[发明专利]一种基于图像偏斜度的真假脸部识别检测方法和检测系统

说明书

本发明提供一种基于图像偏斜度的真假脸部识别检测方法和检测系统，检测方法包括通过图像采集装置采集获得动物体脸部的初始图像块信息、先将初始图像块信息转换为特定格式、再从该初始图像块信息中提取获得特定分量，再将该特定分量排列为相应的列向量，通过计算获得该列向量的偏斜度值；再将该偏斜度值与偏斜度阈值进行比较，得出判定结果。检测系统由图像采集装置与识别运算装置，采用本发明的技术方案，通过以图像块信息特定格式下的特定分量的偏斜度作为判定真实脸部与虚假脸部的数据指标，真实脸部与虚假脸部在该项指标上差异显著，从而简化了脸部识别方法，提高了脸部识别的可靠性，提高了脸部识别系统的安全性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于图像偏斜度的真假脸部识别检测方法和检测系统。

背景技术

随着近年来人工智能、半导体和互联网等技术的迅猛发展，以生物人体为对象的相关识别技术的研究是当前科技界的研究热点，其中尤以人体脸部识别技术的发展最快，并且已经开始投入商业化应用，潮镇自动化、无人监督化的趋势发展。例如，大家日常用的智能手机已经开始全面普及脸部识别解锁了；而中国人每天用的微信支付和支付宝支付也早就支持刷脸验证身份取代传统的指纹和密码验证；机场、火车站等地方安检也已采用了最新的脸部识别身份验证技术，不仅极大加快了通行速度，还减少了工作人员繁重的安检工作，等等。

脸部识别技术所针对的特定对象为人体脸部，与过去将人体指纹、虹膜等特征作为识别对象的技术相比，人体脸部特征最容易获取，因而脸部识别技术最适于广泛推广应用。然而，人体脸部特征也是最容易被怀有恶意的人员所利用，因此，如果自动且高效地辨别出人体脸部图像的真伪是脸部识别技术广泛推广应用中所需解决的重要问题。现有的人体脸部识别技术主要有以下三种实现方法：

(1)动作配合类

动作配合类脸部识别系统是最早采用的一种针对生物人体的识别检测方法，这种方法所采集的图像信息主要来自于静止的照片，通常由系统发出相应诸如眨眼、摇头、张嘴、微笑等动作指令，用户在系统提供的动作指令的引导下完成相应的动作之后，才能通过验证，使用这类检测系统时，当怀有恶意的人员持有伪造的照片时，由于其没能完成相应的动作指令，因而检测系统能够识别照片的真伪，然而，当怀有恶意的人员持有伪造的具有指定动作的视频时，该检测系统就无法识别出该视频的真伪，安全性较低。此外，这类检测系统需要发出相应的动作指令引导用户完成相应的动作，每个用户完成动作的过程千差万别，影响了用户的体验感，因而这类检测系统在近几年已经准备被淘汰了。

(2)传统图像特征类

传统特征类方法是静默检测方法中的一类，该类方法目标很明确，就是找到人体脸部与非人体攻击之间的不同，而后通过分类器进行决策。对于单帧检测方法，图像质量失真、颜色特征、文理特征等是常用的传统特征表征。也有方法发现,在RGB空间比较难区分人体与非人体，但在HSV和YCbCr颜色空间，人体与非人体的文理有明显差异。有一部分方法是基于连续多帧脸部图像，通过捕获人体与非人体微动作之间的差别来设计特征的。该类多帧图像检测方法对于仿脸部卷纸抖动和视频攻击效果不好，因为它假定了人体与非人体之间的非刚性运动有明显区别，然而其实脸部微动作很难描述与学习。另一种多帧图像检测方法是基于从脸部视频进行心率提取。该类方法认为从照片中提取到的心率分布不一样，而人体是一样的。但是图像心率检测算法目前本身还存在鲁棒性问题，故测试的结果也不能保证。

(3)深度学习方法类

随着深度学习在很多检测、分类任务中取得了很好的效果，因此，也涌现了一批基于深度学习的人体检测算法。然而由于人体检测方面的公开数据集太少，基于CNN等深度学习的算法性能一直无法超越上述传统算法。即便最新提出的算法，直接把人体检测和脸部检测放到一个框架里，虽然速度很快，但是这种识别方法算法十分复杂，实现和推广应用起来比较困难。