当前位置: 首页 > 专利查询>浙江大学专利>正文

基于背景比对的视频和活体人脸的鉴别方法技术

技术编号:4117598 阅读:282 留言:0更新日期:2012-04-11 18:40
本发明专利技术公开了一种基于背景比对的视频和活体人脸的鉴别方法,步骤如下:(1)对输入视频的每一帧图像进行人脸位置检测,根据检测出的人脸位置确定背景比对区域;(2)选取输入视频中和背景比对区域在尺度空间上的极值点作为背景比对区域的特征点,得到背景特征点集Pt;(3)用Gabor小波变换描述图像I在背景特征点集Pt的特征;(4)利用步骤(3)的结果,定义活体度量L;如果活体度量L大于阈值θ,判定为活体,否则视为假冒视频。本发明专利技术主要解决仅通过单个摄像头进行视频人脸和活体人脸的计算机自动鉴别问题。

【技术实现步骤摘要】

本专利技术涉及视频及图像的计算机处理
,尤其涉及一种通过背景比对来自动鉴别视频人脸与活体人脸的方法。
技术介绍
活体人脸检测是计算机人脸识别系统的安全性的重要保证。对于二维人脸识别系 统而言,使用合法用户的视频在摄像头前假冒用户是一种常用的攻击手段,视频中有头部 运动、眨眼、唇部运动等生理信息,与活体人脸有很大的共性,从而对识别系统的安全性构 成极大威胁。 迄今为止对于活体人脸检测技术的研究不多,主要有三维深度估计、脸部表情变 化、光流、频谱、眨眼检测等分析手段。但这些方法中有的需要用户头部或者脸部的运动配 合,有的则受外部环境条件影响很大。
技术实现思路
本专利技术提供一种基于背景比对的视频人脸和活体人脸的鉴别方法,主要解决的是仅通过单个摄像头进行视频人脸和活体人脸的鉴别问题。—种,其步骤如下 (1)人脸定位与背景比对区域的确定 使用Haar类似特征与级联Adaboost方法对输入视频的每一帧图像It进行人脸 位置检测,根据检测出的人脸位置确定背景比对区域。 背景比对区域设定为人脸左右两侧的小块区域,不包含耳朵和头发。 背景比对区域的高度和人脸的高度(人脸自动检测结果)相同,宽度为人脸宽度的1/4,背景比对区域与人脸边缘的距离为人脸宽度的1/4。(2)基于尺度空间的背景特征点提取 在每一帧图像It的背景比对区域中,通过图像尺度空间的方法,将尺度空间上的极值点作为该帧背景比对的特征点,用集合Pt表示; 对于活体和假冒视频的鉴别,我们用阈值9来判定, 「活体 ifL假冒视频z/丄<6 如果活体度量L大于阈值e ,我们判定为活体,否则视为假冒视频攻击。 本专利技术有益的效果是主要解决仅通过单个摄像头进行视频人脸和活体人脸的计 算机自动鉴别问题。附图说明 图1是本专利技术鉴别方法的流程图; 图2本专利技术鉴别方法中背景比对区域示意图。具体实施例方式人脸定位与背景比对区域的确定 对于输入视频的每一帧图像,先要进行人脸定位。用Haar类似特征与级联Adaboost方法(可参考P. Viola, M. J. Jones, Rapid Object Detection usinga Boosted Cascade of Simple Features. IEEE Conference on. Computer Visionand PatternRecognition,卯.511-518,2001.)结合,对输入视频的每一帧图像进行人脸位置的检测。级 联Adaboost方法是把若干Adaboost分类器级联起来,即把前一级分类器分类的结果作为 下一级分类器分类的内容,以提高分类性能。Adaboost分类器是以人脸图像和非人脸图像 为样本来训练参数。对于样本中提取的特征是Haar类似特征,因为Haar类似特征能有效 地表达人脸中眼部、鼻梁和嘴部等重要特征,并且能快速地计算。 当假冒视频用其他显示设备在人脸认证系统的摄像头前回放时,摄像头所拍摄的 人脸周围区域将包括假冒视频的背景、部分显示设备等,而对活体人脸来说,人脸周围就是 识别系统的工作场所背景,故假冒视频中人脸周围部分的图像和人脸认证系统所在的工作 背景图像的不同可作为检测假冒视频的依据。