[發(fā)明專利]一種快速活體檢測的方法與系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202111580954.0
• 申請日: 2021-12-22
• 公開（公告）號: CN113963427B
• 公開（公告）日: 2022-07-26
• 發(fā)明（設計）人: 徐曉剛;王小龍;徐冠雷
• 申請（專利權）人: 浙江工商大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06V10/82;G06K9/62;G06T5/40;G06T7/136;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 鄭海峰

本發(fā)明公開了一種快速活體檢測的方法與系統(tǒng)，屬于活體檢測領域。通過構建真實人臉圖像和二次拍攝人臉圖像的多尺度、多旋轉角度下的頻譜圖，將頻譜圖在水平和垂直方向上的投影向量作為特征向量，既能夠充分提取到圖像的摩爾紋特征，又無需依賴復雜的神經網絡結構，實現了對視頻重播攻擊手段的快速檢測。利用人臉圖像的面部總體信號與局部感興趣信號的相關性來構建血容積分布，在此基礎上計算頻率峰值分布，結合閾值分割模型實現了對包含生理信號區(qū)域的精準定位，能夠對高仿真面具和高清圖片攻擊進行高精度檢測。本發(fā)明無需指定面部動作配合檢測，僅通過采集面部視頻即可進行綜合檢測，覆蓋了主要的活體檢測攻擊方式，具備高的檢測精度及檢測速度。

技術領域

本發(fā)明涉及圖像處理領域，尤其涉及一種快速活體檢測的方法與系統(tǒng)。

背景技術

當前，基于信號處理技術和深度學習技術實現活體攻擊檢測具有較高的實用價值，因此是當前研究的熱點和難點。活體檢測多應用于安全驗證，對活體攻擊檢測精度、檢測速度和檢測范圍都有著較高的要求，往往需要待檢測對象隨機實施指定的面部動作配合檢測，但是這種檢測方式并不能完全防止高精度仿真面具攻擊等手段，而且在檢測過程中用戶易感到不適或尷尬。在現有技術中普遍存在的問題：檢測方式或手段單一，無法有效覆蓋大部分典型的活體檢測攻擊手段，且單一檢測方法易存在明顯的漏洞，容易被識別和利用。

發(fā)明內容

為了提升針對活體檢測攻擊行為的識別，本發(fā)明提出了一種快速活體檢測的方法與系統(tǒng)，該方法能夠基于攝像頭拍攝的視頻和活體攻擊手段所具有的特定的信號特征，結合信號處理技術和深度學習技術實現了對視頻重播攻擊、高精度面具及圖像攻擊的檢測，所提出的方法易于工程實現，且具備較高的檢測精度和速度。

本發(fā)明的目的是通過以下技術方案來實現的：

本發(fā)明的其中一個目的在于提供一種快速活體檢測的方法，包括以下步驟：

步驟1，獲取真實人臉視頻中的幀圖像序列，將幀圖像序列中的圖像進行多尺度放大并表示成頻譜圖，將頻譜圖以固定角度旋轉后投影到水平和垂直方向上，將多次固定角度旋轉后的投影結果連接起來，得到多尺度真實圖像的特征向量；

步驟2，對真實人臉視頻中的幀圖像序列進行二次多尺度拍攝并表示成頻譜圖，采用步驟1的方法提取多尺度二次拍攝圖像的特征向量；

步驟3，利用多尺度真實圖像的特征向量和多尺度二次拍攝圖像的特征向量對神經網絡模型進行訓練；利用訓練好的神經網絡模型對待進行活體檢測的視頻進行檢測，檢測結果為活體或非活體；

步驟4，提取待進行活體檢測的視頻對應的人臉圖像序列，標記人臉圖像中的關鍵點；提取人臉圖像序列的面部總體信號集合和局部感興趣信號集合，根據面部總體信號和局部感興趣信號的相關性得到血液容積分布；利用閾值分割模型對血液容積分布對應的直方圖序列進行分割，得到包含生理信號的第一局部區(qū)域位置集合；

步驟5，獲取第一局部區(qū)域位置集合中的局部感興趣信號的頻率峰值，將頻率峰值的均值作為參考頻率峰值，計算所有局部感興趣信號的頻率峰值分布；利用閾值分割模型對所有局部感興趣信號的頻率峰值分布對應的直方圖序列進行分割，得到包含生理信號的第二局部區(qū)域位置集合；

步驟6，將第一局部區(qū)域位置集合和第二局部區(qū)域位置集合的交集作為最終局部區(qū)域位置集合；根據人臉圖像中的關鍵點確定考察區(qū)域，計算最終局部區(qū)域位置集合與所述考察區(qū)域的交疊比，若交疊比大于閾值，則判斷為活體，否則，判斷為非活體；

步驟7，若步驟3和步驟6的檢測結果均為活體，則最終判斷結果為活體，否則，最終判斷為非活體。

進一步的，步驟1中，將頻譜以固定角度旋轉，旋轉后的頻譜表示為：