亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于邊框及亮度特征的人臉反欺騙研究

        2020-10-30 08:23:58李明進(jìn)白景文
        實(shí)驗(yàn)室研究與探索 2020年9期
        關(guān)鍵詞:矩形框角點(diǎn)活體

        李明進(jìn), 白景文

        (電子科技大學(xué)成都學(xué)院 微電子技術(shù)系,成都611731)

        0 引 言

        隨著人臉識(shí)別[1]廣泛應(yīng)用于各個(gè)場(chǎng)所,如超市人臉消費(fèi)機(jī)、小區(qū)人臉門禁系統(tǒng)等,隨之而來的安全性問題開始逐漸被大家重視,其中一項(xiàng)則是人臉非活體與活體[2-3]的辨別。近年來,關(guān)于非活體檢測(cè)方面的研究主要集中在:基于微觀紋理,基于動(dòng)態(tài)信息,基于多光譜和基于多特征融合的方法?,F(xiàn)在融合方案做得比較好的是采用多傳感器融合技術(shù),使用紅外對(duì)管進(jìn)行用戶距離判別與圖像傳感器用深度學(xué)習(xí)算法進(jìn)行二分類來判斷是否存在欺詐。多特征多方法的融合固然能取得較高的準(zhǔn)確率,但是由于耗時(shí),對(duì)設(shè)備要求高,缺乏推廣性。而基于動(dòng)態(tài)信息的非活體檢測(cè)方法,要求目標(biāo)人像進(jìn)行一些面部動(dòng)作,如眨眼、點(diǎn)頭等等。這類方法明顯的缺點(diǎn)是需要用戶必須花時(shí)間做一些相應(yīng)的動(dòng)作?;谖⒂^紋理的分析是以靜態(tài)圖像為分析對(duì)象,例如基于二進(jìn)制統(tǒng)計(jì)殘差特征進(jìn)行分辨活體人臉[4]與基于圖像色彩紋理的人臉活體檢測(cè)算法研究[5],以上兩種方法是計(jì)算活體與需要被檢測(cè)的人臉都進(jìn)行提取,由差值來進(jìn)行判斷。此類方法因?yàn)樾枰O(jiān)控的變量和影響結(jié)果質(zhì)量的因素繁多,涉及到被檢測(cè)人像的光亮、素材質(zhì)量、人臉紋理、素材圖片色彩質(zhì)量,以及該人臉的標(biāo)準(zhǔn)活體等,在實(shí)現(xiàn)上受判斷因素影響較大。

        為了簡(jiǎn)化以及減少影響因素同時(shí)提高普遍適用性,本文基于非活體人臉的背景邊框與光亮特征兩種特性,對(duì)識(shí)別非活體的依據(jù)進(jìn)行研究。本文的主要工作包括:①基于LSD設(shè)計(jì)出一個(gè)具有較好魯棒性的矩形邊框檢測(cè)算法,用于檢測(cè)非活體人臉的背景邊框,如手機(jī)框、身份證、照片等矩形框,并且能在有遮擋、光亮噪聲等情況下均能識(shí)別。②通過實(shí)驗(yàn)對(duì)于一個(gè)固定的場(chǎng)所,給出人臉區(qū)域光亮的特征。③使用手機(jī)框、身份證、照片作為實(shí)驗(yàn)素材,驗(yàn)證融合矩形邊框檢測(cè)和光亮特征的人臉非活體檢測(cè)算法,分析優(yōu)勢(shì)與不足。

        1 矩形框提取

        1.1 LSD算法提取線段

        LSD[6]算法是一種線段檢測(cè)算法,具有速度快、精度高(達(dá)到亞像素級(jí))。LSD 算法運(yùn)用兩個(gè)重要概念gradient(梯度)和level-lines(水平線)。創(chuàng)建單位向量場(chǎng)由每個(gè)像素點(diǎn)計(jì)算得到的角度組成,給定一個(gè)范圍值τ,滿足τ并且像素點(diǎn)具有相同角度的歸為對(duì)應(yīng)的連通域,并生成對(duì)應(yīng)的待定域,每個(gè)待定域?qū)嵸|(zhì)是一條待定的線段。當(dāng)一個(gè)由待定域越細(xì)長(zhǎng)時(shí),那么就更有可能是直線段,使用一個(gè)矩形覆蓋該待定域,計(jì)算矩形的主要方向與覆蓋待定域水平角度的差值。若滿足τ,則歸類這些像素點(diǎn),由這些值得到這個(gè)區(qū)域的NFA值,由NFA值判斷是否線段;如果小于1,那么這個(gè)矩形可以被認(rèn)為是一條線段。

