[发明专利]基于虹膜的人脸识别活体检测方法及装置

说明书

本发明提供一种基于虹膜的人脸识别活体检测方法及装置，该方法包括生成随机运动轨迹；控制随动中心沿随机运动轨迹运动，拍摄虹膜图像和人脸图像；将采集的人眼跳视轨迹与随机运动轨迹比对进行虹膜测试，采用深度学习算法对视频图像进行人脸查找，如果人脸存在则进行分割，进行特征点并将提取出的特征值与先前存入本地人脸数据库的人脸特征值进行比对，如果比对成功说明本地人脸数据库中存在被测试者的图像，对比失败说明不存在被测试者的图像，本发明保证人脸识别活体检测的准确性，不需要被测试者做过多的动作，提升被测试者的体验，并且运用的算法速度快，准确性高，同时占用的资源小，可以在桌面端或者ARM上运行，丰富可运用的实用场景。

技术领域

本发明涉及身份识别技术领域，尤其涉及一种基于虹膜的人脸识别活体检测方法及装置。

背景技术

随着人们生活质量的提高，生活住宅物联网化，办公高楼现代化，交通工具日益发达多样化等等，这些无疑都时时刻刻影响着人们的各个方面，从而人们对大到社会治安小到家庭住所的安全更加担忧；政府部门以及飞机场、高铁站、地铁站、海关等公共场所的人流控制、治安管理、潜在犯罪分析等等需求日益增长；大型公共场所比如体育场、足球场或者金融中心CBD等对人流及身份的监控，都需要用到人脸检测和识别技术。

随着生物识别技术、模式识别技术、人工智能技术的发展，人脸识别领域的技术在目前现有技术角度来看已趋于成熟，传统的模式识别中检测人脸算法比如Opencv里面的人脸Haar特征分类器和dlib人脸检测；人脸特征提取方法比如LBP人脸识别等算法都可以很好的进行人脸检测和识别，但是以上方法无法满足目前各种复杂环境的要求比如系统小型化，运行高效化、识别准确率高和防欺骗等等综合因素。

现有的人脸识别活体检测主要采用以下三种方案：1.使用者配合做出相应动作完成活体检测，其使用者需要配合进行摇头、眨眼、张嘴等等一系列动作，导致用户体验性低；2.利用算法对单个可见光摄像头采集的视频图像进行分析判断，由于摄像头采集的视频图片是二维空间的，所以不管使用什么算法都很难区分面对摄像头的是否是活体人脸，导致识别准确度低；3.利用景深相机对被测者进行3D建模，通过3D模型来判断是否为活体人脸，但这种方法使用的景深相机成本极高，并且3D建模算法需要耗费大量计算机计算能力，运算速度极低。

发明内容

本发明的目的在于提供一种基于虹膜的人脸识别活体检测方法及装置，以解决现有技术中对被测者进行人脸识别时用户体验性低以及识别准确度低的问题。

本发明是这样实现的，本发明第一方面提供一种基于虹膜的人脸识别活体检测方法，所述基于虹膜的人脸识别活体检测方法包括：

生成随机运动轨迹；

控制随动中心沿所述随机运动轨迹运动，并拍摄虹膜图像和人脸图像；

根据所述虹膜图像获取被测试目标的瞳孔中心点的运动轨迹，并判断所述瞳孔中心点的运动轨迹与所述随机运动轨迹的重合度是否小于预设值；

当所述重合度小于预设值时，判定所述被测试目标为非活体人脸；

当所述重合度不小于预设值时，则判断所述人脸图像是否存在人脸；

当所述人脸图像不存在人脸时，判定所述被测试目标为非活体人脸；

当所述人脸图像存在人脸时，对所述人脸图像进行分割，从所分割的人脸图像中的特征点提取特征值，并将所提取的特征值与人脸数据库中的人脸特征值进行对比；

当对比成功时，判定所述人脸数据库中存在所述人脸图像；

当对比失败时，判定所述人脸数据库中不存在所述人脸图像。