一種人臉活體檢測方法技術

本發明專利技術公開了一種人臉活體檢測方法，包括如下步驟：S1、獲取人臉圖像；步驟S2、根據所述人臉圖像確定與該人臉圖像對應的身份信息；步驟S3、采用人臉活體檢測分類器判斷所述人臉圖像是否是所述身份信息對應的特定人的真實人臉圖像，其中，人臉活體檢測分類器針對特定人單獨進行訓練，即每個注冊人員對應一個人臉活體檢測分類器。此外，本發明專利技術還提出人臉樣本合成算法為注冊人員合成真實人臉樣本和/或假人臉樣本，可以應用于訓練樣本稀少或缺省的場合。本發明專利技術能夠很自然地與人臉識別系統整合。在不增加系統運算負擔的同時，能夠有效地解決傳統人臉活體檢測方法的不足。

【技術實現步驟摘要】
一種人臉活體檢測方法
本專利技術涉及計算機視覺和模式識別領域，特別涉及了生物特征識別領域中的人臉活體檢測方法。
技術介紹
目前，生物特征識別技術已經被廣泛地應用于日常生活中的方方面面。人臉生物特征識別技術，由于具有方便易用，用戶友好性，非接觸式等優點，在近年來取得了突飛猛進的發展。這些發展體現在了各個研究領域，包括人臉檢測，人臉特征提取，分類器設計以及硬件設備制造等。然而，基于人臉的生物特征識別在應用層面上依然面臨著一些考驗。其中，最為突出的就是識別系統的安全性問題。作為一種用于身份識別的裝置，它們很容易被一個非法分子假冒成合法的用戶欺騙。目前的大部分人臉識別系統都無法區分真實的人臉和照片。只要獲取到了合法用戶的照片，那么就能輕而易舉地騙過這類識別系統。如今發達的社交網絡讓這個攻擊方式變得異常容易。此外，用錄制的視頻或者偽造的面具均可能對人臉識別系統產生攻擊。目前，人臉防偽，亦稱人臉活體檢測，逐漸受到了來自學術界和工業界的重視。人臉活體檢測的主要目的是區分真實人臉和上述偽造人臉的圖像，識別來自假人臉圖像對人臉識別系統的攻擊，從而提高人臉識別認證系統的安全性。根據使用的線索不同，我們可以將人臉活體檢測方法分成四大類：1、基于人機交互的人臉活體檢測方法：這類方法旨在通過檢測人臉的生理反應來判定采集的是否為真實人臉。考慮到真實人臉和偽造人臉相比，有更多的自主性，這類方法通過要求用戶進行指定的動作作為判定的依據。常用的交互方法包括眨眼，搖頭，嘴部動作等等。除基于局部運動的檢測方法之外，還有一類方法是基于整個頭部的動作進行判斷的。這類方法有效的原因在于照片和人臉的三維結構存在明顯的差異，使得獲取的頭部運動模式也存在一定的差異。以上方法雖然能夠在一定程度上區別真假人臉，但是假人臉的生成方式多種多樣，可以找到多種攻破方式對這些方案進行攻擊，如錄制的人臉視頻片段。考慮到這些可能存在的缺陷，一種基于多模態的活體檢測方法被提出，該方法要求用戶閱讀指定的文本內容，隨后通過分析用戶的嘴唇動作和相應的語音內容是否吻合來判斷人臉的真偽。然而，這種基于人機交互的活體檢測方法由于要求用戶進行特定的動作，對用戶的要求過高，使得用戶體驗不佳。同時，認證時間較長也是上述方法的一大弊端。2、基于皮膚反射特性的人臉活體檢測方法：從人臉皮膚的反射特性出發，一些研究者利用多光譜采集手段進行活體檢測。利用真人皮膚和偽造的人臉皮膚兩者在不同光譜下的反射率不同這一特點，達到活體檢測的目的。這類方法的研究內容是找到合適的光譜，使得真假人臉皮膚的差異最大。然而，這類方法有以下幾個明顯的不足：1)僅在非常少量的數據上測試，因此無法對性能進行全面評估；2)選取的光譜波段無法通過常用的攝像頭感應，需要部署特殊的感光器件，增加了硬件開銷；3)額外的感光器件需要開發有針對性的信號轉換電路，增加了與現有系統的兼容性問題。3、基于紋理差異的人臉活體檢測方法：基于微紋理的活體檢測方法有以下假設：同一設備采集偽造人臉和用該設備采集的真人臉相比存在細節丟失或差異，而這些細節上的差異就引起了圖像微紋理上的差異。該假設在大多數情況下是成立的。偽造的人臉是通過使用真實人臉圖片制作而成。以打印的照片為例，非法用戶首先將照片打印在紙張上，然后將打印的人臉照片擺放在人臉識別系統前進行攻擊。在這個過程中，至少會有兩個環節造成差異，一是打印環節，打印機不可能不失真地復現照片內容；二是打印照片的二次成像，采集設備不可能將照片上的內容完美捕捉。除此之外，真實人臉和打印人臉在表面形狀上的差異，局部高光的差異等等，都會造成兩者在微紋理上的差異。4、基于多線索融合的人臉活體檢測方法：除了上述三種不同的活體檢測方法之外，還有一類方法在嘗試融合多種不同的線索。其中，較為常見的方法是將運動信息和紋理信息相結合用于活體檢測。這類方法考慮到基于紋理的方法無法處理高質量的攻擊，同時基于運動分析的方法也不能完全保證活體檢測的正確性。但是兩種方法在機理上存在一定的互補性。通過兩者的融合之后，活體檢測變得更加魯棒。如上所述的人臉活體檢測方法，能夠在一定程度上減少人臉識別系統被非法用戶攻擊的可能性。然而，所有上述方法都會面臨兩個問題。在上述方法中，所有注冊人員的真人臉被當成一類，假人臉被當成一類來訓練一個二元分類器。然而，由于不同注冊人員本身的外貌差異，真人臉樣本和假人臉樣本的類內差異過大，導致訓練出來的活體檢測分類器性能不均衡，即對某些注冊人員的分類性能很好，而對某些注冊人員的分類性能極差。此外，這種活體檢測分類器對新注冊人員的適應能力也較弱。根據多篇文獻中的實驗結果，使用活體檢測分類器對新的注冊人員和已注冊人員的人臉樣本進行活體檢測時，前者的性能與后者的性能相比明顯變差。而如果在每次在新注冊人員的樣本加入到數據庫中之后，為其重新訓練該活體檢測分類器的代價是相當之大的。隨著數據庫中的數據量的增長，訓練分類器所使用的樣本數量也會逐漸增加，致使后續的訓練過程非常耗時。這種訓練模式對人臉活體檢測系統的應用和推廣是相當不利。為了解決上述兩個問題，需要提出一種新的活體檢測思路，以提高活體檢測的實用性，從而助于活體檢測模塊在人臉識別系統的推廣。
技術實現思路
(一)要解決的技術問題本專利技術提出一種面向特定人臉的活體檢測方法。該方法將人臉識別和人臉活體檢測進行有機結合，旨在解決傳統活體檢測方法對注冊人員檢測效果差異較大，對新注冊人員適應能力較弱的缺點與不足。目前的人臉活體檢測方法均是使用可獲得的所有注冊人員的真實和假人臉樣本分別作為一類，并訓練得到一個活體檢測器。然而，由于不同注冊人員之間存在明顯的外貌差異，訓練得到的活體檢測器很難對所有的注冊人員均有較好的性能。此外，當有新注冊人員加入時，傳統活體檢測方法可能需要使用所有人臉樣本重新訓練活體檢測器。由于訓練樣本數量和樣本特征維度較高，活體檢測器的重新訓練往往有很高的時間復雜度。(二)技術方案本專利技術公開了一種特定人臉活體檢測方法。該方法為每個注冊人員分別訓練活體檢測器。在測試過程中，首先對新采集的人臉圖像進行身份識別，隨后使用該身份對應的活體檢測器對人臉圖像進行活體檢測。同時，本專利技術還公開了一種樣本合成算法。該算法為注冊人員合成無法獲取的真實或假人臉樣本，以供特定人臉活體檢測器的訓練。(三)有益效果本專利技術提出的方法與傳統的活體檢測方法相比有幾個明顯的優勢。首先，和傳統的活體檢測方法不同，本方法首先對輸入的人臉圖像的身份進行確認，隨后再使用為該身份所對應的分類器進行活體檢測。它通過為每個注冊人員單獨訓練活體檢測分類器，能夠有效地避免了不同注冊人臉的相貌差異對活體檢測性能帶來的不利影響。同時，在有新的注冊人員加入到數據庫中時，只需要為該注冊人員訓練特定的活體檢測器，大大降低了訓練分類器所花費的時間代價。此外，該方法考慮到實際應用中獲取大量人臉訓練樣本的困難性，使用樣本合成算法合成無法直接獲取的訓練樣本，能夠很自然地與現有的人臉識別系統進行整合。附圖說明圖1為本專利技術提出的面向特定人臉的人臉活體檢測方法的流程圖；圖2為本專利技術提出的基于人臉圖像變換的樣本合成算法流程圖；圖3為本專利技術提出的基于人臉圖像特征變換的樣本合成算法流程圖。具體實施方式本專利技術提出的面向特定人臉的人臉活體檢測方法使用特定本文檔來自技高網...

