[发明专利]人脸活体检测方法及设备

说明书

本发明涉及一种人脸活体检测方法及装置，所述方法包括如下步骤：S1、接收包含人脸区域的深度图像、彩色图像、红外图像，并进行配准；S2、检测所述深度图像、彩色图像、红外图像中的人脸区域；S3、对所述人脸区域深度图像预处理实现图像增强并提取有效人脸深度图像；S4、将所述有效人脸深度图像、人脸区域的彩色图像和红外图像分别输入至经训练的级联深度卷积神经网络，进行精确的人脸活体检测。所述装置包含有用于实现上述方法的计算机程序。通过多源信息融合及级联深度卷积神经网络，解决了传统单目彩色相机无法较好恢复出人脸三维信息的问题，并提升了人脸识别的准确率。

技术领域

本发明涉及一种人脸活体检测方法及设备。

背景技术

人脸活体检测技术是面向人工智能领域的一项前沿技术，该技术以新型的3D传感器为依托，以深度学习技术为开发框架，诣在对人脸识别领域中，真实人脸和虚假人脸进行有效判断，从而抵抗非法虚假人脸对人脸识别系统的攻击，为具有人脸识别的应用提供安全性更高的应用环境。

静态人脸活体检测是一种从深度图像中检测其包含的人脸区域是否为当前设备采集到的真实人脸的技术。如果检测结果为真则输出1，为假则输出0。实现人脸活体检测的前提是构建人脸活体检测器。一般来说，现有技术通过如下几种方式构建人脸检测器。

技术一：利用翻拍的人脸彩色图像的纹理信息分析翻拍图像质量。由于翻拍的图像会产生较多的噪声。如果是对着电子屏幕进行翻拍，由于屏幕的时间分辨率与相机频率的不同会产生莫列干涉，从而使得图像上产生条带噪声，根据不同噪声进行分析判断是否为真实人脸。该技术中，当前部分拍照设备分辨率较高、图像信噪比较高，从而对噪声判断技术带来不确定的因素。

技术二：利用虚假人脸区域与其背景的一致性来判别。虚假人脸往往是通过打印或在硬件媒体上以播放的形式进行静态或动态展示。然而虚假人脸区域的领域或边缘背景在纸张或媒体硬件设备的运动过程中，与虚假人脸不产生运动差异，保持一致性。基于该特点，在视频图像中可利用运动检测与判定虚假人脸与否。该技术中需要利用视频帧信息，增加了系统的运算复杂度，同时用户体验性较差。

技术三：人脸局部信息的非刚性运动。虚假静态人脸图像无论出于何种运动都为刚性运动，而真实人脸在视频中会产生面部细微的非刚性变化，从而根据此差异可以判定真实人脸与否。该技术中，需要采用高时间分辨率的采集设备，同时从刚性的变化真实人脸运动中(如头部转动)提取非刚性面部信息，为活体检测时效性的提升和算法复杂度的降低带来困难。

技术四：人脸三维重构。真实人脸的3D信息与虚假的电子设备描述的人脸3D信息有很强的区分度。利用相机的多角度拍摄以及相机内部参数，重构出人脸关键点深度信息，根据关键点的深度信息进行有监督的人脸判定。该技术需要对相机内部参数进行标定，而相机内部参数的标定的准确性、拍摄不同图像的相机之间的旋转位移关系以及图像的质量对重构的人脸深度值有极大的影响，因此该方法对活体检测的误检率较高。

发明内容

本发明的目的在于提出一种人脸活体检测方法及设备，提升人脸活体检测的准确率。

为此，本发明提出的人脸活体检测方法包括如下步骤：S1、接收包含人脸区域的深度图像、彩色图像、红外图像，并进行配准；S2、检测所述深度图像、彩色图像、红外图像中的人脸区域；S3、对所述人脸区域深度图像预处理实现图像增强并提取有效人脸深度图像；S4、将所述有效人脸深度图像、人脸区域的彩色图像和红外图像分别输入至经训练的级联深度卷积神经网络，进行精确的人脸活体检测。

在本发明的一些实施例中，还包括如下特征：

所述级联深度卷积神经网络由两个经训练的深度卷积神经网络级联组成，每一个深度卷积神经网络均包括输入层、卷积层、池化层、全连接层、softmax层和输出层，输入层对所述有效人脸深度图像进行格式、大小调整，卷积层和池化层分别进行卷积、池化操作，输出层为一个全连接网络，经过最后一级的softmax层预测后得到一个大小为1×2的向量输出，用于人脸活体二分类判别。