本發(fā)明涉及面部識別，尤其是涉及一種基于近紅外與可見光雙目攝像頭的活體人臉檢測方法。

背景技術(shù)：

1、隨著人臉識別技術(shù)的廣泛應(yīng)用，活體檢測技術(shù)成為確保人臉識別安全性的關(guān)鍵環(huán)節(jié)。傳統(tǒng)的活體檢測方法主要依賴于單一的圖像模態(tài)，如可見光圖像，這些方法易受光照條件、圖像質(zhì)量以及偽造手段，如照片、視頻或3d打印面具的影響，從而導(dǎo)致活體檢測的準確性和魯棒性不足。

2、目前現(xiàn)有的活體檢測方法依賴單一模態(tài)的方案，因生理特征盲區(qū)及材質(zhì)反射噪聲干擾，導(dǎo)致高仿真?zhèn)卧旃袈z率較高；多模態(tài)數(shù)據(jù)的時空協(xié)同能力薄弱，跨模態(tài)圖像對齊依賴人工標定而非動態(tài)特征配準，削弱了硅膠異常反射與自然皮膚紋理的聯(lián)合鑒別效果；動態(tài)形變檢測缺乏生物力學(xué)約束，單目光流追蹤無法區(qū)分真實皮膚彈性形變與偽造體的機械運動模式，難以抵御動態(tài)偽造攻擊；時頻域分析方法對材質(zhì)高頻奇異性敏感度不足，且對抗噪聲攻擊的魯棒性差，頻域指紋匹配易失效。

技術(shù)實現(xiàn)思路

1、為解決上述問題，本發(fā)明提供了一種基于近紅外與可見光雙目攝像頭的活體人臉檢測方法，采用多模態(tài)時序同步的材質(zhì)反射梯度分析與微血管搏動時序追蹤技術(shù)，結(jié)合面部動態(tài)3d形變的生物力學(xué)模型約束與時頻聯(lián)合抗干擾校驗，能夠有效地提高活體檢測的準確性和魯棒性，為人臉識別技術(shù)的安全性提供了有力保障。

2、上述目標可以通過如下方案實現(xiàn)：

3、一種基于近紅外與可見光雙目攝像頭的活體人臉檢測方法，包括：同步采集雙目可見光與近紅外圖像并進行跨模態(tài)對齊，生成像素級空間對應(yīng)的雙目可見光圖像序列和近紅外圖像序列；提取所述近紅外圖像序列中的皮下微血管搏動時序信號；結(jié)合所述搏動時序信號和所述近紅外圖像序列，增強所述可見光圖像序列中的紋理邊界特征，得到增強紋理特征圖；基于所述增強紋理特征圖生成面部深度圖序列，并分析表情動作中的3d形變連續(xù)性與生理運動一致性，得到形變連續(xù)性分析結(jié)果；根據(jù)所述搏動時序信號、所述增強紋理特征圖、所述形變連續(xù)性分析結(jié)果，通過時頻域擾動檢測進行活體判定。

4、可選地，所述同步采集雙目可見光與近紅外圖像并進行跨模態(tài)對齊，生成像素級空間對應(yīng)的雙目可見光圖像序列和近紅外圖像序列包括：同步觸發(fā)近紅外攝像頭與可見光雙目攝像頭，獲取同一時刻的面部近紅外圖像和雙目可見光圖像；通過surf特征點匹配進行跨模態(tài)圖像對齊，生成像素級空間對應(yīng)的雙目可見光圖像序列和近紅外圖像序列。

5、可選地，所述提取所述近紅外圖像序列中的皮下微血管搏動時序信號包括：對所述近紅外圖像序列進行皮下散射成分分離，得到第一生理特征圖；基于retinex算法消除所述第一生理特征圖的鏡面反射噪聲，得到第二生理特征圖；采用光流法追蹤所述第二生理特征圖中面部區(qū)域的微血管搏動信號，提取周期性血流變化特征，得到搏動時序信號。

6、可選地，所述結(jié)合所述近紅外圖像序列增強所述可見光圖像序列中的紋理邊界特征，得到增強紋理特征圖包括：根據(jù)所述搏動時序信號的相位差計算微血管搏動頻率，并生成心跳周期對齊的反射率采樣窗口，得到窗口參數(shù)；在所述窗口參數(shù)定義的時間區(qū)間內(nèi)，計算近紅外波段反射率差異，生成材質(zhì)反射異常圖；對所述可見光圖像進行邊緣檢測，生成梯度幅值圖；將所述反射異常圖與所述梯度幅值圖進行通道級聯(lián)，并輸入光譜敏感卷積層生成空間注意力權(quán)重；對所述可見光圖像進行高頻濾波，獲取邊緣紋理特征圖；將所述注意力權(quán)重與所述邊緣紋理特征圖逐像素相乘，生成增強紋理特征圖。

7、可選地，所述基于所述增強紋理特征圖生成面部深度圖序列，并分析表情動作中的3d形變連續(xù)性與生理運動一致性，得到形變連續(xù)性分析結(jié)果包括：根據(jù)所述增強紋理特征圖，基于雙目視差計算得到初始深度圖；將所述初始深度圖與所述近紅外圖像序列的面部關(guān)鍵點進行配準，得到高精度3d面部位移場；利用預(yù)設(shè)的生物力學(xué)模型對所述面部位移場進行約束濾波，剔除超出生理極限的形變向量，得到形變軌跡。

