[发明专利]一种基于静默式的人脸活体检测方法及系统

说明书

技术领域

本发明涉及人脸活体检测领域，具体涉及一种基于静默式的人脸活体检测方法及系统。

背景技术

随着计算机技术的发展，对人脸识别技术的研究也不断深入；其中，人脸活体检测技术作为一种可以识别真人的技术，已经被广泛的应用。一般而言，人脸活体检测为针对于检测照片、录像等图像数据中的人是否为真人的技术。

如今，人脸活体检测大多采用指令式的交互方式，通过语音提示动作指令，诸如眨眼、摇头、张嘴等，来判断参与检测活动的是否为真人，存在速度慢、参与者不配合等问题。如何能够在减少这些语音式指令的情况下同时又不借助硬件设备，并能准确快速地进行人脸活体检测是本发明所要解决的问题。

现有的人脸活体检测技术主要如下：

基于交互式随机动作的方法，缺点：检测速度慢、用户不配合，交互性差；基于三维图像建模技术，缺点：计算量大，需要3D摄像头，目前大多数场景下无法得到满足；采用红外摄像头，缺点：成本高，对设备硬件条件要求苛刻，目前大多数手机端没有红外摄像头，不具有广泛应用意义。

发明内容

本发明的目的是提供一种基于静默式的人脸活体检测方法及系统，以解决上述缺点。

为了实现上述目的，本发明提供如下技术方案：

本发明提供了一种基于静默式的人脸活体检测方法，包括以下步骤：

获取判定模型，

所述判定模型至少包括：人脸占比、支持向量机、手机边框模型以及防伪模型；

根据所述判定模型对待检测图片进行多级活体判断，

若判定为人脸活体，则将所述待检测图片输入下一级进行活体判断，否则判定为非人脸活体。

上述人脸活体检测方法，所述人脸占比的获取包括以下步骤：

通过人脸检测定位得到所述待检测图片的人脸框；

计算得到所述人脸框的面积在所述待检测图片的面积中的百分比，作为所述人脸占比。

上述人脸活体检测方法，所述支持向量机的训练包括以下步骤：

采集获得清晰和模糊的正负样本，以及具有镜面反光的反光样本；

通过上述样本对所述支持向量机进行训练学习，得到模糊阈值和反光阈值。

上述人脸活体检测方法，所述手机边框模型的获取包括以下步骤：

采集获得具有边框特征的边框样本；

根据所述边框样本进行深度学习，得到手机边框模型。

上述人脸活体检测方法，所述防伪模型的获取包括以下步骤：

采集获得具有介质特征的介质样本；

根据所述介质样本进行深度学习，得到防伪模型。

上述人脸活体检测方法，根据所述人脸占比对待检测图片进行活体判断包括以下步骤：

设定占比阈值，并将所述人脸占比与占比阈值进行比对；

若大于等于所述占比阈值，则判定为人脸活体，并将其输入下一级进行活体判断，若小于所述占比阈值，则判定为非人脸活体。

上述人脸活体检测方法，根据所述支持向量机对待检测图片进行活体判断包括以下步骤：

对所述待检测图片进行拉普拉斯变换，并计算得到像素值的均方差；

将所述均方差与通过训练所述支持向量机获得的模糊阈值和反光阈值进行比对；

若大于上述阈值，则判定为人脸活体，并将其输入下一级进行活体判断，若小于上述阈值，则判定为人脸活体。

上述人脸活体检测方法，根据所述手机边框模型对待检测图片进行活体判断包括以下步骤：

通过所述手机边框模型判断所述待检测图片中是否有手机边框；

若无，则判定为人脸活体，并将其输入下一级进行活体判断，若有，则判定为人脸活体。

上述人脸活体检测方法，根据所述防伪模型对待检测图片进行活体判断包括以下步骤：

通过所述防伪模型判断所述待检测图片中是否为介质中的人脸；

若否，则判定为人脸活体，并将其输入下一级进行活体判断，若是，则判定为非人脸活体。

上述技术方案中，本发明提供了基于静默式的人脸活体检测方法，具有以下有益效果：1)实现了检测速度快，计算量小，成本低，无需用户配合(静默式)、不用借助硬件设备就能够自行进行人脸活体检测；2)该人脸活体检测技术可以以软件的形式安装与手机或电脑，进而简单的实现人脸活体检测，具有广泛的应用意义；3)通过支持向量机和深度学习训练获得相应的判定模型，可以实现阈值判别和二分类判别，从而实现了对照片中的人脸进行活体判断；4)通过判断模型实现多级人脸活体判断，进而实现照片表面分析，并且提升了活体判断的置信度。