基于人臉姿態(tài)控制的交互式視頻活體檢測方法及其系統(tǒng)技術(shù)方案

本發(fā)明專利技術(shù)涉及基于人臉姿態(tài)控制的交互式視頻活體檢測方法及其系統(tǒng)，本系統(tǒng)包括攝像頭、智能設(shè)備以及人臉識別服務(wù)器；本方法思路為當(dāng)用戶的人臉被檢測到之后，用戶將被要求進(jìn)行眨眼或者張嘴等動(dòng)作，以過濾采用照片進(jìn)行作假的用戶；在整個(gè)檢測過程中，用戶的人臉將會(huì)被跟蹤，以防止在認(rèn)證的中途用戶人臉被切換，并且在整個(gè)認(rèn)證過程中會(huì)抽取多張人臉照片與后臺(tái)人臉識別比對服務(wù)器預(yù)存的用戶人臉照片進(jìn)行人臉比對，以防止其他人進(jìn)行假冒；且能準(zhǔn)確判斷出當(dāng)前檢測者是否為活體真人，解決了現(xiàn)有活體檢測技術(shù)中存在的照片或視頻欺騙問題。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及生物識別
，尤其涉及基于人臉姿態(tài)控制的交互式視頻活體檢測方法及其系統(tǒng)。
技術(shù)介紹
人臉識別作為一項(xiàng)成熟的生物識別技術(shù)，目前已廣泛應(yīng)用于金融、公安、社會(huì)服務(wù)、電子商務(wù)等領(lǐng)域。然而人臉很容易用視頻或照片等進(jìn)行復(fù)制，活體檢測是人臉識別能否有效應(yīng)用的前提，目前對活體檢測方法的研究有很多。大多數(shù)活體檢測方法是研究性質(zhì)的，它們大多基于特征提取與訓(xùn)練的方式，這類方法的準(zhǔn)確性是不可控的。另一類方法是要求用戶做轉(zhuǎn)頭、搖頭、眨眼或者張嘴等動(dòng)作，但是這類方法對于視頻的防欺騙性不高。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)為克服上述的不足之處，目的在于提供基于人臉姿態(tài)控制的交互式視頻活體檢測方法，本方法思路是當(dāng)用戶的人臉被檢測到之后，用戶將被要求進(jìn)行眨眼或者張嘴等動(dòng)作，以過濾采用照片進(jìn)行作假的用戶；在整個(gè)檢測過程中，用戶的人臉將會(huì)被跟蹤，以防止在認(rèn)證的中途用戶人臉被切換，并且在整個(gè)認(rèn)證過程中會(huì)抽取多張人臉照片與后臺(tái)人臉識別比對服務(wù)器預(yù)存的用戶人臉照片進(jìn)行人臉比對，以防止其他人進(jìn)行假冒。本專利技術(shù)另一目的在于提供基于人臉姿態(tài)控制的交互式視頻活體檢測系統(tǒng)，包括攝像頭、智能設(shè)備以及人臉識別服務(wù)器，該系統(tǒng)能準(zhǔn)確判斷出當(dāng)前檢測者是否為活體真人，解決了現(xiàn)有活體檢測技術(shù)中存在的照片或視頻欺騙問題。