[發(fā)明專利]一種基于近紅外與可見光雙目攝像頭的活體人臉檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711210041.3
• 申請(qǐng)日: 2017-11-28
• 公開（公告）號(hào): CN107862299B
• 公開（公告）日: 2021-08-06
• 發(fā)明（設(shè)計(jì)）人: 馬爭(zhēng);解梅;肖亞敏
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06T3/60;G06K9/42
• 代理公司: 電子科技大學(xué)專利中心 51203
• 代理人: 周劉英

本發(fā)明公開了一種基于近紅外與可見光雙目攝像頭的活體人臉檢測(cè)方法，屬于接收機(jī)視覺及安防領(lǐng)域。本發(fā)明利用紅外攝像頭下、視頻和大部分紙張不能呈現(xiàn)圖像的特性有效的防止了視頻中偽造人臉的攻擊，利用近紅外攝像頭和可見光攝像頭下真實(shí)人臉與照片人臉紋理差異和顏色差異，訓(xùn)練的分類模型可以有效地區(qū)分人臉是來自真實(shí)人臉還是照片中的偽造人臉。本發(fā)明的活體檢測(cè)的正確率高，能有效的防止了視頻、照片常見手段中的偽造人臉的攻擊。本發(fā)明不僅在正確率上相比傳統(tǒng)算法做出了很大的提升，保證了安全性，而且不需要用戶配合機(jī)器做出相應(yīng)的動(dòng)作或表情，提升了用戶的體驗(yàn)感。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺及安防領(lǐng)域，具體涉及一種基于近紅外與可見光雙目攝像頭的活體人臉檢測(cè)方法。

背景技術(shù)

在當(dāng)今信息社會(huì)中，人們?cè)趶氖潞芏嗌鐣?huì)活動(dòng)時(shí)，為保障安全性，經(jīng)常需要對(duì)個(gè)人身份進(jìn)行認(rèn)證。人臉具有自然性、穩(wěn)定性、易采集性的特點(diǎn)，因而被應(yīng)用于身份認(rèn)證。然而，人臉身份認(rèn)證系統(tǒng)中，如果只采用人臉識(shí)別的算法，將無法判斷攝像頭前的人臉是來自于真實(shí)人臉，還是來自于視頻中或者照片中的偽造人臉。因而需要在人臉身份認(rèn)證系統(tǒng)中加入活體人臉檢測(cè)算法，以檢測(cè)攝像頭前的人臉是否是來自于活體的真實(shí)人臉。

現(xiàn)有的活體人臉檢測(cè)算法包括需要用戶配合的檢測(cè)算法和不需要用戶配合的檢測(cè)算法。其中不需要用戶配合的活體人臉檢測(cè)算法，通常在性能上性能表現(xiàn)出準(zhǔn)確率不足以滿足需求的特點(diǎn)。其中很大原因是信息采集源是可見光攝像頭，其算法容易受到環(huán)境和光照的影響，使得算法的泛化性不好。而需要用戶人為的配合活體人臉檢測(cè)算法，用戶需要根據(jù)機(jī)器的提示，做出點(diǎn)頭、轉(zhuǎn)頭等動(dòng)作，或者眨眼、微笑等表情。不僅降低用戶的體驗(yàn)感，而且這種活體檢測(cè)的算法，依舊能夠被某些視頻合成軟件通過合成符合機(jī)器指令的人臉視頻所破解，存在著不安全的隱患。

有鑒于此，需要一種新的活體人臉檢測(cè)算法，既能保障足夠高的識(shí)別率、泛化性和安全性，又能減少或者不用用戶的人為配合。

發(fā)明內(nèi)容

本發(fā)明的發(fā)明目的在于：針對(duì)非用戶配合的可見光攝像頭活體人臉檢測(cè)識(shí)別率、泛化性不足，和用戶配合下的活體人臉檢測(cè)用戶體驗(yàn)感差、安全性不足的技術(shù)問題，本發(fā)明公開了一個(gè)基于近紅外和可見光雙目攝像頭的活體人臉檢測(cè)方法。

本發(fā)明的基于近紅外與可見光雙目攝像頭的活體人臉檢測(cè)方法，包括下列步驟：

(1)活體人臉分類模型的訓(xùn)練步驟：

采集訓(xùn)練樣本，包括近紅外攝像頭下拍攝的真實(shí)人臉圖片G_NIR，對(duì)應(yīng)G_NIR的近紅外偽造人臉圖片N_NIR、可見光偽造人臉圖片V_NIR；可見光攝像頭下拍攝的真實(shí)人臉圖片G_VIS、對(duì)應(yīng) G_VIS的近紅外偽造人臉圖片N_VIS；

樣本清洗：計(jì)算訓(xùn)練樣本的人臉的側(cè)臉角度，剔除側(cè)臉角度大于閾值的訓(xùn)練樣本；

對(duì)清洗后的訓(xùn)練樣本進(jìn)行圖像預(yù)處理：計(jì)算訓(xùn)練樣本的人臉平面旋轉(zhuǎn)角度，對(duì)圖片做旋轉(zhuǎn)變換，使眼睛保持在圖片中的水平位置；再截取只包含人臉區(qū)域的人臉圖片，并進(jìn)行尺寸歸一化處理；

訓(xùn)練近紅外攝像頭下區(qū)分真實(shí)人臉和可見光偽造人臉的第一活體人臉分類模型：

對(duì)預(yù)處理后的訓(xùn)練樣本進(jìn)行第一正負(fù)樣本劃分：將真實(shí)人臉圖像G_NIR作為第一正樣本；偽造人臉圖片N_NIR和V_NIR作為第一負(fù)樣本；

提取第一正負(fù)樣本的紋理特征向量：

提取第一正負(fù)樣本的8位和16位二值編碼模式下的Uniform LBP特征，并分別對(duì)兩種編碼模式下的Uniform LBP特征進(jìn)行直方圖統(tǒng)計(jì)，得到第一正負(fù)樣本的兩類初始紋理特征向量；