[發明專利]一種身份認證系統中的人臉防欺騙檢測方法

在審

• 申請號: 201710675124.3
• 申請日: 2017-08-08
• 公開（公告）號: CN107451575A
• 公開（公告）日: 2017-12-08
• 發明（設計）人: 李恒建;曲嘯楓;董吉文
• 申請（專利權）人: 濟南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 濟南泉城專利商標事務所37218
• 代理人: 支文彬

技術領域

本發明涉及身份認證系統中的人臉防欺騙檢測領域，具體涉及一種

背景技術

作為一種方便的用戶認證技術，自動人臉識別在各種門禁控制應用中受到越來越多的關注，特別是手機解鎖。隨著Android移動操作系統中的臉部解鎖功能的發布，面部識別成為移動電話的另一種生物識別技術，類似于IOS系統中的指紋認證(Touch ID)。與指紋認證不同，臉部識別不需要任何附加傳感器，因為所有智能手機都配備了前置攝像頭。然而，類似于其他生物特征模式，我們需要解決對臉部識別系統的臉部欺騙攻擊的擔憂，特別是在無約束感知和不合作的主題場景。為了更安全的進行身份驗證的真實性，檢測被識別的對象是否是活體顯得尤為重要。

據我們所知，Li等人在2004年報道了最早的面部欺騙檢測研究之一。隨著人臉識別越來越受歡迎，近年來國內外很多研究機構的學者都致力于活體檢測問題的研究，許多國際會議及期刊文獻中所涉及的活體檢測算法已有很多。它們在魯棒性和泛化能力方面的優勢和局限性，以及實時響應和可用性上有了很大的突破。根據面部欺騙檢測中使用的不同類型的線索，公布的方法可以分為四類：基于運動的方法、基于紋理的方法、基于圖像質量分析的方法，以及基于其他線索。現今，應用于活體人臉檢測方法主要包括:1)基于運動信息分析的方法:利用眼睛、鼻子和嘴巴的位作為跟蹤估計的特征點，從頭部運動中估計特征點的三維深度坐標值；利用光流學的方法檢測人臉動態變化等。這種方法存在活體檢測所需的特征難以獲取，需要用戶的主動配合，而且假冒者刻意將照片彎曲變形時，估計的深度坐標會有較大變化；同時這種判斷容易受到噪聲和光照條件的影響，具有可靠性不強、計算機代價高等缺陷。2)基于活體特征信息分析的方法：將拍攝到可見光人臉和熱紅外人臉進行匹配，根據兩者相關性進行活體判斷；在輸入的連續圖片序列中檢測眼睛并且計算每只眼睛區域的運動，以用來判斷輸入的人臉是活體還是假冒照片；利用眨眼這一活體的生理特性，訓練睜眼或閉眼的分類器識別真假。這些方法需要額外的設備，本身存在不穩定因素，在普通設備上無法大力推廣等缺點。3)基于紋理信息分析的方法:用傅里葉頻譜分析的方法，定義頻率動態描述子來區分活體人臉和照片人臉；分析LBP算子提取特征的有效性；利用LBP_16，2、LBP_8，1、LBP_8，2分別提取人臉特征，分類訓練SVM識別活體人臉。Jukka Maatta等人在2012年改進了算法，提出了利用LBP特征、Gabor wavelet和HOG三種特征融合的方法。2015年Di Wen等人提出了最新的防欺騙檢測算法，他們利用雙色反射模型分析圖像質量。這些方法易受光照條件的影響，計算復雜度高，在身份驗證系統中的人臉防欺騙技術系統上還無法大力推廣。

發明內容

本發明為了克服以上技術的不足，提供了一種身份認證系統中的人臉防欺騙檢測方法。

本發明克服其技術問題所采用的技術方案是：

1.一種身份認證系統中的人臉防欺騙檢測方法，其特征在于，包括如下步驟：

a)從采集的人臉視頻中根據視頻幀截圖定位人臉，得到人臉圖像樣本；

b)將采集的人臉圖像樣本轉換為人臉灰度圖；

c)在人臉灰度圖的空間域中提取紋理特征，所述紋理特征包括：利用局部二值模式從人臉灰度圖中提取直方圖；利用灰度分布統計法計算人臉灰度分布的均值、標準差、平滑度、三階矩、一致性和熵；利用灰度共生矩陣法計算人臉灰度圖中能量、熵、慣性矩、相關性和逆差距；

c-1)通過公式計算人臉灰度圖的直方圖LBP(x_c,x_y)，其中i_c標示中心像素,i_n為像素8鄰點的灰度值，2ⁿ為編碼值；c-2)通過公式計算人臉灰度圖中灰度值z_i的均值m的n階矩μ_n，其中L為圖像的灰度級，f(z_i)為第i個灰度值z_i出現的頻度，通過公式計算均值m、通過公式計算標準差σ、通過公式計算平滑度R、通過公式計算三階矩μ₃、通過公式計算一致性U、通過公式計算熵e，其中μ₂為i取值為2時，通過公式計算得到的結果；