[發明專利]假臉檢測方法及系統、假臉模型訓練方法及系統

有效

• 申請號: 200910241409.1
• 申請日: 2009-12-01
• 公開（公告）號: CN101739555A
• 公開（公告）日: 2010-06-16
• 發明（設計）人: 崔國勤
• 申請（專利權）人: 北京中星微電子有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 蘇培華

1.一種假臉檢測方法，其特征在于，包括：

獲得人臉檢測后的人臉圖像；

根據假臉模型對所述人臉圖像進行檢測，所述假臉模型為基于特征 向量的分類器；

其中，檢測的過程包括：將所述人臉圖像的表示向量映射到判別子 空間，獲得特征向量，所述表示向量為針對所述人臉圖像進行特征提取 獲得，判別子空間是依據包括真假臉的人臉樣本的人臉特征建立的；將 所述特征向量輸入到所述假臉模型中，輸出檢測結果；

所述將所述特征向量輸入到所述假臉模型中，輸出檢測結果的步驟包 括：將所述特征向量輸入到所述假臉模型中，得到假臉判別器的數值； 對該數值進行判別分析，若該數值≥1，則輸出的檢測結果為假臉；若該 數值≤-1，則輸出的檢測結果為真臉；若-1＜該數值＜1，計算該數值的 假臉置信值，若所述假臉置信值>預設置信值，則輸出的檢測結果為假臉， 若所述假臉置信值≤預設置信值，則輸出的檢測結果為真臉；

所述假臉模型為通過以下步驟獲得的假臉模型：獲得人臉檢測后的 人臉樣本，所述人臉樣本包括真臉樣本和假臉樣本；對所述人臉樣本中 的假臉樣本進行分類；提取真臉樣本以及各類別假臉樣本的人臉特征； 所述提取為二次特征提取；

其中，第一次特征提取包括：直接提取人臉樣本的灰度特征或提取 人臉樣本的紋理特征；所述直接提取人臉樣本的灰度特征包括：對真臉 樣本以及各類別假臉樣本進行直方圖均衡化；將每個人臉樣本等分為多 個子區域；分別提取所述子區域的灰度特征；所述提取人臉樣本的紋理 特征包括：對真臉樣本以及各類別假臉樣本進行直方圖均衡化；將每個 人臉樣本等分為多個子區域；分別提取中所述子區域的紋理特征；基于 所述人臉特征，建立判別子空間，得到相應的投影矩陣；

第二次特征提取包括：將每一個人臉樣本通過所述投影矩陣映射到判別 子空間，獲得相應的特征向量；依據所述特征向量對人臉樣本進行訓練， 得到作為假臉模型的分類器。

2.如權利要求1所述的方法，其特征在于，在根據假臉模型對所述 人臉圖像進行檢測的步驟前，還包括：

對所述人臉檢測后的人臉圖像進行眼睛定位，得到眼睛位置；

根據所述眼睛位置，對所述人臉圖像進行歸一化操作；

從所述歸一化后的人臉圖像中割取預設大小的圖像。

3.一種假臉模型訓練的方法，其特征在于，包括：

獲得人臉檢測后的人臉樣本，所述人臉樣本包括真臉樣本和假臉樣 本；

對所述人臉樣本中的假臉樣本進行分類；

提取真臉樣本以及各類別假臉樣本的人臉特征；

所述提取真臉樣本以及各類別假臉樣本的人臉特征的步驟包括：

對真臉樣本以及各類別假臉樣本進行直方圖均衡化；

將每個人臉樣本等分為多個子區域；

分別提取中所述子區域的灰度特征或紋理特征；

基于所述人臉特征，建立判別子空間；

將每一個人臉樣本映射到所述判別子空間，獲得相應的特征向量；

依據所述特征向量對人臉樣本進行訓練，得到作為假臉模型的分類器。

4.如權利要求3所述的方法，其特征在于，所述提取真臉樣本以及各 類別假臉樣本的人臉特征的步驟包括：

對真臉樣本以及各類別假臉樣本進行直方圖均衡化；

針對所有人臉樣本，根據灰度特征構造協方差矩陣，從而得到特征基；

分別將每個人臉樣本映射到所述特征基，從而獲得人臉特征。

5.如權利要求3所述的方法，其特征在于，所述依據所述特征向量對 人臉樣本進行訓練，得到作為假臉模型的分類器的步驟包括：

按照學習能力對人臉樣本及特征向量組成的訓練數據進行分組；

針對當前組訓練數據，訓練獲得相應的分類器，依據所述分類器計算得 到錯分樣本集，并判斷當前組訓練數據是否為最后一組訓練數據，若是，則 判斷當前分類器的分類錯誤率是否在預置范圍內，若是，則結束本次操作， 否則從第一組數據開始訓練；

否則，依據所述錯分樣本集更新當前組訓練數組，并進行下一組訓練。