【摘要】：近年來(lái),生物認(rèn)證技術(shù)高速發(fā)展,其中,人臉識(shí)別被廣泛應(yīng)用到各種安全系統(tǒng)的身份認(rèn)證中。但是,傳統(tǒng)的人臉識(shí)別系統(tǒng)僅僅只能辨別采集圖像中的人臉,卻無(wú)法辨別圖像中的人臉是來(lái)源于攝像頭前的真實(shí)人臉還是一張打印出來(lái)的照片,更或者是提前錄制好的視頻等。總的來(lái)說(shuō),傳統(tǒng)人臉識(shí)別系統(tǒng)存在不可忽視的弊端,它無(wú)法辨別真實(shí)人臉和假冒人臉,即無(wú)法辨別人臉的活性和非活性。為了解決這個(gè)安全隱患,活性人臉檢測(cè)技術(shù)應(yīng)運(yùn)而生。但由于人臉識(shí)別中欺詐方式的多樣性、外部環(huán)境的多變化等原因,使得活性人臉檢測(cè)技術(shù)成為人臉識(shí)別實(shí)際應(yīng)用領(lǐng)域中的一個(gè)難點(diǎn)與熱點(diǎn)。本文針對(duì)活性人臉檢測(cè)展開(kāi)研究,認(rèn)真學(xué)習(xí)并總結(jié)了相關(guān)領(lǐng)域中前人的工作。本文的主要研究工作如下:(1)基于kinect深度信息的活性人臉檢測(cè)方法:鑒于kinect可有效且廉價(jià)地獲取圖像的深度信息的特點(diǎn),本文利用kinect可以同時(shí)捕獲視野范圍內(nèi)的彩色圖像以及深度圖像的特點(diǎn),在人臉深度圖像上提取紋理描述子,如局部二進(jìn)制模式算子,并結(jié)合二進(jìn)制分類(lèi)器的方法,來(lái)辨別人臉的活性與非活性。此外,為檢測(cè)紋理描述子的活體檢測(cè)性能,本文比較了不同類(lèi)型的LBP算子及其變種�？紤]到人臉較小區(qū)域可能使得圖像攻擊或視頻攻擊的紋理特征更加可視化,本文還提出采用兩種不同方式(人臉?lè)謮K和人臉不分塊)計(jì)算紋理特征。并且比較了不同二值化分類(lèi)器的真假人臉?lè)诸?lèi)性能�？紤]到目前已公開(kāi)的活性人臉數(shù)據(jù)庫(kù)無(wú)法滿(mǎn)足本算法的實(shí)驗(yàn)要求,本人采集了基于kinect的深度信息的活體人臉檢測(cè)數(shù)據(jù)集,并在該數(shù)據(jù)集中驗(yàn)證了該算法的性能。(2)基于卷積神經(jīng)網(wǎng)絡(luò)的活性人臉檢測(cè)方法:不同于以往人工選擇圖像特征描述子,該方法使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)進(jìn)行圖像的特征學(xué)習(xí),通過(guò)復(fù)雜有效的網(wǎng)絡(luò)結(jié)構(gòu)對(duì)人臉建模,然后再結(jié)合支持向量機(jī)對(duì)提取到的更具區(qū)分性的特征進(jìn)行人臉活性的分類(lèi)。該方法,無(wú)需用戶(hù)配合且不需要額外的硬件設(shè)備。除了利用CNN進(jìn)行有效的特征學(xué)習(xí),本文也提出了兩種數(shù)據(jù)增強(qiáng)策略,包括空間尺度的增加和時(shí)間尺度的增加。通過(guò)增加空間尺度,本文進(jìn)一步探究背景區(qū)域?qū)钚匀四槞z測(cè)的影響,并且利用空間尺度和時(shí)間尺度的融合來(lái)提高活性人臉檢測(cè)性能。
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金帥;邢麗冬;錢(qián)志余;王笑;李忠強(qiáng);劉保玉;;3D影片中深度信息與觀看者疲勞度的關(guān)聯(lián)研究[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2014年03期

