CN104794464B - 一种基于相对属性的活体检测方法 - Google Patents
一种基于相对属性的活体检测方法 Download PDFInfo
- Publication number
- CN104794464B CN104794464B CN201510243778.XA CN201510243778A CN104794464B CN 104794464 B CN104794464 B CN 104794464B CN 201510243778 A CN201510243778 A CN 201510243778A CN 104794464 B CN104794464 B CN 104794464B
- Authority
- CN
- China
- Prior art keywords
- face
- relative priority
- key point
- change value
- judged
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
- G06V40/176—Dynamic expression
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于相对属性的活体检测方法,包括以下步骤:1)检测输入视频中每帧图像上的人脸位置;2)获取人脸关键点;3)根据所获取的关键点获取眼睛或嘴巴的区域;4)判断连续多帧图像中步骤3)所获得区域的属性变化值的规律是否符合真实人脸的变化规律,若是,则判断为真实人脸,若否,则判断为虚假人脸。与现有技术相比,本发明具有检测精度高、速度快等优点。
Description
技术领域
本发明涉及一种人脸检测技术,尤其是涉及一种基于相对属性的活体检测方法。
背景技术
人脸识别作为一种身份认证技术在公共安防、考勤门禁等领域已获得成功。但是,传统人脸识别技术未考虑目标人脸的真伪,因此容易受到虚假人脸的攻击。如果虚假人脸攻击成功,有可能对用户造成重大损失,因此可靠且高效的人脸活体检测技术成为人脸验证***的重要组成部分。
传统人脸识别技术经常使用傅立叶频谱分析、眨眼检测和三维深度估计等方法来判断活体。但是这些方法难满足金融和公共安防领域的要求。主要有两个因素:1)这些算法在性能上难满足误报率小于千分之一且通过率要超过95%的指标;2)难抵抗特定虚假人脸的攻击,如眨眼检测难抵抗基于视频的虚假人脸攻击。
传统闭眼(或张嘴)分类器的性能难以满足需求,例如有人眼睛较小或有人眼睛无法完全闭合等。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种检测精度高、速度快的基于相对属性的活体检测方法。
本发明的目的可以通过以下技术方案来实现:
一种基于相对属性的活体检测方法,包括以下步骤:
1)检测输入视频中每帧图像上的人脸位置;
2)获取人脸关键点;
3)根据所获取的关键点获取眼睛或嘴巴的区域;
4)判断连续多帧图像中步骤3)所获得区域的属性变化值的规律是否符合真实人脸的变化规律,若是,则判断为真实人脸,若否,则判断为虚假人脸。
所述属性变化值为上下眼皮间的距离变化值或上下嘴唇间的距离变化值。
所述步骤4)具体为:
401)将当前帧与前t帧的眼睛或嘴巴区域合并成一张图,采用基于深度学习的回归方法输出两帧图像中属性变化值;
402)重复步骤401)直至获得每帧图像的属性变化值;
403)将所有属性变化值按帧时间顺序组成一向量,利用SVM分类器对所述向量进行分类;
404)判断分类结果是否满足设定动作下的真实人脸的变化规律,若是,则判断为真实人脸,若否,则判断为虚假人脸。
所述步骤403)中,利用SVM分类器对所述向量进行分类前,对各向量的长度进行设定。
所述设定动作包括闭眼或张嘴。
所述输入视频为一段3~5秒的人脸视频。
所述步骤1)采用AdaBoost分类器检测人脸位置。
所述步骤2)中,获取人脸关键点的具体过程为:
201)利用HoG与SVM结合的方式进行第一轮关键点检测,每个关键点有K种选择;
202)利用全局形状信息,采用N-Best方式,在K^N种可能中获取组成人脸形状关键点最优解,N为关键点数目,采用分支定界方式进行截枝处理,获得最终形态组合;
203)计算步骤202)中获得的每种组合的置信度,选取置信度高的一个组合。
所述置信度由两部分构成:
a)步骤201)中利用HoG方式得到的置信度;
b)不同关键点之间的位置关系。
与现有技术相比,本发明具有以下优点:
1)本发明采用属性变化信息进行活体人脸检测,相比现有技术,在性能上有明显提升,满足误报率小于千分之一且通过率要超过95%的指标;
2)本发明方法中采用的算法具有速度快的优势,提高了人脸的检测速率,处理3~5秒的视频只需0.5秒时间;
3)本发明小型客户端(如智能手机等)可以达到实时效果;
4)本发明通过属性变化信息进行活体人脸检测,可以满足如眼睛较小或眼睛无法完全闭合等场合的需求。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本实施例提供一种基于相对属性的活体检测方法,采用了人机交互的方式,让检测对象做闭眼、张嘴等特定动作,通过判断检测对象是否完成这些工作,从而判断出是否是真实人脸。如图1所示,本方法包括以下步骤:
步骤S1,采用AdaBoost分类器检测输入视频中每帧图像上的人脸位置,输入视频为一段3~5秒的人脸视频。
步骤S2,获取人脸关键点,具体过程为:
201)利用HoG与SVM结合的方式进行第一轮关键点检测,每个关键点有K种选择;
202)利用全局形状信息,采用N-Best方式,在K^N种可能中获取组成人脸形状关键点最优解,N为关键点数目,采用分支定界方式进行截枝处理,获得最终形态组合;
