身份認證中的活性人臉檢測技術(shù)的研究.pdf

1、近年來，生物認證技術(shù)高速發(fā)展，其中，人臉識別被廣泛應(yīng)用到各種安全系統(tǒng)的身份認證中。但是，傳統(tǒng)的人臉識別系統(tǒng)僅僅只能辨別采集圖像中的人臉，卻無法辨別圖像中的人臉是來源于攝像頭前的真實人臉還是一張打印出來的照片，更或者是提前錄制好的視頻等?？偟膩碚f，傳統(tǒng)人臉識別系統(tǒng)存在不可忽視的弊端，它無法辨別真實人臉和假冒人臉，即無法辨別人臉的活性和非活性。為了解決這個安全隱患，活性人臉檢測技術(shù)應(yīng)運而生。但由于人臉識別中欺詐方式的多樣性、外部環(huán)境的多變化

2、等原因，使得活性人臉檢測技術(shù)成為人臉識別實際應(yīng)用領(lǐng)域中的一個難點與熱點。
　　本文針對活性人臉檢測展開研究，認真學(xué)習(xí)并總結(jié)了相關(guān)領(lǐng)域中前人的工作。本文的主要研究工作如下:
　　(1)基于kinect深度信息的活性人臉檢測方法:鑒于kinect可有效且廉價地獲取圖像的深度信息的特點，本文利用kinect可以同時捕獲視野范圍內(nèi)的彩色圖像以及深度圖像的特點，在人臉深度圖像上提取紋理描述子，如局部二進制模式算子，并結(jié)合二進制分類器的

3、方法，來辨別人臉的活性與非活性。此外，為檢測紋理描述子的活體檢測性能，本文比較了不同類型的LBP算子及其變種?？紤]到人臉較小區(qū)域可能使得圖像攻擊或視頻攻擊的紋理特征更加可視化，本文還提出采用兩種不同方式（人臉分塊和人臉不分塊）計算紋理特征。并且比較了不同二值化分類器的真假人臉分類性能?？紤]到目前已公開的活性人臉數(shù)據(jù)庫無法滿足本算法的實驗要求，本人采集了基于kinect的深度信息的活體人臉檢測數(shù)據(jù)集，并在該數(shù)據(jù)集中驗證了該算法的性能。

4、r>　　(2)基于卷積神經(jīng)網(wǎng)絡(luò)的活性人臉檢測方法:不同于以往人工選擇圖像特征描述子，該方法使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）進行圖像的特征學(xué)習(xí)，通過復(fù)雜有效的網(wǎng)絡(luò)結(jié)構(gòu)對人臉建模，然后再結(jié)合支持向量機對提取到的更具區(qū)分性的特征進行人臉活性的分類。該方法，無需用戶配合且不需要額外的硬件設(shè)備。除了利用CNN進行有效的特征學(xué)習(xí)，本文也提出了兩種數(shù)據(jù)增強策略，包括空間尺度的增加和時間尺度的增加。通過增加空間尺度，本文進一步探究背景區(qū)域?qū)钚匀四槞z測的影響