基于透视失真特性的人脸图像鉴伪方法、存储、处理设备技术

本发明专利技术涉及人脸图像识别、计算机视觉与图像取证领域，提出一种基于透视失真特性的人脸图像鉴伪方法、存储、处理设备，该方法包括：S1：识别2D图像中的人脸的关键点以及轮廓；S2：获取对应3D模型中的关键点；S3：基于2D图像与所述3D模型中的关键点的对应关系计算相机参数；S4：基于所述2D图像中的轮廓对所述相机参数进行优化；S5：多次采样二维人脸关键点获取相机内参数估计点云；S6：计算所述相机内参数估计点云与相机标称内参数的不一致性，进行人脸图像真伪的判断。本发明专利技术可以有效的实现对2D图像进行鉴伪，且具有较高的准确性。

Face image authentication method, storage and processing equipment based on perspective distortion characteristics

The present invention relates to face image recognition, computer vision and image forensics field, put forward a perspective of face image authentication method, distortion characteristics storage and processing equipment based on this method, including: S1: the key of face recognition in 2D image and profile; S2: access to key points in 3D model; S3 calculation of correspondence between the camera parameters and the key points of 2D image in 3D model based on S4;: the camera parameters are optimized by the 2D image based on the profile; S5: multiple sampling points in 2D face the camera parameter estimation of point cloud; S6: the inconsistency of the estimated point cloud and the camera internal parameters of the camera parameters, face image identification. The invention can effectively realize the false identification of the 2D image, and has higher accuracy.

【技术实现步骤摘要】
基于透视失真特性的人脸图像鉴伪方法、存储、处理设备
本专利技术涉及人脸图像识别、计算机视觉与图像取证领域，特别涉及一种基于透视失真特性的人脸图像鉴伪方法、存储、处理设备。
技术介绍
在智能化的时代，数字图像扮演着非常重要的角色。人脸识别作为一种从人脸图像中自动识别人的身份的技术，在智能安防、身份认证、互联网金融等领域有着广泛的应用。然而针对人脸识别系统的欺骗手段也层出不穷，其中使用人脸相片进行欺骗会导致识别系统在当事人不在场的情况下错误地将相片识别为当事人。这使得人脸识别系统的安全性受到了很大的质疑。除人脸识别系统的欺骗外，人脸图像本身的真实性也是一个广受关注的问题：在图像编辑软件，如AdobePhotoshop，变得越来越易用的今天，图像内容的篡改严重危害着新闻出版业、法庭取证、保险业等十分依赖图像可信性的行业。其中针对人脸图像的篡改，如图像翻拍、人脸拼接，有着更大的危险性。这也是数字图像取证领域中的一个重要课题。人脸识别系统的相片欺骗检测也称活体检测，本质上是一种图像翻拍检测，也属于图像取证的范畴。目前，公开的人脸活体检测技术主要利用特征设计+分类的机器学习框架，主要利用纹理特性本文档来自技高网...

【技术保护点】
一种基于透视失真特性的人脸图像鉴伪方法，其特征在于，包括以下步骤：步骤S1：识别二维人脸图像中的关键点以及轮廓；步骤S2：基于所述人脸图像对应的三维人脸模型，获取所述三维人脸模型中的关键点；步骤S3：基于所述二维人脸图像中的关键点与所述三维人脸模型中的关键点的对应关系，计算相机参数；步骤S4：基于所述二维人脸图像中的轮廓对步骤S3中所得到的所述相机参数进行优化；步骤S5：对所述二维人脸图像中的关键点进行随机采样，并重复步骤S3、S4，直至达到预设循环条件；依据各次循环中步骤S4中获取的所述相机参数得到相机内参数估计点云；步骤S6：计算所述相机内参数估计点云与相机标称内参数的不一致性，并基于所述...

【技术特征摘要】
1.一种基于透视失真特性的人脸图像鉴伪方法，其特征在于，包括以下步骤：步骤S1：识别二维人脸图像中的关键点以及轮廓；步骤S2：基于所述人脸图像对应的三维人脸模型，获取所述三维人脸模型中的关键点；步骤S3：基于所述二维人脸图像中的关键点与所述三维人脸模型中的关键点的对应关系，计算相机参数；步骤S4：基于所述二维人脸图像中的轮廓对步骤S3中所得到的所述相机参数进行优化；步骤S5：对所述二维人脸图像中的关键点进行随机采样，并重复步骤S3、S4，直至达到预设循环条件；依据各次循环中步骤S4中获取的所述相机参数得到相机内参数估计点云；步骤S6：计算所述相机内参数估计点云与相机标称内参数的不一致性，并基于所述不一致性进行人脸图像真伪的判断；所述相机标称内参数为所述二维人脸图像的拍摄相机的参数。2.根据权利要求1所述的基于透视失真特性的人脸图像鉴伪方法，其特征在于，步骤S3中所述相机参数，其计算方法包括：步骤S31，基于所述二维人脸图像中的关键点与所述三维人脸模型中的关键点，采用黄金准则法计算相机投影矩阵；步骤S32，基于步骤S31所计算的相机投影矩阵，通过添加像素单元为正方形的约束求解9自由度的相机参数；所述9自由度的相机参数包括3自由度的相机内参数和6自由度的相机外参数。3.根据权利要求1所述的基于透视失真特性的人脸图像鉴伪方法，其特征在于，步骤S4中对所述相机参数进行优化为：通过优化函数Etotle(θ)进行所述相机参数的优化；Etotle(θ)＝Econt(θ)+λEland(θ)其中，θ为9自由度的相机参数，Econt为所述三维人脸模型中轮廓的二维投影与所述二维人脸图像中的轮廓的误差平方和，Eland为所述三维人脸模型中关键点的二维投影与所述二维人脸图像中的关键点的误差平方和，λ为权重系数。4.根据权利要求3所述的基于透视失真特性的人脸图像鉴伪方法，其特征在于，所述优化函数Etotle(θ)采用迭代最近点算法进行求解，在迭代最近点算法的每一步迭代中，采用Levenberg-Marquardt算法进行非线性最小二乘问题的优化。5.根据权利要求1所述的基于透视失真特性的人脸图像鉴伪方法，其特征在于，步骤S5中对所述二维人脸图像中的关键点进行随机采样服从高斯分布，以初始位置为中心...

【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