[发明专利]一种基于HSV 颜色空间统计特征的活体人脸检测方法

摘要

本发明公开了一种基于HSV颜色空间统计特征的人脸活体检测方法，其首先将从摄像头获取的包含人脸的图像从RGB颜色空间转换到YCrCb颜色空间，之后对包含人脸的图像依次进行肤色分割处理、去噪处理、数学形态学处理和标定连通区域边界处理，获取人脸矩形区域的坐标；然后根据人脸矩形区域的坐标，从包含人脸的图像中获取待检测的人脸图像；再对待检测的人脸图像分图像块，并获取待检测的人脸图像中的所有图像块的三个颜色分量的特征值；最后将归一化后的特征值作为待检测样本送入训练后的支持向量机中进行检测，确定包含人脸的图像是否为活体真实人脸图像，优点是降低了人脸认证系统延时，降低了计算复杂度，提高了检测准确率。

主权项

1.一种基于HSV颜色空间统计特征的人脸活体检测方法，其特征在于包括以下步骤：①在不同场景对不同的人采集活体真实人脸图像，之后将采集的活体真实人脸图像显示于液晶显示器上，并对液晶显示器上显示的活体真实人脸图像进行翻拍，得到多幅翻拍人脸照片，然后将采集的每幅活体真实人脸图像作为一个正样本，将每幅翻拍人脸照片图像作为一个负样本，接着提取每个正样本和每个负样本的所有特征值，再将每个正样本的标签记为+1，将每个负样本的标签记为-1，最后将所有正样本和所有负样本的特征值送入支持向量机中，利用支持向量机进行训练；②从摄像头获取RGB颜色空间的包含人脸的图像；③将包含人脸的图像从RGB颜色空间转换到YCrCb颜色空间，接着对YCrCb颜色空间的包含人脸的图像依次进行肤色分割处理、去噪处理、数学形态学处理和标定连通区域边界处理，得到多个最小外接矩形，然后对多个最小外接矩形进行筛选，再对筛选后得到的多个最小外接矩形进行归并处理，得到候选的人脸矩形区域，最后通过模板匹配方法获得最终的人脸矩形区域的坐标；④利用步骤③中获取的人脸矩形区域的坐标，将步骤②中获取的包含人脸的图像的人脸部分截取出，然后采用双线性插值法将截取出的人脸部分缩放为尺寸大小为240×320的人脸图像，再将缩放形成的人脸图像从RGB颜色空间转换到HSV颜色空间，并将HSV颜色空间的人脸图像作为要提取特征的待检测的人脸图像；⑤将步骤④获得的待检测的人脸图像分割成多个图像块，然后对每个图像块中的每个像素点的每个颜色分量的颜色值进行归一化和量化处理，得到每个图像块的每个颜色分量的三个特征值，最后对待检测的人脸图像中的所有图像块的三个颜色分量的特征值进行归一化处理；⑥将步骤⑤归一化处理后的共81个特征值作为待检测样本送入步骤①中得到的训练后的支持向量机中进行检测，训练后的支持向量机在检测过程中判断的值是否为1，如果是，则确定检测结果为正样本，表示步骤②获取的包含人脸的图像为活体真实人脸图像，否则，确定检测结果为负样本，表示步骤②获取的包含人脸的图像为照片攻击或视频攻击的假冒人脸图像，其中，sgn()为符号判别函数，当的值大于0时，则sgn(Σi=1nai*×yi×K(X,Xi)+b*)]]>的值为1，当Σi=1nai*×yi×K(X,Xi)+b*]]>的值小于0时，则的值为-1，n表示用于支持向量机训练的正样本和负样本的总样本数，a_i^*表示拉格朗日乘子，y_i表示用于支持向量机训练的第i个样本的标签，y_i=+1表示用于支持向量机训练的第i个样本为正样本，y_i=-1表示用于支持向量机训练的第i个样本为负样本，X表示待检测样本的特征向量，X_i表示用于支持向量机训练的第i个样本的特征向量，K(X,X_i)为核函数，其将X从低维空间映射到高维空间，同时计算X和X_i在高维空间的内积，使计算量回归到X×X_i的量级，b^*表示最优超平面的偏移量。