一種移動平臺上人臉識別的活體檢測方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及人臉識別技術(shù)領(lǐng)域，特別涉及一種移動平臺上人臉識別的活體檢測方 法及系統(tǒng)。
【背景技術(shù)】
[0002] 人臉識別是一種基于人臉部特征進行身份識別的一種生物特征識別技術(shù)，其符合 人類自身區(qū)分不同人臉和身份的方式，而且具有用戶，友好特性。因此人臉識別系統(tǒng)現(xiàn)實世 界中受到廣泛歡迎，尤其被廣泛應(yīng)用于移動設(shè)備（手機、平板電腦等）平臺上的用戶認證系 統(tǒng)。對于人臉識別系統(tǒng)，最常見的攻擊是哄騙攻擊（spoofingattack)，攻擊者利用合法用 戶的人臉圖片和視頻來偽造該用戶的人臉特征進行攻擊。隨著越來越多的用戶在社交網(wǎng)絡(luò) 等網(wǎng)上平臺發(fā)布大量的個人照片及視頻，其帶來的哄騙攻擊的威脅也日益嚴(yán)重。
[0003] 針對哄騙攻擊這一問題，活體檢測（livenessdetection)廣泛應(yīng)用于人臉識別系 統(tǒng)，成為人臉識別系統(tǒng)的一項重要功能。活體檢測可以分析獲取的人臉特征，并判斷這些特 征是來自于一個有生命的、真實的人，還是來自于用于哄騙攻擊的偽造的人臉，例如包含人 臉的照片和視頻。
[0004] 根據(jù)檢測活體線索的不同，現(xiàn)有的應(yīng)用于人臉識別的活體檢測方法主要包括：
[0005] 基于特征點仿射變換的方法（U.S.PatentNo. 2008/0192980)在輸入視頻的每一 幀中探測并追蹤人臉的特征點，通過對這些特征點進行仿射變換的方法計算相鄰兩幀的統(tǒng) 計學(xué)距離，分析三維的真實人臉和二維的照片人臉的差異，判斷是否是真人。這種方法計算 時間代價較高，容易受到現(xiàn)實中復(fù)雜光照環(huán)境的影響，尤其是戶外環(huán)境。該方法只能檢測基 于人臉圖片的哄騙攻擊，而不能檢測基于人臉視頻的哄騙攻擊。
[0006] 基于真實人臉的非剛性運動變化的方法（U.S.PatentNo. 8675926)在輸入的視頻 中探測并分析眨眼睛的動作，從而判斷是否是真實的人臉。該方法只能檢測基于人臉圖片 的哄騙攻擊，而不能檢測出基于人臉視頻的哄騙攻擊。
[0007] 基于虹膜變化的方法（U.S.PatentNo. 2013/0044920)通過對在特定的變化的光 照條件下捕捉的虹膜照片進行分析，根據(jù)不同光照下的虹膜的變化，來判斷是否是真實的 人臉。該方法的空間開銷和時間開銷較大，需要特定的受控的光照條件，并且需要高清晰、 高像素的虹膜照片。
[0008] 基于真實人臉的光照變化的方法（U.S.PatentNo. 2010/0299530)通過對在特定 的變化的光照條件下拍攝的人臉圖片進行分析，根據(jù)面部的光照變化，區(qū)分三維的真實人 臉和二維的照片人臉，判斷是否是真人。該方法的空間開銷和時間開銷較大，需要特定的受 控的光照條件。
[0009] 基于深度距離探測的方法（U.S.PatentNo. 2007/0253604)利用高精度距離傳感 器掃描并分析人臉各個部分與攝像頭的距離的變化，區(qū)分三維的真實人臉和二維的照片人 臉，判斷是否是真人。該方法需要額外的設(shè)備，如高精度距離傳感器。

【發(fā)明內(nèi)容】

[0010] 為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種移動平臺上人臉識別的活體 檢測方法。
[0011] -種移動平臺上人臉識別的活體檢測方法，包括以下步驟：獲取外部圖像數(shù)據(jù)和 移動平臺位移向量數(shù)據(jù)，所述移動平臺位移向量數(shù)據(jù)為移動平臺在水平方向和/或垂直方 向上每個時刻的位移向量值；
[0012] 根據(jù)預(yù)設(shè)規(guī)則處理外部圖像數(shù)據(jù)，獲得圖像頭部轉(zhuǎn)向動量數(shù)據(jù)；
[0013] 根據(jù)幾何學(xué)關(guān)系將圖像頭部轉(zhuǎn)向動量轉(zhuǎn)換成虛擬運動向量；
[0014] 將虛擬運動向量和移動平臺位移向量數(shù)據(jù)進行時間軸對齊處理，并計算對齊后的 兩個向量之間相關(guān)性的特征信息，并根據(jù)所述特征信息進行人臉識別。
[0015] 進一步地，所述移動平臺位移向量數(shù)據(jù)通過以下方法獲得：獲取移動平臺移動時 的加速度值和旋轉(zhuǎn)角速率，采用位置坐標(biāo)推算法根據(jù)加速度和旋轉(zhuǎn)角速率獲得移動平臺位 移向量數(shù)據(jù)。
[0016] 進一步地，還包括對加速度值的預(yù)降噪處理的步驟。
[0017] 進一步地，所述預(yù)降噪處理為：采用高通濾波器、低通濾波器和加速度閾值對加速 度數(shù)據(jù)進行預(yù)處理，所述加速度閾值為預(yù)設(shè)值。
