[发明专利]一种人脸活体检测方法及系统

说明书

本发明涉及一种人脸活体检测方法和系统，包括：步骤S1，图像预处理阶段，将数据集中的图片进行拆解处理，得到预处理的图片；步骤S2，模型建立阶段，本阶段用于建立模型，所述模型用于对预处理的图片进行处理；步骤S3，模型训练阶段，对步骤S1预处理后的图片分成不同的集合进行训练和校验，得到用于区分人脸类别的最佳阈值；步骤S4，模型推理阶段，对实时视频流中得到的图片进行预处理和模型训练后得到的分数值与步骤S3中的最佳阈值进行比较，根据比较结果来判断视频流中得到的图片是否为真实人脸。相比现有的人脸检测方法,本发明可以对视频中的图片是否存在真实人脸作出高效率的判断,而且误判率低,准确度高。

技术领域

本发明涉及计算机视觉领域，特别涉及一种人脸活体检测方法及系统。

背景技术

如今人脸设备在身份认证、安防、媒体和娱乐等领域有着广泛的应用。但是随着人脸设备的应用，人脸使用的安全问题越来越得到人们的重视，为了保证我们人脸的真实性，所以诞生了人脸活体检测这一问题。人脸活体检测的准确性，直接影响了人脸设备的部署。在过去的早些阶段，出现了许多基于传统方法的活体识别方法。传统的活体检测方法通常从面部图像中提取特征以捕获欺骗模式，从而找出真实人脸和攻击人脸之间的颜色纹理，摩尔纹特征等信息作为区分标志。例如局部二值模式(LBP)，尺度不变特征(SIFT)，方向梯度直方图(HOG)等传统特征特征提取方法用来提取单帧图片中的特征，而视频帧间的信息利用眨眼信息或者微表情信息判断。对于这些使用计算机视觉中传统算子的方法，他们只能特定的提取一种人为定义的特征。例如，LBP，Color Texture等。这些是无法适应多种多样，且攻击方式不断变化的活体检测任务的。

发明内容

本发明旨在提供一种人脸活体检测方法及系统，用于解决目前存在的技术问题。

本发明的上述技术目的将通过以下所述的技术方案予以实现。

一种人脸活体检测方法，包括以下步骤：

步骤S1，图像预处理阶段，将数据集中的图片进行拆解处理，得到预处理的图片；

步骤S2，模型建立阶段，本阶段用于建立模型，所述模型用于对预处理的图片进行处理；

步骤S3，模型训练阶段，对步骤S1预处理后的图片分成不同的集合进行训练和校验，得到用于区分人脸类别的最佳阈值；

步骤S4，模型推理阶段，对实时视频流中得到的图片进行预处理和模型训练后得到的分数值与步骤S3中的最佳阈值进行比较，根据比较结果来判断视频流中得到的图片是否为真实人脸。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S1包括以下步骤:

S11.将数据集中的图片拆帧成为单张图片；

S12.将所述S11中得到的单张图片进行检测，如果在该单张图片中检测到人脸，则对包括该人脸的人脸框进行扩充,根据扩充后的人脸框将包括该人脸的单张图片进行裁剪；

S13.对裁剪后的包括人脸框的图片做归一化和随机旋转，得到不同角度的人脸图片。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S3包括以下步骤:

S31.对S1中所述不同角度的人脸图片进行预处理，即在每张图片上进行标注，将有真实人脸的图片和攻击人脸的图片分别标上标签；

S32.将S31中标注后的图片按照一定的比例分成训练集和校验集；

S33.采用训练集中的图片对模型进行训练，得到训练后的模型；

S34.采用训练后的模型对校验集进行处理,得到所述用于区分人脸类别的最佳阈值。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S33包括以下步骤: