(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210397127.6
(22)申请日 2022.04.15
(71)申请人 佛山科学技术学院
地址 528000 广东省佛山市江湾一路18号
(72)发明人 周燕 吴浩海 吴楚涛 韦勤彬
周月霞 刘翔宇
(74)专利代理 机构 佛山市禾才知识产权代理有
限公司 4 4379
专利代理师 梁永健 邓流沛
(51)Int.Cl.
G06V 40/16(2022.01)
G06V 40/40(2022.01)
G06K 9/62(2022.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)G06V 10/764(2022.01)
G06V 10/28(2022.01)
G06V 10/80(2022.01)
G06V 10/82(2022.01)
(54)发明名称
一种有效学习人脸细节的高分辨率人脸防
欺骗方法及系统
(57)摘要
本发明涉及深度学习和计算机视觉技术领
域, 尤其涉及一种有效学习人脸细 节的高分辨率
人脸防欺骗方法及系统, 其中方法包括以下步
骤: S1、 通过自适应特征增强网络, 对人脸图及其
对应的深度图和反光图进行特征加权; S2、 通过
对角特征融合网络, 对特征加权后的人脸图进行
特征提取, 获取具有判别性的人脸局部细节特征
图; S3、 通过欺骗区域检测网络, 对人脸局部细 节
特征图进行放大, 在高维空间提取人脸欺骗特征
区域; S4、 通过全连接层以及SoftMax分类器, 对
人脸欺骗特征区域进行处理, 以判断人脸是否为
欺骗人脸。 本发明能提高人脸欺骗区域的辨识
度, 进一步提高人脸活体 检测的效率。
权利要求书3页 说明书7页 附图4页
CN 114724223 A
2022.07.08
CN 114724223 A
1.一种有效学习人脸细节的高分辨 率人脸防欺骗方法, 其特 征在于, 包括以下步骤:
S1、 通过自适应特 征增强网络, 对人脸图及其对应的深度图和反光图进行 特征加权;
S2、 通过对角特征融合网络, 对特征加权后的人脸图进行特征提取, 获取具有判别性的
人脸局部细节特征图; 其中, 所述对角特征融合网络包括三层, 第一层 包括卷积核 大小为16
×16和步长为16的Embedding层; 第二层为卷积核大小为2 ×2的自注意力子模块组成的对
角特征融合模块, 所述对角特征融合模块融合人脸上下文信息; 第三层是进行矩阵转换, 输
出人脸特征信息;
S3、 通过欺骗区域检测网络, 对人脸局部细节特征图进行放大, 在高维空间提取人脸欺
骗特征区域;
S4、 通过全连接层以及SoftMax分类器, 对人脸欺骗特征区域进行处理, 以判断人脸是
否为欺骗人脸。
2.根据权利要求1所述的一种有效学习人脸细节的高分辨率人脸防欺骗方法, 其特征
在于, 所述 步骤S1包括以下步骤:
S101、 对人脸图进行变换, 生成辅助信息, 所述辅助信息包括人脸图相对应的深度图和
反光图, 其中真实人脸对应的反光图为0, 欺骗人脸对应的深度图为0:
其中, F是人脸图, Y是人脸图F的标签,
是人脸的深度图, |D|是归一化因子, 将深度图
的值归一 化在[0,1]的范围之内;
其中, F是人脸图, Y是 人脸图F的标签,
是人脸的反光图, |R|是归一 化因子;
S102、 将人脸图和对应的深度图、 反光图进行二 值化操作, 得到二 值化图;
S103、 通过卷积操作对二值化后的深度图和反光图进行提取, 提取出深度图的特征信
息、 深度图的权值、 反光图的特 征信息和反光图的权值;
S104、 将深度图的特征信息根据深度图的权值、 反光 图的特征信息根据反光图的权值
融合到原 始人脸输入中, 得到特 征加权后的人脸图。
3.根据权利要求2所述的一种有效学习人脸细节的高分辨率人脸防欺骗方法, 其特征