203)计算步骤202)中获得的每种组合的置信度,选取置信度高的一个组合。该要求满足高斯分布,该高斯分布事先根据统计得到。置信度由两部分构成:a)步骤201)中利用HoG方式得到的置信度;b)不同关键点之间的位置关系。
步骤S3,根据所获取的关键点获取眼睛或嘴巴的区域。
步骤S4,判断连续多帧图像中步骤3)所获得区域的属性变化值的规律是否符合真实人脸的变化规律,若是,则判断为真实人脸,若否,则判断为虚假人脸,具体为:
401)将当前帧与前t帧的眼睛或嘴巴区域合并成一张图,采用基于深度学习的回归方法输出两帧图像中属性变化值;
402)重复步骤401)直至获得每帧图像的属性变化值,该属性变化值为上下眼皮间的距离变化值或上下嘴唇间的距离变化值;
403)将所有属性变化值按帧时间顺序组成一向量,利用SVM分类器对所述向量进行分类;
SVM只能处理特定长度的特征向量,由于人动作的速度问题,特征向量长度不一致。采用三种方式来得到固定长度的向量:a)去除最前面的帧;b)去除最后面的帧;c)按照一定频率采样。
404)判断分类结果是否满足设定动作(如闭眼或张嘴)下的真实人脸的变化规律,若是,则判断为真实人脸,若否,则判断为虚假人脸。如果是闭眼,距离变化值会出现由大变小,再由小变大的模式,这是虚假人脸攻击基本无法模拟的。
Claims (7)
1.一种基于相对属性的活体检测方法,其特征在于,包括以下步骤:
1)检测输入视频中每帧图像上的人脸位置;
2)获取人脸关键点,获取人脸关键点的具体过程为:
201)利用HoG与SVM结合的方式进行第一轮关键点检测,每个关键点有K种选择;
202)利用全局形状信息,采用N-Best方式,在KN种可能中获取组成人脸形状关键点最优解,N为关键点数目,采用分支定界方式进行截枝处理,获得最终形态组合;
203)计算步骤202)中获得的每种组合的置信度,选取置信度高的一个组合;
3)根据所获取的关键点获取眼睛或嘴巴的区域;
4)判断连续多帧图像中步骤3)所获得区域的属性变化值的规律是否符合真实人脸的变化规律,若是,则判断为真实人脸,若否,则判断为虚假人脸,其中,所述属性变化值为上下眼皮间的距离变化值或上下嘴唇间的距离变化值。
2.根据权利要求1所述的基于相对属性的活体检测方法,其特征在于,所述步骤4)具体为:
401)将当前帧与前t帧的眼睛或嘴巴区域合并成一张图,采用基于深度学习的回归方法输出两帧图像中属性变化值;
402)重复步骤401)直至获得每帧图像的属性变化值;
403)将所有属性变化值按帧时间顺序组成一向量,利用SVM分类器对所述向量进行分类;
404)判断分类结果是否满足设定动作下的真实人脸的变化规律,若是,则判断为真实人脸,若否,则判断为虚假人脸。
3.根据权利要求2所述的基于相对属性的活体检测方法,其特征在于,所述步骤403)中,利用SVM分类器对所述向量进行分类前,对各向量的长度进行设定。
4.根据权利要求2所述的基于相对属性的活体检测方法,其特征在于,所述设定动作包括闭眼或张嘴。
5.根据权利要求1所述的基于相对属性的活体检测方法,其特征在于,所述输入视频为一段3~5秒的人脸视频。
6.根据权利要求1所述的基于相对属性的活体检测方法,其特征在于,所述步骤1)采用AdaBoost分类器检测人脸位置。
7.根据权利要求1所述的基于相对属性的活体检测方法,其特征在于,所述置信度由两部分构成:
a)步骤201)中利用HoG方式得到的置信度;
b)不同关键点之间的位置关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510243778.XA CN104794464B (zh) | 2015-05-13 | 2015-05-13 | 一种基于相对属性的活体检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510243778.XA CN104794464B (zh) | 2015-05-13 | 2015-05-13 | 一种基于相对属性的活体检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104794464A CN104794464A (zh) | 2015-07-22 |
CN104794464B true CN104794464B (zh) | 2019-06-07 |
Family
ID=53559251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510243778.XA Active CN104794464B (zh) | 2015-05-13 | 2015-05-13 | 一种基于相对属性的活体检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104794464B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046227B (zh) * | 2015-07-24 | 2018-07-31 | 上海依图网络科技有限公司 | 一种针对人像视频***的关键帧获取方法 |
CN106557726B (zh) * | 2015-09-25 | 2020-06-09 | 北京市商汤科技开发有限公司 | 一种带静默式活体检测的人脸身份认证***及其方法 |
CN106557723B (zh) * | 2015-09-25 | 2020-01-24 | 北京市商汤科技开发有限公司 | 一种带交互式活体检测的人脸身份认证***及其方法 |
CN105139503A (zh) * | 2015-10-12 | 2015-12-09 | 北京航空航天大学 | 一种唇动口型识别门禁***及识别方法 |
CN105243378B (zh) * | 2015-11-13 | 2019-03-01 | 清华大学 | 基于眼部信息的活体人脸检测方法及装置 |
