[發(fā)明專利]一種基于圖像的人臉防偽方法及裝置

在審

• 申請?zhí)枺?/td>: 201711074733.X
• 申請日: 2017-10-26
• 公開（公告）號: CN107742112A
• 公開（公告）日: 2018-02-27
• 發(fā)明（設(shè)計）人: 李東;葉培楚;章云
• 申請（專利權(quán)）人: 廣東工業(yè)大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T3/00;G06T7/38;G06T7/44;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于圖像的人臉防偽方法，一種基于圖像的人臉防偽裝置。

背景技術(shù)

人臉識別技術(shù)是一種利用人臉生物特征進行身份認證的技術(shù)。人臉識別技術(shù)目前被廣泛應用于支付、安保、監(jiān)控等領(lǐng)域。

人臉識別技術(shù)在使用時，無論是移動支付、安檢、公證還是考勤，都需要能夠有效防偽，避免錯誤識別。若出現(xiàn)錯誤識別的情況，無論是在上述哪個領(lǐng)域，都會給用戶帶來嚴重的損失。因此人臉支付技術(shù)需要能夠有效識別偽造人臉及其他偽造方式，但現(xiàn)有的防偽技術(shù)存在傳感器昂貴、防偽準確率不高等缺點。

發(fā)明內(nèi)容

鑒于上述問題，提出了本發(fā)明實施例以便提供一種克服上述問題或者至少部分地解決上述問題的一種基于圖像的人臉防偽方法和相應的一種基于圖像的人臉防偽裝置。

為了解決上述問題，本發(fā)明實施例公開了一種基于圖像的人臉防偽方法，包括：

采集目標圖像數(shù)據(jù)；

裁剪所述目標圖像數(shù)據(jù)以去除背景等非人臉區(qū)域；

對所述裁剪后的人臉圖像數(shù)據(jù)進行人臉對齊；

對所述對齊后的人臉圖像數(shù)據(jù)計算人臉差值圖像；

在所述高斯差分圖像上提取特征點；

基于特征點閾值信息，利用分類器進行分類。

優(yōu)選地，在本發(fā)明實施例提供的上述基于圖像的人臉防偽方法中，采用攝像機對同一人臉進行連續(xù)拍攝兩次，獲得兩張人臉圖像作為目標圖像。

優(yōu)選地，在本發(fā)明實施例提供的上述基于圖像的人臉防偽方法中，裁剪所述目標圖像數(shù)對所述目標圖像進行五官定位，結(jié)合預設(shè)邊界閾值去除背景等非人臉區(qū)域。

收集n個訓練樣本，手動標記臉部特征點，包括臉頰、鼻子、眼睛、嘴巴等區(qū)域特征點；

將訓練集中特征點的坐標{(x₁，y₁)，(x₂，y₂)，…，(x_n，y_n)}合并成特征向量[X Y]，其中X＝[x₁，x₂，…，x_n]^T，y＝[y₁，y₂，…，y_n]^T；

利用Procrustes方法將上述特征進行對齊，并進一步做歸一化處理以去除特征之間的相關(guān)性。

最后為每個特征點構(gòu)建其局部特征向量。

根據(jù)上述訓練得到的模型，對本發(fā)明輸入數(shù)據(jù)進行處理，可以較為準確地定位到人臉五官位置{(x₁，y₁)，(x₂，y₂)，…，(x_m，y_m)}共m個特征點。

根據(jù)所述人臉五官定位技術(shù)找到五官位置，并設(shè)置一定邊界閾值條件進行圖片裁剪，將背景等非人臉區(qū)域去除。

優(yōu)選地，在本發(fā)明實施例提供的上述基于圖像的人臉防偽方法中，將所述目標圖像數(shù)據(jù)進行人臉對齊，具體包括：

采用二維仿射變換人臉對齊方法或其他相關(guān)人臉對齊方法對所述目標圖像數(shù)據(jù)進行人臉對齊。

以二維仿射變換人臉對齊技術(shù)對所述目標圖像數(shù)據(jù)I_pos1，I_pos2進行對齊，

設(shè)所述目標圖像I_pos1中第i個特征點為所述目標圖像I_pos2中相對應的第i個特征點為變換矩陣計算變換矩陣：

根據(jù)所述五官定位可知人臉五官有m個特征點，上述變換矩陣采用直接線性變換方式求解：

通過最小二乘法解得上述變換矩陣M，完成所述目標圖像I_pos1與I_pos2之間的人臉對齊。

優(yōu)選地，在本發(fā)明實施例提供的上述基于圖像的人臉防偽方法中，計算所述目標圖像數(shù)據(jù)人臉差值圖像，具體包括：

將所述對齊后的兩張人臉圖像數(shù)據(jù)在像素層級相減得到人臉差值圖像。

優(yōu)選地，在本發(fā)明實施例提供的上述基于圖像的人臉防偽方法中，在所述目標圖像數(shù)據(jù)提取特征點，具體包括：

對所述目人臉差值圖像計算其特征，并通過預設(shè)閾值篩選特征數(shù)量：

將所述人臉差值圖像I_pos與不同σ值的高斯卷積核卷積得到不同尺度下的圖像：