活体脸部辨识系统与方法

技术领域

本发明是有关一种脸部辨识，特别涉及一种活体脸部辨识方法与系统。

背景技术

脸部辨识(face recognition)是电脑影像处理技术的一种，用以从数字影像(image)或影片(video)识别出人的脸部特征，可作为保全机制。脸部辨识是生物(biometric)辨识的一种，其他的生物辨识技术如指纹识别、虹膜(iris)识别等。脸部辨识可应用于电子装置，例如电脑、移动电话、刷卡机等，特别是移动装置的使用日渐普及，因此对于保全机制的要求也更高。

传统的脸部辨识系统使用相机以获取二维(2D)的人脸影像，经萃取脸部五官的特征后，与数据库作比对以进行辨识。但是，传统的脸部辨识系统通常无法分辨相机所获取的是真正的人或者仅是一张照片，因而形成保全机制的漏洞。

为了提高保全机制的信赖度，有些脸部辨识系统会要求使用者依照指示进行脸部的活动，例如摇摆、旋转头部或张嘴、闭眼等动作，以确认相机所获取的是真正的人。有些脸部辨识系统更于脸部活动时，获取多张照片，以得到深度信息，以确认相机所获取的是真正的人。但是，传统脸部辨识系统会增加成本，或者于进行脸部活动时花费较多时间且造成使用者的不便。

因此亟需提出一种新颖的脸部辨识机制，不但可以维持或提升保全机制的信赖度，更能加速辨识处理且兼顾使用上的便利性。

发明内容

鉴于上述，本发明实施例的目的之一在于提出一种活体脸部辨识方法与系统，可快速、便利且准确地辨识脸部。

根据本发明实施例的活体脸部辨识方法，获取待辨识者的脸部的缩小影像。检测缩小影像当中待辨识者的脸部外侧是否具有边框。如果缩小影像的脸部外侧不具有边框，表示待辨识者为活体。

附图说明

图1A显示本发明实施例的活体脸部辨识系统的方框图。

图1B显示本发明实施例的活体脸部辨识方法的流程图。

图2A显示数据库建立方法的流程图。

图2B例示本实施例的脸部特征。

图2C显示图1B的方法的步骤22的细节流程图。

图3A显示图1A的边框辨识模块的细节方框图。

图3B显示图1B的步骤25的细节流程图。

其中，附图标记说明如下：

100 活体脸部辨识系统

11 影像获取装置

12 脸部辨识模块

13 输出模块

14 边框辨识模块

141 影像转变装置

142 二值化装置

143 能量分析装置

144 边框检测装置

200 活体脸部辨识方法

21 获取影像

22 萃取特征数据

23 决定特征数据是否符合数据库

24 辨识失败

25 接收并处理缩小影像

251 得到转变影像

252 二值化处理以得到轮廓影像

253 根据能量分布以得到临界值

254 检测边框

26 决定是否具有边框

27 辨识成功

300 数据库建立方法

31 获取待辨识者的影像

32 脸部检测

33 获取脸部影像

34 萃取脸部特征

35 特征数值化

36 建立模型

37 存储于存储装置

301 双眼间距

302 鼻子宽度

303 眼窝深度

304 脸颊骨头结构

305 下巴线条长度

306 下巴点

具体实施方式

图1A显示本发明实施例的活体脸部辨识系统100的方框图，图1B显示本发明实施例的活体脸部辨识方法200的流程图。活体脸部辨识系统(以下简称系统)100的方块与活体脸部辨识方法(以下简称方法)200的步骤可使用硬件、软件或其组合来实施，例如执行于数字影像处理器。

在本实施例中，系统100可包含影像获取装置11，例如相机，用以获取待辨识者脸部的至少一影像(步骤21)，例如每秒获取30图框(亦即30FPS(frame per second))。本实施例的相机可为二维相机或者三维相机(例如双镜头的三维相机或者结合二维相机与深度检测装置)。

在本实施例中，系统100可包含脸部辨识模块12，其根据所获取的影像，萃取待辨识者脸部的至少一特征数据(步骤22)。于步骤23，系统100的输出模块13将萃取的特征数据与脸部特征数据库(以下简称数据库)进行比较。如果萃取的特征数据未与数据库相符合(亦即，两者特征数据的差值未小于预设临界值)，表示两者的脸部特征不同，则输出模块13判定为辨识失败(步骤24)。如果萃取的特征数据与数据库相符合，则方法200的流程进入步骤25。

