[发明专利]一种人脸活体检测方法

说明书

本发明公开了一种人脸活体检测方法，其目的在于利用活体检测提升人脸识别的安全性和可靠性。利用图像处理技术实现人脸活体检测，其技术关键在于（1）利用MTCNN方法实现对人脸的检测以及对13个关键点的提取；（2）利用提取的关键点实现人眼眨眼动作判别是否为活体；（3）通过对照片框、视频框和手机边框的检测判断是否为活体；（4）综合人眼眨眼动作判别和对照片框、视频框和手机边框的检测来进行人脸活体检测。本发明所采用的深度学习方法能够很好的防范照片与视频的攻击，极大的提高了活体检测的准确性和鲁棒性。

技术领域

本发明属于图像处理领域，尤其涉及到一种人脸活体检测方法。

背景技术

随着大数据时代的到来和深度学习的发展，人脸识别技术取得了重大突破。人脸识别已经被广泛地应用于公共安防、银行金融、公安刑侦、社交媒体等领域，特别是近来将人脸识别技术应用到手机屏幕解锁。然而，基于人脸识别缺陷的假冒手段也层出不穷，其中主要以人脸照片和视频影像作为冒充手段。提高人脸识别的安全性，可靠性，利用活体检测技术有效的防范冒充手段，这是亟待解决的问题。

发明内容

本发明的目的在于提高活体检测技术用于人脸识别系统的可靠性，提出了一种人脸活体检测方法。

本发明采用的技术方案是：

一种人脸活体检测方法，包括以下步骤：

步骤1：人脸检测与关键点定位：

利用MTCNN开源目标检测算法训练人脸检测模型和预测13个关键点位置，所述MTCNN算法是基于深度学习的目标检测算法，利用训练的模型检测人脸框位置信息(χ_f,y_f,w_f,h_f)，输出13个关键点位置信息((x₁，y₁)，(x₂，y₂)…(x₁₃，y₁₃))；

步骤2：基于眨眼动作的活体检测：

由步骤1得到的13个关键点中的第1点为左眼的左眼角点，第2点为左眼上眼皮的点，第3点为左眼右眼角点，第4点为左眼下眼皮的关键点，第5点为右眼的左眼角点，第6点为右眼上眼皮的点，第7点为右眼的右边眼角点，第8点为右眼下眼皮的关键点。利用欧氏距离计算视频中第i帧人眼高h_i和宽w_i的比值u_i，记录下u_i的值，u_i在设定的阈值T上呈现上下浮动,计算一段时间t内的睁眼总次数q和闭眼的次数k，当|q+k|≥2，|q-k|≤a,例如a取3,满足这些条件，则判断有眨眼动作发生，检测到的人脸为活体。

判断眨眼动作发生的条件：在第i+m帧时比值u_i+mTu_i+m+1且随后r帧出现u_i+m+rTu_i+m+r+1或者在第i+r帧时u_i+rTu_i+r+1且随后m帧出现u_i+r+mTu_i+r+m+1,其中m为睁眼后到闭眼前时间间隔内的帧数，r为闭眼后到睁眼前时间间隔的帧数；

其中w_i和h_i的计算公式为：

(j＝1或5) (2)

(j＝1或5) (3)所述阈值T的取值步骤为：

①统计数据集中n张图片人眼的宽和高，求取宽高的均值和

②计算阈值T：