[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

说明书

本发明公开了一种基于姿态估计和动作检测的动作活体识别方法，涉及生物识别技术领域，该方法通过让用户配合做动作去识别真人和攻击，动作指令集是随机的，能更准确的判断用户是否为活体；在做活体之前，为了提高真人的一次性通过率，对用户做了光线识别、人脸在圈内识别、人脸正对屏幕识别和人脸遮挡识别；采用姿态估计PSECNN模型估计出用户的俯角、偏角和转角，对用户做摇头、点头和抬头识别，从而准确的识别用户的头部动作；在识别眨眼和张嘴动作时，采用MCNN模型和ECNN模型替代了主流的基于特征点的检测，从而精度上保证了眨眼张嘴的识别率；活体检测中，动作指令随机，需满足动作及动作顺序准确，且做了防翻拍识别，安全性更高。

技术领域

本发明涉及生物识别技术领域，具体而言，涉及一种基于姿态估计和动作检测的动作活体识别方法。

背景技术

活体检测是研究如何判别当前摄像头捕捉的人脸来自于真实活体(即人)或者攻击(包括人脸照片，视频，面具等)。人脸伪装通常包含多种方式，在目前人脸识别作为重要的身份鉴别手段之一的商业环境下，这一系列造假会对人脸识别身份系统用户产生潜在的威胁，因此，无论研究和商业领域都针对如何辨别人脸伪装攻击采取了不少措施，活体检测根本上属于二分类问题，去寻找活体与非活体图像之间的区别，主要包涵以下几个方面：

(1)基于纹理特征不同进行判别。

(2)基于非刚性运动变形。

(3)材料不同。

(4)图像或者视频质量。

(5)3D信息。

(6)交互式信息。

随着图像和视频质量的不断增强，单帧2D图像上，活体与非活体之间的纹理区别较小。仅通过基于RGB的静默方式去区分用户是不是活体，基本上不可行，错误接受率和正确拒绝率都很高，因此基于动作的交互式活体识别技术成为主流。人类可以按照要求做出动作或者发出声音，但是假体人脸却难以做到。基于这个考虑，人们提出了交互式人脸体检测方法。交互式人脸活体检测利用动作指令与用户交互，系统通过判断用户是否准确完成了指定动作来辨别摄像头前的人脸是活体人脸还是假体人脸。常见的动作指令有点头、抬头、眨眼、闭眼、遮挡眼睛、扬眉、皱眉、笑脸、吐舌头、张嘴、朗读一段文字等。

现有的交互式人脸活体检测动作指令的设计是固定的，这使得预先录制完成动作指令的视频就能攻破这类人脸活体检测算法。交互式人脸活体检测通过精心设计的交互动作，有效减弱了假体人脸类内类间差异对算法性能的影响，因此识别率高，通用性较好，目前被广泛应用于金融、医疗等实际业务场景中。

动作活体是目前精度比较高，用户体验比较好的一种活体检测技术。通过要求用户配合做出一些面部动作，验证是否为身份伪造攻击。目前设计的动作有：眨眼、张嘴、点头、抬头、左右摇头等5种动作，当检测到用户完成这些动作后，则认为是活体，通过认证，否则拒绝。需要强调的是，在此策略下，前端仅仅对动作进行采集，并不对视频和真人做出区分。

但是目前主流的动作活体技术还存在以下问题：

(1)未做遮挡检测，比如用户面部戴了口罩，或者用户戴了墨镜，或者用户用手捂住了嘴等，这个时候对于张嘴和眨眼的识别精度就会变差，而且还是活体做完后告诉用户失败了，做不到事前发现，及时提醒。

(2)未做实时用户的脸对准屏幕圆圈识别，导致用户在做的过程中，可能脸都不在相机内，最后导致动作识别未检测到人脸而失败，或者动作不符合规范而失败。

(3)眨眼，张嘴的识别基于特征点的方式计算距离，阈值很难适配大小眼，眯眯眼，嘴巴大小不一致等场景，导致真人眨眼，或者张嘴未识别到，攻击的照片或者打印的纸张未眨眼或者张嘴却被识别为眨眼张嘴，也不能根据每个人去设置一个动态阈值。