一種基于光脈沖的人臉活體檢測系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像識別技術(shù)領(lǐng)域，特別涉及一種基于光脈沖的人臉活體檢測的系統(tǒng) 及方法。
【背景技術(shù)】
[0002] 人臉檢測和識別技術(shù)因其無接觸性和無侵入性（用戶無感知）等優(yōu)點，廣泛應(yīng)用 于身份識別和驗證系統(tǒng)中。目前絕大部分系統(tǒng)都是采用基于圖像的人臉識別技術(shù)，由于缺 乏對圖像來源的判斷，無法確定當前的圖片采集來自于真實的人，還是包含了人臉的靜止 圖片，預(yù)先錄制好的視頻，或人臉面具。這些基于圖像的人臉識別系缺少活體檢測環(huán)節(jié)，無 法區(qū)分人臉素材和真實的人，因此存在欺騙等潛在的危險。
[0003] 為了克服此類問題，現(xiàn)有技術(shù)中的一些系統(tǒng)引入活體檢測環(huán)節(jié)。這些系統(tǒng)可以分 為兩大類：基于紋理的、基于光流的和基于交互的活體檢測?；诩y理的方法利用了拍攝真 實人臉皮膚和拍攝紙張、顯示屏的紋理的細微差別，通過紋理描述子和機器學習的模型訓 練出檢測模型，但是這種方法容易受環(huán)境（例如光照等）影響，而且過擬合到訓練樣本，推 廣性不好；基于光流的方法通過建立光流場模型，獲取真實人臉和紙張、顯示屏的不同的三 維結(jié)構(gòu)在運動時的光流特點，缺點是需要用戶有一定的運動，并且結(jié)果受光流算法的精度 影響；基于交互的方法則通過在與用戶的互動過程中，獲取相關(guān)的反饋，從而確定是否為真 實的人。比如，系統(tǒng)提示被檢測對象完成指定動作，如轉(zhuǎn)頭、眨眼等，或者簡單問答。預(yù)先制 作的素材（靜止圖片或視頻）無法預(yù)知所要執(zhí)行的交互動作，無法提供實時反饋，基于此可 以判定其為非活體。交互式方法是一種侵入式和非靜默的檢測方法，需要用戶輔助操作，增 加了用戶額外的使用負擔。對于一些頻繁出入的門禁檢測系統(tǒng)，大量的重復(fù)性操作降低了 用戶的使用體驗。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明實施例公開了一種基于光脈沖的人臉活體檢測系統(tǒng)及方法，能夠準確的判 斷出待檢測對象是否為活體，與傳統(tǒng)活體鑒別方法相比，簡化了操作流程。
[0005] 為達到上述目的，本發(fā)明實施例公開了一種基于光脈沖的人臉活體檢測系統(tǒng)，所 述系統(tǒng)包括：
[0006] 發(fā)光裝置，所述發(fā)光裝置以預(yù)設(shè)頻率向待測對象發(fā)射不同信號強度的光信號；
[0007] 攝像裝置，所述攝像裝置用于獲取所述待測對象在不同信號強度的光信號下產(chǎn)生 的多個圖像；以及
[0008] 檢測裝置，所述檢測裝置基于所述多個圖像，檢測所述待測對象是否為活體。
[0009] 作為本發(fā)明實施例的一種【具體實施方式】，所述檢測裝置包括：
[0010] 提取裝置，所述提取裝置在多個圖像上提取待測對象的目標區(qū)域，并獲取所述目 標區(qū)域的特征點信息；以及
[0011] 判斷裝置，所述判斷裝置基于所述目標區(qū)域及所述特征點信息，判斷所述待測對 象是否為活體。
[0012] 作為本發(fā)明實施例的一種【具體實施方式】，所述提取裝置還用于：
[0013] 計算所述攝像裝置獲取的當前圖像上的所述目標區(qū)域與所述特征點之間的方 差；
[0014] 當所述方差是否低于第一閾值時，舍棄當前圖像，再次從所述攝像裝置上獲取待 測對象的圖像。
[0015] 作為本發(fā)明實施例的一種【具體實施方式】，所述提取裝置還用于：
[0016] 計算所述攝像裝置獲取的每幅圖像上的所述目標區(qū)域的平均亮度值；