        1.2 線段特征提取

        本文將上述提取的線段進(jìn)行矩形特征[7]提取,分為兩大類:邊線特征[8]提取;角點(diǎn)特征[9]提取。

        邊線特征提取是為了應(yīng)對(duì)矩形被某些物體遮擋的情況或者殘缺矩形的情況,矩形的邊是斷裂的,或者是不連續(xù)的線段,普通的方法是不能把這些斷裂的線段識(shí)別為矩形的一條邊,但是這些線段共同的特點(diǎn)是θ和ρ相近,所以針對(duì)以上描述,把邊類特征細(xì)化為:同一水平位置線段可組合為一條線段,左右方向延伸的線段。同理,線段與線段能形成的90°夾角的整合為角點(diǎn)特征。

        1.2.1 同一水平直線位置的直線特征提取

        判斷直線之間的位置關(guān)系主要使用極坐標(biāo)的ρ和θ,ρ代表直線到原點(diǎn)的距離,θ 代表該距離向量的方向。在進(jìn)行位置判斷之前,首先定義一個(gè)距離閾值ρ閾和一個(gè)角度閾值θ閾。根據(jù)在同一直線上兩線段的ρ和θ相等的原理,對(duì)每條線段的ρ 和θ 進(jìn)行篩選,當(dāng)滿足:

        記直線A和直線B為同一水平位置特征(見圖1)。

        圖1 A,B,C為同一水平位置特征

        1.2.2 組合關(guān)系的特征提取

        為了避免噪聲造成輪廓斷裂的影響,對(duì)同一水平直線進(jìn)行再提取新的特征關(guān)系,方法是判斷兩直線端點(diǎn)距離:

        式中:str1與end1分別為直線A 的始端點(diǎn)和尾端點(diǎn);str2與end2分別為直線B的始端點(diǎn)和尾端點(diǎn)。比較所有Gap,將最小的Gap 值列為兩直線的最小距離Gapmin,然后確定一個(gè)直線距離閾值Gap閾,當(dāng)滿足

        記直線A和B為可組合直線(見圖2)。

        圖2 A,B為可組合線段關(guān)系

        1.2.3 同一水平直線的左右延伸特征提取

        為了方便對(duì)矩形的有效邊進(jìn)行最大延伸檢測(cè),對(duì)直線之間的左右位置關(guān)系進(jìn)行處理,在同一水平直線的基礎(chǔ)上進(jìn)行新的特征提取,具體流程如圖3 所示。

        圖3 線段左右延伸關(guān)系提取流程

        根據(jù)上述流程分別確定兩條直線相互的左右關(guān)系和包含關(guān)系,如圖4 和圖5 所示。

        圖4 直線B為直線A的右延伸直線

        圖5 直線A包含直線B

        1.2.4 角點(diǎn)基本特征提取

        (1)確定角點(diǎn)基本特征的方法是判斷兩線段端點(diǎn)距離,兩條線段間端點(diǎn)距離最小記為Gapmin,給定一個(gè)距離閾值Gap閾,當(dāng)滿足:

        則認(rèn)為這兩條線段滿足本文提出的角點(diǎn)特征的要求,之后得該夾角的角點(diǎn)數(shù)據(jù),稱為該夾角的角點(diǎn)Pt角。

        (2)角點(diǎn)的線段位置屬性提取。依據(jù)角的兩條線段之間關(guān)系對(duì)位置屬性進(jìn)行分類:有交點(diǎn)夾角,無交點(diǎn)夾角,延長(zhǎng)一條線段后有交點(diǎn)夾角。

        具體流程如圖6 所示。角點(diǎn)的屬性類型如圖7所示。

        1.2.5 角點(diǎn)方向特征提取

        為了明確矩形線段檢索順序,同時(shí)也為了保證找到矩形的完整和可靠性,把角點(diǎn)特征細(xì)分為4 類,即一個(gè)矩形的4 個(gè)不同位置的4 類頂角,在這之后依據(jù)矩形4 個(gè)頂角之間固有的關(guān)系,實(shí)現(xiàn)提出的聚類特征矩形檢測(cè)算法。

        圖6 角點(diǎn)線段位置屬性提取流程

        圖7 角點(diǎn)屬性詳解

        角點(diǎn)方向特征提取流程如圖8 所示。

        圖8 方向角提取流程

        1.3 基于線段特征進(jìn)行矩形框檢測(cè)

        先從輪廓線段中任取一條直線作為起始線段,跟蹤與起始線段成左上角點(diǎn)特征的線段標(biāo)號(hào)。確認(rèn)矩形左上角之后,對(duì)新標(biāo)記的線段跟蹤與其成右上角特征的線段標(biāo)號(hào),并確認(rèn)矩形右上角。之后依次是右下角,左下角,最后記錄4 個(gè)角的位置,并將其順時(shí)針依次連接,得到矩形。詳細(xì)流程如圖9、10 所示。

