CN103593598B - 基于活体检测和人脸识别的用户在线认证方法及系统 - Google Patents

Abstract

本发明揭示了一种基于活体检测和人脸识别的用户在线认证方法及系统，所述方法包括用户在线注册步骤、用户在线认证步骤；用户在线认证步骤包括活体检测步骤、图像处理步骤、特征值提取步骤、人脸比对步骤、结果处理步骤；活体检测步骤中确认认证用户是否是活体及获取人脸照片；图像处理步骤中对采集的人脸照片进行处理；特征提取步骤中对处理过的人脸照片，提取人脸部件特征；人脸比对步骤中，提取的采集的人脸图像的特征数据与所述用户人脸特征值数据库中的对应人脸数据，通过设定一个阈值，当相似度超过该阈值，则把匹配得到的结果输出。本发明可避免使用含有人脸的视频来骗取认证，提高系统安全性；同时可以缩短识别时间，提高识别准确率。

Description

基于活体检测和人脸识别的用户在线认证方法及系统

技术领域

本发明属于计算机及人脸识别技术领域，涉及一种在线认证识别方法，尤其涉及一种基于活体检测和人脸识别的用户在线认证方法；同时，本发明还涉及一种基于活体检测和人脸识别的用户在线认证系统。

背景技术

在当今信息社会，以计算机和网络为代表的信息技术几乎渗透到生活的方方面面。然而我们在享受“信息”的同时，也给人们带来了不安全的阴影，所以人们在从事各种活动中，经常需要进行个人身份的认证，从而保证信息的安全性。因为人脸的自然性、稳定性、易采集性，而被应用于身份认证。

现有认证过程请参阅图1，主要包括两个阶段：在用户在线注册时，需要采集用户人脸照片，提取人脸特征并将其放入特征值数据库中；在用户在线认证时，采集用户人脸照片，而后进行人脸检测、图像处理、人脸特征提取，并将提取出来的人脸特征与特征值数据库中对应的人脸特征进行比对，而后得出结果。

现有认证方法存在不足之处，主要包括：其一，在摄像头采集照片模块，无法甄别图像视频还是真人；其二，这种方法在识别速度及识别率没有满足用户的真正需求。

有鉴于此，如今迫切需要设计一种新的在线认证方式，以便克服现有认证方法的上述缺陷。

发明内容

本发明所要解决的技术问题是：提供一种基于活体检测和人脸识别的用户在线认证方法，可避免使用含有人脸的视频来骗取认证，提高系统安全性；同时可以缩短识别时间，提高识别准确率。

此外，本发明还提供一种基于活体检测和人脸识别的用户在线认证系统，可避免使用含有人脸的视频来骗取认证，提高系统安全性；同时可以缩短识别时间，提高识别准确率。

为解决上述技术问题，本发明采用如下技术方案：

一种基于活体检测和人脸识别的用户在线认证方法，所述方法包括：

步骤S10、用户在线注册步骤：用户在线填写信息，并根据提交的身份证号码通过公安内网调取对应的二代证照片，提取照片人脸特征值，建立用户人脸特征值数据库；

步骤S20、用户在线步骤；包括活体检测步骤、图像处理步骤、特征提取步骤、人脸比对步骤、结果处理步骤；具体包括：

-步骤S21、活体检测步骤，确认是否是活体及获取最优人脸照片；基于头部转动方向作为指令的判断程序，只有在设定时间内通过头部转动带动小球达到指定位置，则判断为活体，方可认证；同时选取旋转角度最小的照片为最优人脸照片；活体检测步骤包括人脸检测及人脸姿态检测；

人脸检测步骤中，判定是否是人脸及器官定位；对摄像头采集到每一帧图像，进行灰度变换、滤波处理，获得高质量灰度图；对灰度图利用积分快速计算出Harr-Like小波特征值，应用到离线训练好的AdaBoost-Cascade分类器，判别是否是人脸；根据人脸的五官形状特征和AdaBoost-Cascade分类器对人脸窗口的区域进行双眼、双眉、鼻子、嘴巴和下颚定位，确定人脸器官位置；

