假脸检测方法及系统、假脸模型训练方法及系统技术方案

本发明专利技术提供了一种假脸检测方法及系统、一种假脸模型训练方法及系统，其中的假脸检测方法包括：获得人脸检测后的人脸图像；根据假脸模型对所述人脸图像进行检测，所述假脸模型为基于特征向量的分类器；其中，所述检测的过程包括：将所述人脸图像的表示向量映射到判别子空间，获得特征向量，所述表示向量为针对所述人脸图像进行特征提取获得，所述判别子空间是依据包括真假脸的人脸样本的人脸特征建立的；将所述特征向量输入到所述假脸模型中，输出检测结果。本发明专利技术用以剔除经过人脸检测算法检测出的大量假脸，从而为后续的人脸识别提供合格的人脸图像。

【技术实现步骤摘要】

本专利技术涉及模式识别
，特别是涉及一种假脸检测方法及系统、一种假脸模型训练方法及系统。
技术介绍
随着技术的高速发展，人脸识别技术的日趋成熟，作为人脸识别中首要环节的人 脸检测也在安全识别、身份鉴定等领域得到了广泛的应用。 现有的人脸检测，动辄通过对数十万张人脸和非人脸样本进行训练，得到人脸检 测模板，然后根据所述人脸检测模板判断待检测图像中是否存在人脸。但是由于光照、姿 态、表情、图像质量、尺寸、遮挡、背景等多种因素的影响，非人脸图像和人脸图像在某些程 度上存在着一定的相似性，很难用一种检测方法检测出这种相似性；此外，任何一种检测算 法都有其局限性，如果硬性地采用一种检测方法对另一种算法检测出来的人脸进行验证， 也存在着将已经被证明是正确检测的人脸判别为假脸的可能性。 受上述因素以及检测算法局限性的影B向，随着人脸检测率的大幅度提升，不可避 免地带来了误检率的提高，给后续的人脸识别带来了坏的影响，因此，有必要对检测出的 人脸进行假脸的检测，剔除其中的假脸。 总之，需要本领域技术人员迫切解决的一个技术问题就是如何能够提供一种假 脸检测方法，用以剔除采用某种人脸检测算法错误本文档来自技高网...

【技术保护点】
一种假脸检测方法，其特征在于，包括：获得人脸检测后的人脸图像；根据假脸模型对所述人脸图像进行检测，所述假脸模型为基于特征向量的分类器；其中，所述检测的过程包括：将所述人脸图像的表示向量映射到判别子空间，获得特征向量，所述表示向量为针对所述人脸图像进行特征提取获得，所述判别子空间是依据包括真假脸的人脸样本的人脸特征建立的；将所述特征向量输入到所述假脸模型中，输出检测结果。

【技术特征摘要】
一种假脸检测方法，其特征在于，包括获得人脸检测后的人脸图像；根据假脸模型对所述人脸图像进行检测，所述假脸模型为基于特征向量的分类器；其中，所述检测的过程包括将所述人脸图像的表示向量映射到判别子空间，获得特征向量，所述表示向量为针对所述人脸图像进行特征提取获得，所述判别子空间是依据包括真假脸的人脸样本的人脸特征建立的；将所述特征向量输入到所述假脸模型中，输出检测结果。2. 如权利要求1所述的方法，其特征在于，在根据假脸模型对所述人脸图像进行检测 的步骤前，还包括对所述人脸检测后的人脸图像进行眼睛定位，得到眼睛位置； 根据所述眼睛位置，对所述人脸图像进行归一化操作； 从所述归一化后的人脸图像中割取预设大小的图像。3. 如权利要求1所述的方法，其特征在于，所述假脸模型为通过以下步骤获得的假脸 模型获得人脸检测后的人脸样本，所述人脸样本包括真脸样本和假脸样本； 对所述人脸样本中的假脸样本进行分类； 提取真脸样本以及各类别假脸样本的人脸特征； 基于所述人脸特征，建立判别子空间，得到相应的投影矩阵；将每一个人脸样本通过所述投影矩阵映射到判别子空间，获得相应的特征向量； 依据所述特征向量对人脸样本进行训练，得到作为假脸模型的分类器。4. 如权利要求1所述的方法，其特征在于，所述将所述特征向量输入到所述假脸模型 中，输出检测结果的步骤包括将所述特征向量输入到所述假脸模型中，得到假脸判别器的数值； 对该数值进行判别分析，若该数值^ l，则输出的检测结果为假脸； 若该数值《-l，则输出的检测结果为真脸；若-1 <该数值< 1，计算该数值的假脸置信值，若所述假脸置信值>预设置信值，则输 出的检测结果为假脸，若所述假脸置信值《预设置信值，则输出的检测结果为真脸。5. —种假脸模型训练的方法，其特征在于，包括获得人脸检测后的人脸样本，所述人脸样本包括真脸样本和假脸样本； 对所述人脸样本中的假脸样本进行分类； 提取真脸样本以及各类别假脸样本的人脸特征； 基于所述人脸特征，建立判别子空间；将每一个人脸样本映射到所述判别子空间，获得相应的特征向量； 依据所述特征向量对人脸样本进行训练，得到作为假脸模型的分类器。6. 如权利要求5所述的方法，其特征在于，所述提取真脸样本以及各类别假脸样本的人脸特征的步骤包括对真脸样本以及各类别假脸样本进行直方图均衡化；将每个人脸样本等分为多个子区域；分别提取所述子区域的灰度特征。7. 如权利要求5所述的方法，其特征在于，所述提取真脸样本以及各类别假脸样本的 人脸特征的步骤包括对真脸样本以及各类别假脸样本进行直方图均衡化；将每个人脸样本等分为多个子区域； 分别提取中所述子区域的纹理特征。8. 如权利要求5所述的方法，其特征在于，所述提取真脸样本以及各类别假脸样本的人脸特征的步骤包括对真脸样本以及各类别假脸样本进行直方图均衡化；针对所有人脸样本，根据灰度特征构造协方差矩阵，从而得到特征基； 分别将每个人脸样本映射到所述特征基，从而获得人脸特征。9. 如权利要求5所述的方法，其特征在于，所述依据所述特征向量对人脸样本进行训 练，得到作为假脸模型的分类器的步骤包括按照学习能力对人脸样本及特征向量组成的训练数据进行分组；针对当前组训练数据，训练获得相应的分类器，依据所述分类器计算得到错分样本集， 并判断当前组训练数据是否为最后一组训练数据，若是，则判断当前...

【专利技术属性】
技术研发人员：崔国勤，
申请(专利权)人：北京中星微电子有限公司，
类型：发明
国别省市：11[中国|北京]