[发明专利]一种基于TOF的人脸活体检测方法

说明书

本发明公开了一种基于TOF的人脸活体检测方法，涉及图像识别领域。本发明对图像处理后并存储，并进行多次活体判别以及投票，兼顾多帧联合判断机制和多帧序列时序机制，与TOF的成像特性结合使活体检测兼顾实时性、稳定性与可靠性。

技术领域

本发明涉及图像识别领域，更具体的说是涉及一种基于TOF的人脸活体检测方法。

背景技术

人脸识别被视为过去十年中人工智能最典型和最成功的落地案列，在交通、安防、金融、教育、医疗、警务、电子商务等诸多场景中实现了广泛应用，随着人脸识别技术的广泛使用与越来越多的人脸识别产品进入市场，其安全性也随之得到越来越多的关注，尤其是在安防、金融等涉及人身财产安全的场景。

活体检测(anti-spoof)主要针对前端检测到的人脸进行判定是否是真实人脸还是攻击人脸，为身份ID验证增加可靠性和安全性。目前已有的活体检测方案中，按照成像技术可以分为单目、双目、结构光以及TOF。单目活体检算法鲁棒性差，且通常需要估计深图像度计算量巨大；双目活体检测与单目检测类似，同样因为计算量较大，且由于被动成像方式，算法鲁棒性容易受到环境干扰；结构光活体检测与TOF活体检测一样，采用主动光源的成像方式，算法鲁棒性相比较于双目和单目受环境光干扰较小，但其在极端强光环境下仍受环境光干扰较大，同时其中远距离的成像质量也低于TOF的成像质量；基于TOF的活体检测方案，不仅能在算法性能鲁棒性方面达到和结构光相似的精度，且其受环境干扰较少，能够全天候工作，目前已有的TOF活体检测方案，主要结合深度图和近红外IR图像进行活体图像的判断，由于TOF物理成像的特性(只接受特定频段的激光)，针对平面2D类的攻击方式他有着天然的抵御能力，已有的方案通过对深度图像处理进行2D平面类型的攻击防御，对于3D类型的攻击如头套、面具等，由于在3D成像物理平面上有着相似的结构，已有解决方案通过多模态数据融合的方式，进行逐帧预测并进行多帧投票判断。此类方案的缺陷在于没能考虑人脸在时空上的变化以及刚性运动，对于高仿真头模面具的防御上，模型单帧输出仅仅考虑了某个时空节点的人脸的信息，仅仅是一个离散的点采样，此时模型很容易被攻击系统攻破。

目前已有的TOF活体检测方案中，采用单帧加多帧联合判断的机制或者单帧加多帧序列模型的机制直接给出一个帧序列上的结果，这两者方案都无法兼顾性能稳定性与系统的响应实时性。因此，如何解决上述问题是本领域技术人员亟需研究的。

发明内容

本发明所提出的一种基于TOF的人脸活体检测方法，兼顾多帧联合判断机制和多帧序列序列机制，与TOF的成像特性结合使活体检测兼顾实时性、稳定性与可靠性。

为了实现上述目的，本发明采用如下技术方案：

一种基于TOF的人脸活体检测方法，包括以下步骤：

获取深度图像和近红外图像，分别记为Depth和IR；

对深度图像和近红外图像预处理；

计算预处理后的深度图像的表面法向量RGB图像，记为DRGB；

将DRGB、IR送入DMODEL和GMODEL模型进行一次活体得分判断；

输出当前帧分数，并分别将当前帧IR和Depth加入到IRQ和DQ中；

判断IRQ和DQ的长度是否大于等于3，若判断IRQ和DQ的长度小于3，则获取取下一帧IR和Depth重复进行上述操作；

若判断IRQ和DQ的长度大于等于3，则此时对IRQ和DQ分别进行3次出队操作(IRQ和DQ长度重新归零)，得到3帧IR图像和3帧Depth图像，分别计算预处理后的深度图像和预处理后的红外图像的LBP-TOP特征并送进TMODEL模型进行一次活体判断得分计算；