本專利技術(shù)是通過以下技術(shù)方案達(dá)到上述目的:基于人臉姿態(tài)控制的交互式視頻活體檢測方法，包括如下步驟:(1)系統(tǒng)對檢測區(qū)檢測到的人臉進(jìn)行跟蹤，并提示用戶做人臉姿態(tài)動(dòng)作；(2)用戶在規(guī)定時(shí)間內(nèi)完成人臉姿態(tài)動(dòng)作，系統(tǒng)對人臉進(jìn)行關(guān)鍵點(diǎn)定位和人臉姿態(tài)估計(jì)，生成一個(gè)控制點(diǎn)；并隨機(jī)選擇如下兩類動(dòng)作指令要求用戶完成:(a)張嘴動(dòng)作指令，要求用戶完成張嘴動(dòng)作；(b)控制點(diǎn)移動(dòng)動(dòng)作，該動(dòng)作要求用戶在非張嘴狀態(tài)下完成，系統(tǒng)根據(jù)初始控制點(diǎn)的位置，隨機(jī)選擇點(diǎn)、線、或其他等若干圖樣的一種，要求用戶利用姿態(tài)動(dòng)作操作控制點(diǎn)去碰撞或者沿著圖樣路徑移動(dòng)；(3)重復(fù)步驟(2)若干次，并根據(jù)用戶動(dòng)作的完成情況判斷活體檢測是否成功，同時(shí)獲取若干張用戶人臉照片；(4)將獲取到的照片與系統(tǒng)預(yù)存的用戶人臉照片對比，若比對成功則活體檢測成功；否則活體檢測失敗。作為優(yōu)選，所述的規(guī)定時(shí)間為5-10s。作為優(yōu)選，所述步驟(2)的關(guān)鍵點(diǎn)定位方法如下:1)采用人工標(biāo)注方式對人臉的各個(gè)特征點(diǎn)位置進(jìn)行標(biāo)注；2)人臉識別服務(wù)器對標(biāo)注后的人臉進(jìn)行定位，根據(jù)得到的人臉框計(jì)算各個(gè)特征點(diǎn)在人臉框中的局部坐標(biāo)；3)對所有特征點(diǎn)的坐標(biāo)進(jìn)行計(jì)算得到平均值，得到平均人臉特征點(diǎn)位置，作為人臉特征點(diǎn)位置的初始位置配置；4)根據(jù)人臉特征點(diǎn)位置的初始位置配置，結(jié)合人臉對齊模型進(jìn)行迭代獲得人臉特征點(diǎn)位置，即完成關(guān)鍵點(diǎn)定位。作為優(yōu)選，所述的人臉框通過人臉檢測算法計(jì)算得到。作為優(yōu)選，所述的人臉對齊模型是通過計(jì)算人工標(biāo)注特征點(diǎn)與初始配置特征點(diǎn)的差異，得到迭代方向和步長生成對齊模型；根據(jù)下式求取最小化以實(shí)現(xiàn)人臉特征點(diǎn)對齊:F (Ρ°+ Δ P) = | |Η(Ρ°+ΔΡ)-Η(Ρ*) |其中，^為根據(jù)人臉識別服務(wù)器的定位以及平均人臉對齊特征點(diǎn)計(jì)算得到的初始位置配置，Ρ*為人工標(biāo)注的人臉特征點(diǎn)位置，A P為初始位置配置與P*的位移量，H(.)為SIFT特征或者H0G特征提取函數(shù)。作為優(yōu)選，所述步驟(2)的人臉姿態(tài)估計(jì)方法如下:(i)根據(jù)人臉特征點(diǎn)位置計(jì)算眼睛-嘴巴距離Lf，鼻子-嘴巴距離Ln，以及鼻基-鼻尖距離Lm ;(ii)計(jì)算 Rm = Lm/Lf, Rn = Ln/Lf ；(iii)根據(jù)Rm和Rn的值計(jì)算得到人臉的三個(gè)方向的夾角，根據(jù)夾角的值得到人臉法向量的值；(iv)根據(jù)人臉法向量的值，結(jié)合人臉圖像的大小計(jì)算得到法向量在人臉圖像上的位置。作為優(yōu)選，所述步驟(3)若用戶沒有完成動(dòng)作，則此輪活體檢測結(jié)束，進(jìn)入下一輪檢測。應(yīng)用如上所述方法的基于人臉姿態(tài)控制的交互式視頻活體檢測系統(tǒng)，包括:人臉識別服務(wù)器、智能設(shè)備、攝像頭；人臉識別服務(wù)器通過無線網(wǎng)或光纜與智能設(shè)備連接；智能設(shè)備與攝像頭連接。