姿态变化估计策略下的人脸真实性判别研究

doi:10.3778/j.issn.1002-8331.2009.16.057

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (16): 193-196.DOI: 10.3778/j.issn.1002-8331.2009.16.057

• 图形、图像、模式识别 • 上一篇下一篇

姿态变化估计策略下的人脸真实性判别研究

任勇¹,张楠²,牟轩沁²

1.重庆大学通信工程学院，重庆 400044
2.西安交通大学电信学院图像处理与识别研究所，西安 710049

收稿日期:2008-12-10 修回日期:2009-02-27 出版日期:2009-06-01 发布日期:2009-06-01
通讯作者: 任勇

Face liveness verification using estimation of face pose variation

REN Yong¹,ZHANG Nan²,MOU Xuan-qin²

1.College of Communication Engineering，Chongqing University，Chongqing 400044，China
2.Institute of Image Processing and Pattern Recognition，Xi’an Jiaotong University，Xi’an 710049，China

Received:2008-12-10 Revised:2009-02-27 Online:2009-06-01 Published:2009-06-01
Contact: REN Yong

摘要/Abstract

摘要： 针对人脸识别系统中的欺骗手段，提出了一种基于姿态变化的脸部真实性判别算法。在构建的真实性判别系统中，引入了新的脸部特征点匹配标准函数及变形块匹配方法，对脸部序列图像特征点对位置进行精确提取和进行运动估计，最终通过对脸部姿态变化的策略分析完成真实性判别。算法分析及实验结果表明，该算法特别对照片欺骗手段具有良好的防范作用，可以较好地加强人脸识别系统的安全性。

关键词: 人脸识别, 真实性判别, 人脸姿态, 块匹配, 运动估计

Abstract: Aiming at photo deception in face recognition system，a new face liveness verification algorithm using estimation of face pose variation is presented.A block match algorithm based on variable-block and the new matching criterion function were used to get accurate positions of facial feature points and motion estimation of facial feature points.The verification was achieved through analysis of pose variation and head movement.Algorithm analysis and experimental results show that the algorithm can distinguish live faces from attacks of still photoes ，and enhance the safety of the whole face recognition system.

Key words: face recognition, liveness verification, face pose, block match, motion estimation

任勇¹,张楠²,牟轩沁². 姿态变化估计策略下的人脸真实性判别研究[J]. 计算机工程与应用, 2009, 45(16): 193-196.

REN Yong¹,ZHANG Nan²,MOU Xuan-qin². Face liveness verification using estimation of face pose variation[J]. Computer Engineering and Applications, 2009, 45(16): 193-196.

[1]	朱鉴，刘培钰，陈炳丰，蔡瑞初. 结合相似块匹配与最小值滤波的图像去雨[J]. 计算机工程与应用, 2021, 57(9): 191-198.
[2]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[3]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[4]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[5]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[6]	李俊瑶，黎智辉，谢兰迟，侯欣雨，叶东. 基于老化模型的跨年龄人脸识别研究进展[J]. 计算机工程与应用, 2021, 57(24): 27-38.
[7]	刘金金，李清宝，李晓楠. 基于对抗学习和知识蒸馏的神经网络压缩算法[J]. 计算机工程与应用, 2021, 57(21): 180-187.
[8]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[9]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[10]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[11]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.
[12]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[13]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[14]	张飞翔，余学儒，何卫锋，李琛. 结合改进的损失函数与多重范数的人脸识别[J]. 计算机工程与应用, 2020, 56(24): 144-150.
[15]	陈哲，吴小俊. 基于结构化低秩恢复的鲁棒人脸识别算法[J]. 计算机工程与应用, 2019, 55(6): 126-132.

姿态变化估计策略下的人脸真实性判别研究

Face liveness verification using estimation of face pose variation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics