基于优化LeNet-5的近红外图像中的静默活体人脸检测

黄 俊，张娜娜，章 惠

（1.上海海洋大学信息学院，上海 201306；2.上海建桥学院信息技术学院，上海 201306）

0 引言

随着人脸识别技术的普及和计算机视觉技术的蓬勃发展，人脸支付、人脸登录、人脸取件等系统已被实施应用在人们的生活中。但是，在一些特殊场景下，人脸识别系统极易被外来手段攻击，如：电子屏幕翻拍、照片打（冲）印、三维人脸模型等。因此，为了维护人脸识别系统的安全，保障用户的利益，人脸活体检测技术显得相当重要。目前，市面上及研究领域中被用的最广泛的是交互式的活体检测方法。

文献[1]提出了一个关于眼睛和嘴部动作的交互式活体检测方法，主要思想是计算用户眼睛区域和牙齿的HSV（Hue,Saturation,Value）色彩空间，以此来判断它们的开合状态。文献[2]设计了一个关于嘴部状态和头部姿态的互动式活体检测系统，作者利用支持向量机（support vector machine，SVM）[3]和面部特征点算法，来预测头部姿态方向和嘴部开合状态，通过随机指令要求用户做出对应动作，以实现活体检测。文献[4]要求用户完成一些随机表情动作，并计算连续视频帧的SIFT（scale-invariant feature transform）流能量值来判断表情变化。文献[5]则在虚拟柜员机（virtual teller machine，VTM）的相机条件下，利用眼球色素变化进行眨眼检测，加以背景检测、张嘴检测和微笑检测等组合命令得以实现交互式活体检测。

交互式活体检测存在着人机交互不友好、认证过程繁琐等缺点，针对其弊端，本文提出了一种基于卷积神经网络（convolutional neural network，CNN）和近红外光的静默活体检测方法，利用近红外光的成像特点及光在材质上的反射特性，直接去除了电子屏幕、相片冲印的人脸攻击；……