[发明专利]一种基于灰度共生矩阵和小波分析的活体人脸检测方法

说明书

技术领域

本发明涉及生物模式识别领域中的人脸识别技术，具体涉及在人脸身份认证系统中一种基于灰度共生矩阵及小波分析的活体人脸检测方法。

背景技术

近年来，生物特征识别技术取得飞速发展，指纹识别，人脸识别，虹膜识别等在身份认证等方面得到广泛的应用。其中，人脸特征由于其符合人类自身区分不同人的方式，与传统的钥匙、密码、口令等方式相比，其具有不容易伪造、丢失、窃取、对用户友好等优点，受到了广泛的欢迎。目前，人脸识别技术已广泛应用于门禁系统，出入安检，案件侦破，银行系统等领域。人脸识别技术作为有效的身份认证方法，其应用范围逐步扩大，给人们的日常生活带来的极大的便利。但是，一些问题也随之产生，各种极具欺骗的假冒技术不断出现，这给生物认证技术的应用带来了极大的挑战。为了更安全的进行身份认证和检测身份来源的真实性，检测被识别的对象是否是活体显得尤为重要。

在现实场景中，身份认证系统面临着三种常见的欺骗方法：

1)合法用户的照片；照片欺骗是一种最容易，代价最小的欺骗手段，人脸照片通常是最容易获取的，比如，互联网下载，摄像头偷拍等。假冒者可以利用合法用户的照片在图像采集设备前弯曲，旋转，翻转等各种方式造成一种类似合法用户真人的效果去欺骗认证系统。

2)合法用户的视频；视频欺骗是一种更具有威胁性的身份认证欺骗手段，欺骗视频可以通过摄像头偷拍方式获取，与照片相比，视频中包含头部运动、面部表情，眨眼等特征，呈现的效果和真实人脸的效果非常相似。

3)合法用户的三维模型。三维模型通过对真人三维人脸的建模，可以模仿真人眨眼、说话，头部运动等各种动作，相比照片和视频欺骗其威胁更大，但是要伪造一个活体的三维模型也具有一定的难度。常见的身份认证欺骗是照片欺骗和视频欺骗两种手段。

现有的应用于人脸识别的活体检测方法及缺点主要包括：

1.基于运动信息分析：如根据头部的三维深度信息去判断是否是一个真实人脸；如采用线性光流的方法捕捉三维人脸细微的运动信息，发声时嘴唇部位的动作分析，眼睛区域的变化，头部运动变化等，这种方法存在活体检测所需的特征难以获取，需要用户的主动配合，计算机代价高等缺陷；

2.基于活体特征信息分析：如分析人脸的热红外图像、眨眼等活体特征等，这些方法需要额外的设备，本身存在不稳定因素，在普通设备上无法大力推广等缺点；

3.基于纹理信息分析：分析真实人脸和照片人脸的差异，采用傅里叶频谱及纹理特征的方法，该方法可能需要较大的计算时间、空间的开销。

在专利“一种应用于人脸识别的活体检测方法及系统”公开的方法中提到照片人脸是一个平面的物体，照片中的每一点所处平面的法向量可近似为一个常数，即使照片存在一定程度的弯曲和旋转，其个点所在平面的方向了也不符合真实人脸的凹凸情况；但在实践中，由于人脸表面各点所在平面的法向量不易直接计算，但该法向量实际反应的是对象表面纹理分布的不同，因此本发明利用该特点来区别照片和真实人脸图像。

发明内容

本发明提供一种只需采集单张人脸图像，且成本低，计算复杂度低，检测准确率高的一种基于灰度共生矩阵和小波分析的活体检测方法，其特征在于包括以下步骤：

1、从摄像头获取RGB颜色空间的包含人脸的图像，对输入的图像进行人脸检测，获得人脸区域；

2、将包含人脸区域的图像从RGB颜色空间转换成灰度图像，同时将图像的灰度级压缩为16级；

在实际应用中，一幅灰度图像的灰度级一般为256，在计算由灰度共生矩阵推导出的纹理特征时，要求图像的灰度级远小于256，主要是因为图像共生矩阵的计算量由图像大小及灰度等级确定的。在不影响纹理特征的前提下往往先将图像压缩到较小的范围，本文取16级。

3、将压缩后的图像分别计算4个方向的灰度共生矩阵，取距离为1，角度分别为0°，45°，90°，135°；然后在灰度共生矩阵的基础上再提取能量、熵、惯性矩和相关性4个纹理特征量；再次对4个纹理特征量的4个灰度共生矩阵分别求均值和方差，共8维特征；所述步骤具体如下：

①灰度共生矩阵的计算：

设f(x,y)为一幅二维数字图像，其大小为M*N，灰度级别为Ng，则满足一定空间关系的灰度共生矩阵（Gray Level Co-occurrence Matrix）为