[发明专利]一种身份认证系统中的人脸防欺骗检测方法

说明书

技术领域

本发明涉及身份认证系统中的人脸防欺骗检测领域，具体涉及一种

背景技术

作为一种方便的用户认证技术，自动人脸识别在各种门禁控制应用中受到越来越多的关注，特别是手机解锁。随着Android移动操作系统中的脸部解锁功能的发布，面部识别成为移动电话的另一种生物识别技术，类似于IOS系统中的指纹认证(Touch ID)。与指纹认证不同，脸部识别不需要任何附加传感器，因为所有智能手机都配备了前置摄像头。然而，类似于其他生物特征模式，我们需要解决对脸部识别系统的脸部欺骗攻击的担忧，特别是在无约束感知和不合作的主题场景。为了更安全的进行身份验证的真实性，检测被识别的对象是否是活体显得尤为重要。

据我们所知，Li等人在2004年报道了最早的面部欺骗检测研究之一。随着人脸识别越来越受欢迎，近年来国内外很多研究机构的学者都致力于活体检测问题的研究，许多国际会议及期刊文献中所涉及的活体检测算法已有很多。它们在鲁棒性和泛化能力方面的优势和局限性，以及实时响应和可用性上有了很大的突破。根据面部欺骗检测中使用的不同类型的线索，公布的方法可以分为四类：基于运动的方法、基于纹理的方法、基于图像质量分析的方法，以及基于其他线索。现今，应用于活体人脸检测方法主要包括:1)基于运动信息分析的方法:利用眼睛、鼻子和嘴巴的位作为跟踪估计的特征点，从头部运动中估计特征点的三维深度坐标值；利用光流学的方法检测人脸动态变化等。这种方法存在活体检测所需的特征难以获取，需要用户的主动配合，而且假冒者刻意将照片弯曲变形时，估计的深度坐标会有较大变化；同时这种判断容易受到噪声和光照条件的影响，具有可靠性不强、计算机代价高等缺陷。2)基于活体特征信息分析的方法：将拍摄到可见光人脸和热红外人脸进行匹配，根据两者相关性进行活体判断；在输入的连续图片序列中检测眼睛并且计算每只眼睛区域的运动，以用来判断输入的人脸是活体还是假冒照片；利用眨眼这一活体的生理特性，训练睁眼或闭眼的分类器识别真假。这些方法需要额外的设备，本身存在不稳定因素，在普通设备上无法大力推广等缺点。3)基于纹理信息分析的方法:用傅里叶频谱分析的方法，定义频率动态描述子来区分活体人脸和照片人脸；分析LBP算子提取特征的有效性；利用LBP_16，2、LBP_8，1、LBP_8，2分别提取人脸特征，分类训练SVM识别活体人脸。Jukka Maatta等人在2012年改进了算法，提出了利用LBP特征、Gabor wavelet和HOG三种特征融合的方法。2015年Di Wen等人提出了最新的防欺骗检测算法，他们利用双色反射模型分析图像质量。这些方法易受光照条件的影响，计算复杂度高，在身份验证系统中的人脸防欺骗技术系统上还无法大力推广。

发明内容

本发明为了克服以上技术的不足，提供了一种身份认证系统中的人脸防欺骗检测方法。

本发明克服其技术问题所采用的技术方案是：

1.一种身份认证系统中的人脸防欺骗检测方法，其特征在于，包括如下步骤：

a)从采集的人脸视频中根据视频帧截图定位人脸，得到人脸图像样本；

b)将采集的人脸图像样本转换为人脸灰度图；

c)在人脸灰度图的空间域中提取纹理特征，所述纹理特征包括：利用局部二值模式从人脸灰度图中提取直方图；利用灰度分布统计法计算人脸灰度分布的均值、标准差、平滑度、三阶矩、一致性和熵；利用灰度共生矩阵法计算人脸灰度图中能量、熵、惯性矩、相关性和逆差距；

c-1)通过公式计算人脸灰度图的直方图LBP(x_c,x_y)，其中i_c标示中心像素,i_n为像素8邻点的灰度值，2ⁿ为编码值；c-2)通过公式计算人脸灰度图中灰度值z_i的均值m的n阶矩μ_n，其中L为图像的灰度级，f(z_i)为第i个灰度值z_i出现的频度，通过公式计算均值m、通过公式计算标准差σ、通过公式计算平滑度R、通过公式计算三阶矩μ₃、通过公式计算一致性U、通过公式计算熵e，其中μ₂为i取值为2时，通过公式计算得到的结果；