一种基于三维卷积神经网络的活体人脸检测算法

技术领域

本发明涉及人脸识别领域，尤其涉及一种基于三维卷积神经网络的活体人脸检测算法。

背景技术

近年来，随着科学技术的发展，生物特征信息的获取与伪造变得越来越容易，非法认证者可通过偷拍、录制一段合法认证者的视频来伪造合法认证者的人脸。如果人脸识别系统不具备这些假冒攻击的检测功能，这将给人脸识别系统的安全性带来威胁，同时也会阻碍人脸识别技术的推广应用。而通过活体人脸检测技术，可以有效辨别出合法认证者与非法入侵者。

活体人脸检测可看成二分类问题，即真实人脸和伪造人脸的分类问题，已有很多研究者对活体人脸检测做出研究，大致分为三类: 基于图像纹理信息进行分析、基于动作信息及逆行分析以及通过多特征融合进行分析。这些方法大多采用手工设计特征，利用照片在二次成像时造成的莫尔条带效应，将真实人脸图片和伪装人脸图片同时变换到频率域，在频率域中寻找莫尔条带效应的峰值，从而区分真实人脸和伪装人脸。但是这些方法由于均为手工设计的特征，只对某种类型的图片有较好的识别率，不具备普适性。

发明内容

针对现有技术存在的问题，本发明提出一种基于三维卷积神经网络的活体人脸检测算法，为实现活体人脸检测，将训练图片预处理之后，进行人脸定位，再利用三维卷积神经网络学习连续帧图像的时空特征，然后，时空特征通过softmax（s函数）进行分类，从而完成真实人脸和伪装人脸的分类；本算法通过端到端结构提取的特征比人工设计的特征好，且提取出的时空特征有助于提高视频人脸伪装的检测效率，且具有一定的普适性。

一种基于三维卷积神经网络的活体人脸检测算法，具体步骤为：

（1）图片预处理：

对原始图像做人脸定位，并分 5 个尺度裁剪图像，第一个尺度下的人脸图像即为最初检测到的人脸，第二、第三、第四、第五尺度下的人脸图像依次是第一尺度下人脸图像长宽的 1.4、1.8、2.2、2.6 倍最后统一归一化为 64×64 像素的图像；

（2）人脸定位：

图像数据库以视频方式给出，基于视频中人脸基本保持不变这一特点，为保证图像之间的连续性，只对视频的第一帧图像检测人脸，该视频剩余帧直接套用第一帧图像检测到人脸的矩形框；对于没有检测到人脸或检测质量不佳的图像，做手工处理；人脸检测通过标定人脸76个关键点定位人脸，并找到对应 X、Y 坐标轴的最大最小值，得到人脸的矩形框；

(3) 网络结构

针对活体人脸检测设计一个适用的网络结构，首先数据进入3D卷积层，并将卷积核的时间维度设计为3，每个卷积层之后使用非线性激活函数即Relu激活层，然后是3D池化层，重复三次，最后有三个全连接层，第一、第二两个全连接层的节点数均设置为4096个，后面紧跟抛弃层即Dropout 层，用于防止训练过程中出现过拟合现象，Dropout率被设置为0.3，由于活体人脸检测是二分类问题，最后一层全连接层的输出节点数设置为2个。

一种基于卷三维积神经网络的活体人脸检测方法，在训练 3D 卷积神经网络时，输入层输入连续的经过归一化的视频帧序列，利用 3D卷积神经网络学习连续帧图像的时间空间特征; 通过提取 3D 卷积神经网络最后全连接层学到的特征，训练 SOFTMAX 分类器，实现真实人脸和伪装人脸的分类。

附图说明

图1是基于三维卷积神经网络的活体人脸检测整体神经网络结构图；

图2是活体人脸检测流程框图。

具体实施方式

下面结合本发明中的附图，对本发明中的技术方案进行进一步清楚完整的描述：

一种基于三维卷积神经网络的活体人脸检测算法，具体步骤为：

（1）图片预处理：

对原始图像做人脸定位，并分 5 个尺度裁剪图像，第一个尺度下的人脸图像即为最初检测到的人脸，第二、第三、第四、第五尺度下的人脸图像依次是第一尺度下人脸图像长宽的 1.4、1.8、2.2、2.6 倍最后统一归一化为 64×64 像素的图像；

（2）人脸定位：

图像数据库以视频方式给出，基于视频中人脸基本保持不变这一特点，为保证图像之间的连续性，只对视频的第一帧图像检测人脸，该视频剩余帧直接套用第一帧图像检测到人脸的矩形框；对于没有检测到人脸或检测质量不佳的图像，做手工处理；人脸检测通过标定人脸76个关键点定位人脸，并找到对应 X、Y 坐标轴的最大最小值，得到人脸的矩形框；

(3) 网络结构

针对活体人脸检测设计一个适用的网络结构，首先数据进入3D卷积层，并将卷积核的时间维度设计为3，每个卷积层之后使用非线性激活函数即Relu激活层，然后是3D池化层，重复三次，最后有三个全连接层，第一、第二两个全连接层的节点数均设置为4096个，后面紧跟抛弃层即Dropout 层，用于防止训练过程中出现过拟合现象，Dropout率被设置为0.3，由于活体人脸检测是二分类问题，最后一层全连接层的输出节点数设置为2个。图2为算法的整体设计流程图再训练集视频进行训练之后，用于测试的测试集数据输入到网络中，判别真假。图2中的网络模型的细节如图1中所示，在网络模型的最后通过softmax函数输出真假人脸的概率，从而进行判别。

根据现有的数据集，可以采用ReplayAttack与CASIA数据集，ReplayAttack人脸伪装数据库由 1300 个 mov 格式的短视频组成。这些视频包含 50 个不同受试者在不同光照环境下( 统一人工光照和自然光) 录制的真实人脸、照片伪装、打印照片伪装和视频伪装人脸。三种不同伪装方式的录制又分为固定和手持两种情况。CASIA 人脸伪装数据库是由中国科学院生物研究中心制作的，由 600个avi 格式的短视频组成。数据库已经分配好了训练集和测试集，共包含有50个受试者，每一个受试者通过 3 种不同的分辨率( 低、中、高) 设备录制了真实人脸和 3 种不同方式( 扭转、剪切照片、视频伪装) 的伪装人脸，即每一受试者被录制了 12 个短视频( 3 个真实，9 个伪装) 。训练阶段采用 ReplayAttack的训练集和 CASIA 的验证集，测试阶段则采用 CASIA 的测试集; 反之，对于 CASIA 人脸伪装数据库，训练阶段采用 CASIA 的训练集的ReplayAttack 的验证集，测试阶段则采用ReplayAttack 的测试集，通过数据库的交叉测试，即用一个数据集训练分类器，再用另一个数据集测试其性能，这种测试方法非常符合现实应用，能够有效的检测出分类器的效果。