[发明专利]一种基于NIR残差图象的单摄人脸活体识别方法及计算机可读存储介质

说明书

本发明提供一种基于NIR残差图象的单摄人脸活体识别方法及计算机可读存储介质，配置采集单元、残差计算单元和残差识别单元；所述方法包括：步骤S1、采集单元采集不同光线强度下的人脸图像，通过MTCNN网络模型提取和dlib库进行裁剪对齐，得到不同光线强度下的人脸呈像；步骤S2、残差计算单元对不同光线强度下的人脸呈像进行残差计算，得到残差图像；步骤S3、残差识别单元对所述残差图像进行归一化，然后导入已训练的CNN网络模型进行识别，并输出识别结果。本发明具有硬件成本低，具有良好的识别准确度，易于集成，有较好的泛化性，可以拦截电子屏呈像。

技术领域

本发明涉及一种基于NIR残差图象的单摄人脸活体识别方法，以及计算机可读存储介质。

背景技术

目前随着人脸识别技术的成熟，人脸识别方法越来越多地被设备、应用采纳，由于人脸数据很方便采集，因此针对没有活体的人脸识别系统时，使用视频重放、照片重放、戴面具等手段就可很容易地伪造出用户，从而进行解锁、认证等操作，在方便用户使用的同时也带来了重大的安全隐患。

目前活体检测方案中，人脸识别方法有传统方法和基于神经网络与机器学习的方法，传统方法由于识别率低、误判率高等原因，已经逐步被市场淘汰；基于神经网络与机器学习方法又细分为要求用户配合做出相关动作和静默检测两种，前者由于需要用户主动配合，做出相关动作，导致用户体验很差，而且针对视频重放攻击有一定的误判率(除非让用户配合做更多的动作或念文字等方法，用户体验会进一步下降)；静默检测在保证用户体验下，是人脸识别活体检测的较佳方案。静默检测方法又可进一步细分为3D结构光、多帧分析、近红外光谱技术(Near Infrared，NIR)等。其中3D结构光的识别准确度高，但需要引入较多的辅助设备及传感器，使用成本较高，普通产品不易导入；多帧分析则对设备运算能力及采样图像有很高要求，并且也无法对视频重放进行拦截；NIR技术虽然可以拦截电子屏呈像的攻击(如电子屏照片重放、电子屏视频重放)，但无法对打印照片即对彩色照片和黑白照片无法拦截，攻破它的成本很低，存在一定隐患。

发明内容

本发明要解决的技术问题之一，在于提供一种基于NIR残差图象的单摄人脸活体识别方法。

本发明是这样实现的：一种基于NIR残差图象的单摄人脸活体识别方法，配置采集单元、残差计算单元和残差识别单元；

所述方法包括以下步骤：

步骤S1、采集单元采集不同光线强度下的人脸图像，通过MTCNN网络模型提取和dlib库进行裁剪对齐，得到不同光线强度下的人脸呈像；

步骤S2、残差计算单元对不同光线强度下的人脸呈像进行残差计算，得到残差图像；

步骤S3、残差识别单元对所述残差图像进行归一化，然后导入已训练的CNN网络模型进行识别，并输出识别结果。

进一步地，所述采集单元包括至少一红外LED补光灯和一设有红外光滤镜的红外摄像头；

所述步骤S1的具体操作方法如下：

采集单元动态控制PWM波(脉冲宽度调制波)，改变红外LED补光灯强度，采集不同光线强度下的人脸图像，通过MTCNN网络模型从所述人脸图像中提取出人脸区域，然后通过dlib库对所述人脸区域进行人脸对齐及裁剪，得到不同光线强度下的人脸呈像；其中，不同光线强度下的人脸呈像采用如下公式描述：

I(x)为不同光线强度下的人脸呈像；

I_a为自然光状态下的人脸呈像；

为周围各种光源照射下的人脸呈像；

n为周围光源个数；

I_x为在亮度占空比为x的PWM波下的人脸呈像；