應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)的人臉活體檢測算法研究*

龍 敏，佟越洋

1.長沙理工大學(xué) 計(jì)算機(jī)與通信工程學(xué)院，長沙 410114

2.長沙理工大學(xué) 綜合交通運(yùn)輸大數(shù)據(jù)智能處理湖南省重點(diǎn)實(shí)驗(yàn)室，長沙 410114

1 引言

隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，生物特征識(shí)別技術(shù)的識(shí)別率也在穩(wěn)步提高，在各種識(shí)別技術(shù)中，人臉識(shí)別因其安全性高，穩(wěn)定性好且具有自然性、非接觸性、并發(fā)性以及隱蔽性等優(yōu)點(diǎn)，被廣泛應(yīng)用于刑事偵查、監(jiān)控系統(tǒng)以及安全檢測技術(shù)中[1]。目前，對人臉識(shí)別的研究主要集中在對復(fù)雜場景下不同個(gè)體的人臉定位上，關(guān)于人臉檢測問題的安全性研究卻很少[2]。隨著網(wǎng)絡(luò)的廣泛應(yīng)用，包含用戶信息的人臉圖像很容易從各種社交網(wǎng)絡(luò)中被非法用戶獲取，對認(rèn)證系統(tǒng)造成嚴(yán)重威脅，如假臉攻擊。假臉攻擊是指非法用戶試圖通過提供虛假數(shù)據(jù)（翻拍合法用戶圖片、視頻以及3D模具等）獲得系統(tǒng)訪問權(quán)限，其中翻拍合法用戶圖片和視頻截取用戶圖片，由于成本低廉及實(shí)現(xiàn)簡單，成為非法入侵者使用的主要攻擊方式。針對這類攻擊，目前主要采用人臉活體檢測技術(shù)進(jìn)行識(shí)別。

本文研究主要針對攝像機(jī)捕獲活體真人的活臉圖像和對活體圖像進(jìn)行二次翻拍后得到的假臉圖像的鑒別。如圖1所示，這兩類圖像具有高相似度，肉眼通常難以區(qū)分。研究者們通過分析活體人臉與翻拍人臉的本質(zhì)化差異，如紋理特征、頻譜特征、光照反射差異、運(yùn)動(dòng)信息等，提出了大量的反欺詐人臉活體檢測方法[3-12]。目前，對活體人臉檢測算法的研究大體可分為兩類：靜態(tài)檢測算法和動(dòng)態(tài)檢測算法。

Fig.1 Examples of liveness faces and recaptured faces圖1 活體人臉與二次翻拍人臉示例

靜態(tài)活體檢測算法是基于單張圖片對人臉信息進(jìn)行分析。M??tt?等人提出使用LBP算子度量圖像微紋理細(xì)節(jié)，提取人臉的LBP特征、Gabor小波特征以及定向梯度直方圖，采用支持向量機(jī)（support vec-tor machine，SVM）對人臉進(jìn)行活體檢測[3-4]。Li等人使用傅里葉光譜分析方法分析人臉圖像的高頻分量以鑒別活性人臉[5]。Kim等人提出使用局部區(qū)域的擴(kuò)散速度模型（local speed patterns，LSP）分析活性人臉特征[6]。

動(dòng)態(tài)算法則主要分析視頻序列中的信息（如生理特征、動(dòng)態(tài)紋理等），通過面部運(yùn)動(dòng)變化檢測人臉活性。Pan等人對人眼模型進(jìn)行眨眼建模，分析眨眼檢測率[7]。Pinto等人提出基于碼本的檢測算法，通過計(jì)算時(shí)頻描述子（visual codebooks of spectral temporal cubes，VCST）區(qū)別真?zhèn)稳四榌8]。Singh等人提出使用Haar級(jí)聯(lián)分類器分析唇部以及眼部運(yùn)動(dòng)[9]。Schwartz提出對視頻提取灰度共生矩陣、HOG（histogram of oriented gradient）、LBP（local binary pattern）等特征辨別視頻真?zhèn)蝃10]。

