[发明专利]一种身份认证系统中的人脸防欺骗检测方法

摘要

一种身份认证系统中的人脸防欺骗检测方法，首先，利用局部二值模式、灰度分布统计以及灰度共生矩阵提取像素的空间信息获得空间域的纹理特征；其次，利用二维对偶树复小波分解提取低频和高频复系数获得频率域的纹理特征；再利用PCA降维进行特征融合，融合空间域和频率域的纹理特征；最后，将空间域和频率域的纹理特征进行特征融合，利用SVM分类器进行真实/假冒人脸图像的检测和判别。通过融合空间域和频率域的纹理特征，特别地在频率域中利用二维对偶树复小波分解的时移不变性和方向选择性提取纹理特征，并用PCA对融合特征进行降维和去相关，计算复杂度小、冗余度低，节省了时间和空间的消耗，提高人脸欺骗检测的准确率，增强身份验证系统中人脸欺骗的安全性。

主权项

一种身份认证系统中的人脸防欺骗检测方法，其特征在于，包括如下步骤：a)从采集的人脸视频中根据视频帧截图定位人脸，得到人脸图像样本；b)将采集的人脸图像样本转换为人脸灰度图；c)在人脸灰度图的空间域中提取纹理特征，所述纹理特征包括：利用局部二值模式从人脸灰度图中提取直方图；利用灰度分布统计法计算人脸灰度分布的均值、标准差、平滑度、三阶矩、一致性和熵；利用灰度共生矩阵法计算人脸灰度图中能量、熵、惯性矩、相关性和逆差距；c‑1)通过公式计算人脸灰度图的直方图LBP(xc,xy)，其中ic标示中心像素,in为像素8邻点的灰度值，2n为编码值；c‑2)通过公式计算人脸灰度图中灰度值zi的均值m的n阶矩μn，其中L为图像的灰度级，f(zi)为第i个灰度值zi出现的频度，通过公式计算均值m、通过公式计算标准差σ、通过公式计算平滑度R、通过公式计算三阶矩μ3、通过公式计算一致性U、通过公式计算熵e，其中μ2为i取值为2时，通过公式计算得到的结果；c‑3)通过公式p(i,j)＝#{(x1,y1),(x2,y2)∈M*N|f(x1,y1)＝i,(x2,y2)＝j}分别计算四个方向p(1,0)、p(‑1,1)、p(0,1)及p(1,1)的灰度共生矩阵p(i,j)，其中f(x1,y1)为人脸灰度图的二维数字图像，其大小为M*N个像素点，(x1,y1)及(x2,y2)为图像中任意两个像素点，#{}表示集合中的元素个数，图像的灰度级为Ng，P为Ng*Ng的矩阵，通过公式计算能量ASM、通过公式计算熵H、通过公式计算惯性矩CON，通过公式计算相关性COR、通过公式计算逆差距L，其中d为像素点i与像素点j之间的距离，为四个方向中的角度；c‑4)通过公式计算纹理特征量的灰度共生矩阵的能量、熵、惯性矩、相关性和逆差距分别求均值M，根据公式计算纹理特征量的灰度共生矩阵的能量、熵、惯性矩、相关性和逆差距分别求标准差，其中Xi为能量或熵或惯性矩或相关性或逆差距的计算数值，通过计算的均值和标准差作为二阶统计特征向量，共计10维；d)在人脸灰度图的频率域中提取纹理特征，利用4层二维对偶数复小波分解标准人脸灰度图像，每一尺度分解为±15°,±45°,±75°一共6个复系数的高频方向子带，获得低频、高频子带系数，提取频率域的纹理特征，对人脸灰度图像作DT‑CWT变换，分解二维人脸灰度图像后提取低频子带系数矩阵好高频复系数的均值和方差作为统计特征向量，共计120维；e)利用PCA法对步骤c)中空间域和步骤d)中频率域的纹理特征向量进行降维和去相关操作，把样本投影到低维空间；f)将空间域中提取纹理特征和频率域中提取的纹理特征进行特征融合，利用SVM分类器进行真实/假冒人脸图像的检测和判别。