【技术实现步骤摘要】
【国外来华专利技术】对被操纵图像的检测
本专利技术涉及对被操纵图像的检测,尤其涉及为了蒙蔽身份检查和相关安全措施而操纵的图像。本专利技术特别但不限于涉及:当例如在护照或其他身份证件、此类证件的申请、边境管制应用或银行应用中使用时,对已变形的或平均化的面部图像的检测。
技术介绍
面部识别是一种广泛使用的生物测定方法,已成为日常生活的一部分。对个人的自动识别(观察到面部生物特征),尤其是在受限条件下,可产生非常高的准确性。这一事实使面部生物测定在国际边境管制中发挥了重要作用。面部识别系统是基于过去40年从信号和模式识别算法中收集到的知识而建立的,产生了准确且可靠的面部识别算法。这种性能的提升使面部生物测定可用于从取证、监视、物理和逻辑访问控制到电子商务和电子政务应用的各种应用中。生物面部参考图像已成为电子护照和签证申请的重要部分,在十年的引进期内已发行了近8亿本这样的护照。选择面部识别作为边境管制方案的原因之一是,在假的(false)否定系统决定的情况下,边境管制官员可以进行视觉比较。与其他的生物测定方法(例如,指纹识别)相比,这是一个明显的优势。这些因素证明了面部识别在自动边境管制(ABC)电子门中的适用性。在典型的ABC系统中,通过将现场获取的面部图像与存储在电子机读旅行证件(eMRTD)护照中的面部参考图像进行比较,可自动验证eMRTD与护照持有人(向边境警卫出示eMRTD的个人)之间的关联。这有助于高度可靠且准确的边境管制过程。实际上,国际民航组织(ICAO)已决定要求将面部图像作为eMRTD的主要标识符。因此,面部图像是全 ...
【技术保护点】
1.一种用于检测变形的或平均化的面部图像的装置,其中所述变形的或平均化的图像是合成生成的图像,所述合成生成的图像包括来自两个或更多个不同的源图像的信息,所述两个或更多个不同的源图像对应于两个或更多个主体,所述装置包括:/n特征提取模块,其用于接收输入图像并输出该图像的一组描述符特征特性;以及/n分类器模块,其被配置为,基于所述描述符特征而将所述输入图像认定为第一类型或第二类型,所述第一类型表明图像已经变形或平均化,所述第二类型表明图像没有变形或平均化;/n其中所述分类器模块包括机器学习系统,所述机器学习系统被训练为使用训练数据集对单个图像进行分类,所述训练数据集包括变形的或平均化的图像以及没有变形或平均化的图像。/n
【技术特征摘要】 【专利技术属性】
【国外来华专利技术】20170630 GB 1710560.21.一种用于检测变形的或平均化的面部图像的装置,其中所述变形的或平均化的图像是合成生成的图像,所述合成生成的图像包括来自两个或更多个不同的源图像的信息,所述两个或更多个不同的源图像对应于两个或更多个主体,所述装置包括:
特征提取模块,其用于接收输入图像并输出该图像的一组描述符特征特性;以及
分类器模块,其被配置为,基于所述描述符特征而将所述输入图像认定为第一类型或第二类型,所述第一类型表明图像已经变形或平均化,所述第二类型表明图像没有变形或平均化;
其中所述分类器模块包括机器学习系统,所述机器学习系统被训练为使用训练数据集对单个图像进行分类,所述训练数据集包括变形的或平均化的图像以及没有变形或平均化的图像。
2.根据权利要求1所述的装置,其中所述特征提取模块包括机器学习系统,并且所述描述符特征取决于参数,所述参数由对包括图像的训练数据集的使用而确定。
3.根据权利要求2所述的装置,其中所述训练数据集包括变形的或平均化的图像以及没有变形或平均化的图像。
4.根据前述任意一项权利要求所述的装置,其中所述变形的或平均化的图像是变形的或平均化的面部图像。
5.根据前述任意一项权利要求所述的装置,进一步包括图像预处理模块,所述图像预处理模块被布置为从所述图像提取并归一化感兴趣的区域(例如,人的面部),并将预处理后的图像发送给所述特征提取模块。
6.根据前述任意一项权利要求所述的装置,其中所述特征提取模块包括一组滤波器,所述滤波器与所述输入图像的斑块进行卷积,以提供一组描述符特征。
7.根据权利要求6所述的装置,其中所述一组描述符特征包括一串从卷积导出的二值化量,例如BSIF,正如此处所描述的。
8.根据前述任意一项权利要求所述的装置,其中所述分类器模块包括线性支持向量机或概率协同表示分类器。
9.根据前述任意一项权利要求所述的装置,其中所述特征提取模块包括至少一个卷积神经网络。
10.根据权利要求9所述的装置,其中所述特征提取模块包括多个实质上统计独立的神经网络,所述神经网络向所述分类器模块提供互补性的描述符特征。
11.根据权利要求9或10所述的装置,其中所述神经网络包括深度卷积神经网络,优选地具有三个或更多个卷积层。
12.根据权利要求11所述的装置,其中所述描述符特征从每个深度卷积神经网络的第一完全连接层提取。
13.根据权利要求10至12中任意一项所述的装置,其中所述装置进一步包括特征级融合模块,用于将来自每个神经网络的描述符特征数据组合并将融合的(例如,级联的)特征数据发送给所述分类器模块。
14.根据权利要求9至13中任意一项所述的装置,其中使用包括变形的或平均化的图像和没有变形或平均化的图像的一组图像来对所述神经网络分别训练,以便训练它们的滤波器,从而提供适于确定一图像是否已经变形或平均化的描述符特征。
技术研发人员:K·B·拉贾,R·拉玛钱德拉,S·文卡提什,C·布希,
申请(专利权)人:挪威科技大学,
类型:发明
国别省市:挪威;NO
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。