人臉活體檢測方法、裝置及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及模式識(shí)別技術(shù)領(lǐng)域，尤其涉及一種人臉活體檢測方法、裝置及系統(tǒng)。
【背景技術(shù)】
[0002]生物特征識(shí)別技術(shù)，尤其是人臉識(shí)別技術(shù)，已被廣泛應(yīng)用于日常生活中，鑒于人臉識(shí)別技術(shù)具有方便易用、用戶友好性、非接觸式等優(yōu)點(diǎn)，在近年來取得了突飛猛進(jìn)的發(fā)展。但是，傳統(tǒng)的人臉檢測技術(shù)只針對攝像機(jī)拍攝到的圖像進(jìn)行處理，并不考慮圖像中各個(gè)像素點(diǎn)距離攝像機(jī)的距離信息，從而導(dǎo)致照片人臉等偽造的人臉模型能夠通過人臉識(shí)別系統(tǒng)的檢測。為此，若要準(zhǔn)確地判斷出檢測到的人臉是否來自真人，需要進(jìn)行人臉活體檢測。
[0003]目前，現(xiàn)有的人臉活體檢測大多基于機(jī)器學(xué)習(xí)的方式實(shí)現(xiàn)，具體的，從檢測系統(tǒng)中選取眾多樣本圖像，并且所述眾多樣本圖像中的人臉是否來自真人是已知的，根據(jù)上述眾多樣本圖像中真人臉的分布規(guī)律，可得到一個(gè)用于檢測圖像人臉是否來自真人的人臉活體檢測分類器，利用該人臉活體檢測分類器進(jìn)而可以判斷其他圖像中的人臉是否來自真人。
[0004]然而，基于機(jī)器學(xué)習(xí)方式檢測圖像人臉的方法中，需要根據(jù)檢測系統(tǒng)中的眾多樣本建立人臉活體檢測分類器，這個(gè)過程不僅耗時(shí)多，而且人臉活體檢測分類器的檢測結(jié)果的準(zhǔn)確度嚴(yán)重依賴于樣本圖像的選擇，對于新注冊檢測系統(tǒng)的人員，其人臉檢測結(jié)果的準(zhǔn)確度低。

【發(fā)明內(nèi)容】

[0005]本發(fā)明提供一種人臉活體檢測方法、裝置及系統(tǒng)，以解決現(xiàn)有基于機(jī)器學(xué)習(xí)的方式實(shí)現(xiàn)活體人臉檢測時(shí)，存在的耗時(shí)多、人臉識(shí)別結(jié)果嚴(yán)重依賴于樣本圖像選擇以及檢測系統(tǒng)對新注冊人員的判斷性能差的問題。
[0006]本發(fā)明提供的一種人臉活體檢測方法，包括:
[0007]獲取主攝像設(shè)備采集的第一圖像和副攝像設(shè)備采集的第二圖像；
[0008]檢測所述第一圖像中是否包含有人臉圖像的特征信息；若否，結(jié)束人臉圖像檢測；
[0009]若是，對所述第一圖像進(jìn)行校正處理，得到與所述第二圖像在同一水平位置上的第一校正圖像；
[0010]對所述第一校正圖像和所述第二圖像進(jìn)行立體匹配處理，得到所述人臉圖像距離所述主攝像設(shè)備的視差圖；
[0011]根據(jù)所述視差圖和所述主攝像設(shè)備與所述副攝像設(shè)備之間的立體關(guān)系矩陣，擬合得出所述第一校正圖像中人臉圖像關(guān)鍵點(diǎn)的擬合平面；
[0012]根據(jù)所述人臉圖像關(guān)鍵點(diǎn)和所述擬合平面，計(jì)算出所述人臉圖像關(guān)鍵點(diǎn)的擬合偏差;
[0013]判斷所述擬合偏差是否大于設(shè)定閾值；若是，則所述人臉圖像來自活體人臉；若否，所述人臉圖像來自非活體人臉。
[0014]本發(fā)明提供的一種人臉活體檢測裝置，包括:
[0015]獲取模塊，用于獲取主攝像設(shè)備采集的第一圖像和副攝像設(shè)備采集的第二圖像；
[0016]檢測模塊，用于檢測所述第一圖像中是否包含有人臉圖像的特征信息；
[0017]校正模塊，用于對所述第一圖像進(jìn)行校正處理，得到與所述第二圖像在同一水平位置上的第一校正圖像；
[0018]立體匹配模塊，用于對所述第一校正圖像和所述第二圖像進(jìn)行立體匹配處理，得到所述人臉圖像距離所述主攝像設(shè)備的視差圖；
[0019]擬合模塊，用于根據(jù)所述視差圖和所述主攝像設(shè)備與所述副攝像設(shè)備之間的立體關(guān)系矩陣，擬合得出所述第一校正圖像中人臉圖像關(guān)鍵點(diǎn)的擬合平面；
[0020]處理模塊，用于根據(jù)所述人臉圖像關(guān)鍵點(diǎn)和所述擬合平面，計(jì)算出所述人臉圖像關(guān)鍵點(diǎn)的擬合偏差；
[0021]判斷模塊，用于判斷所述擬合偏差是否大于設(shè)定閾值；
[0022]第一確定模塊，用于當(dāng)所述擬合偏差大于所述設(shè)定閾值時(shí)，確定所述人臉圖像來自活體人臉；
[0023]第二確定模塊，用于當(dāng)所述擬合偏差不大于所述設(shè)定閾值時(shí)，確定所述人臉圖像來自非活體人臉。
[0024]本發(fā)明提供一種人臉活體檢測系統(tǒng)，包括:本發(fā)明提供的所述人臉活體檢測裝置、主攝像設(shè)備和副攝像設(shè)備；所述人臉活體檢測裝置分別與所述主攝像設(shè)備、所述副攝像設(shè)備連接；
[0025]所述主攝像設(shè)備，用于采集第一圖像；
[0026]所述副攝像設(shè)備，用于采集第二圖像；
[0027]所述人臉活體檢測裝置，用于根據(jù)所述第一圖像和所述第二圖像檢測所述第一圖像中的人臉圖像是否來自活體人臉。
[0028]本發(fā)明提供的人臉活體檢測方法、裝置及系統(tǒng)，通過利用主、副攝像設(shè)備采集第一圖像和第二圖像，并當(dāng)?shù)谝粓D像中包含有人臉圖像的特征信息時(shí)，對第一圖像和第二圖像進(jìn)行校正處理和立體匹配處理，得到人臉圖像關(guān)鍵點(diǎn)的三維坐標(biāo)以及人臉圖像關(guān)鍵點(diǎn)的擬合平面，進(jìn)而求出人臉圖像關(guān)鍵點(diǎn)的擬合偏差。將該擬合偏差與設(shè)定閾值進(jìn)行比較，從而判斷第一圖像中的人臉圖像是否來自活體人臉。該方案僅需兩個(gè)相同的固定設(shè)置的攝像設(shè)備，操作簡單、抗外界干擾的能力強(qiáng)、精度高，避免了現(xiàn)有機(jī)器學(xué)習(xí)方法中的模型訓(xùn)練部分。
【附圖說明】
[0029]為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0030]圖1為本發(fā)明人臉活體檢測方法實(shí)施例一的流程示意圖；
[0031]圖2為本發(fā)明人臉活體檢測方法實(shí)施例二的流程示意圖；
[0032]圖3為本發(fā)明人臉活體檢測方法實(shí)施例三的流程示意圖；
[0033]圖4為本發(fā)明人臉活體檢測方法實(shí)施例四的流程示意圖；
[0034]圖5為本發(fā)明人臉活體檢測裝置實(shí)施例一的結(jié)構(gòu)示意圖；
