一种基于光照方向不一致性的图像拼接检测方法技术

技术编号:14990457 阅读:119 留言:0更新日期:2017-04-03 21:19
本发明专利技术公开了一种基于光照方向不一致性的图像拼接检测方法,该方法包括以下步骤:从待测图片中选定一对目标人脸,拟合目标人脸的三维人脸模型;将三维人脸模型和待测图片上的二维人脸图片对齐;由不同光照下渲染生成的图片拟合三维人脸模型上采样点处的反射转移系数;由反射转移系数计算每个二维人脸图片的光照系数;比较两组光照系数的差异,得到判定结论。由于本发明专利技术是一种基于视觉的取证方法,不依赖于微小的图像统计特征,所以适用于互联网低质量图像的取证。此外,本发明专利技术计算了人脸的非凸和纹理特性,因此具有更好的适用性和精度。

【技术实现步骤摘要】

本专利技术涉及图像被动盲取证领域,特别涉及一种基于光照方向不一致性的人脸图像拼接检测方法。背景数字化盛行的今天,人们比以往任何时期都依赖数字媒体以快速高效地掌握讯息。然而数字媒体却有个至关重要的问题亟需解决——内容的真实性和完整性。由于近年大量数字图像处理软件(例如Photoshop等)的涌现,使得数字图像的篡改、伪造轻而易举,数字媒体不再像传统媒体那样具有较高的可信度。特别是在新闻报道,摄影比赛,甚至是法律证据中,往往会看到篡改图像的身影。如果该问题无法得到较好的解决,很可能会扰乱社会秩序,破坏新闻媒体及司法的公信力。随着数字图像处理软件功能的日益强大,以及操作的日趋简化,越来越多的人开始篡改图像,而且篡改的图像越来越难被人眼检测出来。因此,对于数字图像内容真实性认证技术的需求迫在眉睫。目前,数字图像内容认证技术主要有两大类:主动方式和被动方式。主动方式需要在真实图像生成过程中(拍照时)或发布之前,向其中嵌入水印(或数字签名)信息。但是这种方式在实际应用中较为不便,无法做到使所有的数字成像设备都配备水印(数字签名)嵌入模块。被动方式直接从图像本身收集数据,不需要上述的硬件模块配置,这使得其得到较大的关注。基于场景中物理和投影不一致性的取证方法由于其具有对图像质量鲁棒的性质而成为了研究的热点。比如篡改操作破坏了成像场景的光影一致性,可参考文献:Kee,E.,O'brien,J.,andFarid,H.:‘Exposingphotomanipulationwithinconsistentshadows’,ACMTransactionsonGraphics(TOG),2013,32,(3),pp.28,或者破坏了场景中光照颜色的一致性,可参考文献:deCarvalho,T.J.,Riess,C.,Angelopoulou,E.,Pedrini,H.,anddeRezendeRocha,A.:‘ExposingDigitalImageForgeriesbyIlluminationColorClassification’,InformationForensicsandSecurity,IEEETransactionson,2013,8,(7),pp.1182-1194,或者使图像场景中的光照方向产生不一致,可参考文献:Kee,E.;Farid,H.,\Exposingdigitalforgeriesfrom3-Dlightingenvironments,\inInformationForensicsandSecurity(WIFS),2010IEEEInternationalWorkshopon,vol.,no.,pp.1-6,12-15Dec.2010等等。已有的基于光照方向不一致性的取证方法对适用条件作了过强的假设,如假设物体是凸的,以及假设物体表面没有纹理变化。这些假设限制了这些方法在实际应用中的可用性和精度。因此,对光照取证方法进行约束放松无疑会扩展其在实际中的应用范围并增强其取证效果的可靠性。
技术实现思路
为解决上述技术问题,本专利技术提出了一种基于光照方向不一致性的人脸图像拼接检测方法,实现了对同一张图片中多张人脸是否来为拼接图的准确判断。为了实现上述目的,本专利技术提出了一种基于光照方向不一致性的图像拼接检测方法,该方法包括以下步骤:步骤S1:从一张待测图片中选定一对目标人脸,分别拟合两个目标人脸的三维人脸模型;步骤S2:将三维人脸模型和待测图片上的相应的二维人脸图片对齐,得到三维人脸模型上每个采样点对应二维人脸图像的投影点坐标;步骤S3:将拟合得到的三维人脸模型置于不同光照方向下渲染生成一组图片,使用这些渲染生成的图片拟合三维人脸模型上采样点处的反射转移系数;步骤S4:依据步骤S3拟合的反射转移系数计算待测图片中每个人脸上的光照系数;步骤S5:比较两组光照系数的差异,输出判定结论。优选的,所述待测图像为包含两个或两个以上人脸的图像。优选的,所述步骤S2具体包含以下步骤:步骤S21,利用二维人脸关键点检测方法检测待测图片中二维人脸图片上眉、眼、鼻、唇中关键点,并获取关键点的坐标;步骤S22,依据二维人脸图片上的关键点坐标与三维人脸模型上关键点坐标将三维人脸模型与二维人脸图片的对齐,得到三维人脸模型上的每个采样点投影到二维人脸图片上的对应像素点坐标。优选的,步骤S21中二维人脸关键点检测方法为SDM方法;所检测的关键点个数为49个。优选的,步骤S22中利用小孔相机模型搭建三维人脸模型与二维人脸图片关键点的投影方程,估计三维人脸模型的姿态参数,进行三维人脸模型与二维人脸图片的对齐,并利用三维人脸模型与二维人脸图片关键点的投影方程计算得到三维人脸模型上的每个采样点投影到二维人脸图片上的对应像素点坐标;其中,三维人脸模型与二维人脸图片关键点的投影方程为:x→=K(R|t→)X→]]>其中K,R,分别为相机的内参矩阵、三维模型的旋转矩阵、平移向量、三维人脸模型关键点的齐次坐标以及二维人脸图片关键点的齐次坐标;通过假设相机的内参矩阵已知,可以定义需要优化的函数如下:E(R,t→)=Σi=1N||x→^i-K(R|t→)X→i||]]>其中R矩阵由3个姿态角决定,包含3个平移参数;通过Levenberg-Marquardt算法优化这个非线性最小二乘问题可以得到包含6个参数的三维模型姿态,进而进行三维人脸模型与二维人脸图片的对齐。优选的,步骤S3具体包含以下步骤:步骤S31,将步骤S1拟合得到的三维人脸模型置于预设的不同方向的光照环境下进行渲染,生成一组渲染图片;步骤S32,基于非凸、有纹理的朗伯体表面的反射模型,利用步骤S31生成的渲染图片拟合三维模型上采样点处的反射转移系数。优选的,步骤S31中生成渲染图片的方法为:设计Z个均匀分布的空间方向向量;在Z个方向向量中每次选取一个方向放置虚拟的无穷远光源,并渲染三维人脸在这个单一无穷远光源下的图片;生成Z张有影子、有纹理的物理上准确的渲染图片。优选的,所述空间方向向量的个数Z为42。优选的,步骤S32中三维模型上采样点处的反射转移系数的计算公式为:a→(X&RightArr本文档来自技高网
...