上述文獻(xiàn)提出的算法都是基于手工提取人臉特征，手段單一，不能準(zhǔn)確描述活體人臉的特點(diǎn)，對多類型攻擊手段的人臉欺詐方式的檢測精度差，不具有魯棒性，受場景約束度較高。2014年，Yang等人首次將卷積神經(jīng)網(wǎng)絡(luò)引入生物特征識(shí)別算法，提出使用imagenet網(wǎng)絡(luò)分析人臉圖像[11]。Alotaibi等人提出一種ND-CNN（nonlinear diffusion using convolution neural network）算法對人臉擴(kuò)散速度模型進(jìn)行分析并將圖像放入deepnet網(wǎng)絡(luò)進(jìn)行活體檢測[12-13]。這類算法均獲得了較好的檢測結(jié)果，但由于深度學(xué)習(xí)的運(yùn)算復(fù)雜度高，計(jì)算量大，算法容易出現(xiàn)“梯度彌散”以及過擬合等問題，進(jìn)而影響檢測效率。為了避免這些問題，本文提出一種針對單幀圖像的人臉活體檢測算法，算法首先對攝像頭捕獲的信息進(jìn)行預(yù)處理，然后放入卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練。對現(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN），提出一種優(yōu)化策略，采用一種并行的卷積神經(jīng)網(wǎng)絡(luò)BMCNN（based on mixnetwork-convolutional neural network），通過兩個(gè)不同結(jié)構(gòu)的網(wǎng)絡(luò)對人臉圖像進(jìn)行并行處理，使得到的特征更加客觀全面。將預(yù)處理后的人臉圖像作為BM-CNN的輸入,對人臉圖像提取深層次的紋理特征，卷積網(wǎng)絡(luò)在下采樣過程中使用二均值池化方法對特征向量降維，提取下采樣范圍內(nèi)的二均值元素代表池化域的整體信息，并綜合批量歸一化方法以及多類型非線性單元獲得深層次的人臉特征表達(dá)，最后通過網(wǎng)絡(luò)的決策層對人臉活性進(jìn)行鑒別。

2 人臉活體檢測算法

卷積神經(jīng)網(wǎng)絡(luò)（CNN）作為人工神經(jīng)網(wǎng)絡(luò)的一種，已被廣泛應(yīng)用于圖像識(shí)別、文字識(shí)別、音頻識(shí)別等領(lǐng)域，它的網(wǎng)絡(luò)結(jié)構(gòu)對二維形狀的平移、比例縮放、傾斜以及其他形式的變形具有高度不變性[14]。本文提出的人臉活體檢測算法分為兩個(gè)步驟：首先對攝像頭捕獲視頻圖像進(jìn)行人臉圖像的預(yù)處理，再對預(yù)處理后的人臉進(jìn)行深度學(xué)習(xí)。如圖2所示，在對人臉圖像進(jìn)行活體檢測時(shí)，CNN的輸入是對單幀照片采用人臉關(guān)鍵點(diǎn)定位，人臉分割以及圖像增強(qiáng)等預(yù)處理手段處理后的人臉圖像，為了加快卷積神經(jīng)網(wǎng)絡(luò)的收斂速度并提高活體檢測算法的鑒別能力，算法采用并行網(wǎng)絡(luò)結(jié)構(gòu)，并在BM-CNN網(wǎng)絡(luò)下采樣過程中使用二均值池化方法，結(jié)合批量歸一化BN（batch normalization）、Relu與Tanh非線性單元對人臉進(jìn)行特征學(xué)習(xí)與分類決策。

Fig.2 Procedure of algorithm圖2 算法過程

2.1 預(yù)處理算法實(shí)現(xiàn)

在活體檢測之前，需要對攝像頭捕獲畫面進(jìn)行預(yù)處理，如圖3所示。算法首先對人臉視頻的單幀圖片進(jìn)行人臉定位分割：通過OpenCV隨機(jī)抽取攝像頭捕獲的視頻幀信息獲取單幀人臉圖像，并針對OpenCV中的Viala-Jones算法在人臉定位方法中存在的偏差問題，采用一種面向?qū)R的人臉定位方法FPS-LBF（3000 FPS via regressing local binary features）[15]優(yōu)化人臉框定位68個(gè)關(guān)鍵點(diǎn)，提取精確的人臉圖像，并保留部分人臉背景邊框以提高算法的檢測性能[16]。

另外，為了解決現(xiàn)有人臉增強(qiáng)方法存在的計(jì)算繁瑣，運(yùn)算耗時(shí)長等問題，并提高算法整體性能的準(zhǔn)確度，算法使用GC（Gaussian curvature）高斯曲率濾波[17]方法對分割后的人臉圖像進(jìn)行增強(qiáng)，對人臉采用優(yōu)化正則項(xiàng)原則，在圖像優(yōu)化模型中存在如下關(guān)系:

式（1）中，數(shù)據(jù)擬合項(xiàng)能量εd(S,I)一直增加，正則項(xiàng)能量εr(S)不斷減小，整體能量ε(S)一直處于下降的狀態(tài)，因此只要滿足正則項(xiàng)能量的下降大于數(shù)據(jù)擬合項(xiàng)的增加，就可以保證整體優(yōu)化策略的穩(wěn)定。這樣的預(yù)處理手段可以在去除人臉圖像噪聲的同時(shí)有效保留人臉圖像中的紋理細(xì)節(jié)信息以及邊緣特征。

2.2 BM卷積神經(jīng)網(wǎng)絡(luò)

算法提出的卷積神經(jīng)網(wǎng)絡(luò)BM-CNN包括兩個(gè)并行的卷積神經(jīng)網(wǎng)絡(luò)Innet1與Innet2，每個(gè)子網(wǎng)絡(luò)有三部分：卷積運(yùn)算部分、池化運(yùn)算部分與全連接部分。卷積部分有3層結(jié)構(gòu)，每層包含卷積層、BN（批量歸一化層）和不同類型的非線性單元。

Fig.3 Procedure of image preprocessing圖3 圖像預(yù)處理過程

Fig.4 Architecture of Innet1 algorithm圖4 Innet1網(wǎng)絡(luò)結(jié)構(gòu)

網(wǎng)絡(luò)Innet1結(jié)構(gòu)如圖4所示包含3個(gè)卷積層、3個(gè)池化層，前兩個(gè)卷積層中使用BN層以及非線性單元Relu層，第三個(gè)卷積層使用Tanh非線性單元，參數(shù)設(shè)置如下：卷積層1由64組卷積核組成，每組卷積核的尺寸為9×9×3（9×9表示卷積核的大小，3表示輸入圖像的通道數(shù)），卷積層的步長為2；通過BN層和RELU層映射到核為3×3步長為2的交疊池化層，得到64幅特征圖輸出到卷積層2。卷積層2與卷積層1結(jié)構(gòu)相同，它有64個(gè)5×5大小卷積核，卷積層步長為1；通過BN層以及RELU層映射到下采樣層，得到64幅特征圖輸出到卷積層3。卷積層3與卷積層1結(jié)構(gòu)相同，它有96個(gè)3×3大小卷積核，卷積層步長為1；通過BN層以及Tanh層映射到下采樣層，得到96幅特征圖輸出到全連接層。

Innet2網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示，在網(wǎng)絡(luò)的中間卷積層部分使用分解的小卷積核，在降低計(jì)算量的同時(shí)提高算法的準(zhǔn)確度。網(wǎng)絡(luò)參數(shù)設(shè)置如下：卷積層1、2與卷積層3、4分別由20和50個(gè)卷積核組成，卷積層1、4的每個(gè)卷積核尺寸為3×3，卷積層2和卷積層3通過分解卷積核采用1×3以及3×1的非對稱卷積濾波器，在降低特征維數(shù)的同時(shí)，可以有效提高網(wǎng)絡(luò)的鑒別能力。池化部分采用2×2大小的卷積核對特征映射圖不重疊降維。

Fig.5 Architecture of Innet2 algorithm圖5 Innet2網(wǎng)絡(luò)結(jié)構(gòu)

Fig.6 Architecture of BM-CNN algorithm圖6 BM-CNN網(wǎng)絡(luò)結(jié)構(gòu)

BM-CNN的網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示，它的輸入為經(jīng)過預(yù)處理后的人臉圖像，每個(gè)卷積層都加入批量歸一化層（BN），卷積層的激活函數(shù)采用不同的非線性單元Relu以及Tanh；在池化層采用BM-Pooling池化方法保持圖像紋理細(xì)節(jié)的同時(shí)避免增大圖像噪聲的影響；全連接層的激活函數(shù)采用非線性單元Tanh；通過全連接層將兩個(gè)網(wǎng)絡(luò)的輸出特征圖拉成一個(gè)列向量。

