[发明专利]假脸检测方法及系统、假脸模型训练方法及系统

权利要求书

1.一种假脸检测方法，其特征在于，包括：

获得人脸检测后的人脸图像；

根据假脸模型对所述人脸图像进行检测，所述假脸模型为基于特征 向量的分类器；

其中，检测的过程包括：将所述人脸图像的表示向量映射到判别子 空间，获得特征向量，所述表示向量为针对所述人脸图像进行特征提取 获得，判别子空间是依据包括真假脸的人脸样本的人脸特征建立的；将 所述特征向量输入到所述假脸模型中，输出检测结果；

所述将所述特征向量输入到所述假脸模型中，输出检测结果的步骤包 括：将所述特征向量输入到所述假脸模型中，得到假脸判别器的数值； 对该数值进行判别分析，若该数值≥1，则输出的检测结果为假脸；若该 数值≤-1，则输出的检测结果为真脸；若-1＜该数值＜1，计算该数值的 假脸置信值，若所述假脸置信值>预设置信值，则输出的检测结果为假脸， 若所述假脸置信值≤预设置信值，则输出的检测结果为真脸；

所述假脸模型为通过以下步骤获得的假脸模型：获得人脸检测后的 人脸样本，所述人脸样本包括真脸样本和假脸样本；对所述人脸样本中 的假脸样本进行分类；提取真脸样本以及各类别假脸样本的人脸特征； 所述提取为二次特征提取；

其中，第一次特征提取包括：直接提取人脸样本的灰度特征或提取 人脸样本的纹理特征；所述直接提取人脸样本的灰度特征包括：对真脸 样本以及各类别假脸样本进行直方图均衡化；将每个人脸样本等分为多 个子区域；分别提取所述子区域的灰度特征；所述提取人脸样本的纹理 特征包括：对真脸样本以及各类别假脸样本进行直方图均衡化；将每个 人脸样本等分为多个子区域；分别提取中所述子区域的纹理特征；基于 所述人脸特征，建立判别子空间，得到相应的投影矩阵；

第二次特征提取包括：将每一个人脸样本通过所述投影矩阵映射到判别 子空间，获得相应的特征向量；依据所述特征向量对人脸样本进行训练， 得到作为假脸模型的分类器。

2.如权利要求1所述的方法，其特征在于，在根据假脸模型对所述 人脸图像进行检测的步骤前，还包括：

对所述人脸检测后的人脸图像进行眼睛定位，得到眼睛位置；

根据所述眼睛位置，对所述人脸图像进行归一化操作；

从所述归一化后的人脸图像中割取预设大小的图像。

3.一种假脸模型训练的方法，其特征在于，包括：

获得人脸检测后的人脸样本，所述人脸样本包括真脸样本和假脸样 本；

对所述人脸样本中的假脸样本进行分类；

提取真脸样本以及各类别假脸样本的人脸特征；

所述提取真脸样本以及各类别假脸样本的人脸特征的步骤包括：

对真脸样本以及各类别假脸样本进行直方图均衡化；

将每个人脸样本等分为多个子区域；

分别提取中所述子区域的灰度特征或纹理特征；

基于所述人脸特征，建立判别子空间；

将每一个人脸样本映射到所述判别子空间，获得相应的特征向量；

依据所述特征向量对人脸样本进行训练，得到作为假脸模型的分类器。

4.如权利要求3所述的方法，其特征在于，所述提取真脸样本以及各 类别假脸样本的人脸特征的步骤包括：

对真脸样本以及各类别假脸样本进行直方图均衡化；

针对所有人脸样本，根据灰度特征构造协方差矩阵，从而得到特征基；

分别将每个人脸样本映射到所述特征基，从而获得人脸特征。

5.如权利要求3所述的方法，其特征在于，所述依据所述特征向量对 人脸样本进行训练，得到作为假脸模型的分类器的步骤包括：

按照学习能力对人脸样本及特征向量组成的训练数据进行分组；

针对当前组训练数据，训练获得相应的分类器，依据所述分类器计算得 到错分样本集，并判断当前组训练数据是否为最后一组训练数据，若是，则 判断当前分类器的分类错误率是否在预置范围内，若是，则结束本次操作， 否则从第一组数据开始训练；

否则，依据所述错分样本集更新当前组训练数组，并进行下一组训练。