图2A显示数据库建立方法300的流程图。首先，于步骤31，使用相机获取待辨识者的影像。接着，于步骤32，使用处理器对获取影像进行脸部检测(face detection)。于步骤33，根据脸部检测的结果，从获取影像当中获取出脸部影像(亦即，大致仅包含脸部轮廓区域的影像)。接着，于步骤34，处理器从脸部影像当中萃取出多个脸部特征(facecharacteristic)。图2B例示本实施例的脸部特征，可为双眼间距301、鼻子宽度302、眼窝深度303、脸颊骨头结构304、下巴线条长度305或/且下巴点306。于步骤35，处理器进一步将这些脸部特征予以数值化(numeralization)，以产生脸部特征值，作为特征数据。接着，于步骤36，根据所产生的脸部特征值以建立模型，据以建立脸部特征数据库而存储于存储装置(步骤37)。

图2C显示方法200的步骤22的细节流程图。萃取待辨识者脸部的特征数据(步骤22)类似于图2A当中的步骤32～35，亦即，于步骤32，使用脸部辨识模块12对获取影像进行脸部检测(face detection)。于步骤33，根据脸部检测的结果，从获取影像当中获取出脸部影像(亦即，大致仅包含脸部轮廓区域的影像)。接着，于步骤34，脸部辨识模块12从脸部影像当中萃取出多个脸部特征(face characteristic)。于步骤35，脸部辨识模块12进一步将这些脸部特征予以数值化(numeralization)，以产生脸部特征值，作为特征数据。

根据本实施例的特征之一，系统100可包含边框(frame)辨识模块14，其接收影像获取装置11所获取的缩小影像，经边框辨识模块14处理(步骤25)，以检测缩小影像当中待辨识者的脸部外侧是否具有边框。在一实施例中，影像获取装置11包含一相机，缩小影像是通过调整相机的摄像视角(field of view,FOV)而获取得到。在另一实施例中，影像获取装置11包含第一相机与第二相机，其中第二相机的摄像视角大于第一相机的摄像视角。第一相机所获取影像提供给脸部辨识模块12以萃取特征数据，第二相机所获取的缩小影像则是提供给边框辨识模块14以检测边框。边框的检测可使用一般的边缘检测(edge detection)技术。于步骤26，如果缩小影像的脸部外侧不具有边框，则输出模块13判定为辨识成功(步骤27)。如果缩小影像的脸部外侧具有边框，表示影像获取装置11所获取的对象可能为相片或者显示屏幕(亦即非活体)，则输出模块13判定为辨识失败(步骤24)。

图3A显示图1A的边框辨识模块14的细节方框图，图3B显示图1B的步骤25的细节流程图。在本实施例中，边框辨识模块14可包含影像转变装置141，其转变缩小影像的像素，以得到转变影像(步骤251)。在一实施例中，影像转变装置141将缩小影像的像素从三原色光(例如红(R)、绿(G)、蓝(B))转变为亮度值Y，其关系可表示如下：

Y＝0.299R+0.587G+0.114B

在本实施例中，边框辨识模块14可包含二值化(binary thresholding)装置142，其将转变影像的像素与预设临界值作比较，以得到轮廓影像(步骤252)。若转变像素的像素值大于临界值，则轮廓影像的相应像素值可设为主动值(例如“1”)；若转变像素的像素值未大于临界值，则轮廓影像的相应像素值可设为被动值(例如“0”)。二值化装置142的临界值可通过能量分析装置143经分析缩小影像的能量分布而得到(步骤253)，因而得以根据影像的背景与光线而动态得到临界值。

在另一实施例中，影像转变装置141取缩小影像的相邻像素的(红、绿、蓝)色彩差的平方和(或该平方和的平方根)，以得到轮廓影像。在此实施例中，边框辨识模块14不需使用二值化装置142与能量分析装置143。

在本实施例中，边框辨识模块14可包含边框检测装置144，其根据轮廓影像以决定待辨识者脸部外侧是否具有边框(步骤254)。在一实施例中，若脸部外侧的轮廓大致为封闭，且该轮廓大致为四边形(例如正方形、长方形或平行四边形)，则判定该轮廓为边框，表示影像获取装置11所获取的对象可能为相片或者显示屏幕(亦即非活体)。在另一实施例中，若脸部外侧的轮廓非为封闭，但其包含四边形的至少二边，且该至少二边与轮廓影像(或缩小影像)的边缘可共同形成封闭四边形，则判定该轮廓为边框，表示影像获取装置11所获取的对象可能为相片或者显示屏幕(亦即非活体)。

以上所述仅为本发明的优选实施例而已，并非用以限定本发明的权利要求；凡其它未脱离发明所公开的精神下所完成的等效改变或修饰，均应包含在下述的权利要求内。