论文部分内容阅读
人脸识别技术是一种精度高、稳定性好、使用方便的生物识别技术,市场应用前景广阔。然而,人脸识别技术频繁受到假冒攻击(或复制攻击),仍存在诸多安全隐患。在抵抗假冒攻击(或复制攻击)方面,活体检测具有显著的效果,它对样本是否具有生命特征进行了辨识。针对人脸识别系统无法识别采集的人脸图像是否来自真人的问题,本文重点研究了基于2D人脸图像和3D人脸深度图的活体检测算法。主要工作包括:1、针对现有3D人脸活体检测数据库较少的问题,本文采集了一个RGBD人脸数据库。该数据库正样本包括使用Kinect和另一双目设备采集的104个真人在0.5-2米处不同姿态的深度人脸数据,共计20973张图片。负样本包括使用Kinect采集在不同环境下0.5-2米处不同角度的ipad、电脑、手机、照片攻击人脸,共计12300张图片。2、针对现有的傅里叶频谱分析方法较为简单且准确率较低的情况,本文提出了一种改进的傅里叶频谱特征方法。该方法在对2D人脸区域图像提取二维离散傅里叶频谱图的基础上,加入分块子空间的方法,将傅里叶频谱图分成若干个子块,并求得每一个子块内图像的平均能量值,归一化后级联成一个全局傅里叶频谱特征向量。实验结果表明,改进后傅里叶频谱特征能有效地提高2D人脸图像的活体检测准确率。3、针对在训练样本增加时,基于傅里叶频谱特征的2D人脸活体检测准确率会进一步下降的情况,本文提出了融合LBP特征的FS-LBP特征人脸活体检测方法。该方法将傅里叶频谱特征和低维的LBP特征级联,并使用SVM来分类判别。实验结果表明,该方法在2D人脸活体检测上更优于时下最主流的MSLBP特征方法。4、针对灰度共生矩阵纬度低,且其3D人脸的活体检测率仍可进一步提升的情况,本文提出了一种多尺度灰度共生矩阵的方法。该方法首先通过对RGB图像进行人脸检测并同步采集深度图的人脸区域图像,其次将人脸区域深度图调整为不同尺度大小的深度图像,并分别提取其灰度共生矩阵特征,并级联成一个多尺度灰度共生矩阵特征,最后使用SVM来分类判别。实验结果表明,该方法在3D人脸深度图上的活体检测准确率高于灰度共生矩阵特征和LBP特征方法。最后对本文工作进行了总结,并对本文后续工作进行了展望。