8、可選地，所述根據(jù)所述搏動時序信號、所述增強紋理特征圖、所述形變連續(xù)性分析結(jié)果，通過時頻域擾動檢測進行活體判定包括：計算所述搏動時序信號與所述形變軌跡的時間頻率一致性，得到生理運動匹配度；利用所述增強紋理特征圖檢測硅膠偽影的高頻奇異性，得到材質(zhì)異常度；計算所述近紅外圖像序列與所述可見光圖像序列的小波域能量分布差異，若高頻子帶的相位一致性低于預(yù)設(shè)閾值，判定存在對抗噪聲攻擊并發(fā)出活體警報；若高頻子帶的相位一致性大于等于預(yù)設(shè)閾值，則當所述生理運動匹配度小于預(yù)設(shè)的第一閾值且所述材質(zhì)異常度大于預(yù)設(shè)的第二閾值時，出發(fā)活體警報。

9、可選地，所述計算所述微血管搏動頻率與所述形變軌跡的時間頻率一致性，得到生理運動匹配度包括：對所述搏動時序信號和所述形變軌跡進行時間對齊與帶通濾波，分別提取心跳頻段內(nèi)的主頻特征；將所述形變軌跡的3d位移場分解為低維運動模態(tài)，并對各模態(tài)進行功率譜分析；在所述心跳主頻附近頻帶內(nèi)，計算各運動模態(tài)的頻譜能量占比及與微血管信號的相干性；融合所述能量占比與相干性結(jié)果生成所述生理運動匹配度，其中所述生理運動匹配度超過預(yù)設(shè)閾值時判定為生理運動一致。

10、可選地，所述利用所述增強紋理特征圖檢測硅膠偽影的高頻奇異性，得到材質(zhì)異常度包括：對所述增強紋理特征圖進行多尺度小波分解，提取高頻子帶中非線性響應(yīng)的局部奇異性點；基于所述奇異性點的時頻分布特征構(gòu)建硅膠材質(zhì)的頻域指紋模板，計算所述時頻分布特征與所述頻域指紋模板的時頻脊線差異度；統(tǒng)計所述差異度在空間域的峰度及偏度指標，生成所述材質(zhì)異常度，其中所述材質(zhì)異常度表征偽影材質(zhì)與生物組織的反射特性偏離程度。

11、可選地，所述方法還包括：當所述材質(zhì)異常度大于所述第二閾值時，縮減反射率采樣窗口，將反射率采樣窗口從縮減至，其中，式中，為靈敏度調(diào)節(jié)系數(shù)，為所述材質(zhì)異常度，為所述第二閾值；在縮減窗口內(nèi)進行邊緣增強運算；利用縮減窗口計算反射率差異，得到新的反射異常圖。

12、基于相同的發(fā)明構(gòu)思，本發(fā)明還提供了一種基于近紅外與可見光雙目攝像頭的活體人臉檢測系統(tǒng)，所述系統(tǒng)還包括：多模態(tài)模塊數(shù)據(jù)處理模塊，用于同步采集雙目可見光與近紅外圖像并進行跨模態(tài)對齊，生成像素級空間對應(yīng)的雙目可見光圖像序列和近紅外圖像序列；生理特征生成模塊，用于提取所述近紅外圖像序列中的皮下微血管搏動時序信號；物理特征生成模塊，用于結(jié)合所述搏動時序信號和所述近紅外圖像序列，增強所述可見光圖像序列中的紋理邊界特征，得到增強紋理特征圖；動態(tài)形變驗證模塊，基于所述增強紋理特征圖生成面部深度圖序列，并分析表情動作中的3d形變連續(xù)性與生理運動一致性，得到形變連續(xù)性分析結(jié)果；活體判斷模塊，用于根據(jù)所述搏動時序信號、所述增強紋理特征圖、所述形變連續(xù)性分析結(jié)果，通過時頻域擾動檢測進行活體判定。

13、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點：

14、1、本發(fā)明通過同步采集雙目可見光與近紅外圖像，并結(jié)合這兩種模態(tài)的信息進行活體檢測。近紅外圖像對皮下微血管等生理特征敏感，能夠捕捉到活體特有的搏動信號；而可見光圖像則能呈現(xiàn)人臉的紋理細節(jié)和表情動作。這種多模態(tài)融合的方法有效地提高了活體檢測的準確性，減少了單一模態(tài)可能帶來的誤判；

15、2、本發(fā)明采用surf特征點匹配進行跨模態(tài)圖像對齊，生成像素級空間對應(yīng)的雙目可見光圖像序列和近紅外圖像序列。這一技術(shù)確保了不同模態(tài)圖像之間的精確對齊，提高了后續(xù)特征提取和分析的魯棒性，使得系統(tǒng)能夠在不同光照條件和復(fù)雜背景下穩(wěn)定工作；

16、3、本發(fā)明不僅提取近紅外圖像中的皮下微血管搏動時序信號作為生理特征，還結(jié)合該信號增強可見光圖像中的紋理邊界特征，得到增強紋理特征圖。這種生理特征與物理特征相結(jié)合的方法進一步增強了系統(tǒng)的鑒別能力，使其能夠更準確地識別出真實人臉與偽造人臉之間的差異；

17、4、在分析表情動作中的3d形變連續(xù)性與生理運動一致性時，本發(fā)明利用預(yù)設(shè)的生物力學(xué)模型對面部位移場進行約束濾波，剔除超出生理極限的形變向量。這一方法有效地提高了形變分析的準確性，減少了因偽造物機械運動而產(chǎn)生的誤判；

18、5、本發(fā)明通過計算搏動時序信號與形變軌跡的時間頻率一致性、利用增強紋理特征圖檢測硅膠偽影的高頻奇異性以及計算近紅外與可見光圖像序列的小波域能量分布差異等多種手段進行活體判定。這些時頻域擾動檢測方法能夠有效地抵抗對抗噪聲攻擊和其他干擾因素，提高了系統(tǒng)的抗干擾能力和整體性能。

19、本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在說明書、權(quán)利要求書以及附圖中所指出的結(jié)構(gòu)來實現(xiàn)和獲得。