        1.4 線段特征庫(kù)說明

        提取直線相應(yīng)特征后創(chuàng)建一個(gè)總庫(kù)用于記錄所得到所有直線對(duì)應(yīng)的所有特征,而每一條直線與其余直線的相應(yīng)特征建立一個(gè)子庫(kù)存放于總庫(kù)中。如果該直線與另一條直線滿足之前相應(yīng)的邊角特征,那么就在該直線的總特征庫(kù)中的相應(yīng)子特征庫(kù)中記錄另一條直線標(biāo)號(hào)。相應(yīng)地,另一條直線的總特征庫(kù)中的相應(yīng)子特征庫(kù)也記錄該直線的標(biāo)號(hào)。

        某直線總特征庫(kù):①邊類特征庫(kù)。同一水平直線特征庫(kù),左可組合直線特征庫(kù),右可組合特征庫(kù),包含直線特征庫(kù)。②角點(diǎn)特征庫(kù)。左上角特征庫(kù),右上角特征庫(kù),右下角特征庫(kù),左下角特征庫(kù)。

        圖9 基于線段特征的矩形檢測(cè)

        圖10 每層循環(huán)詳細(xì)流程

        2 深度學(xué)習(xí)人像位置及光亮特征提取

        2.1 深度學(xué)習(xí)人像位置提取

        本文利用基于深度學(xué)習(xí)[10-11]、目標(biāo)檢測(cè)算法[12]進(jìn)行人像位置提取。2014 年,Girshick 等設(shè)計(jì)了R-CNN框架,使目標(biāo)檢測(cè)取得巨大突破。流程大致可分為:首先使用Selective search 算法從輸入的圖像中提取region proposal;其次為使CNN 有標(biāo)準(zhǔn)的輸入需要將region proposal 的大小進(jìn)行歸一化;然后使用AlexNet提取特征;最后利用多個(gè)SVM進(jìn)行分類[12],同時(shí)使用線性回歸微調(diào)定位框。但是該方法在對(duì)region proposal特征提取階段計(jì)算量大且速度慢,而且訓(xùn)練步驟繁多。之后為了使算法更準(zhǔn)確并且速度更快,相繼有人提出了SPP-Net、Fast R-CNN[13]、RPN特征提取深層網(wǎng)絡(luò)的Faster R-CNN[14]和對(duì)于Faster R-CNN 的改進(jìn)算法[15]。

        本文使用CNN模型實(shí)現(xiàn)對(duì)目標(biāo)圖片進(jìn)行人臉檢測(cè)后,對(duì)檢測(cè)出的人臉的位置進(jìn)行記錄,方便與之后矩形框位置進(jìn)行對(duì)比。

        2.2 光亮特征提取

        為了更準(zhǔn)確地辨別活體與非活體,預(yù)先通過訓(xùn)練獲取的環(huán)境亮度在每個(gè)時(shí)間段的光亮特征曲線,以及包括人臉在每個(gè)時(shí)間段出現(xiàn)在攝像頭不同位置的亮度特征。當(dāng)需要進(jìn)行辨別非活體時(shí),對(duì)目標(biāo)人臉進(jìn)行亮度值提取后與該時(shí)間段場(chǎng)所對(duì)應(yīng)的亮度值進(jìn)對(duì)比,若亮度值差異達(dá)到設(shè)定的閾值,則認(rèn)為是非活體。

        3 人臉反欺騙的檢測(cè)流程

        人臉反欺騙檢測(cè)的整體流程如圖11 所示,當(dāng)使用身份證、打印照片檢測(cè)結(jié)果為非活體時(shí),表明反欺騙檢測(cè)成功。

        圖11 人臉反欺騙的檢測(cè)流程

        4 實(shí)驗(yàn)結(jié)果分析

        圖12 為手持身份證人像面實(shí)驗(yàn)素材,手指對(duì)身份證有所遮擋。圖13 為人手持人像照片實(shí)驗(yàn)素材。對(duì)實(shí)驗(yàn)素材進(jìn)行LSD 輪廓提取得到的結(jié)果如圖14、15所示。之后對(duì)照片中的矩形框和人像位置進(jìn)行提取得到的結(jié)果如圖16、17 所示。

        實(shí)驗(yàn)素材1 由于得到的矩形框與人像位置結(jié)果圖的情況為矩形框包含人像,所以可以由此得出這張人臉為非活體。實(shí)驗(yàn)素材2 由于矩形框內(nèi)的人臉被該矩形框完全包含,所以認(rèn)為該人臉為非活體,而照片外的人臉并沒有被矩形框完全包含,所以該人臉被認(rèn)為活體。由上述結(jié)果可以得出,該方法有效解決了矩形框斷裂和矩形框遮擋帶來的不良影響,更快速、有效地對(duì)人臉的活體與非活體做出判斷。

