甘俊英，劉呈云，李山路

（五邑大學(xué) 信息工程學(xué)院，廣東 江門 529020）

多顏色空間中三正交平面的WLDLBP活體人臉檢測(cè)算法

甘俊英，劉呈云，李山路

（五邑大學(xué) 信息工程學(xué)院，廣東 江門 529020）

基于動(dòng)態(tài)紋理分析是活體人臉檢測(cè)中一個(gè)重要的研究方法，然而這些算法主要從灰度視頻進(jìn)行研究，丟失了顏色紋理特征重要信息，導(dǎo)致檢測(cè)識(shí)別率偏低.為了利用顏色特征信息來(lái)提高檢測(cè)準(zhǔn)確率，本文提出一種多顏色空間中三正交平面的動(dòng)態(tài)局部紋理特征算法WLDLBPTOP，并分析了視頻幀數(shù)不同對(duì)活體人臉檢測(cè)的準(zhǔn)確率的影響.算法在公開(kāi)數(shù)據(jù)庫(kù)CASIA-FASD和REPLAY- ATTACK中進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，本文所提算法在CASIA-FASD中獲得EER（Equal Error Rate）為2.69%；在REPLAY-ATTACK中，當(dāng)驗(yàn)證集EER為2.10%時(shí)，在測(cè)試集中的HTER（Half Total Error Rate）為3.24%，比現(xiàn)有動(dòng)態(tài)紋理特征算法擁有更高的識(shí)別率.

顏色特征信息；動(dòng)態(tài)紋理分析；三正交平面

生物特征識(shí)別技術(shù)在日常生活中的使用越來(lái)越廣泛，尤其是人臉識(shí)別，但人臉識(shí)別系統(tǒng)很容易被非真實(shí)人臉攻擊，許多不法分子用合法用戶的照片、視頻和3D面具來(lái)欺騙人臉識(shí)別系統(tǒng).因此，活體人臉檢測(cè)將成為人臉識(shí)別中至關(guān)重要的一部分，國(guó)內(nèi)外許多學(xué)者致力于活體人臉檢測(cè)的相關(guān)工作，提出了許多活體人臉檢測(cè)算法[1-6].其中，基于紋理特征分析的方法主要有：基于動(dòng)態(tài)紋理的活體人臉檢測(cè)和基于顏色特征信息的活體人臉檢測(cè)等.

基于動(dòng)態(tài)紋理的活體人臉檢測(cè)是將二維圖像擴(kuò)展到時(shí)空域進(jìn)行活體人臉檢測(cè)，把運(yùn)動(dòng)特征和外觀特征結(jié)合起來(lái)進(jìn)行動(dòng)態(tài)紋理分析.文獻(xiàn)[1-2]提出從三正交平面中提取局部二值模式（Local Binary Pattern，LBP），在REPLAY-ATTACK數(shù)據(jù)庫(kù)[3]中獲得較好識(shí)別率.為了提高算法的魯棒性和穩(wěn)定性，文獻(xiàn)[4]由時(shí)空域提取韋伯局部特征（Weber Local Descriptor，WLD）特征，實(shí)驗(yàn)在CASIA-FASD數(shù)據(jù)庫(kù)和自建數(shù)據(jù)庫(kù)SYSU-MFSD中獲得較高識(shí)別率.

基于顏色紋理空間的活體人臉檢測(cè)是一種新的研究方法.文獻(xiàn)[5]提出一種基于多尺度下LBP特征提取的活體人臉檢測(cè)方法，該方法主要通過(guò)多尺度濾波對(duì)多顏色空間進(jìn)行預(yù)處理，濾掉一些不必要的信息.文獻(xiàn)[6]使用顏色特征實(shí)現(xiàn)活體人臉檢測(cè)，提出了融合LPQ、CoALBP、BSIF、SID特征，實(shí)驗(yàn)結(jié)果表明該方法具有較高的識(shí)別率和穩(wěn)定性.

針對(duì)多顏色特征空間與三正交平面有效信息的提取，本文提出一種在XY、XT和YT三正交平面中的局部紋理特征算法（WLDLBP from Three Orthogonal Planes，WLDLBP-TOP），實(shí)現(xiàn)了融合多顏色空間和時(shí)空域特征的活體人臉檢測(cè)算法；采用SVM分類器[7]來(lái)識(shí)別真實(shí)人臉和偽裝人臉，并在公開(kāi)活體人臉數(shù)據(jù)庫(kù)CASIA-FASD和REPLAY-ATTACK上進(jìn)行驗(yàn)證.

