[发明专利]一种基于媒介感知的泛化性静默活体检测方法

说明书

本发明公开了一种基于媒介感知的泛化性静默活体检测方法，涉及活体检测技术领域。该方法包括获取待检测的单帧人脸图像；根据人脸图像提取人脸亮度图像；根据人脸图像和人脸亮度图像获得人脸反射图像；构建活体检测神经网络模型，采用改进的中心损失函数对活体检测神经网络模型进行训练；采用训练后的活体检测神经网络模型对人脸反射图像进行活体检测。本发明通过提取泛化性的人脸媒介特征，使得活体检测模型在性能表现和时间复杂度上综合优于其他单张RGB照片的静默活体检测，确保了用户体验的同时降低了外设需求，提高了检测准确性。

技术领域

本发明涉及活体检测技术领域，具体涉及一种基于媒介感知的泛化性静默活体检测方法。

背景技术

近年来，随着人脸识别技术在移动支付、视频见证开户等场景中越来越广泛的应用，其相关的安全性的研究也变成了一个重要的问题，特别是判断识别的人脸图像是活体的人脸图像，还是照片或是录制的视频中的人脸图像。

现有的人脸活体判断技术大体可以分为两类:动作活体和静默活体。动作活体主要是指各种基于动作的活体判断，要求使用者在镜头前完成眨眼、张嘴等指定的面部动作。然而一方面因为其需要用户的配合，用户体验极其不好，另一方面这些面部动作也可以通过各种人脸合成软件轻易地完成，安全等级不够高，因此正逐渐在被静默活体取代。

静默活体根据用于进行活体判断的数据不同可以简单分为三类：基于单帧RGB图像的静默活体检测，基于多帧图像的静默活体检测，和基于多模态的静默活体检测。基于单帧RGB图像的静默活体只利用一张RGB人脸的图像，提取纹理等特征来判断人脸的真实性，这种方法具有简单、高效的特点，但是因为静态的RGB人脸图像非常容易获取，而且真人和欺骗人脸纹理，受环境，欺骗媒介等的影响非常大，所以这个检测方法非常容易被破解，鲁棒性还不高。随后研究者提出利用多帧的图像进行静默活体检测，引入更多的信息，比如人脸的细微运动，来检测欺骗攻击。但是这类方法有一个严重的不足，当攻击者利用真人视频回放来进行攻击的时候，同样会存在人脸细微的运动，这时候基于多帧的活体检测可能会失效。所以又有另外一些研究者提出了，我们可以通过引入其他模态的数据提高检测准确率，如深度图和红外图。但是这类方法有两个缺陷，一个是对于3D的活体攻击不能凑效，另外就是这个方案往往需要特殊摄像头采集深度图和红外图，但是这类摄像头造价昂贵，很难在实际应用场景中普及。

发明内容

针对现有技术中的上述不足，本发明提供了一种基于媒介感知的泛化性静默活体检测方法。

为了达到上述发明目的，本发明采用的技术方案为：

一种基于媒介感知的泛化性静默活体检测方法，包括以下步骤：

S1、获取待检测的单帧人脸图像；

S2、根据步骤S1获取的人脸图像提取人脸亮度图像；

S3、根据步骤S1获取的人脸图像和步骤S2提取的人脸亮度图像获得人脸反射图像；

S4、构建活体检测神经网络模型，采用改进的中心损失函数对活体检测神经网络模型进行训练；

S5、采用训练后的活体检测神经网络模型对步骤S3获得的人脸反射图像进行活体检测。

该方案的有益效果是：本发明通过提取表示人脸媒介材料特性的反射图像，消除了环境光照影响，并且可以不利用多帧图像或者其他模态的数据来解决活体检测问题，避免了如3D摄像头，红外摄像头等昂贵外设的使用，可以很方便的部署在各种场景；此外采用改进的中心损失函数训练活体检测神经网络模型，可以使得神经网络学习到更加具有泛化性的媒介特征，训练后的模型在性能表现和时间复杂度上综合优于其他单张RGB照片的静默活体检测，确保了用户体验的同时降低了外设需求，提高了检测准确性。

进一步地，所述步骤S2具体为：

采用多个尺度的低通滤波器对步骤S1获取的人脸图像进行估计，得到多个估计结果；