一种基于光脉冲的人脸活体检测系统及方法
【技术领域】
[0001] 本发明涉及图像识别技术领域，特别涉及一种基于光脉冲的人脸活体检测的系统 及方法。
【背景技术】
[0002] 人脸检测和识别技术因其无接触性和无侵入性（用户无感知）等优点，广泛应用 于身份识别和验证系统中。目前绝大部分系统都是采用基于图像的人脸识别技术，由于缺 乏对图像来源的判断，无法确定当前的图片采集来自于真实的人，还是包含了人脸的静止 图片，预先录制好的视频，或人脸面具。这些基于图像的人脸识别系缺少活体检测环节，无 法区分人脸素材和真实的人，因此存在欺骗等潜在的危险。
[0003] 为了克服此类问题，现有技术中的一些系统引入活体检测环节。这些系统可以分 为两大类：基于纹理的、基于光流的和基于交互的活体检测。基于纹理的方法利用了拍摄真 实人脸皮肤和拍摄纸张、显示屏的纹理的细微差别，通过纹理描述子和机器学习的模型训 练出检测模型，但是这种方法容易受环境（例如光照等）影响，而且过拟合到训练样本，推 广性不好；基于光流的方法通过建立光流场模型，获取真实人脸和纸张、显示屏的不同的三 维结构在运动时的光流特点，缺点是需要用户有一定的运动，并且结果受光流算法的精度 影响；基于交互的方法则通过在与用户的互动过程中，获取相关的反馈，从而确定是否为真 实的人。比如，系统提示被检测对象完成指定动作，如转头、眨眼等，或者简单问答。预先制 作的素材（静止图片或视频）无法预知所要执行的交互动作，无法提供实时反馈，基于此可 以判定其为非活体。交互式方法是一种侵入式和非静默的检测方法，需要用户辅助操作，增 加了用户额外的使用负担。对于一些频繁出入的门禁检测系统，大量的重复性操作降低了 用户的使用体验。
【发明内容】
[0004] 本发明实施例公开了一种基于光脉冲的人脸活体检测系统及方法，能够准确的判 断出待检测对象是否为活体，与传统活体鉴别方法相比，简化了操作流程。
[0005] 为达到上述目的，本发明实施例公开了一种基于光脉冲的人脸活体检测系统，所 述系统包括：
[0006] 发光装置，所述发光装置以预设频率向待测对象发射不同信号强度的光信号；
[0007] 摄像装置，所述摄像装置用于获取所述待测对象在不同信号强度的光信号下产生 的多个图像；以及
[0008] 检测装置，所述检测装置基于所述多个图像，检测所述待测对象是否为活体。
[0009] 作为本发明实施例的一种【具体实施方式】，所述检测装置包括：
[0010] 提取装置，所述提取装置在多个图像上提取待测对象的目标区域，并获取所述目 标区域的特征点信息；以及
[0011] 判断装置，所述判断装置基于所述目标区域及所述特征点信息，判断所述待测对 象是否为活体。
[0012] 作为本发明实施例的一种【具体实施方式】，所述提取装置还用于：
[0013] 计算所述摄像装置获取的当前图像上的所述目标区域与所述特征点之间的方 差；
[0014] 当所述方差是否低于第一阈值时，舍弃当前图像，再次从所述摄像装置上获取待 测对象的图像。
[0015] 作为本发明实施例的一种【具体实施方式】，所述提取装置还用于：
[0016] 计算所述摄像装置获取的每幅图像上的所述目标区域的平均亮度值；
[0017] 对平均亮度值大于第二阈值或低于第三阈值的图像进行舍弃处理。
[0018] 作为本发明实施例的一种【具体实施方式】，所述提取装置还用于：
[0019] 在预设亮度值范围内，选取关键点平均亮度值最低的图像作为第一图像，选取关 键点平均亮度值最高的图像作为第二图像。
[0020] 作为本发明实施例的一种【具体实施方式】，所述检测装置还包括：
[0021] 预处理装置，用于对所述第一图像及第二图像进行图像预处理。
[0022] 作为本发明实施例的一种【具体实施方式】，所述基于所述多个图像，检测所述待测 对象是否为活体，包括：
[0023] 分别对所述第一图像及第二图像的目标区域进行归一化处理，将所述特征点映射 到统一的标准位置。
[0024] 作为本发明实施例的一种【具体实施方式】，所述对所述目标区域进行归一化处理， 将所述特征点映射到统一的标准位置，包括：
[0025] 分别计算第一图像及第二图像上的目标区域关键点与预定的平均目标区域的变 换矩阵，将目标区域关键点映射到标准位置。
[0026] 作为本发明实施例的一种【具体实施方式】，所述基于所述多个图像，检测所述待测 对象是否为活体，还包括：
[0027] 对归一化处理后的第一图像及第二图像进行差分处理，获得目标区域差分图。
[0028] 作为本发明实施例的一种【具体实施方式】，所述基于所述多个图像，检测所述待测 对象是否为活体，还包括：
[0029] 在差分图中提取离散傅里叶变换特征：
[0031] 其中elx= cosx+sinx，I(m，n)为目标区域差分图的像素值，N为差分图尺寸。
[0032] 作为本发明实施例的一种【具体实施方式】，所述基于所述多个图像，检测所述待测 对象是否为活体，还包括：
[0033] 获取所述第一图像及第二图像的图形类型；以及
[0034] 基于所述图像类型提取所述第一图像及第二图像的辅助特征。
[0035] 作为本发明实施例的一种【具体实施方式】，所述基于所述多个图像，检测所述待测 对象是否为活体，还包括：
[0036] 利用所述离散傅里叶变换特征及所述辅助特征构建特征向量；
[0037] 将所述特征向量作为输入，通过基于机器学习建立的反光特性的分类器进行分 析，判断所述待测目标是否为活体。
[0038] 为达到上述目的，本发明实施例还公开了一种基于光脉冲的人脸活体检测方法， 其特征在于，所述方法包括：
[0039] 以预设频率向待测对象发射不同信号强度的光信号；
[0040] 获取所述待测对象在不同信号强度的光信号下产生的多个图像；以及
[0041] 基于所述多个图像，检测所述待测对象是否为活体。
[0042] 作为本发明实施例的一种【具体实施方式】，所述基于所述多个图像，检测所述待测 对象是否为活体，包括：
[0043] 在多个图像上提取待测对象的目标区域，并获取所述目标区域的特征点信息；以 及
[0044] 基于所述目标区域及所述特征点信息，判断所述待测对象是否为活体。
[0045] 作为本发明实施例的一种【具体实施方式】，所述获取所述待测对象在不同信号强度 的光信号下产生的多个图像，包括：
[0046] 计算所述摄像装置获取的当前图像上的所述目标区域与所述特征点之间的方 差；
[0047] 当所述方差是否低于第一阈值时，舍弃当前图像，再次从所述摄像装置上获取待 测对象的图像。
[0048] 作为本发明实施例的一种【具体实施方式】，所述获取所述待测对象在不同信号强度 的光信号下产生的多个图像，还包括：
[0049] 计算所述摄像装置获取的每幅图像上的所述目标区域的平均亮度值；