基于紋理特征的2D-3D人臉活體檢測(cè)關(guān)鍵技術(shù)研究.pdf

1、人臉識(shí)別技術(shù)是一種精度高、穩(wěn)定性好、使用方便的生物識(shí)別技術(shù)，市場(chǎng)應(yīng)用前景廣闊。然而，人臉識(shí)別技術(shù)頻繁受到假冒攻擊（或復(fù)制攻擊），仍存在諸多安全隱患。在抵抗假冒攻擊（或復(fù)制攻擊）方面，活體檢測(cè)具有顯著的效果，它對(duì)樣本是否具有生命特征進(jìn)行了辨識(shí)。針對(duì)人臉識(shí)別系統(tǒng)無(wú)法識(shí)別采集的人臉圖像是否來(lái)自真人的問(wèn)題，本文重點(diǎn)研究了基于2D人臉圖像和3D人臉深度圖的活體檢測(cè)算法。主要工作包括:
　　1、針對(duì)現(xiàn)有3D人臉活體檢測(cè)數(shù)據(jù)庫(kù)較少的問(wèn)題，本文采

2、集了一個(gè)RGBD人臉數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)正樣本包括使用Kinect和另一雙目設(shè)備采集的104個(gè)真人在0.5-2米處不同姿態(tài)的深度人臉數(shù)據(jù)，共計(jì)20973張圖片。負(fù)樣本包括使用Kinect采集在不同環(huán)境下0.5-2米處不同角度的ipad、電腦、手機(jī)、照片攻擊人臉，共計(jì)12300張圖片。
　　2、針對(duì)現(xiàn)有的傅里葉頻譜分析方法較為簡(jiǎn)單且準(zhǔn)確率較低的情況，本文提出了一種改進(jìn)的傅里葉頻譜特征方法。該方法在對(duì)2D人臉區(qū)域圖像提取二維離散傅里葉頻譜

3、圖的基礎(chǔ)上，加入分塊子空間的方法，將傅里葉頻譜圖分成若干個(gè)子塊，并求得每一個(gè)子塊內(nèi)圖像的平均能量值，歸一化后級(jí)聯(lián)成一個(gè)全局傅里葉頻譜特征向量。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后傅里葉頻譜特征能有效地提高2D人臉圖像的活體檢測(cè)準(zhǔn)確率。
　　3、針對(duì)在訓(xùn)練樣本增加時(shí)，基于傅里葉頻譜特征的2D人臉活體檢測(cè)準(zhǔn)確率會(huì)進(jìn)一步下降的情況，本文提出了融合LBP特征的FS-LBP特征人臉活體檢測(cè)方法。該方法將傅里葉頻譜特征和低維的LBP特征級(jí)聯(lián)，并使用SVM來(lái)分

4、類(lèi)判別。實(shí)驗(yàn)結(jié)果表明，該方法在2D人臉活體檢測(cè)上更優(yōu)于時(shí)下最主流的MSLBP特征方法。
　　4、針對(duì)灰度共生矩陣緯度低，且其3D人臉的活體檢測(cè)率仍可進(jìn)一步提升的情況，本文提出了一種多尺度灰度共生矩陣的方法。該方法首先通過(guò)對(duì)RGB圖像進(jìn)行人臉檢測(cè)并同步采集深度圖的人臉區(qū)域圖像，其次將人臉區(qū)域深度圖調(diào)整為不同尺度大小的深度圖像，并分別提取其灰度共生矩陣特征，并級(jí)聯(lián)成一個(gè)多尺度灰度共生矩陣特征，最后使用SVM來(lái)分類(lèi)判別。實(shí)驗(yàn)結(jié)果表明，該