本申请涉及人脸识别领域，公开了一种视频方式下的人脸识别方法及其装置。该视频方式下的人脸识别方法，包括以下步骤：获取人脸视频帧；根据所述人脸视频帧，定位额头区域；在所述额头区域生成活体感兴趣区域和频谱感兴趣区域；对所述活体感兴趣区域提取颜色周期心率信号，对所述频谱感兴趣区域提取人脸频谱信号；加权结合所述颜色周期心率信号和所述人脸频谱信号进行人脸活体判定；通过成像控制获取多维人脸特征进行增强人脸识别。结合颜色周期心率信号与频谱信号进行人脸活体判定，可以让活体判定更加鲁棒与可靠；同时，通过成像控制来获得更可靠和更具区分度的多维人脸特征进行人脸识别，可以解决不同光照下面部成像不均匀的识别问题，提升算法可靠性。提升算法可靠性。提升算法可靠性。
【技术实现步骤摘要】
视频方式下的人脸识别方法及其装置
[0001]本申请涉及人脸识别领域，特别涉及视频方式下的人脸识别技术。
技术介绍
[0002]目前，深度学习在人脸识别领域应用越来越广泛，不过实际的应用场景中会存在各种问题，导致人脸识别算法的可靠性降低。比如，各种活体的攻击，以及不同的光照的处理等。
[0003]针对这些实际应用场景，一些方案采用多目相机或其它一些类似结构光的方案。但是，这样的方案会大大增加产品成本以及后续的维护成本。
[0004]另外，现有的一些人脸识别方法，在视频信息的利用方面，都还存在不足的问题。常用的一些方法均基于类似图片的处理方法，没有充分利用空域与频域信息。比如利用频域信息来进行图像修正，但没有考虑到周期信号的提取。还有些一些方法考虑了人脸锚点之间的关系模型，但是没有考虑到多光照情况带来的各种干扰。
[0005]本申请的专利技术人发现，现有的这些人脸识别方法，在视频信息的利用方面均没考虑到以下几点：
[0006](1)面部颜色变化的周期心率信号的利用；
[0007](2)不同光照下的人脸特征提取情况；
[0008](3)面部亮度存在不均匀的情况。
[0009]因此，目前亟需一种能够充分利用视频信息的纯视频方式下的鲁棒的人脸识别方法。
技术实现思路
[0010]本申请的目的在于提供一种视频方式下的人脸识别方法及其装置，结合颜色周期心率信号与频谱信号进行人脸活体判定，可以让活体判定更加鲁棒与可靠；同时，基于成像控制获得多维人脸特征进行人脸识别，可以解决不同光照下的识别问题，提升算法可靠性。
[0011]本申请公开了一种视频方式下的人脸识别方法，包括以下步骤：
[0012]获取人脸视频帧；
[0013]根据所述人脸视频帧，定位额头区域；
[0014]在所述额头区域生成活体感兴趣区域和频谱感兴趣区域；
[0015]对所述活体感兴趣区域提取颜色周期心率信号，对所述频谱感兴趣区域提取人脸频谱信号；
[0016]加权结合所述颜色周期心率信号和所述人脸频谱信号进行人脸活体判定；
[0017]通过成像控制获取多维人脸特征进行增强人脸识别。
[0018]在一个优选例中，所述“通过成像控制获取多维人脸特征进行增强人脸识别”的步骤中，包括以下子步骤：
[0019]通过成像控制生成图像组；
[0020]根据所述图像组获取不同亮度下的人脸特征，生成人脸特征组；
[0021]通过面部区域划分，提取面部分块亮度特征组；
[0022]对所述人脸特征组和所述分块亮度特征组进行联合，合成所述人脸特征；
[0023]根据所述人脸特征，进行人脸识别。
[0024]在一个优选例中，所述“通过成像控制生成图像组”的步骤中，包括以下子步骤：
[0025]锁定相机快门、增益和白平衡，通过控制改变LED补光灯的亮度，获得所述图像组。
[0026]在一个优选例中，所述“对所述人脸特征组和所述分块亮度特征组进行联合，合成所述人脸特征”的步骤中，包括以下子步骤：
[0027]使用特征联结方式联合所述人脸特征组和所述分块亮度特征组，得到可靠人脸特征；
[0028]对所述可靠人脸特征进行降维，得到较低维度的人脸特征。
[0029]在一个优选例中，所述“在所述额头区域生成活体感兴趣区域和频谱感兴趣区域”的步骤中，包括以下子步骤：
[0030]使用额头定位方法获得额头中心位置，以该额头中心位置生成所述活体感兴趣区域，同时以该额头中心位置生成所述频谱感兴趣区域。
[0031]在一个优选例中，所述“对所述活体感兴趣区域提取颜色周期心率信号”的步骤中，包括以下子步骤：
[0032]将视频序列进行金字塔多分辨率分解，得到不同尺度的图像；
[0033]对每个尺度的图像进行时域带通滤波，得到感兴趣的若干频带；
[0034]对每个频带的信号利用泰勒级数来差分逼近，线性放大逼近的结果；
[0035]通过心率估计网络，得到所述颜色周期心率信号。
[0036]在一个优选例中，所述“对所述频谱感兴趣区域提取人脸频谱信号”的步骤中，包括以下子步骤：
[0037]选取视频序列中的3帧图像，获取傅里叶频谱信号；