1 活體人臉檢測(cè)算法

本文首先準(zhǔn)確定位獲取的第一幀圖像位置[8]，并將原始人臉視頻按照檢測(cè)到的第一幀人臉的位置進(jìn)行人臉剪切并歸一化為64*64；然后，將RGB顏色空間分別轉(zhuǎn)換為HSV和Ycbcr顏色空間；在HSV、RGB、Ycbcr等多顏色空間中融合時(shí)域、空域提取的紋理特征.圖1為人臉視頻剪切樣例.

圖1 人臉視頻剪切樣例

1.1 LBP算法

LBP算法[9]作為一種有效的紋理描述子，最早被應(yīng)用于紋理分類問(wèn)題.基本思想為以鄰域中心像素的灰度值為閾值，分別與該像素相鄰的灰度值做二值化處理；然后，根據(jù)相鄰像素的不同位置進(jìn)行加權(quán)求和得到當(dāng)前像素值；最后，統(tǒng)計(jì)加權(quán)求和所得像素值的數(shù)量并歸一化.

1.2 WLD算法

文獻(xiàn)[10]提出一種局部紋理特征算法WLD，并用于人臉識(shí)別系統(tǒng)，較好地提高了準(zhǔn)確率.因WLD特征融合了尺度不變特征轉(zhuǎn)換（Scale-invariant feature transform，SIFT）中梯度方向信息和局部二值模式中局部鄰域像素的變化，具有較好的抗噪性，得到了廣泛應(yīng)用.

對(duì)差分激勵(lì)和方向角采用合理的參數(shù)進(jìn)行量化并融合，得到二維WLD特征直方圖.然后，將二維特征直方圖轉(zhuǎn)換為一維特征直方圖.

1.3 WLDLBP-TOP算法

文獻(xiàn)[4]從XY、YT、XT三正交平面中提取動(dòng)態(tài)紋理特征，結(jié)合3個(gè)方向上的人臉紋理特征提高了活體人臉檢測(cè)的分類能力.但僅從灰度圖像中提取動(dòng)態(tài)紋理，未考慮顏色特征信息；而真實(shí)人臉在顏色空間中具有豐富的紋理信息.為此，本文提出一種多顏色空間的紋理特征算法WLDLBP-TOP（Weber Local Descriptor and Local Binary Pattern from Three Orthogonal Planes），下面對(duì)該特征進(jìn)行探討.

原始WLD在計(jì)算梯度方向時(shí)，僅考慮當(dāng)前4個(gè)領(lǐng)域的像素，會(huì)丟失一些描述紋理的細(xì)節(jié)信息，而且還會(huì)受到光照和噪聲的干擾.因此，文獻(xiàn)[1-2,4]將原始WLD方向角的卷積模板用圖3中的矩陣，考慮了當(dāng)前8個(gè)領(lǐng)域的像素，較好地抑制了噪聲干擾.

圖2 卷積模板

圖3 卷積模板

本文采用文獻(xiàn)[12]改進(jìn)的WLD算法，根據(jù)式（1）和式（2）求出差分激勵(lì)值和方向角，差分激勵(lì)量化為M段獲得的值為，方向角量化為T段獲得的值為.然后，將一致模式的局部二值模式和WLD值按式（3）計(jì)算，即

其中，x, y, t表示XY、YT、XT三正交平面的坐標(biāo)值.為

其中，LBPP,R為局部二值模式值.

在第c個(gè)顏色空間中的第i個(gè)平面的WLDLBP直方圖為

其中，c=1為RGB顏色空間，c=2為HSV顏色空間，c=3為Ycbcr顏色空間，i=1為XY平面，i=2為YT平面，i=3為XT平面.最后獲得本文算法的直方圖H為

圖4為多顏色空間中WLDLBP-TOP活體人臉檢測(cè)算法框圖.

圖4 多顏色空間中WLDLBP-TOP活體人臉檢測(cè)算法框圖

2 實(shí)驗(yàn)結(jié)果與分析

2.1 實(shí)驗(yàn)對(duì)象與參數(shù)

實(shí)驗(yàn)采用兩種公開(kāi)的活體人臉視頻數(shù)據(jù)庫(kù)CASIA-FASD[11]和REPLAY-ATTACK[3]驗(yàn)證算法的分類性能，圖5為CASIA-FASD和REPLAY-ATTACK數(shù)據(jù)庫(kù)真實(shí)人臉和偽裝人臉樣例.