2.2.1 池化方法

卷積層獲取人臉圖像的特征圖譜之后，需要做進(jìn)一步的計(jì)算和分類輸出，由于卷積層輸出的特征向量維數(shù)較高，對于16個(gè)360×360大小的輸出特征圖譜會(huì)產(chǎn)生150多萬維卷積特征，高維數(shù)的特征向量將會(huì)耗費(fèi)大量的運(yùn)算時(shí)間，且容易出現(xiàn)“過擬合”現(xiàn)象。池化（下采樣）的目的是進(jìn)行二次特征提取[18]。在卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，通常使用下采樣（池化）方法，逐步減小特征表示的空間大小，減少網(wǎng)絡(luò)中的參數(shù)，降低計(jì)算量。本文算法采用二均值池化（下采樣）方法對區(qū)域特征進(jìn)行分析統(tǒng)計(jì)以降低輸入特征圖的維度，并避免過擬合問題。常用的池化模型有最大池化（Max-Pooling）、平均池化（Mean-Pooling）以及隨機(jī)池化（Stochastic-Pooling）。最大池化方法側(cè)重于描述池化域的顯著紋理特征，平均池化側(cè)重保留特征圖的背景信息，隨機(jī)池化介于兩者之間。

針對有效描述人臉區(qū)域信息的問題，本文采用二均值池化（BM-Pooling）方法，可以更準(zhǔn)確地描述人臉特征圖的紋理信息，BM-Pooling池化方法的表達(dá)式為：

在BP反向更新隱層單元權(quán)重時(shí)，BM-Pooling的反向傳播誤差推導(dǎo)如下：

式中，δl表示第l層池化部分的誤差靈敏度,l-1層為卷積層。σ′(zl-1)代表激活函數(shù)的偏導(dǎo)數(shù)，運(yùn)算符號(hào)°代表哈達(dá)瑪乘積，upsample(δl)為池化結(jié)果重置后的擴(kuò)展矩陣，池化前矩陣元素為aij，擴(kuò)展矩陣推導(dǎo)如下：

式中，Ψij表示第l層池化層中的第j個(gè)池化域的前向傳播輸出元素值。

在反向傳播過程中對重置的擴(kuò)展矩陣的部分元素置零，滿足Ψij=max(aij?)i∈n，對池化層輸入過程中max(aij)所在位置賦值為池化域元素值，其他位置置零，若設(shè)當(dāng)i=j時(shí)aij有最大值，則：

圖7描述了當(dāng)對輸入特征圖譜進(jìn)行2×2大小步長為2的BM下采樣時(shí)的池化層運(yùn)算結(jié)果，由于滑動(dòng)窗口的步長為2，可以將特征圖分為2×2大小的4個(gè)不重疊池化域，對每個(gè)池化域選取最大二均值代表2×2區(qū)域內(nèi)的特征圖信息實(shí)現(xiàn)對特征圖的降采樣處理。

Fig.7 Forward propagation algorithm of BM pooling圖7 BM池化前向傳播算法

針對人臉圖像紋理信息波動(dòng)幅度不穩(wěn)定的問題，BM-Pooling算法可以在描述特征圖紋理信息的同時(shí)，考慮到對池化域影響較大的第二元素以降低CNN算法對活體人臉的誤判率。

2.2.2 卷積網(wǎng)絡(luò)運(yùn)算過程

卷積神經(jīng)網(wǎng)絡(luò)的輸入為經(jīng)過預(yù)處理后歸一化到像素大小為256×256的人臉圖像，首先對輸入圖像進(jìn)行卷積操作：

式中，表示l卷積層的第j個(gè)特征圖（map）；Cj表示輸入卷積層的map集合；*表示對卷積核k與卷積層的輸入map做卷積運(yùn)算并求和；b表示偏置參數(shù)；f(?)表示激活函數(shù)。

為了避免過擬合現(xiàn)象，BM-CNN在卷積操作后加入批量歸一化（BN）層[19]，將卷積層的輸出作為BN層的輸入，引入可學(xué)習(xí)重構(gòu)參數(shù)γ和β，滿足x=γ?x?+β，其中x?表示歸一化后的數(shù)據(jù)，γ和β通過鏈?zhǔn)角髮?dǎo)方法訓(xùn)練求出，增加模型的泛化能力，在訓(xùn)練過程采用批量隨機(jī)梯度下降方法。歸一化過程如下：

其中，μB與分別代表BN層輸入特征映射x的均值與方差。由式（8）～式（10）得到歸一化的圖像x?i，數(shù)據(jù)歸一化后均值為0，標(biāo)準(zhǔn)差為1，BN層的輸出由式（11）得到：

