、对选定的密码序列建立LABboosted分类模型、第二层至四层SURF、MLP分类模型以及NMS非极大值抑制；
[0019]S133、请求进行人脸识别的用户按照选定的密码序列进行相应的表情动作，生成
验证数据；
[0020]S134、将验证数据通过建立LABboosted分类模型、第二层至四层SURF、MLP分类模型以及NMS非极大值抑制进行一一比对；
[0021]S135、若比对成功，则成功通过人脸识别，否则失败。
[0022]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述密码序列由用户一系列面部动作表情数据生成，具体包括：
[0023]S15、从采集视频中提取图像帧，检测图像帧中人脸的存在并添加时间戳；
[0024]S16、从人脸图像中检测和提取面部特征点；
[0025]S17、根据检测到的面部特征点对用户的面部动作表情进行识别和分类；
[0026]S18、根据一系列面部动作表情数据生成密码序列，并进行加密存储。
[0027]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述一系列面部动作表情数据包括：
[0028]至少两个不同的面部动作表情；
[0029]不同面部动作表情的时间顺序；
[0030]每个面部动作表情的持续时间；
[0031]每个面部动作表情的动作幅度。
[0032]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S3中判断与预存的密码序列是否匹配，具体包括：
[0033]S31、通过预存的密码序列判断面部动作表情的类型和数量是否正确，若错误，则认定为不匹配，否则进入S32；
[0034]S32、判断面部动作表情的动作顺序是否正确，若错误，则认定为不匹配，否则进入S33；
[0035]S33、计算各面部动作表情的持续时间，与预存的密码序列对应的各面部动作表情的持续时间进行比较，获取的第一参考值F1；
[0036]S34、计算各面部动作表情的动作幅度，与预存的密码序列对应的面部动作表情的动作幅度进行比较，获取的第二参考值F2；
[0037]S35、基于第一参考值F1与第二参考值F2计算置信度分数C，比较置信度分数C与置信度阈值C0大小，若置信度分数C小于置信度阈值C0，则认定为不匹配，否则认定为匹配成功。
[0038]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第一参考值F1根据以下公式进行计算：
[0039][0040]其中，F1表示第一参考值，t
i
′
表示当前识别用户第i个面部动作表情的持续时间持续时间，t
i
表示预存的密码序列对应第i个面部动作表情的持续时间持续时间，n表示面部动作表情图像数量；
[0041]所述第二参考值F2根据以下公式进行计算：
[0042][0043]其中，F2表示第二参考值，x
i
′
表示当前识别用户第j个面部动作表情图像中第i个标定点横坐标，x
i
表示预存的密码序列对应第j个面部动作表情图像中第i个标定点横坐标，y
i
′
表示当前识别用户第j个面部动作表情图像中第i个标定点纵坐标，y
i
表示预存的密码序列对应第j个面部动作表情图像中第i个标定点纵坐标，m表示第j个面部动作表情图像中标定点数量，n表示面部动作表情图像数量；
[0044][0045]其中，C表示置信度分数，λ表示调节系数，M表示设定的常数，α和β分别表示比例因子且α+β＝1。
[0046]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：
[0047]S5、通过最终人脸识别验证后，在接收到其他识别终端发送的绑定请求并验证通过后，则将本识别终端与其他识别终端设置为亲密关联终端，所述亲密关联终端之间在验证失败次数达到要求时自动发送协助认证请求和警示信息；
[0048]S6、在接收到其他识别终端发送的协助认证请求时，根据协助认证请求携带的加密的第一密码序列生成对应的第二密码序列，所述第一密码序列和第二密码序列的人脸不同但一系列面部动作表情相同；
[0049]S7、提示本识别终端用户进行面部动作表情验证，将录入的面部动作表情与第二密码序列进行比较，计算置信度分数C1，比较置信度分数C1与第二置信度阈值C2大小，若置信度分数C1小于置信度阈值C2，则认定为不匹配，否则认定为匹配成功，其中，置信度阈值C2小于信度阈值C0；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述方法包括：S1、获取用户预存的密码序列，所述密码序列由用户一系列面部动作表情数据生成；S2、在用户通过初步人脸识别后，提示用户进行面部动作表情验证；S3、分析用户的面部动作表情，判断与预存的密码序列是否匹配；S4、若匹配，则通过最终人脸识别验证，否则验证失败。2.根据权利要求1所述的人脸识别方法，其特征在于，所述S1之前包括：S10、采集真实的人脸视频和佩戴有面具的人脸视频，获取真实的人脸图像和佩戴有面具的人脸图像，作为训练数据；S11、构建第一机器学习模型，通过训练数据对第一机器学习模型进行训练；S12、利用训练好的第一机器学习模型判断进行人脸识别的用户是否佩戴面具，输出的佩戴面具的风险高和风险低两种结果；S13、若判断进行人脸识别的用户佩戴面具的风险低，则通过人脸识别算法对用户进行人脸识别；S14、若判断进行人脸识别的用户佩戴面具的风险高，则通过S1
‑
S4进行面部动作表情验证。3.根据权利要求2所述的人脸识别方法，其特征在于，所述S13中通过人脸识别算法对用户进行人脸识别，具体包括：S131、根据数据库存储的用户面部动作表情数据，随机生成一条选定的密码序列；S132、对选定的密码序列建立LABboosted分类模型、第二层至四层SURF、MLP分类模型以及NMS非极大值抑制；S133、请求进行人脸识别的用户按照选定的密码序列进行相应的表情动作，生成验证数据；S134、将验证数据通过建立LABboosted分类模型、第二层至四层SURF、MLP分类模型以及NMS非极大值抑制进行一一比对；S135、若比对成功，则成功通过人脸识别，否则失败。4.根据权利要求1所述的人脸识别方法，其特征在于，所述密码序列由用户一系列面部动作表情数据生成，具体包括：S15、从采集视频中提取图像帧，检测图像帧中人脸的存在并添加时间戳；S16、从人脸图像中检测和提取面部特征点；S17、根据检测到的面部特征点对用户的面部动作表情进行识别和分类；S18、根据一系列面部动作表情数据生成密码序列，并进行加密存储。5.根据权利要求1或者4任一所述的人脸识别方法，其特征在于，所述一系列面部动作表情数据包括：至少两个不同的面部动作表情；不同面部动作表情的时间顺序；每个面部动作表情的持续时间；每个面部动作表情的动作幅度。6.根据权利要求5所述的人脸识别方法，其特征在于，所述S3中判断与预存的密码序列是否匹配，具体包括：
S31、通过预存的密码序列判断面部动作表情的类型和数量是否正确，若错误，则认定为不匹配，否则进入S32；S32、判断面部动作表情的动作顺序是否正确，若错误，则认定为不匹配，否则进入S33；S33、计算各面部动作表情的持续时间，与预存的密码序列对应的各面部动作表情的持续时间进行比较，获取的第一参考值F1；S34、计算各面部动作表情的动作幅度，与预存的密码序列对应的面部动作表情的动作幅度进行比较，获取的第二参考值F2；S35、基于第一参考值F1与第二参考值F2计算置信度分数C，比较置信度分数C与置信度阈值C0大小，若置信度分数C小于置信度阈值C0，则认定为不匹配，否则...

【专利技术属性】
技术研发人员：项玉凤，
申请(专利权)人：北京易知环宇文化传媒有限公司，
类型：发明
国别省市：