[发明专利]一种基于姿态估计和动作检测的动作活体识别方法

权利要求书

1.一种基于姿态估计和动作检测的动作活体识别方法，其特征在于，包括：

实时对准屏幕识别，其包括：利用相机拍摄人脸相片，对所述人脸相片进行光线识别、人脸在圈内识别、人脸正对屏幕识别和人脸遮挡识别，当所述人脸相片中的光线合适、人脸在圈内、人脸正对屏幕且人脸无遮挡时，实时对准屏幕识别通过，否则不通过；

随机动作识别，其在实时对准屏幕识别通过后进行，包括：随机对用户产生眨眼、张嘴、摇头、抬头和点头中的2种以上的动作指令，用户根据动作指令在相机下完成动作，获取动作视频，若动作视频中各动作姿态及动作之间的顺序均正确，则随机动作识别通过，否则不通过，其中，摇头、抬头和点头动作采用姿态估计PSECNN模型识别，眨眼和张嘴动作分别采用MCNN模型和ECNN模型识别；

人脸翻拍识别，其在随机动作识别通过后进行，用于判定动作视频是否翻拍，若不是翻拍，则人脸翻拍识别通过，否则不通过；

人脸比对，其在人脸翻拍识别通过后进行，用于将动作视频中的人脸与数据库中储存的该用户的人脸进行比对，若达到相似度阈值，则人脸比对通过，否则不通过。

2.根据权利要求1所述基于姿态估计和动作检测的动作活体识别方法，其特征在于，在进行所述光线识别时，将光线分成强度依次减弱的强光、正常光和弱光，若识别出人脸相片中的光线为正常光，则认为光线合适。

3.根据权利要求2所述基于姿态估计和动作检测的动作活体识别方法，其特征在于，通过包含强光判定阈值和弱光判定阈值的三分类算法模型识别人脸相片光线。

4.根据权利要求3所述基于姿态估计和动作检测的动作活体识别方法，其特征在于，所述三分类算法模型为LCNN模型，若识别出人脸相片中的光线为强光/弱光，则提示用户在正常光下做活体识别。

5.根据权利要求1所述基于姿态估计和动作检测的动作活体识别方法，其特征在于，所述人脸在圈内识别包括：

若(人脸宽/人脸相片宽)(圆圈宽/相机宽)，或者(人脸高/人脸相片高)(圆圈高/相机高)，则判定人脸大小超出圆圈大小；

若(人脸与人脸相片顶部的距离/人脸相片高)(圆圈与相机顶部的距离/相机高)，且((人脸与人脸相片顶部的距离+人脸高度)/人脸相片高)((圆圈与相机顶部的距离+圆圈高度)/相机高)，则人脸上下位置合适；

若(人脸与人脸相片左边缘的距离/人脸相片宽)(圆圈与相机左边缘的距离/相机宽)，且((人脸与人脸相片左边缘的距离+人脸宽度)/人脸相片宽)((圆圈与相机左边缘的距离+圆圈宽度)/相机宽)，则人脸左右位置合适；

若人脸上下及左右位置合适，则判定人脸相片中的人脸在圈内，则否则提示用户需正对屏幕。

6.根据权利要求1所述基于姿态估计和动作检测的动作活体识别方法，其特征在于，在进行所述人脸正对屏幕识别时，通过姿态估计PSECNN模型对人脸相片中的人脸姿态进行判定，所述姿态估计PSECNN模型设置有俯角阈值范围、转角阈值范围和偏角阈值范围，若人脸相片中的人脸俯角未超过俯角阈值范围，且人脸转角未超过转角阈值范围，且人脸偏角未超过偏角阈值范围，则判定人脸相片中的人脸正对屏幕，否则提示用户需正对屏幕。

7.根据权利要求1所述基于姿态估计和动作检测的动作活体识别方法，其特征在于，所述人脸遮挡识别是将人脸相片中的人脸抠出后，利用物体检测FOD模型进行识别。

8.根据权利要求7所述基于姿态估计和动作检测的动作活体识别方法，其特征在于，所述物体检测FOD模型能够识别到的遮挡物包括眼镜、面膜、口罩、帽子和围巾，若识别到某遮挡物，则提示用户去除遮挡物。

9.根据权利要求1所述基于姿态估计和动作检测的动作活体识别方法，其特征在于，所述随机动作识别中，每次随机产生的动作指令有3种。

10.根据权利要求1所述基于姿态估计和动作检测的动作活体识别方法，其特征在于，所述人脸翻拍识别包括：从动作视频中获取人脸视频帧，若人脸视频帧中的视频有边框，则人脸翻拍识别不通过，否则抠出人脸视频帧中的人脸，基于纹理对抠出的人脸进行识别，判断动作视频是否翻拍。