[發(fā)明專利]一種基于深度學(xué)習(xí)的多分類器融合的人臉活體識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811510432.1
• 申請(qǐng)日: 2018-12-11
• 公開(kāi)（公告）號(hào): CN109670430A
• 公開(kāi)（公告）日: 2019-04-23
• 發(fā)明（設(shè)計(jì)）人: 毛穎;胡浩基;王曰海
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 邱啟旺

1.一種基于深度學(xué)習(xí)的多分類器融合的人臉活體識(shí)別方法，其特征在于，該方法為利用傳統(tǒng)邊緣特征的邊框檢測(cè)，收集數(shù)據(jù)并訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的摩爾紋檢測(cè)，并結(jié)合使用人眼關(guān)鍵點(diǎn)位置的眨眼檢測(cè)，進(jìn)行多分類器融合的人臉活體分類識(shí)別。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的多分類器融合的人臉活體識(shí)別方法，其特征在于，該方法包括如下步驟：

(1)眨眼檢測(cè)：對(duì)視頻F中的待檢測(cè)視頻幀f_i進(jìn)行人臉關(guān)鍵點(diǎn)檢測(cè)，獲得眼部區(qū)域關(guān)鍵點(diǎn)坐標(biāo)，由眼部區(qū)域關(guān)鍵點(diǎn)坐標(biāo)計(jì)算人眼開(kāi)合度U_i，統(tǒng)計(jì)人眼開(kāi)合度U_i小于閾值threshold1的次數(shù)z，z小于閾值threshold2則識(shí)別為非活體，否則進(jìn)行下一步檢測(cè)；

(2)邊框檢測(cè)：通過(guò)眨眼檢測(cè)后，對(duì)待檢測(cè)視頻幀f_i進(jìn)行canny邊緣檢測(cè)，然后進(jìn)行hough變換，計(jì)算出現(xiàn)邊框的幀數(shù)占總幀數(shù)的比例，若小于閾值threshold3，則通過(guò)邊框檢測(cè)，進(jìn)入下一步摩爾紋檢測(cè)，否則識(shí)別為非活體；

(3)摩爾紋檢測(cè)：通過(guò)邊框檢測(cè)后，構(gòu)建并訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)，訓(xùn)練后，輸入人臉圖片后，對(duì)于每一小塊區(qū)域，提取神經(jīng)網(wǎng)絡(luò)softmax層的概率值作為分類結(jié)果，對(duì)所有圖片塊計(jì)算概率加權(quán)和P，若P大于閾值threshold4，則識(shí)別為非活體，否則識(shí)別為活體。

3.根據(jù)權(quán)利要求2所述的一種基于深度學(xué)習(xí)的多分類器融合的人臉活體識(shí)別方法，其特征在于，所述眨眼檢測(cè)具體包括如下步驟：

(1.1)輸入一段視頻F，取待檢測(cè)視頻幀f_i；

(1.2)眼部區(qū)域關(guān)鍵點(diǎn)坐標(biāo)獲取：使用dlib庫(kù)中人臉關(guān)鍵點(diǎn)檢測(cè)算法對(duì)待檢測(cè)視頻幀f_i進(jìn)行人臉關(guān)鍵點(diǎn)檢測(cè)，獲得眼部區(qū)域關(guān)鍵點(diǎn)坐標(biāo)；

(1.3)使用上述眼部區(qū)域關(guān)鍵點(diǎn)坐標(biāo)計(jì)算人眼開(kāi)合度U_i，

統(tǒng)計(jì)U_i小于閾值threshold1的次數(shù)z，z小于閾值threshold2則識(shí)別為非活體，否則進(jìn)行下一步檢測(cè)。

4.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)的多分類器融合的人臉活體識(shí)別方法，其特征在于，所述邊框檢測(cè)具體包括如下步驟：

對(duì)取待檢測(cè)視頻幀f_i進(jìn)行灰度化處理，使用canny邊緣提取算法提取灰度圖的邊緣；將邊緣圖進(jìn)行hough變換；在hough變換圖中尋找n個(gè)像素以上的直線形成的點(diǎn)；統(tǒng)計(jì)直線檢測(cè)結(jié)果中直線包含像素的個(gè)數(shù)，若大于閾值threshold5，則判斷為該圖片檢測(cè)為有邊框；計(jì)算出現(xiàn)邊框的幀數(shù)，若小于閾值threshold3，則通過(guò)邊框檢測(cè)，進(jìn)入下一步摩爾紋檢測(cè)，否則識(shí)別為非活體。

5.根據(jù)權(quán)利要求4所述的一種基于深度學(xué)習(xí)的多分類器融合的人臉活體識(shí)別方法，其特征在于，所述摩爾紋檢測(cè)具體包括如下步驟：

使用手機(jī)對(duì)著電腦屏幕翻拍人臉圖片，圖片來(lái)自公開(kāi)人臉數(shù)據(jù)集，以獲取帶有摩爾紋的人臉圖片；使用標(biāo)注軟件對(duì)帶有摩爾紋的人臉圖片中有摩爾紋的區(qū)域進(jìn)行標(biāo)注；將標(biāo)注區(qū)域裁切出來(lái)，并調(diào)整尺寸至固定大小，作為深度卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的正樣本；將公開(kāi)人臉數(shù)據(jù)集的原圖片，即不帶有摩爾紋的人臉圖片裁切，調(diào)整尺寸至同樣固定大小，作為深度卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的負(fù)樣本；利用上述正樣本和負(fù)樣本進(jìn)行訓(xùn)練，得到深度卷積神經(jīng)網(wǎng)絡(luò)分類器；

對(duì)待檢測(cè)視頻幀f_i進(jìn)行灰度化處理，調(diào)整尺寸，并劃分成m*n個(gè)網(wǎng)格；將每一個(gè)小網(wǎng)格區(qū)域S_i，輸入訓(xùn)練好的深度卷積神經(jīng)網(wǎng)絡(luò)分類器中，輸出其為摩爾紋區(qū)域的概率p_i；計(jì)算上述f_i計(jì)算總的平均概率值P，若P大于閾值threshold4，則識(shí)別為非活體，否則識(shí)別為活體。