一种人脸识别系统中的防欺骗方法

专利主权项内容

1.一种人脸识别系统中的防欺骗方法，其特征在于：所述方法的具体步骤为：步骤S1、获取图像并做归一化处理：通过摄像头设备获取RGB图像，然后将获取的RGB图像输入到cascade CNN人脸检测模块；人脸检测模块在RGB图像上进行人脸检测，若检测到人脸，则将图中的人脸区域图片输入给深度神经网络进行人脸关键点定位，并通过计算关键点到标准关键点的仿射变换，将不同姿态下的人脸图片变换到标准姿态下的人脸图片；步骤S2、特征提取阶段：提取以下七种特征：a、颜色多样性特征：从颜色分布中抽取如下两种特征：最常出现的60种颜色的像素个数占总像素点个数的百分比；人脸图片中出现的所有颜色个数；b、模糊程度特征：首先计算输入图片相邻像素间的颜色变化程度，然后对该图片进行低通滤波器处理，并计算经过低通滤波器处理后的相邻像素间颜色变化程度；再将原始输入图片和模糊图片的相邻像素间的变化程度总和进行对比，将此对比结果作为模糊程度特征；c、图片矩特征：保存RGB图片每个颜色通道的第一二三个中心矩特征；第一个矩特征是均值，即图片的平均颜色，第二个矩特征是每个颜色通道的方差，第三个中心矩特征是每个颜色通道的偏度；d、清晰度特征：应用Tenengrad梯度方法计算人脸的清晰度程度；e、光谱特征：在RGB视频的绿色通道中对人脸进行跟踪，检测人脸关键点，选择人脸前额、左脸颊、右脸颊、左耳旁、右耳旁的五个区域检测PPG信号；然后计算光谱特征，在得到五个区域的PPG信号后，进行减均值运算，并通过一个0.5Hz到5Hz的带通滤波器，从而变成五组新的信号；将这五组新信号作为光谱特征；f、镜面特征：基于双色反射模型，光照在物体特定位置x的反射率I可以分解为漫反射分量I和镜面反射分量I：dsI(x)＝I+I＝w(x)S(x)E(x)+w(x)E(x) 公式一dsds其中，E(x)是入射光强度，w(x)和w(x)分别是漫反射和镜面反射的权重系数，S(x)是局部漫反射率；ds按照以下方式建模，从真实人脸图像重获取得到2D攻击人脸：I'(x)＝I'+I'＝F(I(x))+w'(x)E'(x) 公式二dss由于漫反射可以由原始图像的扭曲变换决定，因此，用F(I(x))替换I’；d对于打印照片的攻击人脸，I(x)首先转化为印刷油墨在纸张上的强度，然后通过纸张表面的漫反射达到最终的图像强度；对于视频攻击，I(x)转化为在LCD屏幕的像素的辐射强度；同样的，镜面反射也会由于攻击介质的表面不同而区别于真实人脸；对于单张图像首先分离出镜面反射分量，然后计算镜面反射分量中像素点的比例、镜面反射像素平均强度和方差作为镜面反射特征；g、卷积特征：整理用于训练卷积网络的数据；将训练数据输入给建立的卷积网络开始训练；将摄像头读入的图像输入给训练过的卷积神经网络模型；提取卷积神经网络输出的特征向量；步骤S3、模型设计阶段：residual-mlp模型设计如下：模型整体记为M，其由深度神经网络A和residual结构C两部分组成；在神经网络A的每两层间增加一个residual结构C，将原始神经网络所要学的函数H(x)转换成F(x)+x，增加residual结构并不会给网络增加额外的参数和计算量，但是F(x)的优化会比H(x)更加简单，在很大程度上增加了模型的训练速度，提高了训练效果，在模型的层数加深时，很好的解决了消失梯度问题；步骤S4、训练阶段：训练阶段包括以下步骤：S41、将带有标注信息的人脸活体检测图像集合D分为训练集T和校验集V；S42、将residual-mlp网络模型记为M，则其共有M1, …Mn层；模型对输入的人脸图像P提取人脸微纹理特征组合I，经过模型的各层后输出识别结果O，每一层网络都由很多神经元组成，每个神经元都有预设的权值，然后根据当前网络输出与输入特征的标签差异应用批次随机梯度下降方法算法进行模型训练，不断的调整这些权值；S43、利用校验集V验证模型训练效果，即当模型在校验集V上获得较好的活体检测精度并且该精度不能随着训练过程再提升时，停止训练；最终训练完成获得模型M’；S44、在进行人脸活体检测时，支持向量机将找到一个线性分类的最佳超平面f(x)＝x*w^t+b＝0；首先通过两个分类点的最近点，找到f(x)的约束条件，然后通过拉格朗日乘子法和KKT条件进行求解，最终训练完成获得模型N’；S45、经过训练后的residual-mlp网络M’与支持向量机N’，会对训练集中的图片微纹理特征有一个相对较好的识别结果；根据这两种分类器的识别结果与置信度在训练集上挑选出一个相对较好的融合权重，将residual-mlp网络与支持向量机相融合，最终训练完成获得模型B；步骤S5、预测阶段：首先通过摄像头读入RGB图像P，将图像P输入给人脸检测器，如果图像中存在人脸则对检测到的人脸进行归一化，得到归一化人脸图像C；提取归一化人脸图像C的七种微纹理特征I；将微纹理特征I输入步骤S45获得的融合分类器B，预测人脸活体检测的结果。