        圖12 實(shí)驗(yàn)素材1

        圖13 實(shí)驗(yàn)素材2

        圖14 實(shí)驗(yàn)素材1的LSD結(jié)果

        圖15 實(shí)驗(yàn)素材2的LSD結(jié)果

        圖16 實(shí)驗(yàn)素材1矩形框與人像位置結(jié)果

        圖17 實(shí)驗(yàn)素材2矩形框與人像位置結(jié)果

        5 結(jié) 語(yǔ)

        現(xiàn)有的人臉識(shí)別易遭到各式各樣的攻擊,給系統(tǒng)的活體識(shí)別帶來挑戰(zhàn)。如何增強(qiáng)檢測(cè)精度、縮短耗時(shí)、增加魯棒性能、提高泛化能力成為目前的人臉識(shí)別系統(tǒng)的研究熱點(diǎn)。本文介紹了一種基于邊框和人臉亮度特征的人臉非活體檢測(cè)的研究方法,重點(diǎn)是基于矩形框檢測(cè),人像位置以及人像光亮特征的差異,提出了一種可以作為非活體檢測(cè)依據(jù)的研究方法,該方法表現(xiàn)出了對(duì)紙張攻擊,屏幕攻擊有很強(qiáng)的反欺騙性,并且耗時(shí)短,可普遍應(yīng)用。實(shí)驗(yàn)中對(duì)身份證照片、打印照片等進(jìn)行測(cè)試,結(jié)果表明,矩形框檢、人像位置、光亮特征都擁有較高的檢測(cè)精度,并且矩形框檢測(cè)能有效避免噪聲、矩形框不完整等不良因素帶來的誤檢與漏檢。該研究可以作為常用場(chǎng)合非活體檢測(cè)的依據(jù)或方法。后續(xù)工作將對(duì)無邊框圖像和面具攻擊進(jìn)行反欺騙研究。

        猜你喜歡
        矩形框角點(diǎn)活體
        張帆:肝穿刺活體組織學(xué)檢查
        肝博士(2021年1期)2021-03-29 02:32:08
        讓活體肝移植研究走上世界前沿
        活體器官移植,你怎么看?
        多模態(tài)卷積神經(jīng)網(wǎng)絡(luò)的物體抓取檢測(cè)
        一種汽車式起重機(jī)防傾翻方法的研究
        基于FAST角點(diǎn)檢測(cè)算法上對(duì)Y型與X型角點(diǎn)的檢測(cè)
        基于邊緣的角點(diǎn)分類和描述算法
        電子科技(2016年12期)2016-12-26 02:25:49
        基于圓環(huán)模板的改進(jìn)Harris角點(diǎn)檢測(cè)算法
        “汪星人”要打“飛的”——話說活體空運(yùn)
        PowerPoint 2013圖片裁剪技巧兩則
        毛茸茸性xxxx毛茸茸毛茸茸| 亚洲性av少妇中文字幕| 亚洲中文字幕第二十三页| 国产av熟女一区二区三区蜜臀| 麻豆人妻性色av专区0000| 桃红色精品国产亚洲av| 久久99国产精品久久99| 无码人妻丰满熟妇区五十路百度| 亚洲av无码资源在线观看| 國产AV天堂| 亚洲黄色一插一抽动态图在线看| 亚州av高清不卡一区二区| 国产免费av手机在线观看片| 亚洲人成无码区在线观看| 无码国产精品一区二区高潮| 国产精品毛片久久久久久l| 亚洲熟女一区二区三区不卡| 国精产品一区一区三区有限在线| 亚洲精品午夜无码电影网| 日本一区二区不卡视频 | 日韩av中出在线免费播放网站| 国产精品丝袜美女久久| 国内自拍色第一页第二页 | 疯狂撞击丝袜人妻| 亚洲成av人片无码不卡播放器| 亚洲中文字幕不卡无码| 国产视频免费一区二区| 性欧美丰满熟妇xxxx性久久久| 久久精品免费一区二区三区| 欧美色色视频| 邻居少妇太爽在线观看| 人妻精品久久久久中文字幕| 四虎影视4hu4虎成人| 亚洲日韩精品久久久久久| 日本少妇比比中文字幕| 精品人妻久久一日二个| 欧美亚洲熟妇一区二区三区| 色一情一乱一伦一区二区三欧美| 国产精品一级av一区二区| 一区二区在线观看精品在线观看 | 亚州精品无码人妻久久|