2 李寅,盧漢清,沈向洋;從同心拼圖中恢復(fù)深度信息[J];計(jì)算機(jī)學(xué)報(bào);2000年12期

3 王新成,朱維樂(lè),顧德仁;平行多視點(diǎn)算法實(shí)時(shí)求取深度信息[J];電子科學(xué)學(xué)刊;1995年03期

4 蔚艷,楊振華,王成道;多方法相融合的復(fù)雜物體深度信息的恢復(fù)[J];中國(guó)圖象圖形學(xué)報(bào);1999年04期

5 姜太平;王帥;占濤;;基于運(yùn)動(dòng)估計(jì)的深度信息生成技術(shù)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年10期

6 高秀麗;陳華華;;融合深度信息的視覺(jué)注意模型研究[J];杭州電子科技大學(xué)學(xué)報(bào);2013年02期

7 王新成，朱維樂(lè)，顧德仁;平行多視點(diǎn)算法求取深度信息[J];電子科技大學(xué)學(xué)報(bào);1995年02期

8 王新成，朱維樂(lè)，顧德仁;平行多視點(diǎn)算法實(shí)時(shí)求取深度信息[J];系統(tǒng)工程與電子技術(shù);1996年02期

9 凌劍勇;何昕;魏仲慧;李一芒;梁國(guó)龍;;融合紋理特征與深度信息的足跡自動(dòng)比對(duì)算法[J];光學(xué)精密工程;2014年07期

10 王惠明;董文輝;寧金輝;張乾;陳積文;;“二維+深度信息”的立體電視應(yīng)用[J];廣播與電視技術(shù);2009年10期

相關(guān)會(huì)議論文 前6條

1 孫明竹;趙新;盧桂章;;微操作工具深度信息提取實(shí)驗(yàn)研究[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

2 柴秀娟;唐毅力;山世光;陳熙霖;馬丙鵬;;融合圖像和深度信息的手勢(shì)跟蹤及應(yīng)用[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

3 魏琳;黃鑫材;;Kinect深度信息的研究及其在檢測(cè)中的應(yīng)用[A];浙江省電子學(xué)會(huì)2013學(xué)術(shù)年會(huì)論文集[C];2013年

4 姜太平;王曉娟;張學(xué)鋒;邰偉鵬;劉玉潔;;基于candide模型的人臉深度信息生成技術(shù)研究[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【poster】[C];2011年

5 張俊;柳健;彭復(fù)員;;由單幅SAR圖像提取目標(biāo)深度信息算法[A];1998年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1998年

6 徐晶;桂華僑;閻杰;許立新;明海;;基于集成成像技術(shù)的深度信息提取[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長(zhǎng)三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

相關(guān)博士學(xué)位論文 前1條

1 劉艷麗;融合顏色和深度信息的三維同步定位與地圖構(gòu)建研究[D];中南大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 徐昊;基于深度信息的3D人臉識(shí)別[D];長(zhǎng)安大學(xué);2015年

2 鄭迪;高質(zhì)量的虛擬視點(diǎn)繪制方法研究[D];寧波大學(xué);2015年

3 白曉;基于機(jī)器人雙目視覺(jué)的三維場(chǎng)景深度信息恢復(fù)[D];哈爾濱工業(yè)大學(xué);2015年

4 楊靜;基于深度信息的人體運(yùn)動(dòng)識(shí)別方法研究[D];合肥工業(yè)大學(xué);2014年

5 王一;基于光場(chǎng)信息的顯著性檢測(cè)方法研究[D];合肥工業(yè)大學(xué);2015年

6 段琳琳;融合顏色信息與深度信息的多目標(biāo)檢測(cè)及跟蹤方法研究[D];合肥工業(yè)大學(xué);2014年

7 楊潔;融合深度信息的多光譜光度立體三維重建及其在水下的應(yīng)用[D];中國(guó)海洋大學(xué);2015年

8 胡占峰;基于深度信息的公交駕駛員不安全操作識(shí)別[D];北方工業(yè)大學(xué);2016年

9 劉宇浩;基于深度信息的室內(nèi)場(chǎng)景重建技術(shù)[D];燕山大學(xué);2016年

10 馮祥群;一種融合深度信息的彩色圖像分割算法研究[D];遼寧大學(xué);2016年

本文編號(hào)：2773664