[0018] 進一步地，所述平臺位移向量數(shù)據(jù)的計算方法為：通過位置坐標(biāo)推算法根據(jù)預(yù)降 噪處理后的加速度值和旋轉(zhuǎn)角速率估算的出。
[0019] 進一步地，所述預(yù)設(shè)規(guī)則為：
[0020] 從獲取的外部圖像數(shù)據(jù)中抽取m幀人臉圖片，并通過ConstrainedLocal模型從 每幀照片中定位人臉的關(guān)鍵點像素坐標(biāo)，然后采用基于頭部姿態(tài)估計算法根據(jù)所述人臉的 關(guān)鍵點像素坐標(biāo)估算圖片中人的頭部相對于正面人臉在水平方向和/或垂直方向上的偏 轉(zhuǎn)角度，最后計算所有人臉圖片的頭部姿態(tài)相對于前一幀人臉圖片頭部姿態(tài)的偏轉(zhuǎn)角度 差，得到圖像頭部轉(zhuǎn)向動量數(shù)據(jù)，其中m大于等于1。
[0021] 進一步地，所述時間軸對齊處理為：采用動態(tài)時間規(guī)整算法將虛擬運動向量和移 動平臺位移向量數(shù)據(jù)在時間軸上對齊。。
[0022] 為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的另一個目的是提供一種移動平臺上人臉識別 的活體檢測系統(tǒng)。
[0023] -種移動平臺上人臉識別的活體檢測系統(tǒng)，與數(shù)據(jù)獲取模塊連接，包括：設(shè)備運動 估算模塊、頭部姿態(tài)估算模塊和相關(guān)性分析模塊，所述數(shù)據(jù)獲取模塊獲取外部圖像數(shù)據(jù)和 移動平臺移動時的加速度值和旋轉(zhuǎn)角速率并分別傳輸?shù)筋^部姿態(tài)估算模塊、設(shè)備運動估算 模塊中；
[0024] 所述頭部姿態(tài)估算模塊根據(jù)預(yù)設(shè)規(guī)則處理外部圖像數(shù)據(jù)，獲得圖像頭部轉(zhuǎn)向動量 數(shù)據(jù)，并根據(jù)幾何學(xué)關(guān)系將圖像頭部轉(zhuǎn)向動量轉(zhuǎn)換成虛擬運動向量；
[0025] 所述設(shè)備運動估算模塊采用位置坐標(biāo)推算法根據(jù)加速度和旋轉(zhuǎn)角速率獲得移動 平臺位移向量數(shù)據(jù)；
[0026] 所述相關(guān)性分析模塊用于將虛擬運動向量和移動平臺位移向量數(shù)據(jù)在時間軸上 對齊，并計算對齊后的兩個向量之間相關(guān)性的特征信息，并根據(jù)所述特征信息進行人臉識 另IJ。最后采用貝葉斯網(wǎng)絡(luò)分類算法根據(jù)這些特征信息，進行分類判斷。
[0027] 進一步地，所述數(shù)據(jù)獲取模塊包括攝像頭、加速度計和陀螺儀。
[0028] 進一步地，所述設(shè)備運動估算模塊高通濾波器、低通濾波器。
[0029] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點在于：
[0030] 保護移動平臺上基于人臉識別的身份識別應(yīng)用抵抗基于照片和視頻的哄騙攻擊， 而且不需要額外引入大部分移動設(shè)備未部署的硬件設(shè)備，對復(fù)雜光線條件具有魯棒性，可 以容忍用戶在使用中的頭部轉(zhuǎn)動。
【附圖說明】
[0031]圖1為本發(fā)明移動設(shè)備位移與人臉視頻中的頭部姿態(tài)偏轉(zhuǎn)角度的基本幾何學(xué)關(guān) 系；
[0032] 圖2為本發(fā)明檢測系統(tǒng)基本構(gòu)成示意圖；
[0033] 圖3為本發(fā)明頭部姿態(tài)在水平方向或垂直方向的偏轉(zhuǎn)示意圖；
[0034] 圖4為本發(fā)明基于CLM算法定位人臉的關(guān)鍵點不意圖；
[0035] 圖5為本發(fā)明檢查方法的流程示意圖；
[0036] 圖6為本發(fā)明檢測流程的具體示意圖；
[0037] 圖7為本發(fā)明通用移動設(shè)備坐標(biāo)系示意圖。
【具體實施方式】
[0038] 下面結(jié)合附圖和【具體實施方式】對本發(fā)明作進一步詳細的說明。應(yīng)當(dāng)理解，此處所 描述的具體實施例僅僅用于解釋發(fā)明，并不用于限定實用新型。
[0039] 本發(fā)明提出了一種可用于移動平臺上基于人臉識別的的身份認證應(yīng)用的防照片 和視頻哄騙攻擊的方法和系統(tǒng)。在基于人臉識別的身份認證中，真實的人臉具有3D特征。 如果是真實的人臉，當(dāng)移動設(shè)備上的攝像頭在運動過程中拍攝人臉視頻時，在不同的位置 會拍攝到不同的人臉視角，即頭部姿態(tài)，并且移動設(shè)備的位移與頭部姿態(tài)的變化滿足弦長 公式的幾何關(guān)系，如圖1所示，而由照片/視頻偽造的人臉卻不存在這種幾何關(guān)系，圖中r 是移動設(shè)備與人臉之間的距離，0是人臉視頻中的頭部姿態(tài)偏轉(zhuǎn)角度，s是移動設(shè)備移動 距離，是圓周率。因此，可以利用以上真實人臉的3D特征來檢測基于照片/視頻的哄騙 攻擊。<