人臉識別系統中活體人臉檢測

孫靜晶 張鵬

摘要：隨著科技的發展，人臉照片、人臉視頻、三維人臉模具越來越容易獲得，基于人臉認證的偽造攻擊越來越多，偽造技術也越來越高，對系統的安全帶來了嚴重的挑戰。

關鍵詞 人臉活體檢測； 部件相關描述子； 三維人臉結構；

一、算法流程設計

本算法實現流程如圖1所示。（1）首先進行預處理，選定視頻中不在人臉可能出現的區域，并將該區域圖像 保存，作為對比圖像在背景對比步驟使用。然后進行背景對比，選取一幀與預處理選定的背景圖像 相同區域的圖像 ，將 與圖像 進行灰度化處理得到兩幅圖的灰度圖像 和 。在圖像 上尋找 個亞像素級角點 ，使用金字塔Lucas-Kanade光流方法追蹤亞像素級角點 在圖像 的位置 。計算兩次角點位置偏移之和，大于某一閾值則認為背景發生變化、檢測的人臉為非活體人臉。（2）背景檢測結束后，對視頻每幀圖像進行人臉檢測和眼睛檢測。將檢測后的圖像進行直方圖均勻化、自適應二值化，然后進行形態學開閉操作求出眼珠，統計眼珠的像素總和 。分析每幀圖像中眼珠像素總和 ，當睜眼狀態時， 的值最大，閉眼狀態時， 的值為0。出現上述狀態時，可以認為該過程為眨眼過程。當背景檢測相同且發生眨眼過程時，則認為檢測的人臉是活體。

二、 算法識別過程

活體人臉檢測主要包括背景對比、眨眼檢測兩個過程。（1） 背景對比。為了防止圖片、視頻偽造攻擊，本文采取背景對比的方法。選取視頻中非人臉可能子區域作為感興趣的背景對比圖像 ，將該圖像保存，在背景對比時使用。打開攝像頭，將視頻第一幀作為背景對比幀。選定與圖像 相同的區域做為背景檢測圖像 。將對比圖像 和檢測推向 進行灰度化，得到各自的灰度圖像 和 。為了便于跟蹤，我們需要在圖像 選取一定數目的包含足夠信息且能從當前圖像和下一圖像都能提取出來的點。為了便于跟蹤和測量，使用亞像素級角點來檢測圖像 上的便于跟蹤的點集 。接下來在圖像 上使用圖像LK光流方法跟蹤上述點，找到跟蹤后的角點集 。設定所有角點漂移距離

判斷兩幅圖像的漂移距離，當背景相同時，兩次角點的漂移距離非常小，當背景被覆蓋時，背景角點的漂移距離非常大。設定合適的閾值 ，當 則認為背景發生了變化，檢測的人臉為非活體人臉，否則，進行眨眼檢測繼續判斷。

（2） 眨眼檢測。人臉檢測技術經過一段長時間的發展，現在已經非常成熟。各種快速人臉識別算法不斷出現。本實驗采用Paul Viola 和Miachael Jones等利用Adaboost算法構造了人臉檢測器，稱為Viola-Jones檢測器。之后Rainer Lienhart和Jochen Maydt用對角特征，即Haar-like特征對檢測器進行擴展。每個特征由2-3個矩形組成，淺色區域表示“累加數據”，深色區域表示“減去該區域的數據”，分別監測邊界、線、中心特征，這些特征可表示為： 其中， 為矩形的權， 為矩形 所圍圖像的灰度積分， 是組成 的矩陣個數。Adaboost是一種基于統計的學習算法，基本思想是利用分類能力一般的弱分類及通過一定的方法疊加（boost）起來，構成分類能力很強的強分類器。Viola-Jones檢測器利用瀑布（Cascade）算法分類器組織為篩選式的級聯分類器，級聯的每個節點是AdaBoost訓練得到的強分類器。在級聯的每個節點設置閾值 ，使得幾乎所有人臉樣本都能通過，而大部分非人臉樣本不能通過。

在尋找人臉和人眼后，選取一個眼睛區域，并記做眼部圖像 。使用自適應二值化操作，將眼部圖像變成二值化圖像 。眼部二值化圖像包含眼珠、眼瞼等區域，需要使用形態學閉操作將非眼珠區域去除： 其中， 為開操作符號， 為閉操作符號， 為膨脹操作符號， 為腐蝕操作符號。由于眼珠呈現圓形狀，故采用圓盤形的構造核，下面是不同大小對眼珠檢測結果的影響。在檢測眼珠之后，統計眼珠的像素總和 。當眼睛最大的時候，像素最多；眼睛閉上的時候，眼珠的像素總和為0。通過判斷眼珠像素總和 的變化，從而判斷眨眼過程。

三、 實驗結果及分析

本實驗是在Visual C++ 2010與OpenCV2.4.3開源視覺庫下完成的。實驗平臺為Pentium（R） Dual-Core處理器，2.00GB的內存，顯卡型號為NVIDIA GeForce 9300 GS顯存的微機。實驗軟件是Visual C++ 2010和OpenCV2.4.3.攝像頭采用極速E40，幀頻30FPS，攝像頭像素是200萬，動態分辨率是640*480.為了檢測本算法的正確性，我們進行了三組實驗，分別是1000張人臉照片攻擊，1000個視頻攻擊，以及1000次活體人臉測試。測試出人臉照片和視頻攻擊的正確率和時間，以及活體人臉測試的拒絕率和時間，并與其它算法進行對比。

四、 結論

實驗結果表明，本文算法能夠有效辨別圖像、視頻、3D模型（非眼睛眨動）的偽造人臉攻擊，具有準確率高，運算速度快等優點。同時，本文的算法不能識別眼睛眨動的3D人臉模型，這個方向將是未來我們的研究方向。

（作者單位：鶴壁汽車工程職業學院河南省鶴壁市）