人脸活体检测关键技术研究.doc
《人脸活体检测关键技术研究.doc》由会员分享,可在线阅读,更多相关《人脸活体检测关键技术研究.doc(50页珍藏版)》请在咨信网上搜索。
1、621.381 1 6 4 6TP391公开分类号:_密级:_:_ 单位代码:_硕士学位论文论文题目:人脸活体检测关键技术研究 1111082018刘华成学 号:_电路与系统姓 名:_信息科学与工程学院专 业 名 称:_王让定 教授学 院:_指 导 教 师:_论文提交日期:2014年 4月 15日A Thesis Submitted to Ningbo University for the Masters DegreeThe Gordian Technique research on Face Liveness Detection Candidate: Huacheng LiuSupervis
2、ors:Professor Rangding WangFaculty of Information Science and EngineeringNingbo UniversityNingbo 315211, Zhejiang P.R.CHINAApril 15, 2014独 创 性 声 明本人郑重声明:所呈交的论文是我个人在导师指导下进行的研究工作及取得研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写的研究成果,也不包含为获得宁波大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意
3、。若有不实之处,本人愿意承担相关法律责任.签名:_ 日期:_关于论文使用授权的声明本人完全了解宁波大学有关保留、使用学位论文的规定,即:学校有权保留送交论文的复印件,允许论文被查阅和借阅;学校可以公布论文的全部或部分内容,可以采用影印、缩印或其他复制手段保存论文。(保密的论文在解密后应遵循此规定)签名:_ 导师签名:_ 日期:_宁波大学硕士学位论文人脸活体检测关键技术研究摘 要人脸识别系统正面临着照欺骗的威胁,因为一张合法身份的照片也可以入侵人脸识别系统。人脸图像包含着丰富的图像特征信息,是复杂的机器视觉模式。数字化的人脸图像有形状,纹理,轮廓等一系列信息,可以表征年龄,肤质,人脸真伪,身份等
4、.比如一张宽240像素,高320像素大小的RGB图像,像素维数可达240320维,可见它反映一个人的信息是相当丰富的,也可以用来辨别图像的真伪。随着科学技术不断进步,计算机迅速发展,模式识别为图像取证开创了一片新天地。针对人脸真实图像和欺骗照片的特征差异,本文用不同方式提取数字照片的纹理统计信息,研究了鉴别人脸真实性的方法,本文算法只需要采集单张图像就能识别是真实人脸还是欺骗的照片,从获取的人脸图像规律出发,在人脸识别的活体检测中取得了良好的性能。(1) DCT变换能够将活体真实人脸图像的大部重要信息映射到DCT域低频部分,而高频部分大多为噪声。考虑到可以在DCT域将高频噪声因素去除,而低频系
5、数更好的反映真实人脸与翻拍人脸的差异,提出了将人脸图像进行均值滤波、直方图均衡后再提取DCT系数低频系数作为特征,用SVM分类器能很好地将真伪人脸区分开来。(2) 图像的纹理特征是场景组织构造的真实反映,不同的纹理算子描绘了图像灰度信息的分布规律.纹理分析是图像处理技术中一种重要的手段。纹理是表征活体真实人与翻拍照片轮廓细节信息的有效方式,因此选择合适的纹理描述算子可以将两者区分开。选取灰度共生矩阵,边缘方向直方图,LBP等作为图像特征提取的研究目标.通过实验分析,提出了基于Tamura纹理特征和LAP纹理等检测算法,在区分活体真实人照片与翻拍照片上得了很好的效果.(3) 数字图像直方图在图像
6、的分析与观察中占有重要地位,一幅图像的直方图描述了不同色阶在当前图像中的比例,反映了色彩的统计规律,它在图像模式识别和图像分割中有着重要意义。在研究了真实人脸照片和假冒的翻拍照片之后,发现两类照片直方图呈现不同分布,因此提出了基于HSV颜色直方图的活体检测方法。(4)由于图像的像素灰度值可构成一个矩阵,可以用矩阵的奇异值来描述图像关键词:活体检测,人脸识别, 翻拍照片, 纹理特征的内在属性。奇异值是对矩阵中数字信息的本质反映,而且奇异值对矩阵中的数字轻微波动并不敏感,具有镜像稳定性、比例不变性、旋转不变性等优点,在进行图像识别时鲁棒性更强。经实验发现,用不同方式提取图像的奇异值在区分能力上,也
7、有较大差别。因此本文提出了一种合理的特征提取方式,用来进行活体检测。The Gordian Technique Research on Face Liveness DetectionAbstractFace recognition system is under threat, because we can login in a face recognition system by using a face image of the valid user。 Face image contains rich information, which is a complex pattern of m
8、achine visions。 Digital face image contains a series of information, such as shape, texture and contour which can be used to characterize the age, skin, identity and etc。 For example, a color image, with width of 240 pixels and height of 320 pixels, has 230400 dimensions. So it is abundant to reflec
9、t the face information。 With the continuous progress of science and technology, the rapid development of computer science, pattern recognition has broken new ground for image forensics。 Therefore, it is great significance to authenticate whether the scene of the digital image is authentic.In this pa
10、per, according to the difference between real images and false photos, texture and statistical feature are extracted in different ways, several algorithms are proposed to identify whether the face in front of the camera is alive or not. The algorithms the paper proposed only utilize a single image t
11、o identity. The method proposed in this paper has been further improved compared to the former method, and showed a good performance. First, discrete cosine transformation can be used to map the import face information to the low frequency of DCT domain. However, there are varieties of noise in the
12、high frequency part of the image。 Considering the noise factor can be eliminated by removing the high frequency part, we propose to use the lowfrequency coefficients to serve as feature, and the SVM classifier will be used to classify the face samples。 Second, texture is one of the most import featu
