合特征信息判斷三維人臉圖像是否來自于活體。
[0050] 本發(fā)明實施例中首先將表示人臉特征的人臉特征信息和三維人臉圖像的姿態(tài)特 征信息合并為一個聯(lián)合特征信息，之后利用聯(lián)合特征信息判斷三維人臉圖像是否來自于活 體。利用聯(lián)合特征信息進行判斷的方法是指將人臉特征信息和姿態(tài)特征信息作為一個聯(lián)合 的整體，同時考慮兩種特征信息因素，進行綜合判斷，特征信息更加全面，適應性更強，精確 度更高。
[0051] 作為上述實施例的另一種舉例說明，如圖3所示，步驟104包括：
[0052]步驟1041'：利用三維人臉圖像的姿態(tài)特征信息判斷三維人臉圖像是否來自于活 體，若是轉入下一步；
[0053]步驟1042'：利用表示人臉特征的人臉特征信息判斷三維人臉圖像是否來自于活 體。
[0054]本發(fā)明實施例中首先利用三維人臉圖像的姿態(tài)特征信息判斷三維人臉圖像是否 來自于活體，若否，則直接得到最終檢測結果，判斷三維人臉圖像來自于非活體;若是，則再 利用表示人臉特征的人臉特征信息判斷三維人臉圖像是否來自于活體作進一步檢測。本實 施例的人臉活體檢測的方法先通過三維人臉圖像的姿態(tài)特征信息作初步判斷，檢測出明顯 不是來自于活體的三維人臉圖像，之后再利用表示人臉特征的人臉特征信息作更精細的判 斷，能夠有效的提高活體檢測的效率，提高檢測速度和精確度。本實施例只是一種示例，也 可以先利用表示人臉特征的人臉特征信息作初步判斷，之后利用三維人臉圖像的姿態(tài)特 征信息作進一步判斷，不限于上述實施例所述順序。
[0055]優(yōu)選的，本發(fā)明實施例中三維人臉圖像的姿態(tài)特征信息為三維人臉圖像的偏航 角、俯仰角和翻滾角，其中：偏航角是指整個人臉圖像相對于三維空間坐標系中y軸的旋轉 角度;俯仰角是指整個人臉圖像相對于三維空間坐標系中X軸的旋轉角度;翻滾角是指整個 人臉圖像相對于三維空間坐標系中z軸的旋轉角度。
[0056]進一步的，本發(fā)明實施例中人臉特征點包括人臉眼睛、鼻子和嘴巴區(qū)域中的一種 或幾種區(qū)域的多個特征點。由于人臉圖像的特征點易受環(huán)境光照因素的影響，經(jīng)常會有一 些不穩(wěn)定的噪聲點，對活體檢測的判斷造成一定程度的影響，而眼睛、鼻子和嘴巴三個區(qū)域 分別位于人臉的上中下部，能夠代表人臉的主要特征，且眼睛和鼻子分別是人臉最凹陷和 最突出的兩個區(qū)域，具有很好的穩(wěn)定性，因此優(yōu)選人臉眼睛、鼻子和嘴巴區(qū)域中的一種或幾 種區(qū)域的多個特征點來表征人臉特征，穩(wěn)定性強。
[0057] 進一步的，本發(fā)明實施例中利用人臉特征點的三維坐標信息計算得到表示人臉特 征的人臉特征信息可為點-點距離值、點-面距離值、線-面角度值、線-線角度值中的一種或 者幾種，其中點為特征點，面為由特征點構成的平面，線為兩兩特征點構成的直線?；蛘呷?臉特征信息可以是通過計算得到的特征點間的深度差值、人眼視線跟蹤信息等。
[0058] 下面以三個優(yōu)選的實施例對本發(fā)明人臉活體檢測的方法進行詳細闡述：
[0059] 實施例一：
[0060] 步驟1)、打開三維人臉圖像采集設備，獲取一張三維人臉圖像。
[0061] 步驟2)、提取三維人臉圖像的人臉特征點的三維坐標信息，以及三維人臉圖像的 姿態(tài)特征信息，其中人臉特征點為眼睛、鼻子和嘴巴區(qū)域的15個特征點，如圖4所示，姿態(tài)特 征信息為三維坐標空間的偏航角、俯仰角和翻滾角。
[0062]圖4給出了三維人臉圖像的78個特征點的標記(這78個特征點可以是三維人臉圖 像采集設備直接給出，也可以是通過三維人臉圖像計算得出），依次用如下符號表示： 卩〇;[111:0，？0;[111:1，...，？0;[1^76，？0;[1^77;三維坐標信息依次用如下符號表示：（1()，7()，20)， (Xl，yi，Z1)，…，(X76，y76，Z76)，(X77，y77，Z77)。
[0063] 把這78個特征點分成5個區(qū)域的話，即
[0064] 眉毛區(qū)域，有 16個特征點：PointO，Pointl，· · ·，Point9，Point70, · · ·，Point75;
[0065] 眼睛區(qū)域，有 18個特征點：PointlO，Pointll，· · ·，Point25，Point76，Point77;
[0066] 鼻子區(qū)域，有7個特征點：Point26，Point27, · · ·，Point32;
[0067] 嘴巴區(qū)域，有20個特征點：Point33，Point34, · · ·，Point52;
[0068] 臉頰區(qū)域，有 17個特征點：Point53，Point54，· · ·，Point69;
