[发明专利]一种活体检测方法有效
申请号: | 201811483851.0 | 申请日: | 2018-12-06 |
公开(公告)号: | CN109598242B | 公开(公告)日: | 2023-04-18 |
发明(设计)人: | 贾云培;张杰;山世光 | 申请(专利权)人: | 中科视拓(北京)科技有限公司 |
主分类号: | G06V40/16 | 分类号: | G06V40/16;G06V40/40 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100086 北京市海淀区科*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 活体 检测 方法 | ||
1.一种活体检测方法,其特征在于:所述方法的整体步骤为:
步骤一、数据准备阶段:包括图像和光流信息的采集和标注、人脸检测框长时变化特征的采集和标注;
步骤二、模型设计阶段:将活体检测模型分为用于检测全景光流和纹理信息的模型以及用于检测人脸检测框变化模式的模型;使两个模型分别利用视频图像中的全景光流和纹理信息以及人脸检测框的长时变化信息同时进行活体检测;
步骤三、模型训练阶段:对用于检测全景光流和纹理信息的模型以及用于检测人脸检测框变化模式的模型分别进行训练;训练完成后组合成完整的活体检测模型;
步骤四、模型测试阶段:获取闸机摄像头拍摄出的视频序列中的连续视频帧图像,将图像输入到活体检测模型中得到判断结果;
a1、图像和光流信息的采集和标注:对于视频序列数据集,首先等间隔的从特定视频序列中采集RGB图像信息,间隔设置为1s,然后对采集到的RGB图像信息进行活体与非活体的标注:0代表非活体图像,1代表活体图像;最终获得N张全景图像Porigin及其对应的标注Forigin,该N个样本组成的集合记为其次,对于同一个视频以m帧为一间隔,m取值2~6,采集与上述方法得到的图像邻近的另一张图像,然后利用迭代重加权的最小二成IRLS方法对采集到的邻近两帧RGB图像计算光流信息,并将计算出的光流图进行活体与非活体的标注:0代表非活体光流图,1代表活体光流图;最终获得N张与Dorigin一一对应的全景光流图Pof及其标注Fof,该N个样本组成的集合记为将标注的原始图像数据集Dorigin和与之对应的光流信息数据集Dof合并成为D1;
b1、人脸检测框长时变化特征的采集和标注:将视频序列数据集中的视频通过SeetaFace人脸检测器,以获得每一个视频序列中、每一帧图像的人脸位置,位置信息为:左上角坐标(xmin,ymin)以及右下角坐标(xmax,ymax);然后利用左上角坐标和右下角坐标计算出人脸检测框的面积s=(xmax-xmin)*(ymax-ymin);随后将每一个视频中人脸检测框的面积按照时间顺序进行抽样,组合成为一个长度为n的向量S={s1,s2,s3,…,sn},作为对应视频序列的人脸检测框的长时变化特征,并对该向量进行活体与非活体的标注:0代表非活体人脸检测框的长时变化特征,1代表活体人脸检测框的长时变化特征;最终计算出N个人脸检测框变化特征S及其对应的标注F,该N个样本组成的集合记为D2={(S1,F1),(S2,F2),…,(SN,FN)};
a2、整体的活体检测模型记为M,M由两部分组成:用于检测全景光流和纹理信息的模型为A、用于检测人脸检测框变化模式的模型为B;模型M的输入为由闸机拍摄的人脸进入视频序列I中的连续视频帧图像P1,P2,P3,…,Pn;
b2、对于输入的一张图片P,利用SeetaFace人脸检测器进行检测,如果检测出人脸,则转入步骤c,开始进行活体检测;如果没有检测出人脸,则转入本步骤继续对输入的图片进行人脸检测;
c2、模型A和模型B同时进行活体检测,分别利用视频图像中的全景光流和纹理信息以及人脸检测框的长时变化信息进行检测;模型A的检测转入步骤d,模型B的检测转入步骤e;
d2、以1s为时间周期,不断地采集一对RGB图像,其中两张RGB图像的间隔为m帧,m取值2~6;根据这一对RGB图像,利用步骤一中所述的迭代重加权的最小二成IRLS方法计算全景光流信息,作为模型A的第一个输入;同时将这对RGB图像的第一张原始图片,作为模型A的第二个输入;模型A根据这两个输入进行判断,如果判断为活体,则转入本步骤继续进行下一对图片的判断,直到图片中的人脸检测框的面积达到阈值时停止,转入步骤g;如果判断为非活体,则直接转入步骤h;
e2、首先判断人脸检测框的面积大小是否超过阈值,如果超过阈值则直接判断为非活体,转入步骤h;如果没有超过阈值,则转入步骤f;
f2、不断地采集输入视频中的每一帧RGB图像,将SeetaFace人脸检测器检测的人脸检测框的面积s作为一个数值按时间顺序存储起来,直到遇到下述情况停止采集和存储:1)人脸检测框的面积达到阈值;2)连续k帧人脸检测框的大小在一个极小范围内浮动,k取10~15;3)连续k帧人脸检测器没有检测出人脸,k取10~15;随后对存储的面积数值按照时间顺序进行抽样,使其变成一个长度为n的向量S={s1,s2,s3,…,sn},作为人脸检测框的长时变化特征;并将该特征输入到模型B中进行判断,如果判断为活体,则转入步骤g;如果判断为非活体,则转入步骤h;
g2、模型A和模型B同时判断为活体,则模型M判断该视频为正常进入视频,即判断为活体,人脸识别系统转入人脸识别模块;
h2、模型A和模型B其中有一个判断为非活体或全部判断为非活体,则模型M判断该视频为非正常的攻击视频,即判断为非活体,人脸识别系统停止识别该用户身份。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中科视拓(北京)科技有限公司,未经中科视拓(北京)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811483851.0/1.html,转载请声明来源钻瓜专利网。