[发明专利]活体检测中排除黑白照片的方法、装置、电子设备

权利要求书

1.一种活体检测中排除黑白照片的方法，其特征在于，包括：

对待识别的人脸图像进行预处理，所述预处理包括：人脸检测、眼睛定位和人脸对齐；

从预处理后的人脸图像中提取出多维特征，并输入到训练好的AdaBoost分类器中得到一个分数；

若所述分数大于零，则认为是真人图像，若所述分数小于等于零，则认为是假体攻击；

其中，所述多维特征包括第一部分特征至第五部分特征；

第一部分特征包括：RGB图像格式中肤色点个数、R分量-G分量大于等于第一预设值的像素点个数、R分量-G分量的绝对值大于等于第二预设值的像素点个数、R分量-B分量的绝对值大于等于第三预设值的像素点个数、G分量-B分量的绝对值大于等于第四预设值的像素点个数；

第二部分特征包括：HSV图像格式中肤色点个数、H分量的均值、S分量的均值；

第三部分特征至第五部分特征基于RGB图像的颜色直方图得到，其中将R分量、G分量、B分量分别分成m个等长的区间，此时图像的颜色直方图的长度是m*m*m，每个等长的区间是256/m个像素，第三部分特征至第五部分特征中m取值均不相同，从颜色直方图的长度m*m*m中选取预设数量、预设位置的特征作为所述第三部分特征至第五部分特征。

2.根据权利要求1所述的方法，其特征在于，所述第三部分特征中m取值64，第四部分特征中m取值32，第五部分特征中m取值16。

3.根据权利要求1所述的方法，其特征在于，所述对待识别的人脸图像进行预处理之前，包括：

根据预先建立的包括真人图像和非真人图像的图像库，同样提取图像库中图像的多维特征，使用Gentle AdaBoost算法训练至少500个弱分类器构成一个强分类器，即得所述训练好的AdaBoost分类器。

4.根据权利要求3所述的方法，其特征在于，在所述AdaBoost分类器训练时，提取的图像的多维特征中，第一部分特征还包括：R分量-G分量小于等于第五预设值的像素点个数、R分量-B分量小于等于第六预设值的像素点个数；第二部分特征还包括：V分量的均值。

5.根据权利要求3所述的方法，其特征在于，在所述AdaBoost分类器训练时，提取的图像的多维特征中：

第三部分特征中m取值64，提取图像的64*64*64＝262144维的颜色直方图，然后分别统计图像库中真人图像的颜色直方图的平均值的前1000个最大的数值对应的位置，以及非真人图像的颜色直方图的平均值的前1000个最大的数值对应的位置，这2000个位置经过去重后选择的位置对应的数值作为第三部分特征；

第四部分特征中m取值32，提取图像的32*32*32＝32768维的颜色直方图，然后分别统计图像库中真人图像的颜色直方图的平均值的前2000个最大的数值对应的位置，以及非真人图像的颜色直方图的平均值的前2000个最大的数值对应的位置，这4000个位置经过去重后选择的位置对应的数值作为第四部分特征；

第五部分特征中m取值16，提取图像的16*16*16＝4096维的颜色直方图，然后分别统计图像库中真人图像的颜色直方图的平均值的前1000个最大的数值对应的位置，以及非真人图像的颜色直方图的平均值的前1000个最大的数值对应的位置，这2000个位置经过去重后选择的位置对应的数值作为第五部分特征。

6.根据权利要求1-5中任一所述的方法，其特征在于，所述人脸对齐包括归一化，归一化后的人脸图像中左眼坐标是(8,8)，右眼坐标是(56,8)，人脸大小是64*64。

7.根据权利要求1-5中任一所述的方法，其特征在于，所述人脸对齐包括归一化，归一化后的人脸图像大小是64*64，只取包含鼻子和嘴巴而不包含眼睛的区域。