[0038]通过训练的频谱深度模型函数，得到所述人脸频谱信号。
[0039]在一个优选例中，述“加权结合所述颜色周期心率信号和所述人脸频谱信号进行人脸活体判定”的步骤中，包括以下子步骤：
[0040]设置所述颜色周期心率信号的上限阈值和下限阈值；
[0041]如果所述颜色周期心率信号位于所述上限阈值和下限阈值之间，并且加权所述人脸频谱信号为1，则判定所述人脸为活体。
[0042]本申请还公开了一种视频方式下的人脸识别装置，包括：
[0043]获取模块，用于获取人脸视频帧；
[0044]定位模块，用于根据所述人脸视频帧，定位额头区域；
[0045]感兴趣区域生成模块，用于在所述额头区域生成活体感兴趣区域和频谱感兴趣区域；
[0046]提取模块，用于对所述活体感兴趣区域提取颜色周期心率信号，对所述频谱感兴趣区域提取人脸频谱信号；
[0047]活体判定模块，用于加权结合所述颜色周期心率信号和所述人脸频谱信号进行人脸活体判定；
[0048]识别模块，用于通过成像控制获取多维人脸特征进行增强人脸识别。
[0049]在一个优选例中，所述识别模块包括以下子模块：
[0050]图像组生成子模块，用于通过成像控制生成图像组；
[0051]人脸特征组生成子模块，用于根据所述图像组获取不同亮度下的人脸特征，生成人脸特征组；
[0052]分块亮度特征组生成子模块，用于通过面部区域划分，提取面部分块亮度特征组；
[0053]合成子模块，用于对所述人脸特征组和所述分块亮度特征组进行联合，合成所述人脸特征；
[0054]人脸识别子模块，用于根据所述人脸特征，进行人脸识别。
[0055]本申请实施方式与现有技术相比，至少包括以下区别和效果：
[0056]一种纯视频方式下的人脸识别方法，结合颜色周期心率信号与频谱信号进行人脸活体判定，可以让活体判定更加鲁棒与可靠；同时，通过成像控制来获得更可靠和更具区分度的多维人脸特征进行增强人脸识别，可以解决不同光照下面部成像不均匀的识别问题，提升算法可靠性。
[0057]进一步地，从频域信息中提取颜色周期心率信号，从而能更好地判定当前人脸的活体属性。
[0058]进一步地，通过成像控制来获得更可靠和更具区分度的人脸特征用于识别。
[0059]进一步地，利用成像控制来进行各种光照条件下的人脸特征提取，能明显提升人脸算法的鲁棒性。
[0060]进一步地，通过面部划分，补充人脸特征的光照信息，可以解决面部光照不均的问题，得到更可靠的人脸特征。
[0061]本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种视频方式下的人脸识别方法，其特征在于，包括以下步骤：获取人脸视频帧；根据所述人脸视频帧，定位额头区域；在所述额头区域生成活体感兴趣区域和频谱感兴趣区域；对所述活体感兴趣区域提取颜色周期心率信号，对所述频谱感兴趣区域提取人脸频谱信号；加权结合所述颜色周期心率信号和所述人脸频谱信号进行人脸活体判定；通过成像控制获取多维人脸特征进行增强人脸识别。2.如权利要求1所述的视频方式下的人脸识别方法，其特征在于，所述“通过成像控制获取多维人脸特征进行增强人脸识别”的步骤中，包括以下子步骤：通过成像控制生成图像组；根据所述图像组获取不同亮度下的人脸特征，生成人脸特征组；通过面部区域划分，提取面部分块亮度特征组；对所述人脸特征组和所述分块亮度特征组进行联合，合成所述人脸特征；根据所述人脸特征，进行人脸识别。3.如权利要求2所述的视频方式下的人脸识别方法，其特征在于，所述“通过成像控制生成图像组”的步骤中，包括以下子步骤：锁定相机快门、增益和白平衡，通过控制改变LED补光灯的亮度，获得所述图像组。4.如权利要求2所述的视频方式下的人脸识别方法，其特征在于，所述“对所述人脸特征组和所述分块亮度特征组进行联合，合成所述人脸特征”的步骤中，包括以下子步骤：使用特征联结方式联合所述人脸特征组和所述分块亮度特征组，得到可靠人脸特征；对所述可靠人脸特征进行降维，得到较低维度的人脸特征。5.如权利要求1所述的视频方式下的人脸识别方法，其特征在于，所述“在所述额头区域生成活体感兴趣区域和频谱感兴趣区域”的步骤中，包括以下子步骤：使用额头定位方法获得额头中心位置，以该额头中心位置生成所述活体感兴趣区域，同时以该额头中心位置生成所述频谱感兴趣区域。6.如权利要求1所述的视频方式下的人脸识别方法，其特征在于，所述“对所述活体感兴趣区域提取颜色周期心率信号”的步骤中，包括以下子步骤：将视频序列进行金字塔多分辨率分解...
【专利技术属性】
技术研发人员：刘福新，潘今一，谢晨，张伟，
申请(专利权)人：佛山弘视智能信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。