[發(fā)明專利]基于人臉活性檢測-眼睛視線隨機挑戰(zhàn)響應方法

有效

• 申請?zhí)枺?/td>: 201910208565.1
• 申請日: 2019-03-19
• 公開（公告）號: CN109934187B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 王毅剛;王子龍
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/26;G06V40/40;G06V10/422;G06V10/54;G06V10/75;G06V10/82
• 代理公司: 西安吉順和知識產(chǎn)權代理有限公司 61238
• 代理人: 邱志賢

1.基于人臉活性檢測-眼睛視線隨機挑戰(zhàn)響應方法，其特征是：至少包括如下步驟：

步驟1：利用face++的人臉檢測API，在屏幕中獲取一個選定的人臉圖像；

步驟2：在獲取的人臉圖像中檢測人臉眼睛區(qū)域是否存在遮擋；沒有遮擋繼續(xù)步驟3，有遮擋取除遮擋，繼續(xù)步驟3；

步驟3：通過隨機數(shù)在屏幕中產(chǎn)生一個點亮區(qū)域；

步驟4：實時挑戰(zhàn)開始，依據(jù)步驟3所產(chǎn)生的隨機數(shù)，利用屏幕分割區(qū)域的標注方式點亮所選區(qū)域，用戶眼睛開始注視所選區(qū)域從而檢測眼睛的視線方向，通過檢測眼睛的視線方向檢測人眼特征、頭部姿勢矯正，對視線方向預估；

步驟5：將挑戰(zhàn)-響應過程中所錄制的視頻進行取幀處理，在挑戰(zhàn)發(fā)起時，連續(xù)獲取20幀圖像，在采集的圖像中眼球視線方向與點亮區(qū)域是否一致；最終判斷用戶是否是真實的人臉，從而達到人臉活性檢測的功能；

所述的步驟3具體包括如下步驟：

300，調(diào)用隨機數(shù)生成函數(shù)，取3的倍數(shù)位置的比特，組成8位的比特序列，將8位的比特序列轉(zhuǎn)換為十進制，數(shù)字的范圍為0～63，用此數(shù)字關聯(lián)系統(tǒng)的提出的挑戰(zhàn)；

301，將屏幕分割為2ⁿ，其中，n∈(1.2.3.4.5.6),選擇n的取值，給出隨機數(shù)生成函數(shù)初始取值；

302，利用m序列生成理論產(chǎn)生64位的01偽隨機序列，將64位01序列轉(zhuǎn)化為十進制，記為A；

303，利用上一步產(chǎn)生的十進制數(shù)進行B＝Amod2ⁿ運算，結(jié)果記為B，此時B為需要點亮屏幕的區(qū)域編號；

304，設n級移位寄存器的初始狀態(tài)為：a_-1a_-2…a_-n，經(jīng)過一次移位后，狀態(tài)變成：a₀a_-1a_-2…a_-n+1；經(jīng)過n次移位后，狀態(tài)變成：a_n-1a_n-2…a₀，序列的遞歸關系式表示出了其反饋邏輯，遞歸關系式表示為：

c_i的值決定了移位寄存器的反饋連接和序列的結(jié)構，用特征方程式表示為：

305，設F_q表示含有q個元素的有限域，其中q＝pⁿ，n是正整數(shù)，p為素數(shù),對于任意正整數(shù)m，從到F_q的跡映射可以定義為

其中x是中的元素；

對于f(x)∈F_q[x]，則a(t)＝Tr(f(α^t))和分別表示周期為q-1的p階序列的第t個元素和其調(diào)制序列，當f(x)＝cx，且時，周期為q-1的p階序列為m序列。

2.根據(jù)權利要求1所述的基于人臉活性檢測-眼睛視線隨機挑戰(zhàn)響應方法，其特征是：所述的步驟2包括：

200，利用face++的人臉檢測API攝像頭采集的視頻流；

201，分析圖片中人臉眼睛區(qū)域是否存在遮擋；有眼鏡遮擋返回參數(shù)為glass，進入步驟202，沒有，返回值為None，進入步驟203；

202，給出摘下眼鏡提示，重新返回200；

203，給出眼睛睜開和閉合提示，返回值為eyestatus，系統(tǒng)會根據(jù)返回值提醒用戶睜開眼睛，因為此活性檢測系統(tǒng)主要依據(jù)眼睛視線為監(jiān)測點所以眼部的睜開，閉合對系統(tǒng)至關重要。

3.根據(jù)權利要求1所述的基于人臉活性檢測-眼睛視線隨機挑戰(zhàn)響應方法，其特征是：所述的步驟4包括：

401，提示用戶通過隨機數(shù)選定的屏幕區(qū)域，并對選定的屏幕區(qū)域點亮，保持頭部姿態(tài)注視點亮區(qū)域；

402，利用face++所提供的API對用戶視線注視方向進行分析；

403，將眼球位置與視線方向信息與屏幕點亮區(qū)域進行一致性分析。

4.根據(jù)權利要求3所述的基于人臉活性檢測-眼睛視線隨機挑戰(zhàn)響應方法，其特征是：所述的步驟403進行一致性分析是基于參數(shù)化模型AAM；參數(shù)化模型AAM分為兩個階段，模型建立階段和模型匹配階段；模型建立階段包括了對訓練樣本分別建立形狀模型和紋理模型，然后將兩個模型進行結(jié)合，形成AAM模型。

5.根據(jù)權利要求3所述的基于人臉活性檢測-眼睛視線隨機挑戰(zhàn)響應方法，其特征是：所述的步驟403眼球位置與視線方向信息的返回值包括以下屬性：

left_eye_gaze：左眼的位置與視線狀態(tài)；

right_eye_gaze：右眼的位置與視線狀態(tài)；

每個屬性都包括以下字段，每個字段的值都是一個浮點數(shù)，小數(shù)點后3位有效數(shù)字；

position_x_coordinate:眼球中心位置的X軸坐標；

position_y_coordinate:眼球中心位置的Y軸坐標；

vector_x_component:眼球視線方向向量的X軸分量；

vector_y_component:眼球視線方向向量的Y軸分量；

vector_z_component:眼球視線方向向量的Z軸分量。