多颜色空间中三正交平面的WLDLBP活体人脸检测算法

甘俊英，刘呈云，李山路

（五邑大学 信息工程学院，广东 江门 529020）

多颜色空间中三正交平面的WLDLBP活体人脸检测算法

甘俊英，刘呈云，李山路

（五邑大学 信息工程学院，广东 江门 529020）

基于动态纹理分析是活体人脸检测中一个重要的研究方法，然而这些算法主要从灰度视频进行研究，丢失了颜色纹理特征重要信息，导致检测识别率偏低.为了利用颜色特征信息来提高检测准确率，本文提出一种多颜色空间中三正交平面的动态局部纹理特征算法WLDLBPTOP，并分析了视频帧数不同对活体人脸检测的准确率的影响.算法在公开数据库CASIA-FASD和REPLAY- ATTACK中进行验证，实验结果表明，本文所提算法在CASIA-FASD中获得EER（Equal Error Rate）为2.69%；在REPLAY-ATTACK中，当验证集EER为2.10%时，在测试集中的HTER（Half Total Error Rate）为3.24%，比现有动态纹理特征算法拥有更高的识别率.

颜色特征信息；动态纹理分析；三正交平面

生物特征识别技术在日常生活中的使用越来越广泛，尤其是人脸识别，但人脸识别系统很容易被非真实人脸攻击，许多不法分子用合法用户的照片、视频和3D面具来欺骗人脸识别系统.因此，活体人脸检测将成为人脸识别中至关重要的一部分，国内外许多学者致力于活体人脸检测的相关工作，提出了许多活体人脸检测算法[1-6].其中，基于纹理特征分析的方法主要有：基于动态纹理的活体人脸检测和基于颜色特征信息的活体人脸检测等.

基于动态纹理的活体人脸检测是将二维图像扩展到时空域进行活体人脸检测，把运动特征和外观特征结合起来进行动态纹理分析.文献[1-2]提出从三正交平面中提取局部二值模式（Local Binary Pattern，LBP），在REPLAY-ATTACK数据库[3]中获得较好识别率.为了提高算法的鲁棒性和稳定性，文献[4]由时空域提取韦伯局部特征（Weber Local Descriptor，WLD）特征，实验在CASIA-FASD数据库和自建数据库SYSU-MFSD中获得较高识别率.

基于颜色纹理空间的活体人脸检测是一种新的研究方法.文献[5]提出一种基于多尺度下LBP特征提取的活体人脸检测方法，该方法主要通过多尺度滤波对多颜色空间进行预处理，滤掉一些不必要的信息.文献[6]使用颜色特征实现活体人脸检测，提出了融合LPQ、CoALBP、BSIF、SID特征，实验结果表明该方法具有较高的识别率和稳定性.

针对多颜色特征空间与三正交平面有效信息的提取，本文提出一种在XY、XT和YT三正交平面中的局部纹理特征算法（WLDLBP from Three Orthogonal Planes，WLDLBP-TOP），实现了融合多颜色空间和时空域特征的活体人脸检测算法；采用SVM分类器[7]来识别真实人脸和伪装人脸，并在公开活体人脸数据库CASIA-FASD和REPLAY-ATTACK上进行验证.

1 活体人脸检测算法

本文首先准确定位获取的第一帧图像位置[8]，并将原始人脸视频按照检测到的第一帧人脸的位置进行人脸剪切并归一化为64*64；然后，将RGB颜色空间分别转换为HSV和Ycbcr颜色空间；在HSV、RGB、Ycbcr等多颜色空间中融合时域、空域提取的纹理特征.图1为人脸视频剪切样例.

图1 人脸视频剪切样例

1.1 LBP算法

LBP算法[9]作为一种有效的纹理描述子，最早被应用于纹理分类问题.基本思想为以邻域中心像素的灰度值为阈值，分别与该像素相邻的灰度值做二值化处理；然后，根据相邻像素的不同位置进行加权求和得到当前像素值；最后，统计加权求和所得像素值的数量并归一化.

1.2 WLD算法

文献[10]提出一种局部纹理特征算法WLD，并用于人脸识别系统，较好地提高了准确率.因WLD特征融合了尺度不变特征转换（Scale-invariant feature transform，SIFT）中梯度方向信息和局部二值模式中局部邻域像素的变化，具有较好的抗噪性，得到了广泛应用.

对差分激励和方向角采用合理的参数进行量化并融合，得到二维WLD特征直方图.然后，将二维特征直方图转换为一维特征直方图.

1.3 WLDLBP-TOP算法

文献[4]从XY、YT、XT三正交平面中提取动态纹理特征，结合3个方向上的人脸纹理特征提高了活体人脸检测的分类能力.但仅从灰度图像中提取动态纹理，未考虑颜色特征信息；而真实人脸在颜色空间中具有丰富的纹理信息.为此，本文提出一种多颜色空间的纹理特征算法WLDLBP-TOP（Weber Local Descriptor and Local Binary Pattern from Three Orthogonal Planes），下面对该特征进行探讨.