在于, 所述 步骤S2包括以下步骤:
S201、 对于特征增强后的人脸图
其中X是特征加权后的人脸图,
是实
数, H是高度, W是宽度, C是 频道数, 通过Embed ding层将其划分为多个窗口;
S202、 提出一个2×2卷积, 以在3 ×3的网络中使用所有的相邻键
并且将
对角键X两 两相加, 增强每 个键所携带的人脸特 征信息, 键值和索引值的关系可表示 为:
权 利 要 求 书 1/3 页
2
CN 114724223 A
2Q=XWq
其中α 表示跨区域 融合后的人脸特征图, δ表示SoftMax操作, K表示对角键的融合, K ′表
示另一组对角键的融合, T表示矩阵转置, d表示索引值的维度, Q代表人脸特征信息, Wq表示
1×1卷积矩阵, X表示特 征增强后人脸图;
S203、 通过嵌入矩阵1 ×1卷积将跨区域融合后的人脸特征图α转换为人脸 图特征矩阵
V, 并通过注意力机制融合静态背 景信息, 获得具有判别性的人脸局部细节特征图Y, 可表 示
为:
其中, Y表示人脸局部细节特征图, V表示转换后的人脸图特征矩阵, 为对角特征融合网
络运行所需要的参数,
表示空间中3 ×3局部网格中的矩阵乘法运 算。
4.根据权利要求3所述的一种有效学习人脸细节的高分辨率人脸防欺骗方法, 其特征
在于, 所述 步骤S3包括以下步骤:
S301、 对人脸局部细节特征图输入到欺骗区域检测网络中, 通过注意力机制锁定人脸
欺骗特征区域;
S302、 对锁定后的人脸欺骗特 征区域输入到高维空间进行放大;
S303、 重复步骤S3 01‑S302三次, 获得最终的人脸欺骗特 征区域。
5.根据权利要求4所述的一种有效学习人脸细节的高分辨率人脸防欺骗方法, 其特征
在于, 所述 步骤S4包括以下步骤:
S401、 对最终的人脸欺骗特征区域输入全连接层后, 再输入SoftMax分类器进行分类,
得到人脸图为真人脸的概 率得分和欺骗人脸的概 率得分;
S402、 将真人脸的概率得分和欺骗人脸的概率得分进行对比, 输出概率得分较大的所
属类别。
6.一种有效学习人脸细节的高分辨 率人脸防欺骗系统, 其特 征在于, 包括:
自适应特 征增强网络单 元, 用于对人脸图及其对应的深度图和反光图进行 特征加权;
对角特征融合网络单元, 用于对特征加权后的人脸图进行特征提取, 获取具有判别性
的人脸局部细节特 征图;
欺骗区域检测网络单元, 用于对人脸局部细节特征图进行放大, 在高维空间提取人脸
欺骗特征区域;
分类器单元, 用于对人脸欺骗特 征区域进行处 理, 以判断人脸是否为欺骗人脸。
7.根据权利要求6所述的一种有效学习人脸细节的高分辨率人脸防欺骗系统, 其特征
在于, 所述自适应特 征增强网络单 元包括:
变换模块, 用于对人脸图进行变换, 生成辅助信息;
二值化模块, 用于将人脸图和对应的深度图、 反光图进行二 值化操作, 得到二 值化图;
提取模块, 用于通过卷积操作对二值化后的深度图和反光图进行提取, 提取出深度图
的特征信息、 深度图的权值、 反光图的特 征信息和反光图的权值;
融合模块, 用于将深度图的特征信息根据深度图的权值、 反光图的特征信息根据反光
图的权值融合到原 始人脸输入中, 得到特 征加权后的人脸图。
8.根据权利要求6所述的一种有效学习人脸细节的高分辨率人脸防欺骗系统, 其特征
在于, 所述对角特 征融合网络单 元包括:权 利 要 求 书 2/3 页
3
CN 114724223 A
3
专利 一种有效学习人脸细节的高分辨率人脸防欺骗方法及系统
安全报告 >
其他 >
文档预览
中文文档
15 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共15页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 07:34:47上传分享