人脸活体检测

Posted zhaopengpeng

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了人脸活体检测相关的知识,希望对你有一定的参考价值。

1. 活体相关文献综述调研

参考:https://blog.csdn.net/CVAIDL/article/details/84567319

2. 基于LBP纹理特征的识别

1) 基于LBP_256特征提取(基本的256维LBP特征向量)

       401*401 RGB图片->灰度化->  计算得到400*400的LBP的256特征图(像素值0-255)->裁分成16个 10*10的 cell区域 -> 计算每个cell区域的256直方图,并归一化(共计16个256直方图,首尾相连,该图像图像的特征向量)-> 送入SVM分类器训练/分类;

2)基于LBP_59特征提取(灰度不变+等价模式LBP特征向量 (58种模式),只统计LBP的特征图0-1或1-0之间跳变在两次以内的情况)

     401*401 RGB图片 -> 灰度化 -> 计算得到400*400的LBP的58特征图(像素值0-58, 58种等价模式表示为1~58, 59种混合模式表示为0)->裁分成16个 10*10的 cell区域 -> 计算每个cell区域的256直方图,并归一化(共计16个256直方图,首尾相连,该图像图像的特征向量)-> 送入SVM分类器训练/分类;

3)  基于LBP_9特征提取(计算灰度不变+旋转不变+等价模式LBP特征向量(9种模式))

    401*401 RGB图片 -> 灰度化 -> 计算得到400*400的LBP的9特征图(256特征图->58特征图->9特征图)->裁分成16个 10*10的 cell区域 -> 计算每个cell区域的256直方图,并归一化(共计16个256直方图,首尾相连,该图像图像的特征向量)-> 送入SVM分类器训练/分类;

注:一定要归一化,否则分类器计算误差很大。(因为归一化之前,比如LBP_256特征图中的像素值分布在0-255之间,分布范围较广,如果大多数数据集中在某一范围(如20-60之间),很容易造成数据稀疏分布。归一化之后,数据分布在较小范围0-1之间,有利于数据学习训练);

参考:LBP(局部二值模式)特征提取原理:https://blog.csdn.net/shenziheng1/article/details/72582197          

         灰度不变+旋转不变+等价模式:https://blog.csdn.net/qq_26898461/article/details/46875517

         LBP特征 旋转不变+标准型+圆形 及其在人脸识别中的应用含代码:https://blog.csdn.net/weierqiuba/article/details/70495902

        LBP纹理特征:http://www.bewindoweb.com/236.html

以上是关于人脸活体检测的主要内容,如果未能解决你的问题,请参考以下文章

活体检测安卓版本SDK有没有免费的?

如何通过活体检测

人脸检测实战进阶:使用 OpenCV 进行活体检测

人脸识别活体检测技术讨论:基于背景人脸相对运动的活体判断方法

[计算机视觉]人脸应用:人脸检测人脸对比五官检测眨眼检测活体检测疲劳检测

多维活体检测,让人脸识别更安全