一种对数字图像的身份伪造识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种对数字图像的身份伪造识别方法、装置、设备及其计算机存储介质，方法包括：构建训练模型；获取待识别的第一数字图像；其中，所述待识别图像包括RGB三色的三种特征通道以及第四种特征通道；将所述第四种特征通道与所述RGB三种特征通道进行组合，以生成第二数字图像；将所述第二数字图像输入至训练模型中，以对数字图像的身份进行伪造识别。本发明专利技术提供了一种综合人脑认知的领域知识和图片成像原理的识别方法对各种身份冒用、身份伪造等情况进行智能识别，且集成了深度神经网络对原始信息的自动、提取能力同时通过人工提取特征补足了简单神经网络对复杂特征的提取能力不足的问题，可以高效提高检测的效果。

【技术实现步骤摘要】
一种对数字图像的身份伪造识别方法、装置、设备及存储介质
本专利技术涉及计算机领域，尤其涉及一种对数字图像的身份伪造识别方法、装置、设备及存储介质。
技术介绍
随着信用社会的发展，越来越多的应用场景(例如：涉及金融、保险、安防的应用场景)需要通过证件识别、人脸识别对用户身份进行验证。而现有的身份验证系统为了简化识别流程，降低专用设备的采购成本，通过获取人脸或证件的图像来验证用户身份，例如通过摄像头对人脸的拍摄识别来进行对用户身份的确认，于是便出现通过使用翻拍照片欺骗身份验证系统完成身份验证的情况，侵害了他人的利益。目前，不少研究者对翻拍图像的识别分类做出了许多工作与进展，如谢哲、王让定、严迪群、刘华成等在基于同态补偿翻拍图像的方向预测方法中构建了一种基于同态滤波的自适应补偿图像光照分量加强特征，并通过将图像十六等分提取每一等分的八方向梯度比例特征以此进行翻拍图像检测的方法，该方法在训练集与测试集的人脸图像所包含的人数较少，训练集、测试集翻拍人脸与真实人脸为同一人时效果较好，但一旦训练集与测试集中的人数较多，且并翻拍人脸与真实人脸为不同人时该方法准确率快速下降。再如卢燕飞、冯莉、李兴华、荆涛等基于图像表面梯度的翻拍检测中，建立了翻拍图像与活体拍摄图像之间的梯度差异模型，并通过该模型提取三色同道梯度特征进行分类。这些方法在活体数量较少、翻拍图像与活体拍摄图像均属于同一批活体时效果较好，但当活体数量增加或翻拍图像与活体拍摄图像所属群体不同时，其准确率会有一定程度下降，缺乏实际应用价值。
技术实现思路
r>针对上述问题，本专利技术的目的在于提供一种对数字图像的身份伪造识别方法、装置、设备及存储介质，能够对各种身份冒用、身份伪造等情况进行智能识别，且集成了深度神经网络对原始信息的自动、提取能力同时通过人工提取特征补足了简单神经网络对复杂特征的提取能力不足的问题，可以高效提高检测的效果。本专利技术实施例提供了一种对数字图像的身份伪造识别方法，包括：构建训练模型；获取待识别的第一数字图像；其中，所述待识别图像包括RGB三色的三种特征通道以及第四种特征通道；将所述第四种特征通道与所述RGB三种特征通道进行组合，以生成第二数字图像；将所述第二数字图像输入至训练模型中，以对数字图像的身份进行伪造识别。优选地，构建训练模型，具体为：获取已识别的第三数字图像；其中，所述已识别的第三数字图像为经过人工标注的翻拍图像以及活体图像；提取所述已识别的第三数字图像的第四种特征通道；将所述已识别的第三数字图像的第四种特征图像通道及其RGB三种特征通道进行组合，以生成第四数字图像；将所述第四数字图像作为神经网络的输入样本，构建神经网络模型；基于神经网络模型，将预测集准确率最高的模型作为训练模型。优选地，提取所述已识别的第三数字图像第四种特征通道，具体为：将第三数字图像转化为HSV格式，并提取V通道，获得fv(x,y)；对所述fv(x,y)做对数变换，以得到fln(x,y)；其中，fln(x,y)＝ln(fv(x,y)+esp)；对对数变换后的函数fln(x,y)做二维傅里叶变换，以得到其中，为二维傅里叶变换函数，shift(x,y)为二维傅里叶变换后的中心化函数，为fln(x,y)经二维傅里叶变换并中心化后的函数；对构造函数其中，D2(u,v)为频谱图上任意一像素点距离二维平铺图中心点的欧式距离，约束条件s.t.为对图像中心化后的平铺图进行高斯函数拟合，并取分位点为0.04432；使用构造的函数与进行数量乘法，即并记为对函数做去中心化，以获得shift(x,y)的反函数shift-1(x,y)，得到函数再对得到的函数做二维傅里叶反变换得到函数对得到的函数ftmp(x,y)做指数函数映射，得到其中f'(x,y)为第四种特征通道。优选地，基于神经网络模型，将预测集准确率最高的模型作为训练模型，具体为：将所述第四数字图像作为神经网络的输入样本，并按8:2的形式划分为训练集与预测集；以训练集进行训练，以迭代的形式做迭代实验，以小批量梯度下降进行优化，每次迭代前都重新打乱训练集，更改样本进入顺序，每次迭代取收敛后的预测集准确率最高的模型，并将对预测集准确率的最高一个作为训练模型。优选地，将所述第二数字图像输入至训练模型中，以对数字图像的身份进行伪造识别，具体为：将所述第二数字图像输入至训练模型中，以获得神经网络最终输出的分类结果Y＝[a,b]；其中，若b>a，则所述第一数字图片为活体拍摄图像，b≤a，则所述第一数字图片为翻拍伪造图像；a+b＝1。优选地，所述第二数字图像以及所述第四数字图像尺寸均为100*100*4尺寸的图像。第二方面，本专利技术实施例还提供了一种对数字图像的身份伪造识别装置，包括：训练模型构建单元，用于构建训练模型；第一数字图像获取单元，用于获取待识别的第一数字图像；其中，所述待识别图像包括RGB三色的三种特征通道以及第四种特征通道；第二数字图像生成单元，用于将所述第四种特征通道与所述RGB三种特征通道进行组合，以生成第二数字图像；身份伪造识别单元，用于将所述第二数字图像输入至训练模型中，以对数字图像的身份进行伪造识别。优选地，训练模型构建单元，包括：第三数字图像获取模块，用于获取已识别的第三数字图像；其中，所述已识别的第三数字图像为经过人工标注的翻拍图像以及活体图像；特征通道提取模块，用于提取所述已识别的第三数字图像的第四种特征通道；第四数字图像生成模块，用于将所述已识别的第三数字图像的第四种特征图像通道及其RGB三种特征通道进行组合，以生成第四数字图像；神经网络模型构建模块，用于将所述第四数字图像作为神经网络的输入样本，构建神经网络模型；训练模型获取模块，用于基于神经网络模型，将预测集准确率最高的模型作为训练模型。优选地，特征通道提取模块，包括：将第三数字图像转化为HSV格式，并提取V通道，获得fv(x,y)；对所述fv(x,y)做对数变换，以得到fln(x,y)；其中，fln(x,y)＝ln(fv(x,y)+esp)；对对数变换后的函数fln(x,y)做二维傅里叶变换，以得到其中，为二维傅里叶变换函数，shift(x,y)为二维傅里叶变换后的中心化函数，为fln(x,y)经二维傅里叶变换并中心化后的函数；对构造函数其中，D2(u,v)为频谱图上任意一像素点距离二维平铺图中心点的欧式距离，约束条件s.t.为对图像中心化后的平铺图进行高斯函数拟合，并取分位点为0.04432；使用构造的函数与进行数量乘法，即并记为对函数做去中心化，以获得shift(x,y)的反函数shift-1(x,y)，得到函数再对得到的函数做二维傅里叶反变换得到函数对得到的函数ftmp(x,y)做指数函数映射，得到其中f'(x,y)本文档来自技高网...