人脸姿态检测步骤中，采用基于椭圆模板和五官位置的姿态估计方法；首先通过人脸检测确定眼睛、鼻子和嘴巴的位置，然后对检测到的人脸连通域边界进行椭圆拟合得到椭圆模板，计算眼睛、嘴巴和鼻子的在模板中的位置参数，最后将位置参数送入三层人工神经网络得到的姿态参数的粗略估计值；为提高姿态估计的精度，根据粗略估计结果将输入图像经过一定处理后送入相应的线性相关滤波器，得到相对精确的人脸姿态估计结果；

-步骤S22、图像处理步骤；采集到最优姿态的人脸照片进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波及锐化，服务于特征提取；

-步骤S23、特征提取步骤；对处理过的人脸照片，提取人脸部件特征，包括裸脸、眉毛、眼睛、嘴人脸部件，利用主分量分析方法提取人脸部件特征；

-步骤S24、人脸比对步骤；提取的采集的人脸图像的特征数据与二代证人脸数据，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出；

-步骤S25、结果处理步骤；如结果匹配，则提示“认证成功”，同时提取到人脸特征值保存到服务器用户人脸数据库；如结果不匹配，则提示“重新认证”，重新开始照片采集。

一种基于活体检测和人脸识别的用户在线认证方法，所述方法包括：

步骤S10、用户在线注册步骤：用户在线填写信息，获取对应人脸特征值，建立用户人脸特征值数据库；

步骤S20、用户在线认证步骤；包括活体检测步骤、图像处理步骤、特征提取步骤、人脸比对步骤、结果处理步骤；具体包括：

-步骤S21、活体检测步骤，确认认证用户是否是活体及获取人脸照片；

-步骤S22、图像处理步骤；对采集的人脸照片进行处理；

-步骤S23、特征提取步骤；对处理过的人脸照片，提取人脸部件特征；

-步骤S24、人脸比对步骤；提取的采集的人脸图像的特征数据与所述用户人脸特征值数据库中的对应人脸数据，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出；

-步骤S25、结果处理步骤；根据人脸比对结果做出相应处理。

作为本发明的一种优选方案，所述步骤S21中，判断是否为活体的方法为：基于头部转动方向作为指令的判断程序，只有通过头部转动带动物体达到指定位置，则判断为活体同时选取旋转角度最小的照片为最优人脸照片。

作为本发明的一种优选方案，所述步骤S21中的活体检测步骤包括人脸检测及人脸姿态检测；

人脸检测步骤中，判定是否是人脸及器官定位；对摄像头采集到每一帧图像，进行灰度变换、滤波处理，获得高质量灰度图；

对灰度图利用积分快速计算出Harr-Like小波特征值，应用到离线训练好的AdaBoost-Cascade分类器，判别是否是人脸；

根据人脸的五官形状特征和AdaBoost-Cascade分类器对人脸窗口的区域进行双眼、双眉、鼻子、嘴巴和下颚定位，确定人脸器官位置；

人脸姿态检测步骤中，采用基于椭圆模板和五官位置的姿态估计方法；

首先通过人脸检测确定眼睛、鼻子和嘴巴的位置，然后对检测到的人脸连通域边界进行椭圆拟合得到椭圆模板，计算眼睛、嘴巴和鼻子的在模板中的位置参数，最后将位置参数送入三层人工神经网络得到的姿态参数的粗略估计值；

为提高姿态估计的精度，根据粗略估计结果将输入图像经过处理后送入相应的线性相关滤波器，得到相对精确的人脸姿态估计结果。

作为本发明的一种优选方案，步骤S22中，采集到最优姿态的人脸照片进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波及锐化，服务于特征提取；

