一种人脸图像检测方法、装置、介质和电子设备制造方法及图纸

本发明专利技术实施例提供一种人脸图像检测方法、装置、介质和电子设备。方法包括：获取原始人脸图像；按照预设的采样规则对原始人脸图像进行采样，获得原始人脸图像对应在不同频段的不同采样信号；依据获得的不同采样信号，得到目标人脸图像；将得到的目标人脸图像作为预先训练好的卷积神经网络分类模型的输入，利用卷积神经网络分类模型对目标人脸图像进行检测，获取卷积神经网络分类模型输出的对应目标人脸图像的数值；判断数值是否小于第一预设阈值；如果小于，确定原始人脸图像为非法人脸图像。本发明专利技术实施例能够准确地识别出视频翻拍得到的人脸图像，防范视频翻拍攻击行为，提高人脸图像的检测准确性。

Face image detection method, device, medium and electronic device

The embodiment of the invention provides a face image detection method, a device, a medium and an electronic device. The methods include: obtaining the original face image, sampling the original face image according to the preset sampling rules, obtaining the different sampling signals of the original face image corresponding to the different frequency bands, obtaining the target face image according to the different sampling signals obtained, and the obtained target face image as a pre trained convolution. The input of neural network classification model is used to detect the target face image by the convolution neural network classification model, and obtain the value of the corresponding target face image output by the convolution neural network classification model; determine whether the value is less than the first preset threshold; if less, the original face image is identified as an illegal face image. The embodiment of the invention can accurately recognize the face image obtained by the video replay, prevent the video replay attack behavior, and improve the accuracy of the face image detection.

