[发明专利]一种活体检测方法、装置

说明书

本申请公开了一种活体检测方法，该方法包括，基于待检测目标的红外图像，提取有效区域内的图像数据，将提取的有效区域图像数据输入至训练好的神经网络分类器进行识别，从训练好的神经网络分类器的输出获得检测结果，所述训练好的神经网络分类器根据图像中是否包含有生物特征的静脉分布信息进行分类，将包含有生物特征的静脉分布信息的待检测目标的红外图像识别为活体，将未包含有生物特征的静脉分布信息的待检测目标的红外图像识别为非活体。本发明的检测方法性能稳定，抗攻击能力强，具有非常高的安全性。

技术领域

本申请涉及图像识别检测领域，特别地，涉及一种活体检测方法。

背景技术

活体识别检测主要是通过识别活体上的生物特征信息来进行，它把生物特征信息作为生命特征来区分用照片、硅胶、塑料等非生命物质伪造的生物特征。通俗地讲，就是在识别检测的过程中确定被检测目标确实是个具有生命特征的“活体”，不是照片、视频或其他什么等无生命特征的假体。

以人脸活体的识别检测为例。目前，人脸活体检测技术主要有交互式动作、3D成像(多目成像、结构光、TOF等)、视频流等，其中，

交互式动作其要求用户配合指令完成相应的动作，如眨眼、微笑、朗读等，根据判别得到的动作状态的变化情况来区分照片和活体人脸，需要用户配合，用户体验差，一旦获取所有交互指令可针对性地录制视频，从而难以防备视频攻击；

3D成像识别检测技术基于深成的深度图像进行识别检测，受物体材质和光照影响较小，可以很好的区分真假人脸。但3D成像识别检测对一些3D打印的面具存在极高的误检率；

视频流识别检测技术基于实时的视频流进行识别检测，视频流识别易对播放的视频产生误检。

发明内容

本发明提供了一种活体检测方法，以减少误检。

本发明一方面提供一种活体检测方法，该方法包括，

基于待检测目标的红外图像，提取有效区域内的图像数据，

将提取的有效区域图像数据输入至训练好的神经网络分类器进行识别，

从训练好的神经网络分类器的输出获得检测结果，

其中，所述训练好的神经网络分类器根据图像中是否包含有生物特征的静脉分布信息进行分类，将包含有生物特征的静脉分布信息的待检测目标的红外图像识别为活体，将未包含有生物特征的静脉分布信息的待检测目标的红外图像识别为非活体。

较佳地，该方法还包括，将提取的有效区域图像数据进行如下之一或任意组合的预处理：均衡化、归一化、滤波；

所述待检测目标的红外图像包括有为包括脸部特征的脸部图像；

所述神经网络分类器通过一组正样本和一组负样本交替地进行训练，其中，正样本为包含有生物特征的静脉分布信息的红外图像，负样本为不包含有生物特征的静脉分布信息的任何图像。

较佳地，所述提取有效区域内的图像数据包括，

根据瞳孔之间间距确定一有效矩形区域的宽度，根据额部发际线到下巴的距离确定有效矩形区域的高度，

获取脸部图像中的左眼瞳孔坐标、右眼瞳孔坐标、嘴部左嘴角坐标、以及右嘴角坐标，计算4个坐标的均值，得到脸部中心位置，

按照有效矩形区域的中心与脸部中心位置的距离小于设定的第一距离阈值，确定有效矩形区域的位置，

提取有效矩形区域内的图像数据。

较佳地，所述提取有效区域内的图像数据包括，

根据瞳孔之间间距确定一有效矩形区域的宽度，根据所述宽度确定有效矩形区域的高度，得到至少限定除眼部以上区域之外的有效矩形区域，