基于对抗补丁的人脸图像预测方法、装置、设备和介质制造方法及图纸

本申请实施例属于人工智能领域，应用于智慧城管领域中，涉及一种基于对抗补丁的人脸图像预测方法，包括根据待预测图像的类型获取对应的掩码阈值；计算待预测图像每一像素的归因属性值；基于归因属性值，根据掩码阈值对所述待预测图像进行掩码处理，得到新图像；将所述新图像输入到训练好的预测模型中进行人脸识别，得到预测识别结果。本申请还提供一种基于对抗补丁的人脸图像预测装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，待预测图像、预测识别结果还存储于区块链中。采用本方法解决了现有技术中补丁攻击造成了较大的范数扰动，但是因为极易造成合理的假象而不易被人发现，从而不能对其进行有效的防御的技术问题。

Face image prediction method, device, device and medium based on counterpatch

【技术实现步骤摘要】
基于对抗补丁的人脸图像预测方法、装置、设备和介质
本申请涉及图像处理领域，特别是涉及一种基于对抗补丁的人脸图像预测方法、装置、计算机设备和存储介质。
技术介绍
近年来，基于深度神经网络的计算机视觉技术获得了广泛的应用，其中，视频监控技术在智慧城市相关的各类场景应用中作用重大。例如，与食品安全相关方面的场景包括监测触发厨师是否佩戴口罩、卫生帽，基于视觉的不合格食品检出等；在社区管理相关的包括在垃圾分类投放处进行智能垃圾分类，车辆乱停放等；特定场合中对人脸的检测与识别等等。现有技术中，通常是以在背景中或目标本身上面加入补丁或者贴纸的方式来干扰人脸识别的准确度，比如人戴上了眼镜、垃圾桶上贴了某种特征的干扰贴纸等等，这种补丁攻击即是造成了较大的范数扰动，但是因为极易造成合理的假象而不易被人发现，从而不能对其进行有效的防御，实现准确的人脸识别。
技术实现思路
基于此，针对上述技术问题，本申请提供一种基于对抗补丁的人脸图像预测方法、装置、计算机设备及存储介质，以解决现有技术中补丁攻击造成了较大的范数扰动，但是因为极易造成本文档来自技高网...

【技术保护点】
1.一种基于对抗补丁的人脸图像预测方法，其特征在于，所述方法包括：/n获取待预测图像，根据所述待预测图像的类型获取对应的掩码阈值；/n计算所述待预测图像每一像素的归因属性值；/n基于所述归因属性值，根据所述掩码阈值对所述待预测图像进行掩码处理，得到新图像；/n将所述新图像输入到训练好的预测模型中进行人脸识别，得到预测识别结果。/n

【技术特征摘要】
1.一种基于对抗补丁的人脸图像预测方法，其特征在于，所述方法包括：
获取待预测图像，根据所述待预测图像的类型获取对应的掩码阈值；
计算所述待预测图像每一像素的归因属性值；
基于所述归因属性值，根据所述掩码阈值对所述待预测图像进行掩码处理，得到新图像；
将所述新图像输入到训练好的预测模型中进行人脸识别，得到预测识别结果。


2.根据权利要求1所述的方法，其特征在于，在所述根据所述待预测图像的类型获取对应的掩码阈值之前，还包括：
获取训练样本图像；
为各个所述训练样本图像生成图像大小相同，但像素取值皆为0的基准图像；
根据所述基准图像计算所述训练样本图像每一像素的归因属性值；
按照降序排列所述归因属性值；
根据所述归因属性值、预设掩码阈值对所述训练样本图像进行掩码处理，得到干扰图像；
将所述训练样本图像与对应的干扰图像分别输入到预测模型中，输出得到训练完成的预设掩码阈值，作为所述掩码阈值。


3.根据权利要求2所述的方法，其特征在于，所述归因属性值有多个，所述根据所述归因属性值、预设掩码阈值对所述训练样本图像进行掩码处理，得到干扰图像，包括：
以所述预设掩码阈值为临界点对所述归因属性值进行划分，得到第一归因属性序列；
将所述第一归因属性序列中各归因属性值对应的像素替换为所述基准图像上对应位置上的像素，得到基于所述预设掩码阈值与所述训练样本图像对应的干扰图像。


4.根据权利要求2或3所述的方法，其特征在于，所述将所述训练样本图像与对应的干扰图像分别输入到预测模型中，输出得到训练完成的预设掩码阈值，作为所述掩码阈值，包括：
获取所述训练样本图像输入到所述掩码阈值模型中的样本输出结果、所述干扰图像输入到所述掩码阈值模型中的干扰输出结果；
对比所述干扰输出结果与所述样本输出结果是否相同；
若相同，则根据预设值递增所述干扰图像对应的预设掩码阈值，得到新的预设掩码阈值，并重复根据预设掩码阈值对所述训练样本图像进行掩码处理得到干扰图像、输入掩码阈值模型、对比输出结果是否相同的操作，直到干扰输出结果与样本输出结果不相同，将当前循环的预设掩码阈值作为最终的掩码阈值。


5.根...

【专利技术属性】
技术研发人员：刘彦宏，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44