[发明专利]一种活体检测方法

说明书

本发明公开了一种活体检测方法，整体步骤为：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；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，使两个模型同时进行活体检测；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的模型分别进行训练；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。本发明极大的利用了人脸识别系统的无效识别时间，进一步的减少了用户的检测等待时间，并能够对各种模式的攻击进行检测。

技术领域

本发明涉及一种检测方法，尤其涉及一种活体检测方法，属于机器视觉技术领域。

背景技术

人脸识别技术作为一种身份认证技术已经广泛应用在各个领域，极大的方便了人们的生活。但是随着人脸识别技术的广泛应用，针对人脸识别系统的黑客攻击方式变得越来越多，主要包括三种：照片攻击、播放视频攻击和3D面具攻击，其安全性能受到严重威胁。因此，活体检测的任务就是如何判断系统检测出的人脸具有生命特征，防止恶意伪造者窃取他人的人脸来进行识别。在人脸活体检测领域，主要的活体检测方法分为以下几种：

1)基于纹理的分析。主要技术手段：利用真实人脸与攻击人脸之间存在纹理上的差异，通过大量数据训练出特征提取器，进而提取人脸特征并进行活体识别。问题和缺点：该方法严重依赖于训练数据集，由于现实场景中攻击模式复杂，训练数据集不可能覆盖每一种攻击情况，因此对于未训练过的攻击场景识别精度低。

2)基于运动的分析。主要技术手段：该方法认为3D和2D人脸面部图像之间的运动模式存在不同，真实人脸在人脸特征点的运动方向与脸部整体运动方向存在不一致性；而照片人脸中，特征点的运动方向和脸部整体的运动方向是一致的，通过光流法对活体和非活体进行识别。问题和缺点：具有低运动活动的视频在基于运动的分析中不能得到良好的效果，并且该方法具有较高的计算复杂度，只能用来检测照片攻击。

3)基于生理特征的分析。主要技术手段：利用人脸面部的生理迹象，通过用户主动或者被动的配合，比如主动扭头或被动眨眼等动作进行活体识别。问题和缺点：该方法需要用户主动或被动的配合，严重影响用户的体验性，并且检测时间较长。

4)基于额外设备的分析。主要技术手段：通过引入额外设备，如利用双目采集系统分别采集彩色视频图像和红外视频图像，最终通过训练出的分类器对照片和活体进行分类检测。问题和缺点：该方法引入了额外设备，活体检测成本高。

综上所述，现有技术仍然存在活体检测模型泛化性能低、检测时间长或检测模式单一等问题，因此广泛适用性不强，不能满足不同用户的需要。

发明内容

为了解决上述技术所存在的不足之处，本发明提供了一种活体检测方法。

为了解决以上技术问题，本发明采用的技术方案是：一种活体检测方法，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。

进一步地，步骤一的具体过程为：