本文與文獻(xiàn)[5-6]采用一致的評(píng)判標(biāo)準(zhǔn)，由于CASIA-FASD數(shù)據(jù)庫(kù)缺少驗(yàn)證集，用等錯(cuò)誤率（Equal Error Rate，EER）驗(yàn)證算法的性能；REPLAY-ATTACK由訓(xùn)練集、驗(yàn)證集和測(cè)試集組成，采用半錯(cuò)誤率（Half Total Error Rate，HTER）驗(yàn)證算法的性能.在WLDLBP-TOP紋理特征中，M=8，T=4.

圖5 CASIA-FASD和REPLAY-ATTACK數(shù)據(jù)庫(kù)真實(shí)人臉和偽裝人臉樣例

表1 基于CASIA-FASD數(shù)據(jù)庫(kù)的EER（%）

2.2 實(shí)驗(yàn)結(jié)果與分析

活體人臉視頻檢測(cè)在時(shí)域中，由于提取特征的視頻幀數(shù)不一致，算法的識(shí)別率也不同.為研究視頻幀數(shù)的變化對(duì)活體人臉視頻檢測(cè)的影響，將視頻幀數(shù)分為1、3、5、7、11進(jìn)行實(shí)驗(yàn).當(dāng)視頻幀數(shù)為1時(shí)，表明算法在二維人臉圖像中提取WLDLBP特征，即沒(méi)有時(shí)域空間信息.其中，視頻幀數(shù)與時(shí)域半徑的關(guān)系為：表1、2分別為基于CASIA- FASD和REPLAY-ATTACK數(shù)據(jù)庫(kù)的EER和HTER.從表中可知，當(dāng)視頻幀數(shù)增大時(shí)，每個(gè)平面的EER有所增加，說(shuō)明視頻幀數(shù)和時(shí)域半徑增大，丟失有用信息較大.時(shí)空域特征融合比單個(gè)時(shí)域和空域的EER和HTER要低，在CASIA-FASD數(shù)據(jù)庫(kù)中，當(dāng)視頻幀數(shù)為3時(shí)，EER從3.25%下降到2.69%；在REPLAY-ATTACK數(shù)據(jù)庫(kù)中，HTER從6.01%下降到3.24%，說(shuō)明在時(shí)空域特征融合比單個(gè)時(shí)空域獲得效果要好.其中，當(dāng)選用視頻幀為3時(shí)，在CASIA-FASD數(shù)據(jù)庫(kù)中的EER為2.69%，在REPLAY-ATTACK視頻數(shù)據(jù)庫(kù)中的EER和HTER分別為2.10%、3.24%，獲得的效果較好.

表2 基于REPLAY-ATTACK數(shù)據(jù)庫(kù)的EER（%）和HTER（%）

為驗(yàn)證算法在數(shù)據(jù)庫(kù)中的準(zhǔn)確性，將本文與其他活體人臉檢測(cè)方法進(jìn)行比較，如LBP[9]、LBP-TOP[2]、WLD[10]、WLD-TOP[4]、DLTP[13]，結(jié)果如表3所示.其中，視頻幀數(shù)取3，

表3 與其他算法在數(shù)據(jù)庫(kù)中的EER（%）和HTER（%）比較

從表3可知，本文在紋理特征算法方面，獲得較好的效果，比基于時(shí)空域下的其他算法提取的特征效果要好；在CASIA-FASD數(shù)據(jù)庫(kù)中，與卷積神經(jīng)網(wǎng)絡(luò)相比，本文算法在CASIA-FASD數(shù)據(jù)庫(kù)中獲得效果較好；在REPLAY-ATTACK數(shù)據(jù)庫(kù)中EER為2.10%，HTER為3.24%，數(shù)據(jù)表明本文算法具有較好的識(shí)別效果.

3 結(jié)論

本文從人臉視頻角度考慮，在分析人臉紋理特征差異的基礎(chǔ)上提出一種多顏色空間中三正交平面的動(dòng)態(tài)局部紋理特征算法WLDLBP-TOP以實(shí)現(xiàn)活體人臉檢測(cè).該方法基于多顏色空間下提取紋理特征，有效地結(jié)合了時(shí)域、空域以及多種顏色空間，并分析了不同時(shí)域半徑對(duì)活體人臉檢測(cè)的效果，實(shí)驗(yàn)結(jié)果表明該方法提高了檢測(cè)準(zhǔn)確率.但在實(shí)際應(yīng)用中需要考慮到許多因素，比如活體人臉檢測(cè)時(shí)間問(wèn)題，這將是我們以后研究的重點(diǎn)目標(biāo).