【技术保护点】
1.一种对数字图像的身份伪造识别方法，其特征在于，包括：/n构建训练模型；/n获取待识别的第一数字图像；其中，所述待识别图像包括RGB三色的三种特征通道以及第四种特征通道；/n将所述第四种特征通道与所述RGB三种特征通道进行组合，以生成第二数字图像；/n将所述第二数字图像输入至训练模型中，以对数字图像的身份进行伪造识别。/n

【技术特征摘要】
1.一种对数字图像的身份伪造识别方法，其特征在于，包括：
构建训练模型；
获取待识别的第一数字图像；其中，所述待识别图像包括RGB三色的三种特征通道以及第四种特征通道；
将所述第四种特征通道与所述RGB三种特征通道进行组合，以生成第二数字图像；
将所述第二数字图像输入至训练模型中，以对数字图像的身份进行伪造识别。


2.根据权利要求1所述的对数字图像的身份伪造识别方法，其特征在于，构建训练模型，具体为：
获取已识别的第三数字图像；其中，所述已识别的第三数字图像为经过人工标注的翻拍图像以及活体图像；
提取所述已识别的第三数字图像的第四种特征通道；
将所述已识别的第三数字图像的第四种特征图像通道及其RGB三种特征通道进行组合，以生成第四数字图像；
将所述第四数字图像作为神经网络的输入样本，构建神经网络模型；
基于神经网络模型，将预测集准确率最高的模型作为训练模型。


3.根据权利要求2所述的对数字图像的身份伪造识别方法，其特征在于，提取所述已识别的第三数字图像第四种特征通道，具体为：
将第三数字图像转化为HSV格式，并提取V通道，获得fv(x,y)；
对所述fv(x,y)做对数变换，以得到fln(x,y)；其中，fln(x,y)＝ln(fv(x,y)+esp)；
对对数变换后的函数fln(x,y)做二维傅里叶变换，以得到其中，为二维傅里叶变换函数，shift(x,y)为二维傅里叶变换后的中心化函数，为fln(x,y)经二维傅里叶变换并中心化后的函数；
对构造函数






其中，D2(u,v)为频谱图上任意一像素点距离二维平铺图中心点的欧式距离，约束条件s.t.为对图像中心化后的平铺图进行高斯函数拟合，并取分位点为0.04432；使用构造的函数与进行数量乘法，即并记为
对函数做去中心化，以获得shift(x,y)的反函数shift-1(x,y)，得到函数再对得到的函数做二维傅里叶反变换得到函数
对得到的函数ftmp(x,y)做指数函数映射，得到其中f'(x,y)为第四种特征通道。


4.根据权利要求2所述的对数字图像的身份伪造识别方法，其特征在于，基于神经网络模型，将预测集准确率最高的模型作为训练模型，具体为：
将所述第四数字图像作为神经网络的输入样本，并按8:2的形式划分为训练集与预测集；
以训练集进行训练，以迭代的形式做迭代实验，以小批量梯度下降进行优化，...

【专利技术属性】
技术研发人员：崔子栋，范帅迪，贺惠新，
申请(专利权)人：华侨大学，
类型：发明
国别省市：福建;35