步骤S23中，提取的人脸部件特征包括裸脸、眉毛、眼睛、嘴人脸部件，利用主分量分析方法提取人脸部件特征；

步骤S25中，如结果匹配，则提示“成功”，同时提取到人脸特征值保存到服务器用户人脸数据库；如结果不匹配，则提示“重新”，重新开始照片采集。

一种基于活体检测和人脸识别的用户在线认证系统，所述系统包括：

用户在线注册模块，供用户在线填写信息，并根据提交的身份证号码通过公安内网调取对应的二代证照片，提取照片人脸特征值，建立用户人脸特征值数据库；

用户在线认证模块，包括活体检测单元、图像处理单元、特征提取单元、人脸比对单元、结果处理单元；

所述活体检测单元用以确认是否是活体及获取最优人脸照片；活体检测单元包括头部转动方向获取子单元、位置生成子单元、物体运动驱动子单元，头部转动方向获取子单元用以获取头部转动方向的视频，并从中获取头部的转动方向；位置生成子单元用以随机生成物体的位置，以及物体需要到达的指定位置；物体运动驱动子单元用以根据头部转动方向驱动物体运动，只有通过头部转动带动物体达到指定位置，则判断为活体；同时选取旋转角度最小的照片为最优人脸照片；所述活体检测单元包括人脸检测子单元及人脸姿态检测子单元；

人脸检测子单元用以判定是否是人脸及器官定位；对摄像头采集到每一帧图像，

进行灰度变换、滤波处理，获得高质量灰度图；对灰度图利用积分快速计算出Harr-Like小波特征值，应用到离线训练好的AdaBoost-Cascade分类器，判别是否是人脸；根据人脸的五官形状特征和AdaBoost-Cascade分类器对人脸窗口的区域进行双眼、双眉、鼻子、嘴巴和下颚定位，确定人脸器官位置；

人脸姿态检测子单元用以采用基于椭圆模板和五官位置的姿态估计方法进行姿态检测；通过人脸检测确定眼睛、鼻子和嘴巴的位置，对检测到的人脸连通域边界进行椭圆拟合得到椭圆模板，计算眼睛、嘴巴和鼻子的在模板中的位置参数，将位置参数送入三层人工神经网络得到的姿态参数的粗略估计值；为提高姿态估计的精度，根据粗略估计结果将输入图像经过处理后送入相应的线性相关滤波器，得到相对精确的人脸姿态估计结果；

所述图像处理单元用以采集到最优姿态的人脸照片进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波及锐化，服务于特征提取；

所述特征提取单元用以对处理过的人脸照片，提取人脸部件特征，包括裸脸、眉毛、眼睛、嘴人脸部件，利用主分量分析方法提取人脸部件特征；

所述人脸比对单元用以提取的采集的人脸图像的特征数据与二代证人脸数据，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出；

所述结果处理单元用以根据人脸比对单元的比对结果做出相应处理；如结果匹配，则提示“认证成功”，同时提取到人脸特征值保存到服务器用户人脸数据库；如结果不匹配，则提示“重新认证”，重新开始照片采集。

一种基于活体检测和人脸识别的用户在线认证系统，所述系统包括：

-用户在线注册模块，供用户在线填写信息，获取对应人脸特征值，并建立用户人脸特征值数据库；

-用户在线认证模块，包括活体检测单元、图像处理单元、特征提取单元、人脸比对单元、结果处理单元；

所述活体检测单元用以确认认证用户是否是活体及获取人脸照片；

所述图像处理单元用以对采集的人脸照片进行处理；

所述特征提取单元用以对处理过的人脸照片，提取人脸部件特征；

所述人脸比对单元用以提取的采集的人脸图像的特征数据与所述用户人脸特征值数据库中的对应人脸数据，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出；

所述结果处理单元用以根据人脸比对结果做出相应处理。

作为本发明的一种优选方案，所述用户在线注册模块根据提交的身份证号码通过公安内网调取对应的二代证照片，提取照片人脸特征值，建立用户人脸特征值数据库。

作为本发明的一种优选方案，所述活体检测单元用以确认是否是活体及获取最优人脸照片；活体检测单元包括头部转动方向获取子单元、位置生成子单元、物体运动驱动子单元，头部转动方向获取子单元用以获取头部转动方向的视频，并从中获取头部的转动方向；位置生成子单元用以随机生成物体的位置，以及物体需要到达的指定位置；物体运动驱动子单元用以根据头部转动方向驱动物体运动，只有通过头部转动带动物体达到指定位置，则判断为活体；同时选取旋转角度最小的照片为最优人脸照片；所述活体检测单元包括人脸检测子单元及人脸姿态检测子单元；