摄像头取景形状通常呈长方形,上下距离比 左右距离长,同时考虑到视频回放假冒时,视频中人脸左右两侧会有更多拍摄时的背景,而 脸部上部因受发型影响可能背景非常少,故我们把背景比对区域设定为人脸左右两侧的小块区域,如图2所示,宽度为d的中央区域表示用级联Adaboost方法检测出的人脸位置,因 为该方法定位的人脸不包含左右两侧头发和耳朵,所以为了在背景比对区域中不包含人脸 左右两侧头发和耳朵,将人脸区域在级联Adaboost方法检测出人脸区域向左右两侧分别 扩大人脸宽度的1/4(图2中与中央区域相邻,宽度为l/4d的扩展区域B,然后在此扩展区 域B的左右两侧的区域作为背景比对区域A,在图2中背景比对区域A用实线矩形框表示。 背景比对区域A的高度和人脸的高度(人脸自动检测结果)相同,宽度为人脸宽度的1/4, 这是人脸周围区域中获取视频假冒攻击线索的关键区域。 基于尺度空间的背景特征点提取 为实现两个图像的比对,本方法提取图像中若干个有代表性、信息丰富的关键点 来表征图像。这些特征点通常能指示出背景中有意义的景物,使之能区分于其它背景。我 们把这些关键点称为背景特征点。用关键点来表征图像进行背景比对的好处在于首先,能 降低其它非关键点对背景比对的干扰,增强比对的稳定性与可靠性;其次,可减少光线变化 对相同背景比对的影响;另外,还可减少特征计算量。 背景特征点的选取基于图像尺度空间上的极值点。尺度空间上的极值点具有尺度 不变性、独特性、对三维视点和光线变化有较强的鲁棒性等优点,并已被该方法成功地应用 在图像匹配、物体识别、图像检索等方面。 图像I(x,y)的尺度空间L工(x,y,。)是多尺度的高斯函数G (x, y,。)和图像I(x, y)的巻积, L工(x,y, o) =G(x,y, o)*I(x,y)(l) 其中承表示高斯函数G(x, y,。)和图像I(x,y)的巻积,多尺度的高斯函数G (x, y, o)定义为,GO,y,CT) = _i^e-22)^2 (2)2;rcr o表示高斯滤波器的方差,图像I的相邻尺度差D工(x, y,。)定义为两个相邻尺 度空间的差, D工(x, y, o ) = L工(x, y, k o ) -L工(x, y, o ) (3) 其中k为常数,表示两个尺度相邻乘数因子k。 公式(2)中的o定义为, 0 (o, s) = 0 02o+s/s (4) 其中o, s取值为整数,o G , s G 。o 。, 0禾P S都是常数,分别表示基准尺度,倍频数目和子尺度数目,那么两个尺度的相邻乘数因子k为, k = 21/s (5) 利用图像的相邻尺度差,我们设计了一个基于尺度空间的背景特征点提取算法。 该算法的输入为一个视频的图像序列..., lTh输出为每一个图像的背景特征点集合 Pt,t= 1,…,T。 该算法中,函数isJocal—extrema(x,y,1)判断一个像素点P (x, y)是否是图像I 在相邻尺度差D工(x,y, o)上的极值点。该点成为极值点的条件是相邻26点中的极大或极 小值,这26个点分别是尺度o上周围的8个点,尺度o增大方向的相邻尺度上的9个点, 尺度o减小方向的相邻尺度上的9个点。不同图像中极值点的个数通常相差很大,为增强5活体度量的可比性,我们在特征点提取方法中固定所选取特征点的数量,用N表示(一般来 说,如果背景比对区域中有3-5个物体,每个物体用3-4个点标示的话,9-20个点就可以了, 在这个范围里结果基本相同,本实施例中N二 16)。背景特征点提取算法中的Background 表示背景图片,背景图片是检测活体之前在检测活体的位置用摄像头拍摄的一张照片。 背景特征点提取算法 输入一图像序列... , lTh对图像序列的每一个图片It,如果在图片中检测到 人脸,那么 1.确定背景比对区域R; [OO56] 2.对R中的每一个像素(x, y) 如果is_local_extrema(x, y, 本文档来自技高网...

