[发明专利]一种基于运动模糊分析的虚假人脸入侵检测方法

摘要

为了克服再播放虚假人脸入侵难以检测的问题，本发明提出了一种基于运动模糊分析的虚假人脸入侵检测方法。该方法首先将人脸识别系统采集到的视频进行运动放大，作为视频中的人脸的面部运动的预处理；然后分别提取不同颜色通道的运动模糊描述特征，并将来自不同通道的特征级联到一起，形成表征能力更强的特征向量；最后将形成的特征向量输入到SVM分类器，根据分类器的输出结果对再播放虚假人脸进行检测。本发明计算简单，在受到再播放虚假人脸入侵攻击时，该检测方法可有效对真脸与再播放的虚假人脸进行分析，检测误差更低。

主权项

1.基于运动模糊分析的虚假人脸入侵检测方法，其特征主要在于三个部分：人脸视频运动放大、运动模糊特征提取、SVM分类器；(1)人脸视频运动放大：对人脸视频进行运动放大，使得真脸与再播放的人脸在运动模糊存在差异更明显、更易区分；给定人脸视频V，视频在时间t的变化可表述为V(x,y,t)＝f(x+δx(t),y+δy(t))，其中V(x,y,0)＝f(x,y)，δx(t)与δy(t)分别为运动在x、y方向的运动幅度；按照下式对视频运动进行放大：V*(x,y,t)＝f(x+(1+α)δx(t),y+(1+α)δy(t))        (1)式中α为运动放大因子；按照泰勒级数对V(x,y,t)进行关于x、y展开：利用带通滤波器B(x,y,t)对V(x,y,t)进行滤波处理：将V*(x,y,t)表述为：V*(x,y,t)＝f(x,y)+αB(x,y,t)             (4)融合公式(2)、(3)、(4)，放大后的视频表述为：式中α为运动放大因子；(2)运动模糊特征提取：对放大后的视频提取局部相似模式(Local Similar Pattern，LSP)特征，用来描述面部运动产生的模糊，具体包括像素值比较、比较结果进行编码、计算编码结果的统计直方图；像素值比较：分别提取视频的视频帧f(x,y)的R、G、B三个颜色通道，由上到下、由左及右逐像素选定3×3区域的图像块b(x,y)，并将中心像素与其八个邻域的像素值按照下式进行大小比较，并二值化比较结果得到c(x,y)；c(x,y)＝σ(b(x,y)‑b(xcenter,ycenter))          (6)式中b(xcenter,ycenter)为图像块的中心像素，b(x,y)为中心像素的邻域，σ(x)当且仅当x＝0时为1，其余为0；比较结果编码：将二值化后的比较结果按照位置的不同，对除中心像素外的邻域像素分别乘以不同权重，并按照公式(7)进行求和运算，作为图像块b(x,y)的编码值；式中i为c(x,y)的索引号，由于图像块只有9个像素，所以上式包含8个邻域像素；计算编码值的分布直方图：统计编码后的s(x,y)在不同编码值的分布概率，并将所有的概率连接起来，作为对f(x,y)运动模糊的特征描述，记为Df；(3)SVM分类器：对于训练数据中所有真脸与所有再播放的假脸数据，分别提取他们的局部相似模式特征，并按样本进行排列，组成训练特征D；同时分别对真脸与再播放的假脸样本的标签进行标定，得到标签向量L，其中真脸标记为1，假脸标记为0；式中n为数据样本的数量；依据训练数据D与训练标签L，优化公式(9)所示的代价函数，得到SVM分类器：式中w、b分别为SVM待学习的权重参数与偏置项，Li为第i个训练样本的标签；在SVM测试阶段，根据SVM分类器预测值的大小对输入的人脸视频进行属性判断，并将判断结果反馈给人脸识别系统。