人脸检测子单元用以判定是否是人脸及器官定位；对摄像头采集到每一帧图像，进行灰度变换、滤波处理，获得高质量灰度图；对灰度图利用积分快速计算出Harr-Like小波特征值，应用到离线训练好的AdaBoost-Cascade分类器，判别是否是人脸；根据人脸的五官形状特征和AdaBoost-Cascade分类器对人脸窗口的区域进行双眼、双眉、鼻子、嘴巴和下颚定位，确定人脸器官位置；

人脸姿态检测子单元用以采用基于椭圆模板和五官位置的姿态估计方法进行姿态检测；通过人脸检测确定眼睛、鼻子和嘴巴的位置，对检测到的人脸连通域边界进行椭圆拟合得到椭圆模板，计算眼睛、嘴巴和鼻子的在模板中的位置参数，将位置参数送入三层人工神经网络得到的姿态参数的粗略估计值；为提高姿态估计的精度，根据粗略估计结果将输入图像经过处理后送入相应的线性相关滤波器，得到相对精确的人脸姿态估计结果。

作为本发明的一种优选方案，所述图像处理单元用以采集到最优姿态的人脸照片进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波及锐化，服务于特征提取；

所述特征提取单元用以对处理过的人脸照片，提取人脸部件特征，包括裸脸、眉毛、眼睛、嘴人脸部件，利用主分量分析方法提取人脸部件特征；

所述人脸比对单元用以提取的采集的人脸图像的特征数据与二代证人脸数据，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出；

所述结果处理单元用以根据人脸比对单元的比对结果做出相应处理；如结果匹配，则提示“认证成功”，同时提取到人脸特征值保存到服务器用户人脸数据库；如结果不匹配，则提示“重新认证”，重新开始照片采集。

本发明的有益效果在于：本发明提出的基于活体检测和人脸识别的用户在线认证方法及系统，可避免使用含有人脸的视频来骗取认证，提高系统安全性。本发明通过游戏式的指令操作，确保采集到的照片是用户本人照片；同时，成功认证的人脸照片的特征值保存到用户人脸数据库，这样一对多的比对大大缩短识别时间及提高识别准确率。

附图说明

图1为现有在线认证方法的流程图。

图2为本发明在线认证方法的流程图。

图3为本发明在线认证系统的组成示意图。

具体实施方式

下面结合附图详细说明本发明的优选实施例。

实施例一

请参阅图1，本发明揭示了一种基于活体检测和人脸识别的用户在线认证方法，所述方法包括：

【步骤S10】用户在线注册步骤：用户在线填写信息，并根据提交的身份证号码通过公安内网调取对应的二代证照片，提取照片人脸特征值，建立用户人脸特征值数据库。

【步骤S20】用户在线认证步骤(如，可以是登录认证)；包括活体检测步骤、图像处理步骤、特征提取步骤、人脸比对步骤、结果处理步骤。具体包括：

-步骤S21、活体检测步骤，确认是否是活体及获取最优人脸照片；首先在设定屏幕上生成小球运动的视频，并记录小球运动各时间点的轨迹；若采集到连续人脸姿态组合和小球运动方向组合相同，则判断为活体，否则为照片或者视频；同时选取旋转角度最小的照片为最优人脸照片。另一种活体检测方式为：基于头部转动方向作为指令的判断程序，只有在设定时间内通过头部转动带动小球达到指定位置，则判断为活体，方可认证。

活体检测步骤包括人脸检测及人脸姿态检测；

人脸检测步骤中，判定是否是人脸及器官定位；对摄像头采集到每一帧图像，进行灰度变换、滤波处理，获得高质量灰度图；对灰度图利用积分快速计算出Harr-Like小波特征值，应用到离线训练好的AdaBoost-Cascade分类器，判别是否是人脸；根据人脸的五官形状特征和AdaBoost-Cascade分类器对人脸窗口的区域进行双眼、双眉、鼻子、嘴巴和下颚定位，确定人脸器官位置；