[0069] 我們發(fā)現(xiàn)能表征活體人臉最好的區(qū)域是鼻子，其次是眼睛和嘴巴，最后是眉毛和 臉頰區(qū)域，所以優(yōu)選了鼻子、眼睛和嘴巴區(qū)域的共計15個特征點（如圖4黑色圓圈標注），并 提取它們的三維坐標信息。選取的15個特征點分別是眼睛區(qū)域的6個特征點P 〇 i n 110， ?〇11^14，？〇11^18，？〇11^22，？〇11^76，？〇1的77，鼻子區(qū)域的7個特征點？〇11^26，？〇11^27， Point28，Point29，Point30，Point31，Point32,嘴巴區(qū)域的 2 個特征點 Point33，Point39,這 15個特征點的三維坐標信息依次由如下符號表示：（X10，yiQ，Zl())，（X14，yi4，Z14)，. . .，（X77， Z77)。以特征點Point31、Point76、Point77為頂點，構造一個三角形，并獲取這三個點的 三維信肩、(X31，y31，Z31)，(X76，y76，Z76)，(X77，y77，Z77)。
[0070] 三維人臉圖像的姿態(tài)特征信息可以是三維人臉圖像采集設備直接給出，也可以是 通過三維人臉圖像計算得出，依次用如下符號表示：（yaw，pitch，ro 11)，數(shù)值單位為度(°)。
[0071] 步驟3)、利用步驟2中鼻子區(qū)域的7個特征點、眼睛區(qū)域的6個特征點和嘴部區(qū)域的 2個特征點的三維坐標信息，計算出一個表示當前人臉的21維特征。
[0072]具體計算過程如下：
[0073] 首先，利用最小二乘法，由三個特征點Point26，Point30，Point32確定一個平面β:
[0074] z = a*x+b*y+c.
[0075] 計算a，b，c的過程如下，設
[0077] 即 A*X = Z,
[0078] 于是利用Matlab做如下計算，可求出平面邱勺三個系數(shù)，即
[0079] X=A\Z或者X=(AT A)(-以丁 Z
[0080] 其次，計算特征點Point27，？〇;[1^28，？0;[1^29，？0;[1^31到平面0的距離，表示如下：
[0085]標記第i個特征點到第j個特征點的距離是dist u，則
[0087] 這里，我們求取特征點 P〇int29 與 Pointl0、Pointl4、Pointl8、Point22、Point26、 卩〇;[1^30、？0;[1^32間的距離，以及特征點？0;[1^31與？0;[1^26、？0;[1^30、？0;[1^32間的距離，共 10個特征值：
[0088] dist29,10，dist29, 14，dist29,18，dist29, 22，dist29, 26，dist29, 30，dist29, 32，dist31, 26， dist31,30,dist31,32.
[0089] 之后，求三條過第29個特征點的直線與平面β夾角的正弦值：
[0090] 設由第29個特征點和第26個特征點決定的直線是直線L1，
[0091] 設由第29個特征點和第30個特征點決定的直線是直線L2，
[0092]設由第29個特征點和第32個特征點決定的直線是直線L3，
[0093]設由第28個特征點和第26個特征點決定的直線是直線L4，
[0094]設由第28個特征點和第30個特征點決定的直線是直線L5，
[0095]設由第28個特征點和第32個特征點決定的直線是直線L6，
[0096]設由第31個特征點和第26個特征點決定的直線是直線L7，
[0097]設由第31個特征點和第30個特征點決定的直線是直線L8，
[0098]設由第31個特征點和第32個特征點決定的直線是直線L9，
[0099] 則1^1兒2兒3，1^4兒5兒6兒7，1^8兒9與平面0的夾角的正弦值可分別用如下記號表 示：

[0103]計算由第29個特征點和第28個特征點決定的直線L7與平面邱勺夾角的正弦值：
[0105] 此時，又得到 10個特征值[sin_Ll，sin_L2, · · ·，sin_L10]。
[0106] 然后分別計算特征點Point31、Point76所構成的直線L1與特征點Point31、 Point77所構成的直線L2之間的夾角Θ，計算如下：
[0107] LI : (X31-X76，y31-y76，Z31-Z76)
[0108] L2: (X77-X31，y77-y31，Z77-Z31)
[0110]角度Θ可以很好地區(qū)分活體人臉與非活體人臉，特別是當采用打印照片通過彎曲 照片的手段進行造假的情況。由于人臉的剛性結構，活體人臉的角度Θ在一定姿態(tài)范圍內基 本保持不變，而彎曲的照片的角度Θ則會隨著彎曲程度的增加而發(fā)生較大變化。
[0111 ]最后，將上面計算得到的數(shù)值合成一個特征向量，得到10+10+1 = 21維人臉特征。
[0112]步驟4)、將步驟2和步驟3的人臉特征信息和姿態(tài)特征信息合并成一個24維的聯(lián)合 特征。
[0113] 步驟2中獲取當前三維人臉圖像的姿態(tài)信息(yaw，pitch，roll)，結合步驟3中計算 得到的2 1為人臉特征，最后得到24維聯(lián)合特征，即[s i gn_di，s ign_d2，s i gn_d3， distancei，· · ·，9，yaw，pitch，roll]作為聯(lián)合特征來表示一張人臉。
[0114] 步驟5)、利用步驟4得到的表示人臉的24維聯(lián)合特