CN107625527B (zh) * | 2016-07-19 | 2021-04-20 | 杭州海康威视数字技术股份有限公司 | 一种测谎方法及装置 |
CN107330914B (zh) * | 2017-06-02 | 2021-02-02 | 广州视源电子科技股份有限公司 | 人脸部位运动检测方法和装置及活体识别方法和*** |
CN107358152B (zh) * | 2017-06-02 | 2020-09-08 | 广州视源电子科技股份有限公司 | 一种活体识别方法和*** |
CN107330370B (zh) * | 2017-06-02 | 2020-06-19 | 广州视源电子科技股份有限公司 | 一种额头皱纹动作检测方法和装置及活体识别方法和*** |
CN109389002A (zh) * | 2017-08-02 | 2019-02-26 | 阿里巴巴集团控股有限公司 | 活体检测方法及装置 |
CN108171158B (zh) * | 2017-12-27 | 2022-05-17 | 北京迈格威科技有限公司 | 活体检测方法、装置、电子设备及存储介质 |
WO2019127262A1 (zh) * | 2017-12-28 | 2019-07-04 | 深圳前海达闼云端智能科技有限公司 | 基于云端的人脸活体检测方法、电子设备和程序产品 |
CN110032915A (zh) * | 2018-01-12 | 2019-07-19 | 杭州海康威视数字技术股份有限公司 | 一种人脸活体检测方法、装置及电子设备 |
CN108487820B (zh) * | 2018-03-07 | 2019-12-27 | 常州信息职业技术学院 | 一种电子检测闭合装置 |
CN109271929B (zh) * | 2018-09-14 | 2020-08-04 | 北京字节跳动网络技术有限公司 | 检测方法和装置 |
CN109492551B (zh) * | 2018-10-25 | 2023-03-24 | 腾讯科技(深圳)有限公司 | 活体检测方法、装置及应用活体检测方法的相关*** |
CN109658533A (zh) * | 2018-11-23 | 2019-04-19 | 深圳市沃特沃德股份有限公司 | 视频会议的签到方法、***及智能终端 |
CN109522863B (zh) * | 2018-11-28 | 2020-11-27 | 北京达佳互联信息技术有限公司 | 耳部关键点检测方法、装置及存储介质 |
CN109697416B (zh) * | 2018-12-14 | 2022-11-18 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法和相关装置 |
CN109858402B (zh) * | 2019-01-16 | 2021-08-31 | 腾讯科技(深圳)有限公司 | 一种图像检测方法、装置、终端以及存储介质 |
CN110059624B (zh) * | 2019-04-18 | 2021-10-08 | 北京字节跳动网络技术有限公司 | 用于检测活体的方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440479A (zh) * | 2013-08-29 | 2013-12-11 | 湖北微模式科技发展有限公司 | 一种活体人脸检测方法与*** |
CN104361573A (zh) * | 2014-09-26 | 2015-02-18 | 北京航空航天大学 | 融合颜色信息和全局信息的sift特征匹配算法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102360421B (zh) * | 2011-10-19 | 2014-05-28 | 苏州大学 | 一种基于视频流的人脸识别方法及*** |
US9025830B2 (en) * | 2012-01-20 | 2015-05-05 | Cyberlink Corp. | Liveness detection system based on face behavior |
CN102646190B (zh) * | 2012-03-19 | 2018-05-08 | 深圳市腾讯计算机***有限公司 | 一种基于生物特征的认证方法、装置及*** |
-
2015
- 2015-05-13 CN CN201510243778.XA patent/CN104794464B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440479A (zh) * | 2013-08-29 | 2013-12-11 | 湖北微模式科技发展有限公司 | 一种活体人脸检测方法与*** |
CN104361573A (zh) * | 2014-09-26 | 2015-02-18 | 北京航空航天大学 | 融合颜色信息和全局信息的sift特征匹配算法 |
Non-Patent Citations (3)
Title |
---|
Face recognition with liveness detection using eye and mouth movement;Avinash Kumar Singh et al.;《IEEE Xplore Digital Library》;20140828;全文 * |
The N-Best Algorithm:An Efficient Procedure for Finding Top N Sentence Hypotheses;Yen-Lu Chow et al.;《HLT"89 Proceedings of the workshop on Speech and Natural Language》;19891015;全文 * |
