[发明专利]一种基于极短视频的人脸活体检测方法

说明书

本发明公开一种基于极短视频人脸活体检测方法。首先，采集包括真人脸部和该真人脸部照片的训练集视频。接着，利用欧拉放大技术对真假人脸视频进行时‑空滤波处理，得到欧拉放大视频。然后，通过SIFT算法提取训练视频中各帧图像之间的SIFT特征匹配点对，再将特征匹配点对的坐标用于其对应的欧拉放大视频，并结合帧间红色分量的差值生成该段训练视频的特征直方图。在测试时，采集时长1秒的待检测人脸视频并生成特征直方图。最后，将训练集中所有训练视频所对应的特征直方图和待检测人脸视频的特征直方图输入到SVM分类器进行真假判断。该方法只需要1秒钟的极短人脸视频，就可以进行真假判断，并不需要用户人脸部的任何动作，可以达到95％的正确识别率。

技术领域

本发明涉及机器学习和模式识别领域，尤其涉及一种基于极短视频的人脸活体检测方法。

背景技术

近年来，生物特征识别技术取得飞速发展，指纹识别、人脸识别、虹膜识别等身份识别技术得到非常广泛的应用。生物识别技术是根据人体的生理或生理特征来识别一个人。为确保身份验证的正确性，生物识别系统必须能够检测和识别出使用的是生物特征的副本，还是活体本身生物特征，这个通常称为“活性检测”。例如，传统的人脸识别系统在实际应用中能被轻易攻击，N.M Duc等人用一张打印的人脸照片就能通过系统认证。因此，人脸活体检测对于人脸识别系统的安全性尤其重要。

人脸识别系统主要面临着三种常见的欺骗手段：照片欺骗、视频欺骗和三维模型欺骗。国内外许多研究学者都致力于活体检测研究问题。K.Kollreider提出利用光流学方法检测人脸动态变化从而进行活体检测。这种方法所需的特征难以获取，需要用户的主动配合，而且假冒者刻意将照片弯曲变形时，估计的深度坐标会有较大的变化，同时这种判断易受到噪声和光照条件的影响，所以，该方法可靠性不强。A.K.Jain等人提出利用傅里叶频谱分析方法，定义频率动态描述子来区分活体脸和照片人脸。Jukka Maatta等人提出利用LBP特征、Gabor wavelet和HOG三种特征融合的方法来进行活体检测的判别。Diego A等人将拍摄到可见光人脸和热红外人脸进行匹配，根据两者相关性进行活体判断。Hyung-KeunJee等人在输入的连续图片序列中检测眼睛并且计算眼睛区域的运动，以判断输入人脸是活体还是翻拍照片。这些方法需要额外的设备，在普通设备上无法大力推广。

因此，本领域的技术人员致力于开发一种基于极短视频人脸活体检测方法。首先，采集包括真人脸部和该真人脸部照片的训练集视频，训练集中各段训练视频时长1秒。接着，利用欧拉放大技术对真假人脸视频进行时-空滤波处理，得到欧拉放大视频。然后，通过SIFT算法提取训练视频中各帧图像之间的SIFT特征匹配点对，再将特征匹配点对的坐标用于其对应的欧拉放大视频，并结合帧间红色分量的差值生成该段训练视频的特征直方图。在测试时，采集时长1秒的待检测人脸视频并生成特征直方图。最后，将训练集中所有训练视频所对应的特征直方图和待检测人脸视频的特征直方图输入到SVM分类器进行真假判断。实验结果表明，该方法只需要1秒钟的极短人脸视频，就可以进行真假判断，并不需要用户人脸部的任何动作，可以达到95％的正确识别率。本发明的优势在于，传统的真假人脸识别需要用户主动配合，即要求用户在一段时间下完成脸部的表情或姿态的变化才能进行真假人脸的判定，而本发明只需1秒时间且不需用户任何脸部的动作就可以进行真假人脸的识别。同时，本发明只需要一台图像拍摄装置，不需要其它额外的设备，即可完成真假人脸识别，操作过程比传统方法更为简捷方便，并能达到较高的识别率。

发明内容

由于光流学方法检测人脸的特征难以获取，需要用户的主动配合，同时容易受到噪声和光照条件的影响，可靠性不强；将可见光人脸和热红外人脸匹配的方法需要额外的设备，在普通设备上无法大力推广。为解决上述问题，本发明提出一种基于极短视频的人脸活体检测方法。包括以下步骤：

S1：采集包括真人脸部和该真人脸部照片的训练集视频，训练集中各段训练视频时长1秒；

S2：对训练视频进行欧拉视频放大处理，得到欧拉放大视频；