人脸姿态检测步骤中，采用基于椭圆模板和五官位置的姿态估计方法；首先通过人脸检测确定眼睛、鼻子和嘴巴的位置，然后对检测到的人脸连通域边界进行椭圆拟合得到椭圆模板，计算眼睛、嘴巴和鼻子的在模板中的位置参数，最后将位置参数送入三层人工神经网络得到的姿态参数的粗略估计值；为提高姿态估计的精度，根据粗略估计结果将输入图像经过一定处理后送入相应的线性相关滤波器，得到相对精确的人脸姿态估计结果；

-步骤S22、图像处理步骤；采集到最优姿态的人脸照片进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波及锐化，服务于特征提取；

-步骤S23、特征提取步骤；对处理过的人脸照片，提取人脸部件特征，包括裸脸、眉毛、眼睛、嘴人脸部件，利用主分量分析方法提取人脸部件特征；

-步骤S24、人脸比对步骤；提取的采集的人脸图像的特征数据与二代证人脸数据，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出；

-步骤S25、结果处理步骤；如结果匹配，则提示“认证成功”，同时提取到人脸特征值保存到服务器用户人脸数据库；如结果不匹配，则提示“重新认证”，重新开始照片采集。

以上介绍了本发明基于活体检测和人脸识别的用户在线认证方法的流程，本发明在揭示上述方法的同时，还揭示一种基于活体检测和人脸识别的用户在线认证系统；所述系统包括：用户在线注册模块、用户在线认证模块。

用户在线注册模块供用户在线填写信息，并根据提交的身份证号码通过公安内网调取对应的二代证照片(当然也可以是其他人脸照片)，提取照片人脸特征值，建立用户人脸特征值数据库。

用户在线认证模块包括活体检测单元、图像处理单元、特征提取单元、人脸比对单元、结果处理单元。

所述活体检测单元用以确认是否是活体及获取最优人脸照片；活体检测单元包括物体运动呈现子单元，用以在设定屏幕上生成小球运动的视频，活体检测单元记录小球运动各时间点的轨迹，并根据人脸姿态变化判断采集的人脸照片是否为活体照片；若采集到连续人脸姿态组合和小球运动方向组合相同，则判断为活体，否则为照片或者视频；同时选取旋转角度最小的照片为最优人脸照片。此外，还可以通过其他方式检测活体，如活体检测单元包括头部转动方向获取子单元、位置生成子单元、物体运动驱动子单元，头部转动方向获取子单元用以获取头部转动方向的视频，并从中获取头部的转动方向；位置生成子单元用以随机生成物体的位置，以及物体需要到达的指定位置；物体运动驱动子单元用以根据头部转动方向驱动物体运动，只有通过头部转动带动物体达到指定位置，则判断为活体。

所述活体检测单元包括人脸检测子单元及人脸姿态检测子单元。

人脸检测子单元用以判定是否是人脸及器官定位；对摄像头采集到每一帧图像，进行灰度变换、滤波处理，获得高质量灰度图；对灰度图利用积分快速计算出Harr-Like小波特征值，应用到离线训练好的AdaBoost-Cascade分类器，判别是否是人脸；根据人脸的五官形状特征和AdaBoost-Cascade分类器对人脸窗口的区域进行双眼、双眉、鼻子、嘴巴和下颚定位，确定人脸器官位置。

人脸姿态检测子单元用以采用基于椭圆模板和五官位置的姿态估计方法进行姿态检测；通过人脸检测确定眼睛、鼻子和嘴巴的位置，对检测到的人脸连通域边界进行椭圆拟合得到椭圆模板，计算眼睛、嘴巴和鼻子的在模板中的位置参数，将位置参数送入三层人工神经网络得到的姿态参数的粗略估计值；为提高姿态估计的精度，根据粗略估计结果将输入图像经过处理后送入相应的线性相关滤波器，得到相对精确的人脸姿态估计结果。

所述图像处理单元用以采集到最优姿态的人脸照片进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波及锐化，服务于特征提取。

所述特征提取单元用以对处理过的人脸照片，提取人脸部件特征，包括裸脸、眉毛、眼睛、嘴人脸部件，利用主分量分析方法提取人脸部件特征。

所述人脸比对单元用以提取的采集的人脸图像的特征数据与二代证人脸数据，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。