需要注意的是算法對前幾層卷積采用非線性單元Relu，使一部分神經(jīng)元的輸出為零，并設(shè)置為通道間共享參數(shù)，使網(wǎng)絡(luò)具有稀疏性而減少參數(shù)的相互依存關(guān)系，以緩解過擬合問題并加速收斂[20]。對最后一層卷積以及全連接層采用非線性單元Tanh。池化層(下采樣層)使用二均值池化方法，計(jì)算公式如下：

式中，pool(?)表示二均值池化(BM-Pooling)方法；β表示權(quán)重系數(shù)。最后一層池化部分的輸出作為第一個(gè)全連接層的輸入，全連接層將學(xué)到的“分布式特征表示”映射到樣本標(biāo)記空間，使用決策函數(shù)進(jìn)行分類預(yù)測。

3 實(shí)驗(yàn)結(jié)果與分析

本文算法基于Caffe深度學(xué)習(xí)框架，配置一塊12 GB大小的GPU，使用Python語言實(shí)現(xiàn)，在對比實(shí)驗(yàn)中，為了驗(yàn)證BM-CNN算法的真實(shí)性和有效性，與其他大部分人臉檢測算法相同，將CNN學(xué)習(xí)率設(shè)為0.01，迭代次數(shù)為8000次。

3.1 數(shù)據(jù)集介紹

本文使用兩種經(jīng)典的活體人臉檢測數(shù)據(jù)庫，NUAA（http://parnec.nuaa.edu.cn/xtan/NUAAImposterDB_download.html）人臉照片欺騙數(shù)據(jù)庫以及CASIA（http://www.cbsr.ia.ac.cn/english/CASIA-WebFace-Database.html）人臉視頻欺騙數(shù)據(jù)庫。

NUAA數(shù)據(jù)庫是首個(gè)公認(rèn)的反照片人臉欺騙數(shù)據(jù)庫，數(shù)據(jù)庫的采集分為3個(gè)時(shí)間階段，并在不同光照條件下完成，共有15個(gè)目標(biāo)參與數(shù)據(jù)收集，數(shù)據(jù)庫圖片數(shù)量如表1所示。為了模擬假冒人臉攻擊方式，攝像頭捕獲的假臉數(shù)據(jù)存在前后上下左右以及旋轉(zhuǎn)彎曲的空間位置移動(dòng)和多種照片欺詐的運(yùn)動(dòng)形式。

Table 1 Number of images in NUAAdatabase表1 NUAA數(shù)據(jù)庫圖片數(shù)量

CASIA數(shù)據(jù)庫由600段視頻組成，數(shù)據(jù)庫的構(gòu)成如表2所示。對50個(gè)樣本進(jìn)行采集，假臉視頻包括扭曲的人臉照片欺騙、剪切的照片欺騙以及人臉視頻欺騙，使用3種不同成像質(zhì)量的攝像頭在背景復(fù)雜以及不同光照環(huán)境下進(jìn)行數(shù)據(jù)收集，并模擬眨眼攻擊手段，考慮了多種欺詐可能性。

Table 2 Number of videos in CASIA-FASD database表2 CASIA-FASD數(shù)據(jù)庫視頻數(shù)量

3.2 算法性能實(shí)驗(yàn)及分析

在本文提出的算法實(shí)驗(yàn)中，首先對單幀圖像進(jìn)行人臉分割、圖像增強(qiáng)以及歸一化的預(yù)處理，然后通過BM-CNN網(wǎng)絡(luò)對輸入圖像進(jìn)行特征學(xué)習(xí)以及決策分類。實(shí)驗(yàn)中，采用準(zhǔn)確率（ACC）、誤判率（ERR）以及半錯(cuò)誤率（HTER）作為評(píng)估活體人臉檢測算法分類結(jié)果的指標(biāo)，HTER定義為：

式中，F(xiàn)RR是指將真實(shí)人臉錯(cuò)判為假冒人臉的概率，F(xiàn)AR是指將假冒人臉錯(cuò)判為真實(shí)人臉的概率。

3.2.1 預(yù)處理算法實(shí)驗(yàn)與分析

為了驗(yàn)證本文提出的預(yù)處理方法的有效性，實(shí)驗(yàn)獲取曲率濾波在不同迭代次數(shù)下對算法檢測準(zhǔn)確率的影響，得到最佳預(yù)處理模型。并與經(jīng)典活體檢測算法的預(yù)處理方法進(jìn)行比較，驗(yàn)證BM-CNN預(yù)處理算法可靠性。

