一种针对手机屏幕攻击的单目可见光活体检测方法与流程

1.本发明涉及图像处理技术领域，特别涉及一种针对手机屏幕攻击的单目可见光活体检测方法。


背景技术：

2.当今社会，对于人脸识别技术的应用越来越广泛，同时对于活体攻击识别技术的需求也越来越多，通常活体检测方法主要是通过识别活体的生物信息进行判断，将生物信息作为特征来区分其他非生命体等伪造的生物特征。活体攻击类型主要包括：屏幕回放攻击、打印纸攻击和面具攻击。其中手机屏幕回放是最容易被选择的攻击类型。
3.然而，目前已有的活体检测方法，大多是使用结构光或近红外摄像头，需要承担额外的成本，单目可见光活体检测，过滤手机等移动设备的屏幕攻击，往往通过在扩充的人脸背景中检测手机等电子设备的方式，来进行活体检测，但是背景可以被掩盖和替换，进行二次欺骗。
4.另外，现有技术中的常用术语如下：
5.1、活体检测：在一些身份验证场景确定对象真实生理特征的方法。
6.2、单目活体检测：活体检测方式的一种，利用单个可见光摄像头提供的人脸图片，进行活体检测。
7.3、手机屏幕攻击：使用手机屏幕显示的人脸，冒充真实人脸进行身份验证。