【技术实现步骤摘要】
一种人脸图像检测方法、装置、介质和电子设备
本专利技术涉及图像处理
，尤其涉及一种视频翻拍的人脸图像检测方法、装置、介质和电子设备。
技术介绍
人脸识别技术已广泛应用于金融、保险、安防、管理等各种领域，用以实现对客户身份的合法性验证。然而由于现有人脸识别技术存在的安全漏洞，仿冒客户的违法违规行为开始层出不穷。目前对人脸识别系统常用的欺骗手段主要包括三类：1)合法用户的照片；2)合法用户的视频；3)合法用户的三维模型。制作合法用户的三维模型成本较高、工艺复杂、实现困难，在实际应用中很少应用到，相较之，合法用户的照片和合法用户的视频很容易获取到，因此照片和视频便成为目前欺骗人脸识别系统最为常用的手段。为了提高人脸识别系统对于人脸图像的检测准确性，在人脸识别技术中提出了活体检测技术。目前的活体检测技术包括指令式活体检测方法和非指令式无感活体检测方法，其中指令式活体检测方法是指用户根据系统发出的指令做出指定的眨眼、张嘴等动作，从而完成活体检测；非指令式无感活体检测方法是指用户不需要做出动作，系统自动根据视频画面的变化自动完成活体检测。通过在人脸识别技术中加入活体检测技术，能够有效地识别出人脸图像为合法用户的照片的情况，从而避免非法用户利用合法用户的照片欺骗人脸识别系统。然而本专利技术的专利技术人发现，由于合法用户的视频中可能包含有合法用户的头部运动、面部动作等活体的生理信息，利用视频中合法用户的头部运动、面部动作等活体的生理信息是可以验证通过目前的活体检测技术的，也就是说，目前的活体检测技术不能很好地识别出基于合法用户的视频得到的人脸图像，人脸识别系统存在以视频翻拍方式进行攻击的安全隐患，人脸图像的检测准确性有待提高。
技术实现思路
有鉴于此，本专利技术提供一种人脸图像检测方法、装置、介质和电子设备，能够准确地识别出视频翻拍得到的人脸图像，防范视频翻拍攻击行为，提高人脸图像的检测准确性。技术方案如下：基于本专利技术实施例的一方面，本专利技术实施例提供一种人脸图像检测方法，包括：获取原始人脸图像；按照预设的采样规则对所述原始人脸图像进行采样，获得所述原始人脸图像对应在不同频段的不同采样信号；依据获得的不同采样信号，得到目标人脸图像，所述目标人脸图像中的细节信息相比于所述原始人脸图像中的细节信息被放大；将得到的所述目标人脸图像作为预先训练好的卷积神经网络分类模型的输入，利用所述卷积神经网络分类模型对所述目标人脸图像进行检测，获取所述卷积神经网络分类模型输出的对应所述目标人脸图像的数值；判断所述数值是否小于第一预设阈值；如果小于，确定所述原始人脸图像为非法人脸图像。可选地，所述按照预设的采样规则对所述原始人脸图像进行采样，获得所述原始人脸图像对应在不同频段的不同采样信号包括：对所述原始人脸图像进行奇数列和偶数列地采样，得到第一奇数列信号和第一偶数列信号；对所述第一奇数列信号和第一偶数列信号进行差分运算，得到第一差分信号，并从所述第一奇数列信号和第一偶数列信号中任意选取一个作为第一采样信号；对所述第一差分信号进行奇数行和偶数行地采样，得到第二采样信号和第三采样信号；对所述第二采样信号和第三采样信号进行差分运算，得到第二差分信号，并从所述第二采样信号和第三采样信号中任意选取一个作为第一目标采样信号；对所述第一采样信号进行奇数行和偶数行地采样，得到第四采样信号和第五采样信号；对所述第四采样信号和第五采样信号进行差分运算，得到第三差分信号，并从所述第四采样信号和第五采样信号中任意选取一个作为第二目标采样信号；对所述第二目标采样信号进行奇数列和偶数列地采样，得到第二奇数列信号和第二偶数列信号；对所述第二奇数列信号和第二偶数列信号进行差分运算，得到第四差分信号，并从所述第二奇数列信号和第二偶数列信号中任意选取一个作为第六采样信号；对所述第四差分信号进行奇数行和偶数行地采样，得到第七采样信号和第八采样信号；对所述第七采样信号和第八采样信号进行差分运算，得到第五差分信号，并从所述第七采样信号和第八采样信号中任意选取一个作为第三目标采样信号；对所述第六采样信号进行奇数行和偶数行地采样，得到第九采样信号和第十采样信号；对所述第九采样信号和第十采样信号进行差分运算，得到第六差分信号，并从所述第九采样信号和第十采样信号中任意选取一个作为第四目标采样信号；所述第二差分信号、所述第一目标采样信号、所述第三差分信号、所述第五差分信号、所述第三目标采样信号、所述第六差分信号和所述第四目标采样信号为获得的所述原始人脸图像对应在不同频段的不同采样信号。可选地，依据获得的不同采样信号，得到目标人脸图像包括：滤除所述第四目标采样信号；采用小波逆变换方法，将所述第二差分信号、所述第一目标采样信号、所述第三差分信号、所述第五差分信号、所述第三目标采样信号、和所述第六差分信号合成得到所述目标人脸图像。可选地，所述卷积神经网络分类模型采用如下方法训练得到：确定训练样本集，所述训练样本集包括合法人脸图像和非法人脸图像；对所述训练样本集中的各个人脸图像分别进行预处理，所述预处理包括灰度化处理、值域归一化处理和尺寸归一化处理中的至少一个；构建卷积神经网络的软件架构，所述卷积神经网络的软件架构至少包括所述卷积神经网络分类模型的处理算法以及所述卷积神经网络分类模型训练停止的目标函数；将所述训练样本集中预处理后的人脸图像依次输入所述卷积神经网络的软件架构进行训练，直至所述目标函数满足预设的训练停止条件，保存训练结果；依据所述训练结果，得到所述卷积神经网络分类模型。可选地，所述卷积神经网络分类模型的处理算法包括卷积运算、池化运算、全连接运算中的至少一个；所述目标函数基于残差最小原理确定得到；所述将所述训练样本集中预处理后的人脸图像依次输入所述卷积神经网络的软件架构进行训练，直至所述目标函数满足预设的训练停止条件，保存训练结果包括：将所述训练样本集中预处理后的人脸图像通过单个计算循环，全部输入至所述神经网络的软件架构中进行运算，通过梯度下降法，在所述目标函数的误差小于第二预设阈值时，保存训练结果；所述训练结果至少包括卷积核参数、各神经元间的连接权值。可选地，所述得到所述卷积神经网络分类模型之后，所述方法还包括：将测试样本集输入至所述卷积神经网络分类模型，所述测试样本集包括至少一个预处理后的测试人脸图像；获取所述卷积神经网络分类模型输出的对应所述测试样本集的测试数值；当所述测试数值与所述测试样本的实际数值间的误差值大于第三阈值，则确定新的训练样本集，并基于所述新的训练样本集对所述卷积神经网络分类模型进行训练。可选地，所述确定所述原始人脸图像为非法人脸图像时，所述方法还包括：获取连续的N帧原始人脸图像，采用权利要求1-6任一项所述的人脸图像检测方法确定所述连续的N帧原始人脸图像中各个原始人脸图像分别是合法人脸图像或非法人脸图像，N为正整数；基于对所述N帧原始人脸图像的确定结果，确定是否存在视频翻拍攻击行为。基于本专利技术实施例的另一方面，本专利技术实施例提供一种人脸图像检测装置，包括：图像获取单元，用于获取原始人脸图像；采样单元，用于按照预设的采样规则对所述原始人脸图像进行采样，获得所述原始人脸图像对应在不同频段的不同采样信号；目标人脸图像获取单元，用于依据获得的不同采样信号，得到目标人脸图像，所本文档来自技高网...