作為優(yōu)選，所述的人臉識別服務(wù)器包括:數(shù)據(jù)收發(fā)模塊、人臉識別比對模塊；數(shù)據(jù)收發(fā)模塊與人臉識別比對模塊彼此連接。作為優(yōu)選，所述智能設(shè)備包括:檢測人臉與跟蹤模塊、語音和文字提示模塊、人臉照片采集模塊、動(dòng)作指令產(chǎn)生模塊、用戶動(dòng)作判定模塊和數(shù)據(jù)收發(fā)模塊；數(shù)據(jù)收發(fā)模塊、用戶動(dòng)作判定模塊、動(dòng)作指令產(chǎn)生模塊、人臉照片采集模塊、語音和文字提示模塊、檢測人臉與跟蹤模塊依次連接。本專利技術(shù)的有益效果在于:(1)解決了現(xiàn)有活體檢測技術(shù)中存在的照片或視頻欺騙問題；(2)可用于養(yǎng)老人員的社會(huì)保險(xiǎn)待遇領(lǐng)取資格認(rèn)證，也可用于需要遠(yuǎn)程身份認(rèn)證的各種應(yīng)用系統(tǒng)，還可應(yīng)用于遠(yuǎn)程或自助式人臉識別領(lǐng)域，實(shí)現(xiàn)基于人臉識別的各種應(yīng)用。【附圖說明】圖1是本專利技術(shù)方法的流程示意圖；圖2是本專利技術(shù)系統(tǒng)的示意圖；圖3是本專利技術(shù)實(shí)施例的系統(tǒng)連接示意圖；圖4是本專利技術(shù)實(shí)施例的系統(tǒng)架構(gòu)示意圖；圖5是本專利技術(shù)實(shí)施例的系統(tǒng)應(yīng)用流程示意圖；圖6是本專利技術(shù)實(shí)施例的人臉活體檢測示意圖1 ;圖7是本專利技術(shù)實(shí)施例的人臉活體檢測示意圖2。【具體實(shí)施方式】下面結(jié)合具體實(shí)施例對本專利技術(shù)進(jìn)行進(jìn)一步描述，但本專利技術(shù)的保護(hù)范圍并不僅限于此:實(shí)施例:如圖1所示，基于人臉姿態(tài)控制的交互式視頻活體檢測方法，包括如下步驟:1)在屏幕框中檢測到用戶的人臉后進(jìn)行跟蹤；2)檢測到人臉后，語音提示用戶做張嘴或眨眼動(dòng)作；3)對用戶的人臉進(jìn)行關(guān)鍵點(diǎn)定位和人臉姿態(tài)估計(jì)，在屏幕中產(chǎn)生一個(gè)點(diǎn)讓用戶進(jìn)行控制，記為控制點(diǎn)。其中，關(guān)鍵點(diǎn)定位方法如下:①先采用人工標(biāo)注的方式對訓(xùn)練數(shù)據(jù)集的人臉各個(gè)特征點(diǎn)的位置進(jìn)行標(biāo)注；②使用人臉識別服務(wù)器對訓(xùn)練數(shù)據(jù)集中的人臉進(jìn)行定位，根據(jù)檢測到的人臉框，計(jì)算各個(gè)特征點(diǎn)在人臉框中的局部坐標(biāo)，對訓(xùn)練數(shù)據(jù)集中所有特征點(diǎn)的坐標(biāo)計(jì)算其平均值，就可以得到一個(gè)訓(xùn)練集的平均人臉特征點(diǎn)位置，把它作為人臉特征點(diǎn)位置的初始位置配置；③人臉對齊模型訓(xùn)練是通過計(jì)算每個(gè)訓(xùn)練數(shù)據(jù)的人工標(biāo)注特征點(diǎn)與初始配置特征點(diǎn)的差異，得到迭代方向和步長生成對齊模型。