[0035]圖6為本發(fā)明提供的人臉活體檢測系統(tǒng)的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0036]為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0037]生物特征識(shí)別技術(shù)，尤其是人臉識(shí)別技術(shù)，鑒于其具有方便易用、用戶友好性、非接觸式等優(yōu)點(diǎn)，在近年來取得了突飛猛進(jìn)的發(fā)展，已被廣泛應(yīng)用于日常生活中，例如，安全支付或監(jiān)控系統(tǒng)等場景中。由于傳統(tǒng)的人臉檢測技術(shù)只針對攝像機(jī)拍攝到的圖像進(jìn)行處理，并不考慮圖像中各個(gè)像素點(diǎn)距離攝像機(jī)的距離信息，從而導(dǎo)致照片人臉等偽造的人臉模型能夠通過人臉識(shí)別系統(tǒng)的檢測，致使人臉識(shí)別結(jié)果出現(xiàn)錯(cuò)誤。為此，若要提高人臉識(shí)別結(jié)果的準(zhǔn)確性，人臉活體檢測技術(shù)是關(guān)鍵。
[0038]目前，現(xiàn)有的人臉活體檢測技術(shù)大多基于機(jī)器學(xué)習(xí)的方式實(shí)現(xiàn)，具體的，從檢測系統(tǒng)中選取眾多樣本圖像，并且所述眾多樣本圖像中的人臉是否來自真人是已知的，根據(jù)上述眾多樣本圖像中真人臉的分布規(guī)律，可得到一個(gè)用于檢測圖像人臉是否來自真人的人臉活體檢測分類器，利用該人臉活體檢測分類器進(jìn)而可以判斷檢測系統(tǒng)中其他圖像中的人臉是否來自真人。
[0039]然而，基于機(jī)器學(xué)習(xí)方式檢測圖像人臉的方法中，需要根據(jù)檢測系統(tǒng)中的眾多樣本建立人臉活體檢測分類器，這個(gè)過程不僅耗時(shí)多，而且人臉活體檢測分類器檢測結(jié)果的準(zhǔn)確度嚴(yán)重依賴于樣本圖像的選擇，致使人臉識(shí)別結(jié)果嚴(yán)重依賴于樣本圖像的選擇。當(dāng)采集圖片樣本時(shí)受到外界干擾時(shí)，例如，光照變化明顯，人臉活體檢測分類器的性能會(huì)受到影響。具體的，若采集到的樣本大多處在弱光源下，那么人臉活體檢測分類器對弱光源的圖像處理效果較好，對強(qiáng)光源的圖像處理效果較差。另外，由于人臉活體檢測分類器是基于眾多樣本建立的一個(gè)數(shù)學(xué)模型，因此，其對于新注冊檢測系統(tǒng)的人員，人臉檢測結(jié)果的準(zhǔn)確度較低。
[0040]針對上述基于機(jī)器學(xué)習(xí)方式檢測圖像人臉方法存在的耗時(shí)多、人臉識(shí)別結(jié)果嚴(yán)重依賴于樣本圖像選擇以及檢測系統(tǒng)對新注冊人員的判斷性能差的缺點(diǎn)，本發(fā)明提供了一種人臉活體檢測方法、裝置及系統(tǒng)，通過主、副攝像設(shè)備采集第一圖像和第二圖像，若第一圖像中包含有人臉圖像的特征信息，那么對第一圖像進(jìn)行校正處理，并且對第一圖像和第二圖像進(jìn)行立體匹配處理，得到第一圖像中每一個(gè)像素點(diǎn)的三維坐標(biāo)，進(jìn)而得到人臉圖像關(guān)鍵點(diǎn)的三維坐標(biāo)以及人臉圖像關(guān)鍵點(diǎn)的擬合平面，求出人臉圖像關(guān)鍵點(diǎn)的擬合偏差。將該擬合偏差與設(shè)定閾值進(jìn)行比較，從而判斷第一圖像中的人臉圖像是否來自活體人臉。該方案具有實(shí)時(shí)性好、抗干擾能力強(qiáng)、精度高的特點(diǎn)。
[004