论文部分内容阅读
人脸识别技术经过近50年的研究历史，相继涌现了诸多高效的识别算法，人脸识别率的逐步提高，引导了商业化的发展，但系统的使用安全性也开始成为人们关心的问题。在人脸识别系统中面临的诸多安全问题中，人脸图像来源真实可靠的问题首当其冲，由于伪造人脸的手段多种多样，因而越来越多的学者致力于识别系统中的人脸活体检测研究，其中通过二次翻拍照片和二次翻拍视频伪造人脸的方式最为常见，判断一张人脸是活体人脸还是假冒人脸成为制约人脸识别系统长足发展的关键因素。因此，对二次翻拍的活体检测研究显得极为重要。 本论文首先对活体检测的研究背景、意义和国内外研究现状做了阐述，之后在寻找两类人脸图像的差异性上开展人脸的活体检测算法研究。在使用单个普通摄像头条件下，实现高效性、低复杂度的活体检测算法，本文的研究工作和创新点总结如下： 1、将真实与翻拍的人脸图像视为一个二分类的问题，且两类图像有很大的相似度，因此图像预处理和差异性研究显得尤为重要。 2、深入研究漫反射和镜面反射分量对人脸成像造成的幅值变化，提出一种基于表面梯度方向预测的检测算法。该算法在人脸 HSV空间完成自适应同态补偿，同时将一张人脸分为16等份，采用 Sobel方向算子中3*3块对像素滑动卷积，共得到128个特征值分布情况。实验结果表明活体图像比翻拍图像的细节信息分布高出40％，经 SVM分类检测达到近98%的正确率，且算法中平均每张人脸的检测时间约为0.5秒。 3、在频域上分析人脸高频信息的分布差异，提出 SVD与 HMM结合取证的方法。在人脸分割块提取小波高频系数，通过SVD稀疏分解降维构成24维观察序列，以五个连续的状态窗口序列生成隐马尔科夫模型，确定假冒人脸隐藏状态序列。实验表明由概率匹配在公开人脸库得到98.84%的检测率，在自建库中得到91.34%的检测率。 4、在Android系统上完成算法移植，在人脸识别系统中增加活体检测线程，对照片人脸与视频人脸进行实时环境检测，在手机平台上实现抗二次翻拍的活体检测系统。