人脸识别中的活体检测技术研究;孙霖;《万方数据库》;20141103;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104794464A (zh) | 2015-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104794464B (zh) | 一种基于相对属性的活体检测方法 | |
CN106557723B (zh) | 一种带交互式活体检测的人脸身份认证***及其方法 | |
CN100592322C (zh) | 照片人脸与活体人脸的计算机自动鉴别方法 | |
CN106557726B (zh) | 一种带静默式活体检测的人脸身份认证***及其方法 | |
Hofmann et al. | The TUM Gait from Audio, Image and Depth (GAID) database: Multimodal recognition of subjects and traits | |
Pan et al. | Eyeblink-based anti-spoofing in face recognition from a generic webcamera | |
CN108182409B (zh) | 活体检测方法、装置、设备及存储介质 | |
CN108140123A (zh) | 人脸活体检测方法、电子设备和计算机程序产品 | |
Kawulok et al. | Precise multi-level face detector for advanced analysis of facial images | |
CN103778409A (zh) | 基于人脸特征数据挖掘的人脸识别方法与装置 | |
Rao et al. | Sign Language Recognition System Simulated for Video Captured with Smart Phone Front Camera. | |
TWI603293B (zh) | 眨眼偵測方法及裝置 | |
WO2013075295A1 (zh) | 低分辨率视频的服装识别方法及*** | |
CN104102903A (zh) | 一种基于src的二次人脸识别方法 | |
Putro et al. | Adult image classifiers based on face detection using Viola-Jones method | |
CN107977622A (zh) | 基于瞳孔特征的眼睛状态检测方法 | |
US10068127B2 (en) | Automatic detection of face and thereby localize the eye region for iris recognition | |
Gul et al. | A machine learning approach to detect occluded faces in unconstrained crowd scene | |
Nguyen et al. | Towards recognizing facial expressions at deeper level: Discriminating genuine and fake smiles from a sequence of images | |
Nanthini et al. | An Efficient Velocity Estimation Approach for Face Liveness Detection using Sparse Optical Flow Technique | |
Hazar et al. | Real time face detection based on motion and skin color information | |
Mariappan et al. | A labVIEW design for frontal and non-frontal human face detection system in complex background | |
KR102674496B1 (ko) | 원격 광용적맥파신호를 이용한 위조 얼굴 판별 방법 및 장치 | |
Makinana et al. | Iris image quality assessment based on quality parameters | |
KR20130056171A (ko) | 대표 특징을 이용한 실시간 객체 인식 및 추적 방법과 그 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190919 Address after: Room 1901E, 488 Yaohua Road, Pudong New Area, Shanghai 201125 Patentee after: Shanghai Yitu Information Technology Co., Ltd. Address before: 200240, room 1261, South Building, No. 4915 TV Park, North Pine Road, Songjiang District, Shanghai Patentee before: Shanghai is according to figure network technology company limited |