[1] PEREORA T D F, ANJOS A, MARTINO J M D, et al.LBP?TOP, based countermeasure against face spoofing attacks [M]//Computer Vision-ACCV 2012 Workshops.Berlin: S[romger.2013: 121-132.

[2] PEREIRA T D F, KOMULAINEN J, ANJOS A, et al.Face liveness detection using dynamic texture [J].Eurasip Journal on Image & Video Processing, 2014, 2014(1): 2.

[3] CHINGOVSKA I, ANJOS A, MARCEL S.On the effectiveness of local binary patterns in face anti-spoofing [C]//In Biometrics Special Interest Group (BIOSIG), [S.l.]: IEEE, 2012: 1-7.

[4] MEI Ling, YANG Dakun, FENG Zhanxiang, et al.WLD-TOP based algorithm against face spoofing attacks [M]//Biometric Recognition.[S.l.]: Springer International Publishing, 2015.

[5] BOULKENAFET Z, KOMULAINEN J, FENG Xiaoyi, et al.Scale space texture analysis for face anti-spoofing [C]//International Conference on Biometrics.[S.l.]: IEEE, 2016: 1-6.

[6] BOULKENAFET Z, KOMULAINEN J, HADID A.Face spoofing detection using colour texture analysis [J].IEEE Transactions on Information Forensics & Security, 2016, 11(8): 1818-1830.

[7] CHANG C C, LIN C J.LIBSVM: A library for support vector machines [J].Acm Transactions on Intelligent Systems & Technology, 2011, 2(3): 389-396.

[8] LIAO Shengcai, JAIN A K, STAN Z.A fast and accurate unconstrained face detector [J].IEEE Transactions on Pattern Analysis& Machine Intelligence, 2014, 38(2): 1.

[9] OJALA T, PIETIKAINEN M, MAEMPAA T.Gray scale and rotation invariant texture classification with local binary patterns [J].IEEE Transactions on Pattern Analysis & Machine Intelligence, 2002, 24(7): 971-987.

[10] CHEN Jie, SHAN Shiguang, HE Chu, et al.WLD: A robust local image descriptor [J].Pattern Analysis & Machine Intelligence IEEE Transactions on, 2010, 32(9): 1705-1720.

[11] ZHANG Zhiwei, YAN Junjie, LIU Sifei, et al.A face anti-spoofing database with diverse attacks [C]//Iapr International Conference on Biometrics.[S.l.]: IEEE, 2012: 26-31.

[12] 邵新華, 趙勛杰, 程凱.基于改進(jìn)的WLD特征的人臉識(shí)別[J].計(jì)算機(jī)應(yīng)用與軟件, 2015(4): 141-144.

[13] PARVERR S, AHMAD S, ABBAS N, et al.Face liveness detection using dynamic local ternary pattern (DLTP) [J].2016, 5(2): 10.

[責(zé)任編輯：韋 韜]

WLDLBP-TOP Based Algorithm for Face Liveness Detection in the Multi-Color Space

GAN Jun-ying, LIU Cheng-yun, LI Shan-lu
(School of Information Engineering, Wuyi University, Jiangmen 529020, China)

Dynamic texture analyses play a vital role in face liveness detection.However, these image descriptors have been mainly researched by analyzing gray-scale videos, resulting in the loss of the color texture information and low recognition rates.In order to solve these problems, we propose a new spatio-temporal texture feature called Weber Local Descriptor and Local Binary Pattern from Three Orthogonal Planes (WLDLBP-TOP) in the Muti-color space and analyze the effect of different video frames on face detection accuracy.We verify the algorithm in the public database CASIA-FASD and REPLAY-ATTACK, and the experimental results show that the equal error rate (EER) of the proposed algorithm for CASIA-FASD is 2.69%; in the REPLAY-ATTACK, the EER for the validation set was 2.10%, and the Half Total Error Rate for the test set is 3.24%, a higher recognition rate that that obtained by using the existing dynamic texture algorithm.

color texture information; dynamic texture analyses; three orthogonal planes

P391

A

1006-7302（2017）02-0014-06

2017-02-19

國(guó)家自然科學(xué)基金資助項(xiàng)目（61072127）；廣東省自然科學(xué)基金資助項(xiàng)目（S2013010013311）

甘俊英（1964—），女，江西樟樹(shù)人，教授，博士，碩士生導(dǎo)師，研究方向?yàn)樾畔⑻幚怼⑷藱C(jī)交互、圖像信號(hào)處理.