13、res for image, which represents the gray level distribution of the pixels in the neighborhood。 Texture analysis plays an important role in the image research. Texture is an effective way to characterize the difference between the live face and the impostor。 So the two class photos can be taken apart
14、 by choosing the suitable texture descriptor。 Select the gray level cooccurrence matrix(GLCM), HOG ( Histogram of Gradient) of the image as the research target 。Compared with the other descriptors, The tamura texture and LAP texture we proposed achieved very good results.Third, the histogram of digi
15、tal image plays an important role in the analysis and observation of an image. Histogram of an image describes the different color gradations of image, which reflects the statistical law of the color, and it is also very useful in pattern recognition and image segmentation. After heavy researches on
16、 the real face photos and fake reproductions of photos, we found the two kind of photos show different distribution in histogram, so the algorithm based on HSV color histogram is put forward.Fourth, because the pixel gray values of the image can be used to form a matrix, the singular values of matri
17、x can be used to describe the inherent attribute of the image. Singular value reflect the essential rules of an image, and the singular value is stable, scale invariance, rotation invariance and other advantages, which is more robust in pattern recognition 。 A number of experiments show that disting
18、uishing ability are tremendous differences when the singular feature are extracted in different ways. This paper presents a reasonable method for feature extraction, which is used for face liveness detection.Key words:face liveness detection, face recognition, recaptured photos, textural features41目
19、 录引 言11 绪论31.1 研究背景和研究意义31.2 国内外研究现状51。2.1基于视频场景的活体检测方法51.2.2基于单张照片活体检测方法111.2。3多膜态活体检测技术141.2。4研究现状小结151.3 本课题研究思路及主要内容162 图像数据库构建和相关理论分析182.1用于活体检测的人脸图像库构建182.1.1现有人脸库介绍182。1.2活体检测图像库构建192.2翻拍图像与真实人脸图像生成原理202。3 常用的图像处理技术212.3。1 图像灰度化212。3。2 图像的直方图均衡化212.3.3 同态滤波222.4基于Adaboost的人脸检测方法232.5 SVM分类器理论
20、262。6 本章小结283 基于HSV颜色空间直方图的活体检测技术研究293.1 双线性插值法293.2 RGB颜色空间到HSV颜色空间转换293.3 基于HSV颜色直方图活体检测303。4 实验效果验证333。5 本章小结354 基于DCT系数的活体检测算法364。1 离散余弦变换364。2 图像预处理374。3 图像DCT变换并提取DCT系数374.4 数据采集与实验分析384。5 本章小结405 基于SVD和HSV直方图活体检测算法415.1 图像的奇异值提取415.2图像奇异值特征的优点425。2.1 稳定性425.2。2 转置不变性425.2。3 旋转不变性425.2。4 镜像不变性
21、435.3 基于奇异特征分解的图像特征提取435。4 实验445.5 本章小结476 基于Tamura纹理和LAP的活体检测研究496。1 Tamura纹理特征提取496.1。1 粗糙度496.1.2 对比度496。1.3方向度506.2 LAP特征提取506。3 LAP与Tamura纹理特征实验526。4本章小结537 总结与展望547。1本文工作总结547.2研究工作展望55参考文献57在校研究成果61致 谢62引 言生物认证技术是一门用于人身份验证的新兴技术,在现阶段主要有虹膜识别、指纹识别、声纹识别、手写笔迹识别和人脸识别等。从上世纪70年代开始,生物认证技术在学术界引起了广泛重视,随
22、着计算机运算速度和对人体生物特征认识的不断深入,生物识别逐渐从实验室走向实际应用。目前,生物特征已经应用到了门禁系统、公安机关侦查、用户密码等方面。传统的身份验证方式有钥匙、网络密钥等.在门禁系统中,钥匙是使用非常广泛的一种,但非法分子可以模仿原来的钥匙伪造,而且开锁的工匠对锁的构造了如指掌,可以轻松破解各种门锁.网络密码也有许多缺点,如容易遗忘、容易遭受黑客攻击等.互联时代改变了人们的生活方式,同时也蕴藏着各种信息安全隐患.如今,储蓄卡、信用卡、电子支票和电子钱包等电子支付手段使消费方式变得越来越便捷。由于密码存在自身的一些缺陷,安全问题是迫切需要解决的问题.因为生物特征识别技术可以弥补传统
23、密码的不足,克服容易被遗忘,暴力破解,黑客软件截获等缺点,生物识别技术具备下一代新型密码的潜力。人的生物特征不能被盗走的,无法猜测和独一无二的,人的生物特征又是极其丰富的,因此它可以用来取代传统的认证方式。人脸识别在公安侦察、门禁系统和摄像监视系统中广泛使用.它可以在智能视频系统中鉴别人的身份,可以取代指纹识别,虹膜识别。指纹识别易受汗液等异物影响,虹膜识别对设备要求太高,因此人脸识别有着具大的优势。然而,生物认证技术的安全可靠性是社会应用的前提。随着虚拟物品,虚拟货币等电子交易的普及,身份认证的安全问题成了各行各业备受关注的问题.比如人脸识别中照片和视频攻击对人脸认证系统带来了巨大的安全隐患
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 活体 检测 关键技术 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【人****来】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【人****来】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。