人脸识别系统中的活体检测算法研究

摘要

随着现代科技的不断发展，人脸识别系统已经开始逐渐取代传统的安防身份认证系统，被广泛地应用于各类安防领域之中。人脸活体检测技术是人脸识别系统中一项十分重要的组成部分。在现代社会中，包含合法用户人脸信息的图像和视频极易被盗取，而该技术可以区分当前用户的真实性，从而提高系统整体的安全性。 目前，人脸活体检测方法可以分为用户协作式检测法、依赖特殊设备检测法以及静默式检测法。前两种检测方法均存在明显的缺陷，如用户体验感差、检测时间过长、设备成本高昂、应用场景有限等。静默式检测法被认为是目前最理想的检测方法。针对该类算法的几个研究重点，本文进行了充分的研究工作，主要如下: (1)针对已往基于纹理特征的检测方法忽略色彩特征信息的问题，本文提出采用融合色彩空间替代传统的灰度空间与RGB色彩空间。文中通过色彩通道相关性实验以及对比真假人脸图像在融合色彩空间中的色彩分布差异，验证了色彩特征信息对于人脸活体检测算法的有效性。 (2)针对已往算法中图像分类特征不够高效的问题，本文提出了一种融合色彩纹理特征。该特征采用融合相邻局部二值模式(Co-Occurrence of adjacent Local Binary Pattern，CoALBP)和局部梯度模式(Local Derivative Pattern，LDP)两种特征实现融合纹理特征，并在融合色彩空间中进行特征提取。因此融合色彩纹理特征中包含了色彩特征信息、纹理特征信息、空间特征信息以及梯度特征信息。 (3)针对已往算法在数据库内部验证中表现良好，在数据库交叉验证中表现不佳的问题，本文提出了一种采用高辨识度局部图像替代全局图像的方法进行特征提取。本文提出了五种相关算法从候选图像块中选取出具有高辨识度的局部图像，分别为DEND聚类算法、CP(Cluster pairing)算法、CS(Cluster space)算法、MAXDIS算法和IQA(Image QualityAssessment)算法。并进行了相关的实验，通过分析实验结果选取最合适的算法。 为验证本文算法的有效性，文中设计并进行了相关实验。为与已往的优秀算法进行对比，实验将在Replay-Attack、CASIA、MSU、OULU四个标准公开数据库上进行。实验结果表明，本文算法在数据库内部验证和数据库交叉验证实验中均取得了良好的效果。

目录

声明

摘要

第1章绪论

1．1研究背景及意义

1．2国内外研究现状

1．2．1基于图像分析的检测方法

1．2．2基于纹理特征的检测方法

1．2．3基于频谱分析的检测方法

1．3研究内容及论文结构

2．1人脸检测技术

2．1．1传统检测算法

2．1．2深度学习检测算法

2．2机器学习分类算法

2．2．1朴素贝叶斯分类算法

2．2．2支持向量机分类算法

2．3活体人脸公开数据库

2．3．2 CASIA FASD数据库

2．3．3 MSU MFSD数据库

2．3．4 OULU数据库

2．4本章小结

3．1引言

3．2色彩特征分析

3．2．1色彩空间概述

3．2．2通道相关性分析

3．2．3色彩分布特性

3．3局部纹理特征分析

3．3．1 LBP算子

3．3．2 CoALBP算子

3．3．3 LDP算子

3．3．4融合色彩纹理特征

3．4实验结果及分析

3．4．1实验环境及设置

3．4．2实验分析

3．5本章小结

4．1引言

4．2高辨识度图像块选取算法

4．2．1基于聚类分析的算法

4．2．2基于非聚类分析的算法

4．3人脸防欺骗检测系统

4．4实验结果与分析

4．4．1实验环境

4．4．2实验分析

4．5本章小结

5．1本文工作总结

5．2未来工作展望

参考文献

致谢

攻读硕士期间的研究成果