[發明專利]一種活體人臉多角度的身份識別方法

有效

• 申請號: 201811537149.8
• 申請日: 2018-12-14
• 公開（公告）號: CN109800643B
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 褚晶輝;湯文豪;王鵬;李敏;呂衛
• 申請（專利權）人: 天津大學;北京壹卡行科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V40/40
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

本發明公開了一種活體人臉多角度的身份識別方法，包括：若5個關鍵點的坐標計算滿足第一公式，則判斷為正臉；若正臉和側臉時的關鍵點坐標滿足第二公式或第三公式，則判斷用戶頭部左轉或右轉，采集用戶左側臉或右側臉圖像；將用戶正臉、左側臉、右側臉三個角度的人臉圖像分別送入卷積神經網絡模型，分別輸出2622維的特征向量；該特征向量與人臉庫中的特征向量逐一做歸一化點積，得到相似性得分列表；取相似性列表中得分最高的一項作為人臉識別結果，最終的人臉識別結果由三個角度人臉的識別結果投票產生，票數最多的為最終識別結果。本發明消除了頭部姿勢多變性的影響；與此同時，用戶展示多角度人臉的過程中的左右搖頭動作可以作為人臉活體檢測的依據。

技術領域

本發明涉及人臉活體檢測及人臉識別領域，尤其涉及一種活體人臉多角度的身份識別方法。

背景技術

人臉識別是計算機視覺和機器學習領域的一個熱點問題。它在視頻監控、訪問控制、人機接口等應用場景中起著關鍵作用。人臉識別技術用來識別用戶身份，相比于指紋、基因等其他人體生物特征識別，人臉識別提供了一種用戶不易察覺并且在非配合狀態下的識別方法。一般來說，人臉識別系統包括四個模塊：人臉檢測、人臉關鍵點檢測、人臉表征和身份識別。

20世紀70年代，人臉識別技術已經開始了如火如荼的研究。經典的人臉識別算法有PCA(主成分分析)方法、LDA(線性判別分析)方法、彈性匹配技術、以及貝葉斯方法等。和許多計算機視覺問題一樣，人臉識別問題可以分為傳統方法和深度學習方法。傳統方法包括幾何特征法、子空間分析法、統計特征法、模板匹配法等。深度學習方法涌現出DeepID^[1]、DeepFace^[2]、VGGFace^[3]、FaceNet^[4]等一系列方法。

盡管人臉識別在學術上已經取得了長足的進步，并且在各種復雜人臉數據集中取得非常高的準確率。但是，在實際應用中，復雜的光照條件和人臉頭部姿勢的多變性使得人臉識別仍然具有挑戰性。另一方面，僅使用人臉平面照片進行識別會產生很多安全性問題，如利用合法用戶的人臉圖片、視頻、模型或面具等手段進行欺騙。因此有必要在人臉識別的過程中進行活體檢測。

一種多角度人臉識別方法及系統(公開號CN102609695A，公開日2012.07.25)使用多個攝像頭采集人臉圖像，但是對采集到的多角度人臉圖像只挑選正臉圖像進行識別?；谌四樧R別的活體判別方法和設備(公開號CN105389554A，公開日2016.03.09)采用融合的方法，提取鏡面反射特征和人臉關鍵點附近的紋理變化特征進行融合，但是提取每一個人臉關鍵點附近的紋理變化特征計算量是很大的。

發明內容

本發明提供了一種活體人臉多角度的身份識別方法，本發明利用多角度人臉特征信息進行決策級融合，消除頭部姿勢多變性的影響；與此同時，用戶展示多角度人臉的過程中的左右搖頭動作可以作為人臉活體檢測的依據，詳見下文描述：

一種活體人臉多角度的身份識別方法，所述方法包括以下步驟：

通過級聯回歸樹學習每個關鍵點的局部二值特征，并組合起來，使用線性回歸檢測關鍵點，最終得到5個關鍵點；

若5個關鍵點的坐標計算滿足第一公式，則判斷為正臉；

若正臉和側臉時的關鍵點坐標滿足第二公式或第三公式，則判斷用戶頭部左轉或右轉，采集用戶左側臉或右側臉圖像；

將用戶正臉、左側臉、右側臉三個角度的人臉圖像分別送入卷積神經網絡模型，分別輸出2622維的特征向量；該特征向量與人臉庫中的特征向量逐一做歸一化點積，得到相似性得分列表；

取相似性列表中得分最高的一項作為人臉識別結果，最終的人臉識別結果由三個角度人臉的識別結果投票產生，票數最多的為最終識別結果。

其中，所述5個關鍵點具體為：左右外眼角、鼻尖、左右嘴角。