【技術保護點】
一種人臉活體檢測方法用于判斷人臉圖像是否采集自真實人臉，其特征在于，包括如下步驟：S1、獲取注冊人員的人臉圖像；S2、根據所述人臉圖像確定與該人臉圖像對應的身份信息；S3、采用人臉活體檢測分類器判斷所述人臉圖像是否是所述身份信息對應的特定人的真實人臉圖像，其中，該人臉活體檢測分類器是針對所述特定人單獨進行訓練得到。

【技術特征摘要】
1.一種人臉活體檢測方法用于判斷人臉圖像是否采集自真實人臉，其特征在于，包括如下步驟：S1、獲取注冊人員的人臉圖像；S2、根據所述人臉圖像確定與該人臉圖像對應的身份信息；S3、采用人臉活體檢測分類器判斷所述人臉圖像是否是所述身份信息對應的特定人的真實人臉圖像，其中，該人臉活體檢測分類器是針對所述特定人單獨進行訓練得到。2.如權利要求1所述的人臉活體檢測方法，其特征在于，在所述步驟S2中，通過提取所述人臉圖像的特征，并根據該圖像特征來確定與該人臉圖像對應的身份信息。3.如權利要求1所述的人臉活體檢測方法，其特征在于，所述步驟S2中，人臉圖像對應的身份信息可由用戶直接給定。4.如權利要求1所述的人臉活體檢測方法，其特征在于，步驟S3中所述人臉活體檢測器是針對每個注冊人員單獨訓練的人臉活體檢測器，并且，該特定注冊人員的真實人臉樣本作為一類訓練樣本，該特定注冊人員的假人臉樣本作為另一類訓練樣本。5...

【專利技術屬性】
技術研發人員：李子青，雷震，楊健偉，易東，
申請(專利權)人：中國科學院自動化研究所，
類型：發明
國別省市：北京;11