[发明专利]一种基于相对属性的活体检测方法

说明书

本发明涉及一种基于相对属性的活体检测方法，包括以下步骤：1)检测输入视频中每帧图像上的人脸位置；2)获取人脸关键点；3)根据所获取的关键点获取眼睛或嘴巴的区域；4)判断连续多帧图像中步骤3)所获得区域的属性变化值的规律是否符合真实人脸的变化规律，若是，则判断为真实人脸，若否，则判断为虚假人脸。与现有技术相比，本发明具有检测精度高、速度快等优点。

技术领域

本发明涉及一种人脸检测技术，尤其是涉及一种基于相对属性的活体检测方法。

背景技术

人脸识别作为一种身份认证技术在公共安防、考勤门禁等领域已获得成功。但是，传统人脸识别技术未考虑目标人脸的真伪，因此容易受到虚假人脸的攻击。如果虚假人脸攻击成功，有可能对用户造成重大损失，因此可靠且高效的人脸活体检测技术成为人脸验证系统的重要组成部分。

传统人脸识别技术经常使用傅立叶频谱分析、眨眼检测和三维深度估计等方法来判断活体。但是这些方法难满足金融和公共安防领域的要求。主要有两个因素：1)这些算法在性能上难满足误报率小于千分之一且通过率要超过95％的指标；2)难抵抗特定虚假人脸的攻击，如眨眼检测难抵抗基于视频的虚假人脸攻击。

传统闭眼(或张嘴)分类器的性能难以满足需求，例如有人眼睛较小或有人眼睛无法完全闭合等。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种检测精度高、速度快的基于相对属性的活体检测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于相对属性的活体检测方法，包括以下步骤：

1)检测输入视频中每帧图像上的人脸位置；

2)获取人脸关键点；

3)根据所获取的关键点获取眼睛或嘴巴的区域；

4)判断连续多帧图像中步骤3)所获得区域的属性变化值的规律是否符合真实人脸的变化规律，若是，则判断为真实人脸，若否，则判断为虚假人脸。

所述属性变化值为上下眼皮间的距离变化值或上下嘴唇间的距离变化值。

所述步骤4)具体为：

401)将当前帧与前t帧的眼睛或嘴巴区域合并成一张图，采用基于深度学习的回归方法输出两帧图像中属性变化值；

402)重复步骤401)直至获得每帧图像的属性变化值；

403)将所有属性变化值按帧时间顺序组成一向量，利用SVM分类器对所述向量进行分类；

404)判断分类结果是否满足设定动作下的真实人脸的变化规律，若是，则判断为真实人脸，若否，则判断为虚假人脸。

所述步骤403)中，利用SVM分类器对所述向量进行分类前，对各向量的长度进行设定。

所述设定动作包括闭眼或张嘴。

所述输入视频为一段3～5秒的人脸视频。

所述步骤1)采用AdaBoost分类器检测人脸位置。

所述步骤2)中，获取人脸关键点的具体过程为：

201)利用HoG与SVM结合的方式进行第一轮关键点检测，每个关键点有K种选择；

202)利用全局形状信息，采用N-Best方式，在K^N种可能中获取组成人脸形状关键点最优解，N为关键点数目，采用分支定界方式进行截枝处理，获得最终形态组合；

203)计算步骤202)中获得的每种组合的置信度，选取置信度高的一个组合。

所述置信度由两部分构成：