所述结果处理单元用以根据人脸比对单元的比对结果做出相应处理；如结果匹配，则提示“认证成功”，同时提取到人脸特征值保存到服务器用户人脸数据库；如结果不匹配，则提示“重新认证”，重新开始照片采集。

综上所述，本发明提出的基于活体检测和人脸识别的用户在线认证方法及系统，可避免使用含有人脸的视频来骗取认证，提高系统安全性。本发明通过游戏式的指令操作，确保采集到的照片是用户本人照片；同时，成功认证的人脸照片的特征值保存到用户人脸数据库，这样一对多的比对大大缩短识别时间及提高识别准确率。

这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。

Claims (8)

1.一种基于活体检测和人脸识别的用户在线认证方法，其特征在于，所述方法包括：

步骤S10、用户在线注册步骤：用户在线填写信息，并根据提交的身份证号码通过公安内网调取对应的二代证照片，提取照片人脸特征值，建立用户人脸特征值数据库；

步骤S20、用户在线认证步骤；包括活体检测步骤、图像处理步骤、特征提取步骤、人脸比对步骤、结果处理步骤；具体包括：

-步骤S21、活体检测步骤，确认是否是活体及获取最优人脸照片；基于头部转动方向作为指令的判断程序，只有在设定时间内通过头部转动带动小球达到指定位置，则判断为活体，方可认证；同时选取姿态最优人脸照片；活体检测步骤包括人脸检测及人脸姿态检测；

人脸检测步骤中，判定是否是人脸及器官定位；对摄像头采集到每一帧图像，进行灰度变换、滤波处理，获得高质量灰度图；对灰度图利用积分快速计算出Harr-Like小波特征值，应用到离线训练好的AdaBoost-Cascade分类器，判别是否是人脸；根据人脸的五官形状特征和AdaBoost-Cascade分类器对人脸窗口的区域进行双眼、双眉、鼻子、嘴巴和下颚定位，确定人脸器官位置；

人脸姿态检测步骤中，采用基于椭圆模板和五官位置的姿态估计方法；首先通过人脸检测确定眼睛、鼻子和嘴巴的位置，然后对检测到的人脸连通域边界进行椭圆拟合得到椭圆模板，计算眼睛、嘴巴和鼻子的在模板中的位置参数，最后将位置参数送入三层人工神经网络得到的姿态参数的粗略估计值；为提高姿态估计的精度，根据粗略估计结果将输入图像经过处理后送入邻域加权滤波器，得到相对精确的人脸姿态估计结果；

-步骤S22、图像处理步骤；采集到最优姿态的人脸照片进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波及锐化，服务于特征提取；

-步骤S23、特征提取步骤；对处理过的人脸照片，提取人脸部件特征，包括裸脸、眉毛、眼睛、嘴人脸部件，利用主分量分析方法提取人脸部件特征；

-步骤S24、人脸比对步骤；提取的采集的人脸图像的特征数据与二代证人脸数据，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出；

-步骤S25、结果处理步骤；如结果匹配，则提示“认证成功”，同时提取到人脸特征值保存到服务器用户人脸数据库；如结果不匹配，则提示“重新认证”，重新开始照片采集。

2.一种基于活体检测和人脸识别的用户在线认证方法，其特征在于，所述方法包括：

步骤S10、用户在线注册步骤：用户在线填写信息，获取对应人脸特征值，建立用户人脸特征值数据库；

步骤S20、用户在线认证步骤；包括活体检测步骤、图像处理步骤、特征提取步骤、人脸比对步骤、结果处理步骤；具体包括：

-步骤S21、活体检测步骤，确认认证用户是否是活体及获取人脸照片；

所述步骤S21中的活体检测步骤包括人脸检测及人脸姿态检测；

人脸检测步骤中，判定是否是人脸及器官定位；对摄像头采集到每一帧图像，进行灰度变换、滤波处理，获得高质量灰度图；

对灰度图利用积分快速计算出Harr-Like小波特征值，应用到离线训练好的AdaBoost-Cascade分类器，判别是否是人脸；

根据人脸的五官形状特征和AdaBoost-Cascade分类器对人脸窗口的区域进行双眼、双眉、鼻子、嘴巴和下颚定位，确定人脸器官位置；

人脸姿态检测步骤中，采用基于椭圆模板和五官位置的姿态估计方法；

首先通过人脸检测确定眼睛、鼻子和嘴巴的位置，然后对检测到的人脸连通域边界进行椭圆拟合得到椭圆模板，计算眼睛、嘴巴和鼻子的在模板中的位置参数，最后将位置参数送入三层人工神经网络得到的姿态参数的粗略估计值；