技术实现要素：

8.为了解决上述现有技术中的问题，本技术的目的在于：
9.1、根据设备设定的有效检测距离m，设定摄像头成像的最清晰点l，满足l≥m。
10.2、利用在有效检测距离内，同等像素大小，手机屏幕人脸成像比真实人脸模糊的特点，进行活体检测。
11.具体地，本发明提供一种针对手机屏幕攻击的单目可见光活体检测方法，所述方法包括：
12.s1，根据设备设定的有效检测距离为m；
13.s2，根据高斯成像原理，通过调整传感器和镜头之间的距离，使得活体距离镜头的距离为l时成像最清晰，即设定摄像头成像的最清晰点距离为l，满足l≥m；
14.s3，利用在有效检测距离m内，同等像素大小，手机屏幕人脸成像比真实活体人脸模糊的特性，进行活体检测。
15.所述步骤s2中，所述的高斯成像原理：1/u 1/v＝1/f，其中f为焦距，凸正凹负；u为物距；v为像距，实正虚负；即物距的倒数加像距的倒数等于焦距的倒数，定焦镜头的焦距已确定，假设设定设备的镜头与活体之间的有效检测距离m；根据高斯成像原理，设l为物距，且l大于等于m，则像距也确定。
16.所述步骤s3进一步包括：
17.采集训练数据，在有效距离m内，采集真实的人脸数据以及手机屏幕活体攻击的人脸数据，因为手机屏幕的大小明显小于真实人脸的大小，所以在传感器成像相同大小像素的人脸图像时，手机屏幕必须比真实人脸更加的靠近摄像头，因此手机屏幕人脸的成像会更加的模糊，在l范围内，越接近镜头，成像越模糊。
18.将采集的训练数据应用于模型训练，具体如下：
19.通过步骤s1至步骤s3确定l、m值，调整好摄像头镜头到传感器的距离；使用真实的人和手机屏幕的人脸图片采集，标定数据分类；采集数据的图像质量信息，使用svm方法训练参数，用于实际应用区分活体和非活体。
20.所述标定数据是标定数据为活体还是非活体；所述采集数据的图像质量信息为采集待测体的多种图像质量指标，然后使用svm方法训练。
21.由此，本技术的优势在于：方法简单，不需要特别复杂的算法，运行效率高。利用手机屏幕小的特点，通过对单目摄像头的镜头和sensor的距离，使得在检测距离之内，同等大小的人脸成像，手机屏幕的人脸成像永远比真实人脸成像模糊，不管是使用传统机器视觉的方法，还是深度学习的方法，都可以有效检测出手机屏幕的活体攻击，不依赖人脸背景信息。
附图说明
22.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，并不构成对本发明的限定。
23.图1是本发明的方法流程图。
24.图2是本发明手机屏幕比真实人脸更靠近摄像头成像示意图。
具体实施方式
25.为了能够更清楚地理解本发明的技术内容及优点，现结合附图对本发明进行进一步的详细说明。
26.如图1所示，本发明涉及一种针对手机屏幕攻击的单目可见光活体检测方法，所述方法包括：
27.s1，根据设备设定的有效检测距离为m；
28.s2，根据高斯成像原理，通过调整传感器和镜头之间的距离，使得活体距离镜头的距离为l时成像最清晰，即设定摄像头成像的最清晰点距离为l，满足l≥m；
29.s3，利用在有效检测距离m内，同等像素大小，手机屏幕人脸成像比真实活体人脸模糊的特性，进行活体检测。
30.具体地，具体实施例中的方法为：
31.1、设定最远检测距离，距离镜头越远，物体成像的像素就越小，当成像的像素小于一定数值时，就无法进行准确的人脸识别，假设设备设定的有效检测距离m。
32.2、根据高斯成像原理，1/u 1/v＝1/f，其中f为焦距，凸正凹负；u为物距；v为像距，实正虚负。即物距的倒数加像距的倒数等于焦距的倒数，定焦镜头的焦距已确定，设l为物距，l大于等于m，那么像距也确定，通过调整sensor和镜头的之间的距离，可以使物体距离摄像头的距离为l时，成像最清晰。假设有效检测距离为1米即m为1000mm，设置l＝1010mm，
满足l》m，假设摄像头的焦距f为10mm，那么需要设置镜头到成像传感器的距离v为10.1mm，满足高斯成像原理即1/1010 1/10.1≈1/10，使得物体在镜头前1.01米时，成像最清晰，因此根据设定的l，m，以及选定的镜头焦距f，可以有确定的像距v，即镜头到传感器的距离。
33.3、所述步骤s3进一步包括：采集训练数据，在有效距离m内，采集真实的人脸数据以及手机屏幕活体攻击的人脸数据，因为手机屏幕的大小明显小于真实人脸的大小，所以在传感器成像相同大小像素的人脸图像时，手机屏幕必须比真实人脸更加的靠近摄像头，因此手机屏幕人脸的成像会更加的模糊，如图2所示，在l范围内，越接近镜头，成像越模糊。本方法并非依赖模糊的量化值和阈值对比，来判定是否失焦，进而判定当前人脸是否为活体。单一的模糊量化指标(如各种梯度函数)无法准确判定，而是依赖多个图片质量指标(参见statistical evaluation of image quality measures，article in journal of electronic imaging
·
april 2002)。然后采集真实人脸和手机屏幕人脸的数据，并标定该数据是活体还是非活体，采集多种质量指标(mse mean squared error mse均方误差，psnr peak signal to noise ratio psnr峰值信噪比，snr signal to noise ratio snr信噪比，sc structural content sc结构内容，md maximum difference md最大差，ad average difference ad平均差，nae normalized absolute error nae归一化绝对误差，ramd r-averaged md ramdr平均差md，lmse laplacian mse lmse拉普拉斯mse，nxc normalized cross-correlation nxc归一化互相关，mas mean angle similarity mas平均角相似度，mams mean angle magnitude similarity mams平均角幅度相似度，ted total edge difference ted总边差，tcd total corner difference tcd总角差)，然后使用svm方法训练。
34.4、将采集的训练数据应用于模型训练。模型训练的目的是为了使结果更为精确，具体步骤如下，确定l，m值，调整好摄像头镜头到感光传感器sensor的距离。使用真实的人和手机屏幕的人脸图片采集，标定数据分类。采集数据的图像质量信息，使用svm方法训练参数，其中，svm(support vector machine)支持向量机，是一种分类器。首先制作数据训练集，将活体和非活体的照片分类，分别提取图像的质量指标，组成一个特征向量数据集。设置合适的svm分类器参数，如核函数等。训练数据，得到一个超平面，将活体和非活体训练集特征向量分开，该超平面用于实际应用区分活体和非活体，用于实际应用区分活体和非活体。
35.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。