[发明专利]一种基于运动模糊分析的虚假人脸入侵检测方法

说明书

为了克服再播放虚假人脸入侵难以检测的问题，本发明提出了一种基于运动模糊分析的虚假人脸入侵检测方法。该方法首先将人脸识别系统采集到的视频进行运动放大，作为视频中的人脸的面部运动的预处理；然后分别提取不同颜色通道的运动模糊描述特征，并将来自不同通道的特征级联到一起，形成表征能力更强的特征向量；最后将形成的特征向量输入到SVM分类器，根据分类器的输出结果对再播放虚假人脸进行检测。本发明计算简单，在受到再播放虚假人脸入侵攻击时，该检测方法可有效对真脸与再播放的虚假人脸进行分析，检测误差更低。

技术领域

本发明涉及一种虚假人脸入侵检测方法，特别是涉及一种基于运动模糊分析的虚假人脸入侵检测方法。

背景技术

人脸识别技术已经成功应用到各种安全权限系统中，并获得了良好的用户体验，在公安、国安、海关、交通、金融、社保及其他民用安全控制等行业和部门存在着广泛的需求。但随着互联网及社交网络的快速发展与打印机、手机等数码设备的广泛普及，人们通过获取他人的照片、视频等信息可以很容易地入侵人脸识别系统。这种较低成本的虚假人脸入侵方式，给人脸识别系统带来了巨大的危害。近年来虚假人脸入侵方式主要分为两种：(1)基于机器学习的虚假人脸入侵检测；(2)基于深度学习的虚假人脸入侵检测。文献“Boulkenafet Z, Komulainen J,Hadid A.Face Spoofing Detection Using ColourTexture Analysis.IEEE Transactions on Information Forensics and Security,2017,11(8):1818-1830”提出了一种基于机器学习的虚假人脸检测方法，该方法通过分析真脸与假脸在彩色纹理存在的差异性，利用支持向量机 (Support Vector Machine，SVM)对假脸入侵进行检测。

该方法计算简单，可以有效检测打印的虚假人脸，但对于再播放的人脸视频的攻击，方法的有效性会大大降低。基于此，本发明提出了一种基于运动模糊分析的虚假人脸入侵检测方法，以解决再播放攻击难以利用彩色纹理检测的问题。

发明内容

为了克服再播放虚假人脸入侵难以检测的问题，本发明提出了一种基于运动模糊分析的虚假人脸入侵检测方法。该方法首先将人脸识别系统采集到的视频进行运动放大，作为视频中的人脸的面部运动的预处理；然后分别提取不同颜色通道的运动模糊描述特征，并将来自不同通道的特征级联到一起，形成表征能力更强的特征向量；最后将形成的特征向量输入到 SVM分类器，根据分类器的输出结果对再播放虚假人脸进行检测。本发明计算简单，在受到再播放虚假人脸入侵攻击时，该检测方法可有效对真脸与再播放的虚假人脸进行分析，检测误差更低。

本发明解决其技术问题所采用的技术方案是：提出了一种基于运动模糊分析的虚假人脸入侵检测方法，该方法根据真脸与再播放的虚假人脸在运动模糊存在的差异性，对再播放的虚假人脸入侵进行检测。其特点包括以下几个步骤：

步骤一：对人脸识别系统采集到的人脸视频进行运动放大，使得真脸与再播放的虚假人脸在运动模糊存在差异更明显、更易区分。给定人脸视频V，视频在时间t的变化可表述为V(x,y,t)＝f(x+δ_x(t),y+δ_y(t))，其中V(x,y,0)＝f(x,y)，δ_x(t)与δ_y(t)分别为运动在x、 y方向的运动幅度。按照下式对视频运动进行放大：

V^*(x,y,t)＝f(x+(1+α)δ_x(t),y+(1+α)δ_y(t)) (1)

式中α为运动放大因子。按照泰勒级数对V(x,y,t)进行关于x、y展开：

利用带通滤波器B(x,y,t)对V(x,y,t)进行滤波处理，