为提高姿态估计的精度，根据粗略估计结果将输入图像经过处理后送入相应的线性相关滤波器，得到相对精确的人脸姿态估计结果；

-步骤S22、图像处理步骤；对采集的人脸照片进行处理；

-步骤S23、特征提取步骤；对处理过的人脸照片，提取人脸部件特征；

-步骤S24、人脸比对步骤；提取的采集的人脸图像的特征数据与所述用户人脸特征值数据库中的对应人脸数据，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出；

-步骤S25、结果处理步骤；根据人脸比对结果做出相应处理。

3.根据权利要求2所述的基于活体检测和人脸识别的用户在线认证方法，其特征在于：

所述步骤S21中，判断是否为活体的方法为：基于头部转动方向作为指令的判断程序，只有通过头部转动带动物体达到指定位置，则判断为活体；同时选取旋转角度最小的照片为最优人脸照片。

4.根据权利要求2所述的基于活体检测和人脸识别的用户在线认证方法，其特征在于：

步骤S22中，采集到最优姿态的人脸照片进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波及锐化，服务于特征提取；

步骤S23中，提取的人脸部件特征包括裸脸、眉毛、眼睛、嘴人脸部件，利用主分量分析方法提取人脸部件特征；

步骤S25中，如结果匹配，则提示“认证成功”，同时提取到人脸特征值保存到服务器用户人脸数据库；如结果不匹配，则提示“重新认证”，重新开始照片采集。

5.一种基于活体检测和人脸识别的用户在线认证系统，其特征在于，所述系统包括：

用户在线注册模块，供用户在线填写信息，并根据提交的身份证号码通过公安内网调取对应的二代证照片，提取照片人脸特征值，建立用户人脸特征值数据库；

用户在线认证模块，包括活体检测单元、图像处理单元、特征提取单元、人脸比对单元、结果处理单元；

所述活体检测单元用以确认是否是活体及获取最优人脸照片；活体检测单元包括头部转动方向获取子单元、位置生成子单元、物体运动驱动子单元，头部转动方向获取子单元用以获取头部转动方向的视频，并从中获取头部的转动方向；位置生成子单元用以随机生成物体的位置，以及物体需要到达的指定位置；物体运动驱动子单元用以根据头部转动方向驱动物体运动，只有通过头部转动带动物体达到指定位置，则判断为活体；同时选取旋转角度最小的照片为最优人脸照片；所述活体检测单元包括人脸检测子单元及人脸姿态检测子单元；

人脸检测子单元用以判定是否是人脸及器官定位；对摄像头采集到每一帧图像，进行灰度变换、滤波处理，获得高质量灰度图；对灰度图利用积分快速计算出Harr-Like小波特征值，应用到离线训练好的AdaBoost-Cascade分类器，判别是否是人脸；根据人脸的五官形状特征和AdaBoost-Cascade分类器对人脸窗口的区域进行双眼、双眉、鼻子、嘴巴和下颚定位，确定人脸器官位置；

人脸姿态检测子单元用以采用基于椭圆模板和五官位置的姿态估计方法进行姿态检测；通过人脸检测确定眼睛、鼻子和嘴巴的位置，对检测到的人脸连通域边界进行椭圆拟合得到椭圆模板，计算眼睛、嘴巴和鼻子的在模板中的位置参数，将位置参数送入三层人工神经网络得到的姿态参数的粗略估计值；为提高姿态估计的精度，根据粗略估计结果将输入图像经过处理后送入相应的线性相关滤波器，得到相对精确的人脸姿态估计结果；