原始WLD在计算梯度方向时，仅考虑当前4个领域的像素，会丢失一些描述纹理的细节信息，而且还会受到光照和噪声的干扰.因此，文献[1-2,4]将原始WLD方向角的卷积模板用图3中的矩阵，考虑了当前8个领域的像素，较好地抑制了噪声干扰.

图2 卷积模板

图3 卷积模板

本文采用文献[12]改进的WLD算法，根据式（1）和式（2）求出差分激励值和方向角，差分激励量化为M段获得的值为，方向角量化为T段获得的值为.然后，将一致模式的局部二值模式和WLD值按式（3）计算，即

其中，x, y, t表示XY、YT、XT三正交平面的坐标值.为

其中，LBPP,R为局部二值模式值.

在第c个颜色空间中的第i个平面的WLDLBP直方图为

其中，c=1为RGB颜色空间，c=2为HSV颜色空间，c=3为Ycbcr颜色空间，i=1为XY平面，i=2为YT平面，i=3为XT平面.最后获得本文算法的直方图H为

图4为多颜色空间中WLDLBP-TOP活体人脸检测算法框图.

图4 多颜色空间中WLDLBP-TOP活体人脸检测算法框图

2 实验结果与分析

2.1 实验对象与参数

实验采用两种公开的活体人脸视频数据库CASIA-FASD[11]和REPLAY-ATTACK[3]验证算法的分类性能，图5为CASIA-FASD和REPLAY-ATTACK数据库真实人脸和伪装人脸样例.

本文与文献[5-6]采用一致的评判标准，由于CASIA-FASD数据库缺少验证集，用等错误率（Equal Error Rate，EER）验证算法的性能；REPLAY-ATTACK由训练集、验证集和测试集组成，采用半错误率（Half Total Error Rate，HTER）验证算法的性能.在WLDLBP-TOP纹理特征中，M=8，T=4.

图5 CASIA-FASD和REPLAY-ATTACK数据库真实人脸和伪装人脸样例

表1 基于CASIA-FASD数据库的EER（%）

2.2 实验结果与分析

活体人脸视频检测在时域中，由于提取特征的视频帧数不一致，算法的识别率也不同.为研究视频帧数的变化对活体人脸视频检测的影响，将视频帧数分为1、3、5、7、11进行实验.当视频帧数为1时，表明算法在二维人脸图像中提取WLDLBP特征，即没有时域空间信息.其中，视频帧数与时域半径的关系为：表1、2分别为基于CASIA- FASD和REPLAY-ATTACK数据库的EER和HTER.从表中可知，当视频帧数增大时，每个平面的EER有所增加，说明视频帧数和时域半径增大，丢失有用信息较大.时空域特征融合比单个时域和空域的EER和HTER要低，在CASIA-FASD数据库中，当视频帧数为3时，EER从3.25%下降到2.69%；在REPLAY-ATTACK数据库中，HTER从6.01%下降到3.24%，说明在时空域特征融合比单个时空域获得效果要好.其中，当选用视频帧为3时，在CASIA-FASD数据库中的EER为2.69%，在REPLAY-ATTACK视频数据库中的EER和HTER分别为2.10%、3.24%，获得的效果较好.

表2 基于REPLAY-ATTACK数据库的EER（%）和HTER（%）

为验证算法在数据库中的准确性，将本文与其他活体人脸检测方法进行比较，如LBP[9]、LBP-TOP[2]、WLD[10]、WLD-TOP[4]、DLTP[13]，结果如表3所示.其中，视频帧数取3，

表3 与其他算法在数据库中的EER（%）和HTER（%）比较

从表3可知，本文在纹理特征算法方面，获得较好的效果，比基于时空域下的其他算法提取的特征效果要好；在CASIA-FASD数据库中，与卷积神经网络相比，本文算法在CASIA-FASD数据库中获得效果较好；在REPLAY-ATTACK数据库中EER为2.10%，HTER为3.24%，数据表明本文算法具有较好的识别效果.

3 结论

本文从人脸视频角度考虑，在分析人脸纹理特征差异的基础上提出一种多颜色空间中三正交平面的动态局部纹理特征算法WLDLBP-TOP以实现活体人脸检测.该方法基于多颜色空间下提取纹理特征，有效地结合了时域、空域以及多种颜色空间，并分析了不同时域半径对活体人脸检测的效果，实验结果表明该方法提高了检测准确率.但在实际应用中需要考虑到许多因素，比如活体人脸检测时间问题，这将是我们以后研究的重点目标.

[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] 邵新华, 赵勋杰, 程凯.基于改进的WLD特征的人脸识别[J].计算机应用与软件, 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.

[责任编辑：韦 韬]

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

国家自然科学基金资助项目（61072127）；广东省自然科学基金资助项目（S2013010013311）

甘俊英（1964—），女，江西樟树人，教授，博士，硕士生导师，研究方向为信息处理、人机交互、图像信号处理.