[發(fā)明專利]一種基于深度圖像的生物特征活體識別檢測方法、裝置

有效

• 申請?zhí)枺?/td>: 201910981696.3
• 申請日: 2019-10-16
• 公開（公告）號: CN112668370B
• 公開（公告）日: 2023-08-25
• 發(fā)明（設(shè)計）人: 鄒保珠;王升國;趙先林
• 申請（專利權(quán)）人: 杭州海康威視數(shù)字技術(shù)股份有限公司
• 主分類號: G06V40/40
• 分類號: G06V40/40;G06V10/94;G06V10/50;G06N20/00
• 代理公司: 北京德琦知識產(chǎn)權(quán)代理有限公司 11018
• 代理人: 謝安昆;宋志強

1.一種基于深度圖像的生物特征活體識別檢測方法，其特征在于，該方法包括，

獲取當前包含有生物特征的被檢測目標的深度圖像，

基于訓(xùn)練后的機器學(xué)習(xí)模型，對所述當前深度圖像進行活體識別，

其中，

所述機器學(xué)習(xí)模型的訓(xùn)練包括，

獲取包含生物特征的深度圖像樣本，

基于深度圖像樣本，計算深度圖像中像素點的梯度，得到表征圖像深度值變化程度的圖像梯度特征，其中，圖像梯度特征包括梯度幅值和梯度方向；

根據(jù)所述圖像梯度特征，獲取至少一個子區(qū)域圖像的梯度方向直方圖；其中，子區(qū)域圖像為所述深度圖像中不同區(qū)域的圖像，直方圖中容器bin在縱軸的高度與所述梯度幅值有關(guān)；

將所有子區(qū)域梯度方向直方圖串接起來，得到提取的圖像特征；其中，圖像特征的向量維數(shù)為所串接的直方圖中容器bin的個數(shù)之和；

將所述圖像特征作為所述機器學(xué)習(xí)模型的樣本，對所述機器學(xué)習(xí)模型進行訓(xùn)練；

所述根據(jù)所述圖像梯度特征，獲取至少一個子區(qū)域圖像的梯度方向直方圖，包括：

對于任一子區(qū)域圖像中的任一像素點，

根據(jù)該像素點的梯度方向確定對應(yīng)的bin，

根據(jù)梯度方向確定兩個相鄰的bin的最小中心點值，分別計算所述梯度方向與第一中心點的第一距離、以及第二中心點與所述梯度方向的第二距離，其中，第一中心點值大于第二中心點值，

將所述第一距離在第一中心點值與第二中心點值之間距離中所占的比例，作為分配至第二中心點的bin的權(quán)重，將該權(quán)重加權(quán)梯度幅值，得到該像素點的梯度幅值在該bin的分配，

將所述第二距離在第一中心點值與第二中心點值之間距離中所占的比例，作為分配至第一中心點的bin的權(quán)重，將該權(quán)重加權(quán)梯度幅值，得到該像素點的梯度幅值在梯度方向的分配；

統(tǒng)計該子區(qū)域中的所有像素點的梯度幅值在梯度方向的分配，得到該子區(qū)域梯度方向直方圖。

2.如權(quán)利要求1所述的方法，其特征在于，所述獲取包含生物特征的深度圖像樣本包括，

如果深度圖像中包括一個以上生物特征圖像，則選取圖像面積最大的生物特征；

基于選取的生物特征圖像，裁剪出生物特征區(qū)域的深度圖像；

對于深度值獲取失敗的位置點，使用位置點周圍鄰域的像素點的深度值按照插值來進行修復(fù)；對于深度值獲取失敗的區(qū)域，則按照插值，先修復(fù)該區(qū)域邊緣的深度值，再逐漸向區(qū)域中心修復(fù)；

對所述深度圖像進行歸一化處理。

3.如權(quán)利要求2所述的方法，其特征在于，所述基于深度圖像樣本，計算深度圖像中像素點的梯度，包括，

對于深圖圖像中的任一像素點，

分別計算水平方向和垂直方向的深度導(dǎo)數(shù)，

根據(jù)計算水平和垂直方向的深度導(dǎo)數(shù)，分別計算梯度的幅值和方向，得到深度圖像的各像素點的圖像梯度。

4.如權(quán)利要求3所述的方法，其特征在于，所述子區(qū)域為：將深度圖像所分成的大小相同的子區(qū)域。

5.如權(quán)利要求4所述的方法，其特征在于，所述將所有子區(qū)域梯度方向直方圖串接起來，得到提取的圖像特征，包括，

根據(jù)任一子區(qū)域梯度方向直方圖，得到該子區(qū)域的B維圖像特征，

將所有子區(qū)域梯度方向直方圖沿梯度方向串接，得到N×B維的圖像特征向量；

其中，圖像的大小為W×H，子區(qū)域大小為w×h，

6.如權(quán)利要求4所述的方法，其特征在于，所述子區(qū)域為：以滑動步長所確定的子區(qū)域，其中，滑動步長用于控制相鄰子區(qū)域是否重合，包括水平方向步長和垂直方向步長。

7.如權(quán)利要求6所述的方法，其特征在于，將所有子區(qū)域梯度方向直方圖串接起來，得到提取的圖像特征，包括，

根據(jù)任一子區(qū)域梯度方向直方圖，得到該子區(qū)域的B維圖像特征，

將所有子區(qū)域梯度方向直方圖沿梯度方向串接，得到N×B維的圖像特征向量；

其中，圖像的大小為W×H，子區(qū)域大小為w×h，水平方向滑動步長為s，豎直方向滑動步長為t，