【技术保护点】
一种基于背景比对的视频和活体人脸的鉴别方法,其特征是,步骤如下:(1)对输入视频的每一帧图像I↓[t]进行人脸位置检测,根据检测出的人脸位置确定背景比对区域;(2)在每一帧图像I↓[t]的背景比对区域中,通过图像尺度空间的方法,将尺度空间上的极值点作为该帧背景比对的特征点,提取预定数量的特征点得到特征点集P↓[t];(3)用特征点集P↓[t]上的Gabor小波变换描述所对应帧图像I↓[t]的背景特征,Gabor背景描述子G(x,y,I)为由一组Gabor小波集在点(x,y)上卷积后组成的一个集合,G(x,y,I)={ψ↑[i](x,y)*I(x,y)};I(x,y)为图像中坐标为x,y的点的像素值;ψ↑[i](x,y)=e↑[-(x′↑[2]+y′↑[2])/2σ↑[2]]e↑[2πjx′/λ];x′=xcosθ+ysinθ,y′=-xsinθ+ycosθ;j表示复数中的虚部;θ表示Gabor小波的方向;λ表示小波的波长;σ表示包络函数的半径;(4)利用步骤(3)的结果,定义活体度量L;L=1/T*(1/N*S(G(x,y,I↓[t]),G(x,y,Background)))S()是相似度函数;Background表示背景图片,是检测活体之前在检测活体的位置拍摄得到的图片;T是输入视频中图像的总帧数;如果活体度量L大于阈值θ,判定为活体,否则视为假冒视频。...

【技术特征摘要】
一种基于背景比对的视频和活体人脸的鉴别方法,其特征是,步骤如下(1)对输入视频的每一帧图像It进行人脸位置检测,根据检测出的人脸位置确定背景比对区域;(2)在每一帧图像It的背景比对区域中,通过图像尺度空间的方法,将尺度空间上的极值点作为该帧背景比对的特征点,提取预定数量的特征点得到特征点集Pt;(3)用特征点集Pt上的Gabor小波变换描述所对应帧图像It的背景特征,Gabor背景描述子G(x,y,I)为由一组Gabor小波集在点(x,y)上卷积后组成的一个集合,G(x,y,I)={ψi(x,y)*I(x,y)};I(x,y)为图像中坐标为x,y的点的像素值; <mrow><msup> <mi>&psi;</mi> <mi>i</mi></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><msup> <mi>e</mi> <mrow><mo>-</mo><mfrac> <mrow><msup> <mi>x</mi> <mrow><mo>&prime;</mo><mn>2</mn> </mrow></msup><mo>+</mo><msup> <mi>y</mi> <mrow><mo>&prime;</mo><mn>2</mn> </mrow></msup> </mrow> <mrow><mn>2</mn><msup> <mi>&sigma;</mi> <mn>2</mn></msup> </mrow></mfrac> </mrow></msup><msup> <mi>e</mi> <mrow><mn>2</mn><mi>&pi;j</mi><mfrac> <msup><mi>x</mi><mo>&prime;</mo> </msup> <mi>&lambda;</mi></mfrac> </mrow></msup><mo>;</mo> </mrow>x′=xcosθ+ysinθ,y′=-xsinθ+ycosθ;j表示复数中的虚部;θ表示Gabor小波的方向;λ表示小波的波长;σ表示包络函数的半径;(4)利用步骤(3)的结果,定义活体度量L; <mrow><mi>L</mi><mo>=</mo><mfrac>...

【专利技术属性】
技术研发人员:潘纲吴朝晖孙霖
申请(专利权)人:浙江大学
类型:发明
国别省市:86[中国|杭州]

网友询问留言 已有0条评论
  • 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。

1