【技术保护点】
一种人脸图像检测方法，其特征在于，包括：获取原始人脸图像；按照预设的采样规则对所述原始人脸图像进行采样，获得所述原始人脸图像对应在不同频段的不同采样信号；依据获得的不同采样信号，得到目标人脸图像，所述目标人脸图像中的细节信息相比于所述原始人脸图像中的细节信息被放大；将得到的所述目标人脸图像作为预先训练好的卷积神经网络分类模型的输入，利用所述卷积神经网络分类模型对所述目标人脸图像进行检测，获取所述卷积神经网络分类模型输出的对应所述目标人脸图像的数值；判断所述数值是否小于第一预设阈值；如果小于，确定所述原始人脸图像为非法人脸图像。

【技术特征摘要】
1.一种人脸图像检测方法，其特征在于，包括：获取原始人脸图像；按照预设的采样规则对所述原始人脸图像进行采样，获得所述原始人脸图像对应在不同频段的不同采样信号；依据获得的不同采样信号，得到目标人脸图像，所述目标人脸图像中的细节信息相比于所述原始人脸图像中的细节信息被放大；将得到的所述目标人脸图像作为预先训练好的卷积神经网络分类模型的输入，利用所述卷积神经网络分类模型对所述目标人脸图像进行检测，获取所述卷积神经网络分类模型输出的对应所述目标人脸图像的数值；判断所述数值是否小于第一预设阈值；如果小于，确定所述原始人脸图像为非法人脸图像。2.根据权利要求1所述的方法，其特征在于，所述按照预设的采样规则对所述原始人脸图像进行采样，获得所述原始人脸图像对应在不同频段的不同采样信号包括：对所述原始人脸图像进行奇数列和偶数列地采样，得到第一奇数列信号和第一偶数列信号；对所述第一奇数列信号和第一偶数列信号进行差分运算，得到第一差分信号，并从所述第一奇数列信号和第一偶数列信号中任意选取一个作为第一采样信号；对所述第一差分信号进行奇数行和偶数行地采样，得到第二采样信号和第三采样信号；对所述第二采样信号和第三采样信号进行差分运算，得到第二差分信号，并从所述第二采样信号和第三采样信号中任意选取一个作为第一目标采样信号；对所述第一采样信号进行奇数行和偶数行地采样，得到第四采样信号和第五采样信号；对所述第四采样信号和第五采样信号进行差分运算，得到第三差分信号，并从所述第四采样信号和第五采样信号中任意选取一个作为第二目标采样信号；对所述第二目标采样信号进行奇数列和偶数列地采样，得到第二奇数列信号和第二偶数列信号；对所述第二奇数列信号和第二偶数列信号进行差分运算，得到第四差分信号，并从所述第二奇数列信号和第二偶数列信号中任意选取一个作为第六采样信号；对所述第四差分信号进行奇数行和偶数行地采样，得到第七采样信号和第八采样信号；对所述第七采样信号和第八采样信号进行差分运算，得到第五差分信号，并从所述第七采样信号和第八采样信号中任意选取一个作为第三目标采样信号；对所述第六采样信号进行奇数行和偶数行地采样，得到第九采样信号和第十采样信号；对所述第九采样信号和第十采样信号进行差分运算，得到第六差分信号，并从所述第九采样信号和第十采样信号中任意选取一个作为第四目标采样信号；所述第二差分信号、所述第一目标采样信号、所述第三差分信号、所述第五差分信号、所述第三目标采样信号、所述第六差分信号和所述第四目标采样信号为获得的所述原始人脸图像对应在不同频段的不同采样信号。3.根据权利要求2所述的方法，其特征在于，依据获得的不同采样信号，得到目标人脸图像包括：滤除所述第四目标采样信号；采用小波逆变换方法，将所述第二差分信号、所述第一目标采样信号、所述第三差分信号、所述第五差分信号、所述第三目标采样信号、和所述第六差分信号合成得到所述目标人脸图像。4.根据权利要求1所述的方法，其特征在于，所述卷积神经网络分类模型采用如下方法训练得到：确定训练样本集，所述训练样本集包括合法人脸图像和非法人脸图像；对所述训练样本集中的各个人脸图像分别进行预处理，所述预处理包括灰...

【专利技术属性】
技术研发人员：刘岩，
申请(专利权)人：泰康保险集团股份有限公司，
类型：发明
国别省市：北京,11