一種基于光照成分的人臉活體檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于光照成分的人臉活體檢測(cè)方法。
【背景技術(shù)】
[0002] 近幾年來，生物特征識(shí)別技術(shù)有了長(zhǎng)足的進(jìn)展，常用的生物特征有人臉、指紋、虹 膜等。用生物特征進(jìn)行個(gè)人身份識(shí)別在全球有著廣泛的應(yīng)用，通過這些生物特征信息可以 準(zhǔn)確地區(qū)分真實(shí)登陸者和偽造登陸者。但是，生物特征識(shí)別存在著各種各樣的威脅，比如用 偽造的人臉、指紋和虹膜的照片進(jìn)行登陸等等。判別向系統(tǒng)提交的生物特征是否來自有生 命的個(gè)體，防止惡意偽造者通過竊取他人的生物特征用于身份識(shí)別，形成了生物特征識(shí)別 系統(tǒng)的活體檢測(cè)。人臉識(shí)別技術(shù)由于其具有方便、易于為人接受等優(yōu)點(diǎn)，近年來被廣泛用于 身份識(shí)別、視頻監(jiān)測(cè)及視頻資料檢索分析方面。但是，在人臉識(shí)別技術(shù)從研究走向?qū)嶋H應(yīng)用 的過程中，必須解決人臉識(shí)別技術(shù)的安全性威脅。通常，偽造登陸人臉識(shí)別系統(tǒng)的形式可以 歸為以下幾種：照片人臉，人臉視頻片斷，仿造的三維人臉模型。其中，照片人臉較其它方式 更加容易獲得，也最多出現(xiàn)在偽造登陸人臉識(shí)別系統(tǒng)中。為了使人臉識(shí)別系統(tǒng)能夠走向?qū)?用，需要設(shè)計(jì)能夠抵御照片人臉登陸威脅的人臉活體檢測(cè)系統(tǒng)。人臉活體檢測(cè)和人臉識(shí)別 是相輔相成的，人臉活體檢測(cè)技術(shù)的成熟與否決定著人臉識(shí)別是否能走向?qū)嶋H應(yīng)用。
[0003] 在人臉活體檢測(cè)領(lǐng)域，現(xiàn)有的檢測(cè)方法，主要有下面幾種：1)通過運(yùn)動(dòng)來估計(jì)三 維深度信息。真實(shí)人臉和照片人臉的不同之處在于真實(shí)人臉是有深度信息的三維物體，而 照片是二維的平面，因此可以通過借助人臉的轉(zhuǎn)頭運(yùn)動(dòng)獲取多張照片來重構(gòu)三維人臉，從 而區(qū)別真實(shí)人臉與照片人臉。這種方法的缺點(diǎn)在于三維人臉重構(gòu)需要對(duì)多張照片中的人臉 特征點(diǎn)進(jìn)行精準(zhǔn)跟蹤，而目前這個(gè)技術(shù)尚存在較大調(diào)整。另外，基于三維人臉重構(gòu)的方法計(jì) 算復(fù)雜度非常高，無法達(dá)到實(shí)時(shí)應(yīng)用需求。2)通過分析照片人臉和真實(shí)人臉的高頻分量比 例來區(qū)分兩者。這種方法的基本假設(shè)是認(rèn)為照片人臉成像和真實(shí)人臉成像相比，損失了高 頻信息。該方法能有效地檢測(cè)低辨認(rèn)分辨率的照片人臉，但對(duì)于高分辨率的照片并不適用。 3)直接對(duì)人臉照片提取特征并且設(shè)計(jì)分類器來區(qū)分照片人臉和真實(shí)人臉。該方法實(shí)際上忽 略在真實(shí)人臉應(yīng)有的三維幾何信息，難以達(dá)到理想的區(qū)分精度。4)基于交互動(dòng)作的判斷。系 統(tǒng)隨機(jī)向用戶發(fā)送各種運(yùn)動(dòng)命令（如轉(zhuǎn)頭、點(diǎn)頭、張嘴、眨眼等），用戶按照命令做出各種相 應(yīng)的動(dòng)作，系統(tǒng)通過分析這些動(dòng)作來區(qū)別真實(shí)人臉與照片人臉的區(qū)別。該方法需要對(duì)各種 動(dòng)作進(jìn)行判斷，要求多種復(fù)雜的算法，且判斷準(zhǔn)確度與效率都不夠盡人意。尤其對(duì)張嘴、閉 嘴、眨眼等動(dòng)作的判斷需要對(duì)人臉特征點(diǎn)進(jìn)行精確跟蹤，這本身具有非常大的挑戰(zhàn)。另外， 這類方法要求用戶嚴(yán)格根據(jù)指令做多種動(dòng)作，用戶體驗(yàn)不夠好。

【發(fā)明內(nèi)容】

[0004] 為了解決目前分辨照片人臉和真實(shí)人臉的方法存在計(jì)算復(fù)雜、適應(yīng)性不佳、區(qū)分 精度不足、效率較低的技術(shù)問題，本發(fā)明提供一種準(zhǔn)確度高、實(shí)時(shí)性好且用戶體驗(yàn)友好的一 種基于光照成分的人臉活體檢測(cè)方法。
[0005] 為了實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明的技術(shù)方案是，
[0006] 一種基于光照成分的人臉活體檢測(cè)方法，包括以下步驟：
[0007] 步驟一：拍攝人體頭部運(yùn)動(dòng)視頻，并從所拍攝的人體頭部運(yùn)動(dòng)視頻中裁剪人臉圖 像；
[0008] 步驟二：對(duì)步驟一中所裁剪的每張人臉圖像，根據(jù)朗伯反射模型來表示圖像，然后 進(jìn)行離散余弦變換，得到每張圖像的光照成分；
[0009] 步驟三：根據(jù)得到的每張圖像的光照成分，計(jì)算連續(xù)的視頻幀中人臉圖像的光照 成分的平均局部方差；
[0010] 步驟四：根據(jù)得到的平均局部方差與預(yù)設(shè)閾值進(jìn)行比較，以判別圖像中的人臉是 否為真實(shí)人臉。
[0011] 所述的一種基于光照成分的人臉活體檢測(cè)方法，所述的步驟一中，從所拍攝的人 體頭部運(yùn)動(dòng)視頻中裁剪人臉圖像，所裁剪出的每幀人臉圖像記為Ii。
[0012] 所述的一種基于光照成分的人臉活體檢測(cè)方法，所述的步驟二中，對(duì)每張人臉圖 像I1進(jìn)行光照成分提取，根據(jù)朗伯反射模型，圖像I i可以表示成：
[0013] Ii (x, y) = Ri (x, y)Li(x, y)
[0014] 其中，R1是反射成分，表示圖像場(chǎng)景中的表面反射率；L1是光照成分，表示圖像場(chǎng) 景中的光照以及陰影，（X，y)表示圖像中像素點(diǎn)的坐標(biāo)；對(duì)人臉照片I 1進(jìn)行對(duì)數(shù)變換，可 得：
[0016] 其中，fi, vjP u ;分別為I, R和L在對(duì)數(shù)域的值，即V ;= IogR, u ;= logL，對(duì)f ;進(jìn) 行離散余弦變換，BP
[0019] 其中，N為圖像的長(zhǎng)和寬，將F1(Sj)中的高頻系數(shù)設(shè)置為0,即
[0021] 其中M為待設(shè)定的參數(shù)，一般上將其設(shè)定為5，
[0022] 對(duì)處理后的頻域系數(shù)F'進(jìn)行反離散余弦變換，即
[0024] 以f/作為光照成分的估計(jì)，即 [0025] U1(Xjy) ^ f/ (x, y)
[0026] 進(jìn)而，圖像域的光照成分用反對(duì)數(shù)變換進(jìn)行獲取，即
[0027] Li (x, y) = exp (u； (x, y))
[0028] 所述的所述的一種基于光照成分的人臉活體檢測(cè)方法，所述的M為經(jīng)驗(yàn)值，取值 為5。
[0029] 所述的所述的一種基于光照成分的人臉活體檢測(cè)方法，步驟三中，計(jì)算連續(xù)T個(gè) 視頻幀中人臉圖像的光照成分的平均局部方差：
[0030] 將每張人臉圖像的光照成分L1等分地劃分為aXb個(gè)圖像塊，每個(gè)塊包含aXb個(gè) 像素，把第i幀人臉圖像的第j個(gè)圖像塊記為B 1,，則T個(gè)視頻幀的平均局部方差為
[0032] 其中，VaHB1,為圖像塊B1,」的像素值的方差。
[0033] 所述的所述的一種基于光照成分的人臉活體檢測(cè)方法，步驟四中，進(jìn)行人臉活體 檢測(cè)：
[0034] 將步驟三中求得的Avar值對(duì)比預(yù)設(shè)定的閾值Th，若Avar值大于閾值Th，則視頻 中的人臉為真實(shí)人臉；否則為照片人臉。其中，閾值Th的設(shè)定根據(jù)具體圖像質(zhì)量來設(shè)定，圖 像的分辨率越低，則閾值Th越低。
[0035] 本發(fā)明的技術(shù)效果在于，本發(fā)明所采用的檢測(cè)方法可以安全地區(qū)分真實(shí)人臉和照 片人臉，并且在進(jìn)行檢測(cè)時(shí)，僅需要用戶隨意地?cái)[動(dòng)頭部，而不需要嚴(yán)格地在特定時(shí)間做不 同種動(dòng)作，用戶體驗(yàn)比較友好；由于本發(fā)明不依賴于人臉特征點(diǎn)檢測(cè)，避免特征點(diǎn)檢測(cè)所帶 來的準(zhǔn)確度下降、計(jì)算復(fù)雜等不足；同時(shí)本發(fā)明不涉及人臉三維恢復(fù)，這樣計(jì)算速度較快， 可以進(jìn)行實(shí)時(shí)處理?！揪唧w實(shí)施方式】
[0036] 本發(fā)明所采用的方法既不依賴于復(fù)雜的三維重構(gòu)，也不依賴于人臉特征點(diǎn)檢測(cè)， 而側(cè)重提取人臉照片中的光照信息進(jìn)行活體檢測(cè)。
[0037] 下面結(jié)合實(shí)施例對(duì)