【技术保护点】
一种基于光照方向不一致性的图像拼接检测方法,其特征在于,该方法包括以下步骤:步骤S1:从一张待测图片中选定一对目标人脸,分别拟合两个目标人脸的三维人脸模型;步骤S2:将三维人脸模型和待测图片上的相应的二维人脸图片对齐,得到三维人脸模型上每个采样点对应二维人脸图像的投影点坐标;步骤S3:将拟合得到的三维人脸模型置于不同光照方向下渲染生成一组图片,使用这些渲染生成的图片拟合三维人脸模型上采样点处的反射转移系数;步骤S4:依据步骤S3拟合的反射转移系数计算待测图片中每个人脸上的光照系数;步骤S5:比较两组光照系数的差异,输出判定结论。

【技术特征摘要】
1.一种基于光照方向不一致性的图像拼接检测方法,其特征在于,
该方法包括以下步骤:
步骤S1:从一张待测图片中选定一对目标人脸,分别拟合两个目标
人脸的三维人脸模型;
步骤S2:将三维人脸模型和待测图片上的相应的二维人脸图片对齐,
得到三维人脸模型上每个采样点对应二维人脸图像的投影点坐标;
步骤S3:将拟合得到的三维人脸模型置于不同光照方向下渲染生成
一组图片,使用这些渲染生成的图片拟合三维人脸模型上采样点处的反
射转移系数;
步骤S4:依据步骤S3拟合的反射转移系数计算待测图片中每个人
脸上的光照系数;
步骤S5:比较两组光照系数的差异,输出判定结论。
2.根据权利要求1所述的一种基于光照方向不一致性的图像拼接
检测方法,其特征在于,所述待测图像为包含两个或两个以上人脸的图
像。
3.根据权利要求1所述的一种基于光照方向不一致性的图像拼接
检测方法,其特征在于,所述步骤S2具体包含以下步骤:
步骤S21,利用二维人脸关键点检测方法检测待测图片中二维人脸
图片上眉、眼、鼻、唇中关键点,并获取关键点的坐标;
步骤S22,依据二维人脸图片上的关键点坐标与三维人脸模型上关

\t键点坐标将三维人脸模型与二维人脸图片的对齐,得到三维人脸模型上
的每个采样点投影到二维人脸图片上的对应像素点坐标。
4.根据权利要求3所述的一种基于光照方向不一致性的图像拼接
检测方法,其特征在于,步骤S21中二维人脸关键点检测方法为SDM
方法;所检测的关键点个数为49个。
5.根据权利要求3所述的一种基于光照方向不一致性的图像拼接
检测方法,其特征在于,步骤S22中利用小孔相机模型搭建三维人脸模
型与二维人脸图片关键点的投影方程,估计三维人脸模型的姿态参数,
进行三维人脸模型与二维人脸图片的对齐,并利用三维人脸模型与二维
人脸图片关键点的投影方程计算得到三维人脸模型上的每个采样点投
影到二维人脸图片上的对应像素点坐标;
其中,三维人脸模型与二维人脸图片关键点的投影方程为:
x→=K(R|t→)X→]]>其中K,R,分别为相机的内参矩阵、三维模型的旋转矩阵、平移
向量、三维人脸模型关键点的齐次坐标以及二维人脸图片关键点的齐次
坐标;
通过假设相机的内参矩阵已知,可以定义需要优化的函数如下:
E(R,t→)=Σi=1N||x→^i-K(R|t→)X&Rig...

【专利技术属性】
技术研发人员:谭铁牛董晶王伟彭勃
申请(专利权)人:中国科学院自动化研究所
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1