具體根據(jù)下式求最小化實(shí)現(xiàn)人臉特征點(diǎn)對齊:F (Ρ°+ Δ P) = I |Η(Ρ0+ΔΡ)-Η(Ρ*) |式中，^為根據(jù)人臉識別服務(wù)器的定位以及平均人臉對齊特征點(diǎn)計(jì)算得到的初始位置配置，Ρ*為訓(xùn)練集中人工標(biāo)注的人臉特征點(diǎn)位置，A Ρ為初始位置配置與Ρ*的位移量，H(.)為SIFT特征或者H0G特征提取函數(shù)。④對于視頻的每一幀使用人臉檢測算法得到人臉框，人臉檢測算法可能會(huì)獲得多個(gè)人臉框。人臉檢測算法如下:(a)人臉檢測首先利用一批人臉圖像和一批非人臉圖像，對這些圖像計(jì)算梯度值，這樣每幅圖像都可以得到一組梯度值向量；(b)構(gòu)造一個(gè)多式項(xiàng)，把步驟(a)得到的梯度值向量代入到該多項(xiàng)式，求解多式項(xiàng)系數(shù)；(c)檢測人臉時(shí)，利用40x40的窗口在圖像上滑動(dòng)，并按1.2倍的比例不斷等比縮小圖像，直至圖像小于40x40。對每個(gè)窗口計(jì)算窗口內(nèi)的圖像塊梯度值向量，并與步驟(b)所得到的多項(xiàng)式系數(shù)相乘，選擇乘積大于0且乘積值最大的作為人臉，并根據(jù)縮放系數(shù)計(jì)算人臉在原始圖像上的位置。⑤根據(jù)人臉框使用平均人臉特征點(diǎn)位置作為初始配置，再根據(jù)人臉對齊模型進(jìn)行迭代獲得人臉特征點(diǎn)的位置。得到人臉關(guān)鍵點(diǎn)之后，就可以估計(jì)人臉的3D姿態(tài)估計(jì)，計(jì)算方法如下:①根據(jù)特征點(diǎn)計(jì)算眼睛-嘴巴距離本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
基于人臉姿態(tài)控制的交互式視頻活體檢測方法，其特征在于，包括如下步驟：(1)系統(tǒng)對檢測區(qū)檢測到的人臉進(jìn)行跟蹤，并提示用戶做人臉姿態(tài)動(dòng)作；(2)用戶在規(guī)定時(shí)間內(nèi)完成人臉姿態(tài)動(dòng)作，系統(tǒng)對人臉進(jìn)行關(guān)鍵點(diǎn)定位和人臉姿態(tài)估計(jì)，生成一個(gè)控制點(diǎn)；并隨機(jī)選擇如下兩類動(dòng)作指令要求用戶完成：(a)張嘴動(dòng)作指令，要求用戶完成張嘴動(dòng)作；(b)控制點(diǎn)移動(dòng)動(dòng)作，該動(dòng)作要求用戶在非張嘴狀態(tài)下完成，系統(tǒng)根據(jù)初始控制點(diǎn)的位置，隨機(jī)選擇點(diǎn)、線、或其他等若干圖樣的一種，要求用戶利用姿態(tài)動(dòng)作操作控制點(diǎn)去碰撞或者沿著圖樣路徑移動(dòng)；(3)重復(fù)步驟(2)若干次，并根據(jù)用戶動(dòng)作的完成情況判斷活體檢測是否成功，同時(shí)獲取若干張用戶人臉照片；(4)將獲取到的照片與系統(tǒng)預(yù)存的用戶人臉照片對比，若比對成功則活體檢測成功；否則活體檢測失敗。

【技術(shù)特征摘要】

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：鄭河榮，褚一平，潘翔，趙小敏，
申請(專利權(quán))人：杭州海量信息技術(shù)有限公司，
類型：發(fā)明
國別省市：浙江;33