[发明专利]活体人脸检测方法及存储设备

说明书

技术领域

本发明涉及到人脸识别领域，特别是涉及到一种活体人脸检测方法及存储设备。

背景技术

现阶段人脸识别的研究已经取得了很多的成果。尽管人脸识别技术取得了重大的成功，但是，由于人们对人脸识别应用中的安全性和可靠性研究很少。因此，在其繁荣发展的背后存在着巨大的安全隐患。如果非法用户通过伪造的人脸攻击人脸识别系统成功，那么将对合法用户造成重大的损失，这样的缺陷限制了人脸识别算法的实际应用。

因此，为了提高人脸识别应用的安全性，学术界和工业界都对活体检测算法进行了大量的研究。但是大部分工作都是基于标准数据库的实验，虽然取得了一定的进步，但在实际工程应用中收效甚微。

目前，一般伪造人脸的方法包括：使用包含注册用户的打印人脸照片、视频、人脸的三维模型等。其中，人脸照片是非常容易从用户的网络社交平台获得。因此人脸照片欺骗成为最轻易和最常用的欺骗方法。

发明内容

本发明的主要目的为提供一种活体人脸检测方法及存储设备，解决人脸识别过程中的人脸照片欺骗问题。

本发明提出了一种活体人脸检测方法，适于在计算设备中执行，所述方法包括：

获取视频图像；

使用人脸检测器检测所述视频图像，获得每帧视频图像的目标人脸区域；

处理所述目标人脸区域，获得与所述目标人脸区域相应的初始信号；

联合多帧视频图像包含的初始信号，构建特征向量；

使用分类模型M处理所述特征向量，输出处理结果，所述分类模型M由采用线性SVM算法对活体人脸和非活体人脸的数据进行训练获得。

优选地，所述处理所述目标人脸区域，获得与所述目标人脸区域相应的初始信号，包括：

对所述目标人脸区域进行RGB三通道分离；

求取每个通道的所有像素值的均值，对每个均值取log对数，获得三个单一通道信号值，所述初始信号包括所述三个单一通道信号值。

优选地，所述联合多帧视频图像包含的初始信号，构建特征向量，包括：

联合多帧视频图像包含的初始信号，组成一个初始特征向量，所述初始特征向量包括三个单一通道信号值集合，所述单一通道信号值集合包括所述多帧视频图像中各帧初始信号对应的单一通道信号值；

对所述初始特征向量进行预处理，获得预处理特征向量；

使用独立分量分析法处理所述预处理特征向量，获得所述特征向量。

优选地，所述对所述初始特征向量进行预处理，获得预处理特征向量，包括：

使用中值滤波处理所述初始特征向量，获得第一特征向量；

使用归一化处理所述第一特征向量，获得所述预处理特征向量。

优选地，所述使用独立分量分析法处理所述预处理特征向量，获得所述特征向量，包括：

使用FastICA算法求解分离矩阵B；

通过所述分离矩阵B处理所述预处理特征向量，获得容积脉搏波信号；

根据所述容积脉搏波信号构建所述特征向量。

优选地，所述使用分类模型M处理所述特征向量，输出处理结果，包括：

将所述特征向量输入所述分类模型M，计算测试值；

将所述测试值与分类阈值比较，获得所述处理结果。

优选地，所述分类阈值通过在训练集上使用k-折交叉验证方法计算得到，所述训练集包括所述活体人脸和非活体人脸的数据。

本发明还提供了一种存储设备，其中存储多条指令，所述指令适于由处理器加载并执行：

获取视频图像；

使用人脸检测器检测所述视频图像，获得每帧视频图像的目标人脸区域；

处理所述目标人脸区域，获得与所述目标人脸区域相应的初始信号；

联合多帧视频图像包含的初始信号，构建特征向量；

使用分类模型M处理所述特征向量，输出处理结果，所述分类模型M由采用线性SVM算法对活体人脸和非活体人脸的数据进行训练获得。

优选地，所述处理所述目标人脸区域，获得与所述目标人脸区域相应的初始信号的指令，包括：

对所述目标人脸区域进行RGB三通道分离；

求取每个通道的所有像素值的均值，对每个均值取log对数，获得三个单一通道信号值，所述初始信号包括所述三个单一通道信号值。

优选地，所述联合多帧视频图像包含的初始信号，构建特征向量的指令，包括：