[发明专利]活体检测中排除黑白照片的方法、装置、电子设备

说明书

本发明公开了一种活体检测中排除黑白照片的方法、装置、电子设备及存储介质，属于图像处理和生物识别技术领域，所述方法包括：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。本发明准确率高，在测试集上达到99.4％的准确率，即能在几乎没有拒真的情况下排除几乎所有的黑白图像，而且检测快速，如果不包括人脸检测和人脸对齐过程，只有2ms。

技术领域

本发明涉及图像处理和生物识别技术领域，特别涉及一种活体检测中排除黑白照片的方法、装置、电子设备及存储介质。

背景技术

在人脸识别中，活体检测主要用于排除照片、视频以及面具等的攻击介质。对于攻击介质，如果根据肤色来分类的话，可以分为黑白非肤色的图像、彩色(比如绿色、蓝色)但非肤色的图像、正常肤色的图像等。

为了减少攻击的种类、提高防假的准确度，有必要先排除掉黑白非肤色的图像、以及彩色但非肤色的图像，这样就可以排除掉约50％的攻击。一种最直接的排除方法就是利用肤色判断的方法(比如文献[1].Regina LionnieMudrikAlaydrus,“A comparison ofhuman skin color detection for biometrie identification”,2017InternationalConference on Broadband Communication,Wireless Sensors and Powering(BCWSP),IEEE,2017)，通过计算人脸区域肤色点的个数，再判断如果此个数小于某个阈值，则认为是不满足要求的图像，即是假体攻击。

然而，发明人在研究过程中发现，如果直接利用文献中常用的肤色判断的方法(比如文献[1]中的公式(1)、(2)、(3)、(4))，则会造成较多的拒真率和认假率，分析原因有：

a)有的摄像头的质量较差导致受环境影响较大，或者环境本身太恶劣比如暗光逆光时，拍出来的真人人脸区域偏绿、偏暗或者红色分量不正常等导致不满足肤色要求的像素点个数较少；

b)有的摄像头成像偏暖色，或者有额外的有色光源(比如近红外补光灯)的影响，使得黑白照片的成像中的像素满足肤色要求的个数很多。

下面，以利用文献[1]中的公式(1)的肤色判断公式计算肤色点的个数为例进行说明。

首先创建一个总共约21万张RGB图像的图像库(每张图像大小是64*64，即每张图像有4096个像素点)，库中包含了11多万张的真人图像、约10万张的黑白照片的图像以及少量的纯色(比如绿色、蓝色、白色)面具的图像等。其中17张标记为应该是满足要求的RGB图像，如图1所示(图中以灰度图示出)，根据文献[1]中的公式(1)计算的肤色点个数分别是[0,0,0,2,3,111,143,0,0,91,0,278,562,1387,3977,3981,3919]；4张标记为应该是不满足要求的RGB图像，如图2所示(图中以灰度图示出)，根据文献[1]中的公式(1)计算的肤色点个数分别是[2,2,214,225]，这样，如果设置肤色点个数的阈值是100，则上述17张应该满足要求的图像中有9张不合格(肤色点个数小于阈值100)。

当肤色点个数的阈值是100时，在图像库上真人的拒真率约是26.2％，黑白照片的认假率约是5％；当肤色点个数的阈值是10时，在图像库上真人的拒真率约是16.08％，黑白照片的认假率约是13.8％；当肤色点个数的阈值是1时，在图像库上真人的拒真率约是13.7％，黑白照片的认假率约是25％。

由此可知，如果只利用单纯的肤色判断，会有较多的真人的拒真率和黑白照片的认假率，故有必要做进一步的优化。

发明内容

为解决上述技术问题，本发明实施例提供一种准确率高的活体检测中排除黑白照片的方法、装置、电子设备及存储介质。