表3展示了在CASIA數(shù)據(jù)集上進(jìn)行不同濾波迭代次數(shù)的高斯曲率濾波后的實(shí)驗(yàn)結(jié)果，可以看出，隨著濾波迭代次數(shù)的增加，算法的準(zhǔn)確率不斷提高，這是因?yàn)镚C曲率濾波有較好的收斂效果。如圖8所示，隨著濾波迭代次數(shù)的增加，人臉圖像的曲率能量逐漸降低，并在濾波迭代9次后，人臉圖像能量趨于平穩(wěn)。

Table 3 Performance comparison of CASIA database with different iterations表3 對CASIA數(shù)據(jù)庫在不同迭代次數(shù)下的性能對比

Fig.8 Curvature energy of different face images changes with the number of iterations圖8 不同類型人臉圖像曲率能量隨迭代次數(shù)變化

表4、表5分別表示在CASIA數(shù)據(jù)集以及NUAA數(shù)據(jù)集上采用不同的預(yù)處理方式對人臉圖像進(jìn)行處理，對BM-CNN算法檢測識(shí)別率的影響。

Table 4 Performance of different preprocessing methods on CASIAdatabase表4 對CASIA數(shù)據(jù)庫在不同預(yù)處理方法下的性能 %

Table 5 Performance of different preprocessing methods on NUAAdatabase表5 對NUAA數(shù)據(jù)庫在不同預(yù)處理方法下的性能 %

可以看出當(dāng)算法不使用預(yù)處理手段，將切割的人臉圖像歸一化后直接放入BM-CNN時(shí)算法的識(shí)別率最低，檢測效果最差，說明預(yù)處理手段對BM-CNN算法的有效性和必要性。在4種預(yù)處理手段中，本文采用高斯曲率濾波預(yù)處理方法的性能優(yōu)于采用圖像擴(kuò)散速度的預(yù)處理方法[12]以及自適應(yīng)同態(tài)濾波的人臉光照補(bǔ)償方法[21]和小波降噪預(yù)處理方法[22]，說明高斯曲率濾波的預(yù)處理方法在去噪的同時(shí)可以較好地保留人臉圖像的邊緣信息與細(xì)節(jié)紋理。

對比算法在兩種不同類型數(shù)據(jù)集上的識(shí)別準(zhǔn)確率，可以看出，活體人臉檢測算法對NUAA數(shù)據(jù)集進(jìn)行測試的檢測性能優(yōu)于CASIA數(shù)據(jù)集，這是因?yàn)镃ASIA數(shù)據(jù)集中包含了不同分辨率的視頻人臉信息和更加豐富的攻擊手段。

3.2.2 BM算法中的池化方法實(shí)驗(yàn)與分析

為了驗(yàn)證BM算法使用的二均值池化的性能，分別在NUAA以及CASIA數(shù)據(jù)集上使用BM-Pooling池化算法同常用池化算法最大池化Max-Pooling、均值池化Mean-Pooling以及隨機(jī)池化Stochastic-Pooling算法進(jìn)行對比實(shí)驗(yàn)。

表6和表7分別展示了在不同數(shù)據(jù)集上池化方式對算法檢測識(shí)別率的影響?？梢钥闯?，對3種現(xiàn)有的池化模型，當(dāng)算法使用中值池化（Mean-Pooling）模型對人臉活性進(jìn)行檢測時(shí)，檢測效果最差，使用隨機(jī)池化（Stochastic-Pooling）的檢測效果高于另外兩種方法，對特征圖紋理細(xì)節(jié)的保持度較高。而相比較現(xiàn)有的3種池化模型，當(dāng)采用BM-Pooling二均值下采樣方法時(shí)，算法對人臉活性的檢測識(shí)別率最高，說明BM-CNN采用的池化方法可以更準(zhǔn)確地提取特征圖的紋理信息，提高人臉活體檢測算法的整體性能。

Table 6 Effect of pooling methods on recognition rate on CASIAdatabase表6 池化算法在CASIA庫上對識(shí)別率的影響 %

Table 7 Effect of pooling methods on recognition rate on NUAAdatabase表7 池化算法在NUAA庫上對識(shí)別率的影響 %

3.2.3 并行網(wǎng)絡(luò)性能分析

為了驗(yàn)證并行網(wǎng)絡(luò)的準(zhǔn)確性和有效性，在NUAA數(shù)據(jù)集以及CASIA數(shù)據(jù)集上分別對本文提出的3種卷積神經(jīng)網(wǎng)絡(luò)和經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)Lenet、Alexnet以及Googlenet網(wǎng)絡(luò)進(jìn)行對比實(shí)驗(yàn)，分析在相同的硬件條件和預(yù)處理方式下，不同的網(wǎng)絡(luò)結(jié)構(gòu)對活體人臉的檢測效果。

