基于图像特征分析的人脸活体检测

发布时间：2024-05-08 19:26

　　近年来,随着人脸识别技术的不断发展,人脸识别系统在日常生活中的应用愈加广泛,人脸识别系统遭受人脸伪造攻击的风险也大大提升。为了提高人脸识别系统的安全性,本文针对人脸活体检测技术展开研究,主要研究工作如下:针对活体人脸和伪造人脸在采集过程中和再现过程中的差异性,提出了基于空域与频域多特征融合的人脸活体检测方法。该算法在图像空域提取人脸的色相矩特征和模糊度特征,在频域提取人脸的傅里叶谱能量特征和能量占比特征,再将空域和频域特征进行级联融合并做归一化处理作为描述人脸图像的全局特征向量,用于训练SVM分类器并区分活体人脸和伪造人脸。在两个公开的数据集NUAA和CASIA上的实验结果表明,该算法性能优于其它基于单一特征或单一域特征的人脸活体检测算法。针对现有的基于手工特征的人脸活体检测算法需要人工精心设计特征且特征泛用性不强,而基于常规深度学习的人脸活体检测算法缺乏足够训练样本的问题,提出了基于深度迁移学习的人脸活体检测算法。该算法首先修改了VGG-16卷积神经网络模型,使网络结构更适合人脸活体检测的目标任务,接着在深度网络训练过程中采用数据增强和迁移学习的方式,将训练集图像经过预处理后送入网络...

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图1NUAA［15］数据库中活体人脸(第一行)和照片人脸的实例(第二行)

信号处理第30卷辨［12-14］，如图1所示。事实上，活体人脸是一复杂的非刚性三维物体，而照片人脸是一平面的刚性物体，因此会产生不同的光照反射和阴影;由于真实人脸和照片人脸的表面属性的差异性，比如色素;而且照片人脸通常包含印刷质量的缺陷，这一差异可以利用纹理细节较好的检测。因此，....

图2基于灰度共生矩阵和小波分析的活体人脸检测算法框架

，因此会产生不同的光照反射和阴影;由于真实人脸和照片人脸的表面属性的差异性，比如色素;而且照片人脸通常包含印刷质量的缺陷，这一差异可以利用纹理细节较好的检测。因此，本文提出了一种基于灰度共生矩阵和小波分析的活体照片人脸检测方法来解决这一问题。算法框图如2所示(在本论文实验中，NU....

图1.1活体人脸和照片人脸的傅里叶频谱图

武汉科技大学硕士学位论文3中的低频分量就较多。如图1.1所示，由于伪造人脸图像相较于活体人脸图像经过了图像的重现和二次采集过程，由于重现过程中的失真和二次采集过程中的抖动等因素，造成其图像质量有一定下降，最终反映到成像清晰度上，在图像的频域上分析高频和低频信息来进行活体检测。图1....

图1.2基于LBP特征的人脸活体检测算法图[19]

武汉科技大学硕士学位论文4人脸图像提取LGS特征，利用最近邻分类器进分类识别活体人脸。Parveen等[18]将局部三值模式纹理特征应用于活体人脸检测，并在公开数据集中得到较好的实验结果，但该算法需要手动选取合适的阈值，很难投入在实际应用中。图1.2基于LBP特征的人脸活体检测算....

本文编号：3967713