[0017] 對平均亮度值大于第二閾值或低于第三閾值的圖像進行舍棄處理。
[0018] 作為本發(fā)明實施例的一種【具體實施方式】，所述提取裝置還用于：
[0019] 在預(yù)設(shè)亮度值范圍內(nèi)，選取關(guān)鍵點平均亮度值最低的圖像作為第一圖像，選取關(guān) 鍵點平均亮度值最高的圖像作為第二圖像。
[0020] 作為本發(fā)明實施例的一種【具體實施方式】，所述檢測裝置還包括：
[0021] 預(yù)處理裝置，用于對所述第一圖像及第二圖像進行圖像預(yù)處理。
[0022] 作為本發(fā)明實施例的一種【具體實施方式】，所述基于所述多個圖像，檢測所述待測 對象是否為活體，包括：
[0023] 分別對所述第一圖像及第二圖像的目標區(qū)域進行歸一化處理，將所述特征點映射 到統(tǒng)一的標準位置。
[0024] 作為本發(fā)明實施例的一種【具體實施方式】，所述對所述目標區(qū)域進行歸一化處理， 將所述特征點映射到統(tǒng)一的標準位置，包括：
[0025] 分別計算第一圖像及第二圖像上的目標區(qū)域關(guān)鍵點與預(yù)定的平均目標區(qū)域的變 換矩陣，將目標區(qū)域關(guān)鍵點映射到標準位置。
[0026] 作為本發(fā)明實施例的一種【具體實施方式】，所述基于所述多個圖像，檢測所述待測 對象是否為活體，還包括：
[0027] 對歸一化處理后的第一圖像及第二圖像進行差分處理，獲得目標區(qū)域差分圖。
[0028] 作為本發(fā)明實施例的一種【具體實施方式】，所述基于所述多個圖像，檢測所述待測 對象是否為活體，還包括：
[0029] 在差分圖中提取離散傅里葉變換特征：
[0031] 其中elx= cosx+sinx，I(m，n)為目標區(qū)域差分圖的像素值，N為差分圖尺寸。
[0032] 作為本發(fā)明實施例的一種【具體實施方式】，所述基于所述多個圖像，檢測所述待測 對象是否為活體，還包括：
[0033] 獲取所述第一圖像及第二圖像的圖形類型；以及
[0034] 基于所述圖像類型提取所述第一圖像及第二圖像的輔助特征。
[0035] 作為本發(fā)明實施例的一種【具體實施方式】，所述基于所述多個圖像，檢測所述待測 對象是否為活體，還包括：
[0036] 利用所述離散傅里葉變換特征及所述輔助特征構(gòu)建特征向量；
[0037] 將所述特征向量作為輸入，通過基于機器學習建立的反光特性的分類器進行分 析，判斷所述待測目標是否為活體。
[0038] 為達到上述目的，本發(fā)明實施例還公開了一種基于光脈沖的人臉活體檢測方法， 其特征在于，所述方法包括：
[0039] 以預(yù)設(shè)頻率向待測對象發(fā)射不同信號強度的光信號；
[0040] 獲取所述待測對象在不同信號強度的光信號下產(chǎn)生的多個圖像；以及
[0041] 基于所述多個圖像，檢測所述待測對象是否為活體。
[0042] 作為本發(fā)明實施例的一種【具體實施方式】，所述基于所述多個圖像，檢測所述待測 對象是否為活體，包括：
[0043] 在多個圖像上提取待測對象的目標區(qū)域，并獲取所述目標區(qū)域的特征點信息；以 及
[0044] 基于所述目標區(qū)域及所述特征點信息，判斷所述待測對象是否為活體。
[0045] 作為本發(fā)明實施例的一種【具體實施方式】，所述獲取所述待測對象在不同信號強度 的光信號下產(chǎn)生的多個圖像，包括：
[0046] 計算所述攝像裝置獲取的當前圖像上的所述目標區(qū)域與所述特征點之間的方 差；
[0047] 當所述方差是否低于第一閾值時，舍棄當前圖像，再次從所述攝像裝置上獲取待 測對象的圖像。
[0048] 作為本發(fā)明實施例的一種【具體實施方式】，所述獲取所述待測對象在不同信號強度 的光信號下產(chǎn)生的多個圖像，還包括：
[0049] 計算所述攝像裝置獲取的每幅圖像上的所述目標區(qū)域的平均亮度值；