表8和表9分別表示在NUAA數(shù)據(jù)集上以及CASIA數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果?？梢钥闯?，當(dāng)通過Lenet網(wǎng)絡(luò)結(jié)構(gòu)對活體人臉進(jìn)行檢測時(shí)，對算法的檢測識(shí)別率最低，效果最差。Googlenet網(wǎng)絡(luò)結(jié)構(gòu)采用分解小卷積核策略，檢測效果較高。而本文提出的BM-CNN卷積神經(jīng)網(wǎng)絡(luò)對活體人臉的檢測效果均優(yōu)于其他網(wǎng)絡(luò)結(jié)構(gòu)。在NUAA數(shù)據(jù)集上，BM-CNN以及Innet1都可以達(dá)到100%的識(shí)別率。對挑戰(zhàn)性更大的CASIA數(shù)據(jù)集進(jìn)行測試，BM-CNN的識(shí)別率為99.33%。

Table 8 Effect of parallel network on recognition rate on NUAAdatabase表8 并行網(wǎng)絡(luò)在NUAA庫上對識(shí)別率的影響 %

Table 9 Effect of parallel network on recognition rate on CASIAdatabase表9 并行網(wǎng)絡(luò)在CASIA庫上對識(shí)別率的影響 %

3.2.4 算法檢測性能對比

為了驗(yàn)證整體算法的有效性和可靠性，對本文提出的BM-CNN算法與部分經(jīng)典活體人臉檢測算法進(jìn)行了實(shí)驗(yàn)對比。

表10表示在NUAA活體人臉數(shù)據(jù)庫上不同檢測算法的實(shí)驗(yàn)結(jié)果，可以看出，在基于手工提取人臉特征的活體檢測方法中，M-DOG（multiple-DOG）算法[23]以及 LTP（local ternary pattern）算法[24]對活體人臉的檢測性能較差。CDD（component dependent descriptor）算法提出優(yōu)化人臉背景框，檢測效果較好，基于DK（diffusion-based kernel）模型的活體檢測[25]算法對活體人臉的檢測準(zhǔn)確率最高為99.3%?；谏疃葘W(xué)習(xí)的檢測算法的性能與DK算法相當(dāng)；本文算法準(zhǔn)確率為100%，表明BM-CNN活體人臉?biāo)惴▽φ掌粲兄芎玫姆烙饔谩?/p>

Table 10 Performance of different algorithms on NUAAdatabase表10 NUAA數(shù)據(jù)庫上不同算法的性能 %

表11表示在CASIA庫的驗(yàn)證集上的測試結(jié)果，可以看出，在基于深度學(xué)習(xí)的活體檢測方法中，基于S-CNN[11]以及長短期記憶網(wǎng)絡(luò)（long short-term memory-CNN）的活體檢測算法[26]對活體人臉的檢測錯(cuò)誤率最高，DB-CNN（diffusion-based-CNN）算法對活體人臉的檢測性能較好，STM（spatio-temporal mapping）算法的檢測性能最好。本文算法的半錯(cuò)誤率HTER僅為0.56，低于其他活體人臉檢測算法，驗(yàn)證了BM-CNN算法在實(shí)際應(yīng)用中的可靠性。

Table 11 HTER of different algorithms on CASIA-dev database表11 CASIA數(shù)據(jù)庫驗(yàn)證集上不同算法的半錯(cuò)誤率

表12為在CASIA數(shù)據(jù)庫測試集的實(shí)驗(yàn)結(jié)果，本文算法的準(zhǔn)確率為99.33%，表明本文提出的BMCNN算法在應(yīng)對不同情況下的視頻攻擊時(shí)，具有較好的魯棒性，可以對不同質(zhì)量的打印照片人臉、沖洗照片人臉以及高清設(shè)備顯示的假冒人臉實(shí)現(xiàn)高效可靠的檢測。

Table 12 Accuracy of different algorithms on CASIAdatabase表12 對CASIA數(shù)據(jù)庫上不同算法的性能 %

3.2.5 算法在小樣本數(shù)量下的對比實(shí)驗(yàn)

