[發明專利]基于虹膜的人臉識別活體檢測方法及裝置

有效

• 申請號: 201811183736.1
• 申請日: 2018-10-11
• 公開（公告）號: CN109325462B
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 劉俊成;黃沛杰;江南華;吳佳
• 申請（專利權）人: 深圳斐視沃德科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 譚果林

本發明提供一種基于虹膜的人臉識別活體檢測方法及裝置，該方法包括生成隨機運動軌跡；控制隨動中心沿隨機運動軌跡運動，拍攝虹膜圖像和人臉圖像；將采集的人眼跳視軌跡與隨機運動軌跡比對進行虹膜測試，采用深度學習算法對視頻圖像進行人臉查找，如果人臉存在則進行分割，進行特征點并將提取出的特征值與先前存入本地人臉數據庫的人臉特征值進行比對，如果比對成功說明本地人臉數據庫中存在被測試者的圖像，對比失敗說明不存在被測試者的圖像，本發明保證人臉識別活體檢測的準確性，不需要被測試者做過多的動作，提升被測試者的體驗，并且運用的算法速度快，準確性高，同時占用的資源小，可以在桌面端或者ARM上運行，豐富可運用的實用場景。

技術領域

本發明涉及身份識別技術領域，尤其涉及一種基于虹膜的人臉識別活體檢測方法及裝置。

背景技術

隨著人們生活質量的提高，生活住宅物聯網化，辦公高樓現代化，交通工具日益發達多樣化等等，這些無疑都時時刻刻影響著人們的各個方面，從而人們對大到社會治安小到家庭住所的安全更加擔憂；政府部門以及飛機場、高鐵站、地鐵站、海關等公共場所的人流控制、治安管理、潛在犯罪分析等等需求日益增長；大型公共場所比如體育場、足球場或者金融中心CBD等對人流及身份的監控，都需要用到人臉檢測和識別技術。

隨著生物識別技術、模式識別技術、人工智能技術的發展，人臉識別領域的技術在目前現有技術角度來看已趨于成熟，傳統的模式識別中檢測人臉算法比如Opencv里面的人臉Haar特征分類器和dlib人臉檢測；人臉特征提取方法比如LBP人臉識別等算法都可以很好的進行人臉檢測和識別，但是以上方法無法滿足目前各種復雜環境的要求比如系統小型化，運行高效化、識別準確率高和防欺騙等等綜合因素。

現有的人臉識別活體檢測主要采用以下三種方案：1.使用者配合做出相應動作完成活體檢測，其使用者需要配合進行搖頭、眨眼、張嘴等等一系列動作，導致用戶體驗性低；2.利用算法對單個可見光攝像頭采集的視頻圖像進行分析判斷，由于攝像頭采集的視頻圖片是二維空間的，所以不管使用什么算法都很難區分面對攝像頭的是否是活體人臉，導致識別準確度低；3.利用景深相機對被測者進行3D建模，通過3D模型來判斷是否為活體人臉，但這種方法使用的景深相機成本極高，并且3D建模算法需要耗費大量計算機計算能力，運算速度極低。

發明內容

本發明的目的在于提供一種基于虹膜的人臉識別活體檢測方法及裝置，以解決現有技術中對被測者進行人臉識別時用戶體驗性低以及識別準確度低的問題。

本發明是這樣實現的，本發明第一方面提供一種基于虹膜的人臉識別活體檢測方法，所述基于虹膜的人臉識別活體檢測方法包括：

生成隨機運動軌跡；

控制隨動中心沿所述隨機運動軌跡運動，并拍攝虹膜圖像和人臉圖像；

根據所述虹膜圖像獲取被測試目標的瞳孔中心點的運動軌跡，并判斷所述瞳孔中心點的運動軌跡與所述隨機運動軌跡的重合度是否小于預設值；

當所述重合度小于預設值時，判定所述被測試目標為非活體人臉；

當所述重合度不小于預設值時，則判斷所述人臉圖像是否存在人臉；

當所述人臉圖像不存在人臉時，判定所述被測試目標為非活體人臉；

當所述人臉圖像存在人臉時，對所述人臉圖像進行分割，從所分割的人臉圖像中的特征點提取特征值，并將所提取的特征值與人臉數據庫中的人臉特征值進行對比；

當對比成功時，判定所述人臉數據庫中存在所述人臉圖像；

當對比失敗時，判定所述人臉數據庫中不存在所述人臉圖像。