[发明专利]基于SVD-HMM活体人脸检测方法

说明书

本发明涉及一种基于SVD‑HMM活体人脸检测方法。该方法提出了人脸图像矩阵的奇异值分解(SVD)与隐马尔科夫模型(HMM)结合取证方法。在人脸分割块提取小波低频系数和水平、垂直、对角高频系数，得到的小波系数通过稀疏分解降维构成24维观察序列，最终生成隐马尔科夫模型，确定假冒人脸隐藏状态序列，从而判定人脸图像的真实性，算法有较好的照片人脸检测效果。

技术领域

本发明涉及一种人脸检测方法，特别是一种基于SVD-HMM活体人脸检测方法。

背景技术

随着生物特征识别技术手段的不断更新，智能身份识别认证获得了飞速发展。其中人脸识别领域经过30多年的研发，诸多高效的人脸识别算法不断出现，其中，基于人脸特征点的识别算法、基于模板的识别算法等，在人脸识别速率和识别效能上都有较好的提升，但研究者却很少关注人脸图像的来源是否真实可靠，伪造人脸的手段多种多样，给人脸识别应用带来了不少的安全隐患，因而越来越多的学者致力于识别系统的安全性研究。

在09年黑帽信息安全会议(Black Hat)上，Duc Nguyen提出一张人脸并不一定是所需要的安全密码，仅仅使用一张打印的人脸照片即可代替活体人脸，虽然联想、华硕和东芝三大电脑制造商把人脸技术运用到实践中，为客户带来更大的便利，但问题是这种技术确实不能完全保障用户安全。在谷歌公司发布Android4.0后，为广大机友带来了通过人脸识别解锁手机的功能，但随后一直就有用个人照片代替真人解锁手机的报道，因而谷歌一直在谨慎和保守使用人脸识别技术。要使人脸识别系统步入成熟，这类照片人脸代替真实活体人脸的安全隐患必须得到解决。在现实应用场景中，人脸识别系统主要面临的三种攻击类型：翻拍照片人脸攻击，通过用户的纸质照片或电子数码照片代替用户本人进行识别；视频人脸攻击，通过录制用户的头部运动，如眨眼、表情等，呈现高相似度的活动人脸图像帧；三维人脸模型攻击，通过三维立体重建技术，构造真人三维人脸。其中获取人脸照片的操作简单、便捷，给合法用户带来巨大的经济财产损失，因而这种攻击手段造成的安全隐患首当其冲。

近年来针对人脸活体检测研究愈来愈多，在面部表情跟踪、眨眼判别等活体特性上研究检测算法成为了热点，随后三星手机发布了必须眨眼才能解锁的人脸识别系统。但是这种依靠脸部运动来判断是否为活体的方法，更容易被视频中的连续人脸帧攻击。因此，对于摄像头采集的单帧人脸图像进行鉴别，成为更基础、更有效的工作。

小波变换是一种信号的时间－尺度或时间－频率的分析方法,即在时域对信号进行离散变换,在频域进行谱分析的方法。它具有高分辨率的特点,而且在时、频两域都具有表征信号局部特征的能力。它在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨率,很适合于探测正常信号中夹带的瞬态反常现象,所以被誉为分析信号的显微镜和望远镜。

本发明提出一种单帧人脸图像下的活体检测算法，在人脸高频分量集中的关键部位进行人脸区域分割，对分割块进行三阶小波分解，并且对重构系数矩阵进行奇异值分解，利用低阶近似原理构造观察向量，以此设计5个状态窗口的隐马尔科夫模型，最终通过概率匹配最优原则鉴别活体人脸。算法在NUAA人脸库与自建的人脸库上均做了验证，效果较为良好，能够有效抵抗照片人脸，同时在安卓系统验证了对视频人脸攻击同样具有抵抗作用。

发明内容

本发明所要解决的技术问题是提供一种能够区分活体人脸与照片人脸的基于SVD-HMM活体人脸检测方法。

本发明解决上述技术问题所采用的技术方案如下：

基于SVD-HMM活体人脸检测方法，包括如下步骤：

S1.分别将活体人脸照片和照片人脸照片均匀分割为24个分割块，使得每个窗口包含人脸关键部位；

S2.分别提取每个分割块的小波系数矩阵A(m,n)；