為了驗(yàn)證BM-CNN算法在小數(shù)量的樣本空間下仍然具有良好的檢測性能，分別在700～200張人臉圖像上進(jìn)行樣本數(shù)量間隔為50的遞減樣本數(shù)量的分類性能對比實(shí)驗(yàn)。

Fig.9 Effect of sample size on accuracy圖9 樣本數(shù)量對準(zhǔn)確率的影響

圖9描述了NUAA數(shù)據(jù)庫上訓(xùn)練樣本數(shù)對識(shí)別率的影響，算法識(shí)別率隨著樣本數(shù)的增加而增加，當(dāng)樣本數(shù)為550時(shí)，BM-CNN算法的準(zhǔn)確率已達(dá)到100%，在相同訓(xùn)練樣本數(shù)的條件下，本文提出的算法性能優(yōu)于算法ND-CNN[12]。

3.2.6 算法耗時(shí)檢測

在實(shí)際應(yīng)用中，人臉識(shí)別系統(tǒng)需要快速精準(zhǔn)地對用戶信息進(jìn)行活體檢測。為了驗(yàn)證BM-CNN算法的實(shí)時(shí)檢測性能，在同一硬件條件下分別在CASIA和NUAA數(shù)據(jù)集上對相同的人臉圖像使用不同的算法網(wǎng)絡(luò)進(jìn)行訓(xùn)練并測試，統(tǒng)計(jì)網(wǎng)絡(luò)訓(xùn)練時(shí)間以及在驗(yàn)證集上的單張測試耗時(shí)，結(jié)果如表13所示。

Table 13 Real-time testing on NUAA and CASIAdatabase表13 在NUAA和CASIA數(shù)據(jù)集上的實(shí)時(shí)性測試

可以看出，ND-CNN網(wǎng)絡(luò)訓(xùn)練耗時(shí)最短，在NUAA數(shù)據(jù)集上訓(xùn)練的時(shí)間約為2.92 h，本文提出的BM-CNN訓(xùn)練耗時(shí)為3.07 h，這是因?yàn)锽M-CNN網(wǎng)絡(luò)的深度和復(fù)雜度均高于包含3層網(wǎng)絡(luò)結(jié)構(gòu)的NDCNN，Googlenet由于模型復(fù)雜，訓(xùn)練耗時(shí)最長。在測試耗時(shí)方面，本文提出的BM-CNN算法對NUAA數(shù)據(jù)庫的測試耗時(shí)為8.56 s，在CASIA數(shù)據(jù)庫的測試耗時(shí)為8.98 s，均優(yōu)于其他幾種網(wǎng)絡(luò)，說明ND-CNN在實(shí)際應(yīng)用中，可以在提高檢測效率的同時(shí)保證算法的實(shí)時(shí)處理能力。

4 結(jié)束語

本文提出了一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的人臉活體檢測算法（BM-CNN），通過設(shè)計(jì)合理的預(yù)處理方法以及有效的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來提取人臉特征并檢測人臉活性。

算法采用FPS-LBF方法定位人臉信息，將提取到的人臉圖像通過曲率濾波（GC）方法進(jìn)行預(yù)處理優(yōu)化。設(shè)計(jì)了擁有并行卷積結(jié)構(gòu)的BM-CNN網(wǎng)絡(luò)，采用BM-Pooling方法并結(jié)合批量歸一化算法，針對網(wǎng)絡(luò)特性使用兩種不同類型的非線性單元，提升網(wǎng)絡(luò)收斂速度、識(shí)別率以及學(xué)習(xí)性能。對算法在兩個(gè)公開的人臉數(shù)據(jù)集（NUAA和CASIA）上進(jìn)行測試。實(shí)驗(yàn)結(jié)果表明，通過曲率濾波方法對提取的人臉圖像進(jìn)行增強(qiáng)后放入BM-CNN網(wǎng)絡(luò)可以對活體人臉進(jìn)行準(zhǔn)確分類，有效增強(qiáng)活體人臉檢測算法的泛化能力，并在一定程度上提高了人臉生物特征識(shí)別算法的實(shí)用性。

下一步工作，將更深入地研究卷積神經(jīng)網(wǎng)絡(luò)，利用CNN分析人臉的動(dòng)態(tài)信息，將稀疏概念引入CNN隱藏層，降低網(wǎng)絡(luò)的參數(shù)數(shù)量，并進(jìn)一步研究可優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，提高人臉識(shí)別系統(tǒng)的安全性能以及可靠性能。