智能门禁系统中人脸活体检测方法研究

摘要

人脸识别身份认证技术以其方便快捷、非接触式等特点，被广泛应用在安防、门禁、考勤等领域。然而，传统的人脸识别系统虽能辨认出不同的人脸，却很难判断出此人脸为活体还是照片，会给身份认证系统带来巨大安全隐患。因此，人脸活体检测得到广泛关注，成为研究的热门课题。　　论文总结了国内外人脸活体研究成果，针对照片欺骗问题，从图像纹理信息出发展开研究，结合机器学习理论，设计了两种抵御照片欺骗、无需用户配合、无需附加设备的人脸活体判别方法。论文的主要工作分为以下两个方面：　　（1）关注照片人脸二次成像后发生的非线性变化，形成的表面纹理信息差异，从检测图像边缘的细节变化出发，设计了一种人脸活体判别方法。新方法以梯度方向直方图统计纹理信息，并分别将真实人脸与照片人脸的平均梯度方向特征作为首要参照量，再结合直方图相交比较待判别对象与参考特征的相似度构造全局定量描述，最终，用SVM分类器实现真实人脸与照片人脸的分类。　　（2）针对人脸活体判别中，人为选择特征困难和易忽略抽象性特征的问题，设计了一种LBP特征结合深度学习的人脸活体判别方法。此方法采用深度信念网络为主要模型以LBP特征作为深度网络的输入突出真实人脸和照片人脸在局部的纹理差异，即能自下而上自动学习真实人脸与照片人脸具有区分性的抽象特征，又可以改善图像以像素特征输入深度网络时忽略二维局部结构特征的问题。

目录

声明

1 绪论

1.1研究背景及意义

1.2 国内外研究现状

1.3 研究内容及论文结构

2 人脸活体检测相关理论基础

2.1 人脸成像模型分析

2.2 人脸活体检测数据库

2.3 人脸检测

2.4支持向量机分类理论

2.5活体检测性能评价指标

2.6本章小结

3 基于梯度方向直方图的人脸活体判别方法

3.1梯度方向直方图及其相似性测算

3.2 梯度信息描述人脸纹理

3.3 人脸活体判别方案

3.4实验结果与分析

3.5本章小结

4 LBP特征结合深度学习的人脸活体判别

4.1 基于LBP 的人脸特征描述

4.2 深度学习网络模型

4.3 基于LBP和DBN的人脸活体判别方案

4.4实验与分析

4.5本章小结

5 总结与展望

参考文献

研究成果

致谢