[发明专利]一种基于图像纹理的活体识别方法及装置

说明书

技术领域

本发明涉及图像处理及人脸识别技术领域，具体涉及一种基于图像纹理的活体识别方法及装置。

背景技术

人脸人别技术已比较成熟且应用广泛，但随之伴随的一个问题是，如何检测图像确认为真人，而不是照片，视频，或者带面具伪装等欺骗图像。

目前，用于活体识别的方法主要有以下几种：

1、基于动作，需要用户主动配合做出指定的动作，例如眨眼，摇头等，此方法可防止照片欺骗，但是对于视频或面具欺骗等行为，该方法作用较小。

2、基于光流场，通过连续几帧图像，计算人脸位置的光流场变化，来区分平面和3D物体，但是对于面具等欺骗行为，该方法作用较小。

3、基于颜色纹理，通过分析真人颜色纹理与照片，视频，面具等图像颜色纹理的差异来确认是否为真人，理论上说此方法可以识别各种方式的欺骗行为，然而现有技术中基于颜色纹理的识别方法，由于不能精确定位人脸位置、提取LBP特征时丢失颜色信息以及在计算是没有突出明显位置特征，导致了识别准确率不高的问题。

发明内容

本发明针对现有技术中存在的技术问题，提供一种新的基于图像纹理的活体识别方法及装置，通过landmark检测，实现人脸对齐，后统一截取脸部相同位置的图像进行特征提取，且LBP特征提取时针对每个颜色通道信息，分区域进行提取，明显提高了识别的准确率。

本发明解决上述技术问题的技术方案如下：

本发明一方面提供一种基于图像纹理的活体识别方法，包括以下步骤：

步骤1，对训练集中的每张样本图片依次进行人脸检测、landmark检测以及LBP特征提取，得到每张样本图片的LBP特征feature；

步骤2，根据样本图片的LBP特征feature和已知的样本图片类别，进行SVM训练，得到用于活体识别的SVM分类器；

步骤3，获取待识别图像image，对所述图像image进行人脸检测、landmark检测以及LBP特征提取，得到所述图像image的LBP特征feature1；

步骤4，利用所述SVM分类器，对所述图像image的LBP特征feature1进行分类识别，得到待识别图像image的活体识别结果。

进一步，所述人脸检测和landmark检测采用MTCNN算法实现。

进一步，所述landmark检测还包括根据人脸landmark信息进行人脸对齐，截取包含眼睛、鼻子、嘴巴的最小矩形图像并进行归一化处理，将所述最小矩形图像设置为预设大小，得到图像face。

进一步，所述LBP特征提取包括以下步骤：

将图像face由RGB模式图像转换为YCrCb模式图像，分别计算图像face的Y通道、C通道r、Cb通道的LBP riu2模式特征lbp8以及LBP riu2模式特征lbp16；所述LBP riu2模式特征lbp8是指以中心像素为圆心、采样半径为2、采样点为8的LBP特征；所述LBP riu2模式特征lbp16是指以中心像素为圆心、采样半径为2、采样点为16的LBP特征；

将所述LBP特征lbp8平均划分成9个块，依次统计每个块中各个LBP值的个数，然后统计整个图像face中LBP特征lbp8的各个LBP值的个数；将所述LBP特征lbp16平均划分成17个块，依次统计每个块中各个LBP值的个数，然后统计整个图像face中LBP特征lbp16的各个LBP值的个数；

由于LBP特征lbp8中只包含0～9的值，LBP特征lbp16只包含0～17的值，因此针对Y、Cr、Cb每个通道，得到长度为118的特征，将3个通道合并，得到长度为354的特征，再将此特征进行归一化，得到图像face的LBP特征feature。

本发明另一方面提供一种基于图像纹理的活体识别装置，包括：

特征提取模块，用于对训练集中的每张样本图片依次进行人脸检测、landmark检测以及LBP特征提取，得到每张样本图片的LBP特征feature；

分类器生成模块，用于根据样本图片的LBP特征feature和已知的样本图片类别，进行SVM训练，得到用于活体识别的SVM分类器；

特征提取模块，用于获取待识别图像image，对所述图像image进行人脸检测、landmark检测以及LBP特征提取，得到所述图像image的LBP特征feature1；

识别模块，用于利用所述SVM分类器，对所述图像image的LBP特征feature1进行分类识别，得到待识别图像image的活体识别结果。