所述图像处理单元用以采集到最优姿态的人脸照片进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波及锐化，服务于特征提取；

所述特征提取单元用以对处理过的人脸照片，提取人脸部件特征，包括裸脸、眉毛、眼睛、嘴人脸部件，利用主分量分析方法提取人脸部件特征；

所述人脸比对单元用以提取的采集的人脸图像的特征数据与二代证人脸数据，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出；

所述结果处理单元用以根据人脸比对单元的比对结果做出相应处理；如结果匹配，则提示“认证成功”，同时提取到人脸特征值保存到服务器用户人脸数据库；如结果不匹配，则提示“重新认证”，重新开始照片采集。

6.一种基于活体检测和人脸识别的用户在线认证系统，其特征在于，所述系统包括：

-用户在线注册模块，供用户在线填写信息，获取对应人脸特征值，并建立用户人脸特征值数据库；

-用户在线认证模块，包括活体检测单元、图像处理单元、特征提取单元、人脸比对单元、结果处理单元；

所述活体检测单元用以确认认证用户是否是活体及获取人脸照片；活体检测单元包括头部转动方向获取子单元、位置生成子单元、物体运动驱动子单元，头部转动方向获取子单元用以获取头部转动方向的视频，并从中获取头部的转动方向；位置生成子单元用以随机生成物体的位置，以及物体需要到达的指定位置；物体运动驱动子单元用以根据头部转动方向驱动物体运动，只有通过头部转动带动物体达到指定位置，则判断为活体；同时选取旋转角度最小的照片为最优人脸照片；所述活体检测单元包括人脸检测子单元及人脸姿态检测子单元；

人脸检测子单元用以判定是否是人脸及器官定位；对摄像头采集到每一帧图像，进行灰度变换、滤波处理，获得高质量灰度图；对灰度图利用积分快速计算出Harr-Like小波特征值，应用到离线训练好的AdaBoost-Cascade分类器，判别是否是人脸；根据人脸的五官形状特征和AdaBoost-Cascade分类器对人脸窗口的区域进行双眼、双眉、鼻子、嘴巴和下颚定位，确定人脸器官位置；

人脸姿态检测子单元用以采用基于椭圆模板和五官位置的姿态估计方法进行姿态检测；通过人脸检测确定眼睛、鼻子和嘴巴的位置，对检测到的人脸连通域边界进行椭圆拟合得到椭圆模板，计算眼睛、嘴巴和鼻子的在模板中的位置参数，将位置参数送入三层人工神经网络得到的姿态参数的粗略估计值；为提高姿态估计的精度，根据粗略估计结果将输入图像经过处理后送入相应的线性相关滤波器，得到相对精确的人脸姿态估计结果；

所述图像处理单元用以对采集的人脸照片进行处理；

所述特征提取单元用以对处理过的人脸照片，提取人脸部件特征；

所述人脸比对单元用以提取的采集的人脸图像的特征数据与所述用户人脸特征值数据库中的对应人脸数据，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出；

所述结果处理单元用以根据人脸比对结果做出相应处理。

7.根据权利要求6所述的基于活体检测和人脸识别的用户在线认证系统，其特征在于：

所述用户在线注册模块根据提交的身份证号码通过公安内网调取对应的二代证照片，提取照片人脸特征值，建立用户人脸特征值数据库。

8.根据权利要求6所述的基于活体检测和人脸识别的用户在线认证系统，其特征在于：

所述图像处理单元用以采集到最优姿态的人脸照片进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波及锐化，服务于特征提取；

所述特征提取单元用以对处理过的人脸照片，提取人脸部件特征，包括裸脸、眉毛、眼睛、嘴人脸部件，利用主分量分析方法提取人脸部件特征；

所述人脸比对单元用以提取的采集的人脸图像的特征数据与所述用户人脸特征值数据库中的对应人脸数据，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出；

所述结果处理单元用以根据人脸比对单元的比对结果做出相应处理；如结果匹配，则提示“认证成功”，同时提取到人脸特征值保存到服务器用户人脸数据库；如结果不匹配，则提示“重新认证”，重新开始照片采集。