基于纹理特征的2D-3D人脸活体检测关键技术研究

摘要

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。

目录

声明

摘要

1．1 研究背景和意义

1．2 人脸活体检测研究现状

1．2．1 傅里叶频谱分析

1．2．2 三维深度分析

1．2．3 脸部光流分析

1．2．4 眨眼等行为检测

1．2．5 多光谱分析

1．2．6 活体检测方法小结

1．2．7 支持向量机(SVM)

1．3 研究目标

1．4 论文结构安排

第2章 人脸活体检测数据库

2．1 NUAA

2．2 REPLAY-ATTAK

2．3 CASIA Face Anti-Spoofing

2．4 MSU MFSD

2．5 BIWI Kinect Head Pose Database

2．6 本文作者采样的人脸数据库

第3章 基于2D人脸图像的活体检测算法

3．1 基于傅里叶频谱特征的2D人脸活体检测算法

3．2．1 LBP原理

3．2．2 基于LBP特征的2D人脸活体检测算法

3．3 基于灰度共生矩阵特征2D活体检测方法

3．3．1 灰度共生矩阵原理

3．3．2 基于灰度共生矩阵2D人脸活体检测算法

3．4 基于FS-LBP特征2D活体检测方法

3．5 实验结果与分析

3．5．1 数据库

3．5．2 实验一

3．5．3 实验二

3．5．4 实验三

3．6 本章小结

第4章 基于3D人脸深度图的活体检测算法

4．1 基于LBP特征的3D人脸活体检测算法

4．2 基于灰度共生矩阵特征的3D人脸活体检测算法

4．3 基于多尺度灰度共生矩阵特征的3D人脸活体检测算法

4．4．1 数据库

4．4．2 实验一

4．4．3 实验二

4．5 本章小结

5．1 本文工作总结

5．2 未来工作展望

致谢

参考文献

在学期间科研成果情况

参与的科研项目及成果