一种基于安全计算机的安全认证方法技术

本发明专利技术提出了一种基于安全计算机的安全认证方法，该方法对计算机中未存储的脸部特征在人脸识别前进行标记，通过分析在样本库中该特征偶然出现的概率识别人脸欺诈；对人脸各部分特征从人脸欺诈可能性等级和人脸真实可能性两个维度对人脸识别部分特征进行打分，根据不同分值选择不同卷积神经网络算法，对人脸欺诈可能性或者人脸真实可能性进行评估；当人脸欺诈可能性大于某个阈值或人脸识别真实可能性小于某个阈值或未出现特征出现概率大于某个阈值时，判定该人脸为假；否则对各特征按概率计算结果加权计算综合分值，当综合分值大于某一阈值时判定该人脸为真。该方法提高了人脸识别效率，解决了未出现特征检测不能识别的问题。题。题。

【技术实现步骤摘要】
一种基于安全计算机的安全认证方法


[0001]本专利技术计算机安全领域，尤其涉及一种基于安全计算机的安全认证方法。

技术介绍

[0002]生活中存在人脸识别不了或者人脸欺诈的问题，一方面仅从特征提取的角度来降低跨库检测错误率忽略了未出现过特征的检测，应用场景的变化对于单模态图像而言，仅从特征提取的角度来降低跨库检测错误率一直未能达到预期；另一方面采用同一算法对人脸进行识别计算量大。本专利技术提出了一种基于安全计算机的安全认证方法，解决了未出现特征检测不能识别的问题，并通过对不同特征采用不同算法提高了识别的可靠性和降低了整体识别的计算量。

技术实现思路

[0003]为解决上述技术问题，本专利技术提出一种基于安全计算机的安全认证方法。
[0004]基于安全计算机的安全认证方法包括人脸识别，对于计算机中未存储的脸部特征在人脸识别前进行标记，通过样本库中数据分析该特征偶然出现的概率；对人脸识别各个部分进行区域划分，对各部分特征从人脸欺诈可能性等级到人脸真实可能性等级对人脸识别部分特征进行赋分，不同脸部特征打分不同，根据不同分值选择不同卷积神经网络算法，对人脸欺诈可能性或者人脸真实可能性进行评估；当人脸欺诈可能性大于某个阈值或人脸识别真实可能性小于某个阈值或未出现特征出现概率大于某个阈值时，判定该人脸为假；否则根据特征集合吻合概率加权计算该待检测人脸的加权综合得分。
[0005]进一步的，人脸部位特征可包括动态纹理、颜色、高低频图像、亮度、体温、脉搏、五官运动。
[0006]进一步的，对于未出现特征出现的概率检测可通过收集N个同一对象M个时期人脸形成样本库，通过追踪样本库中该特征出现的概率作为该特征出现的可能性概率，其中N为大于10000的正整数，M个时期为间隔相同时间的大于10的正整数，或者M为人脸发生特征变化的不定长时间间隔的人脸。
[0007]进一步的，通过样本分析得出人脸区域特征中特征和识别真实性概率与欺诈性概率的关系，将特征按照大概率真实性到大概率欺诈性的顺序进行排序并赋予分值，比如，特征1、特征2、特征3、
……
、特征n为人脸识别为真实概率依次减小、欺诈性概率依次增大的特征，将其分别赋分值为n、n
‑
1、n
‑
2、
……
、1，并将这些特征分值进行依次降低的权值分配，表征真实性越强的特征分值权值为正且绝对值越大，表征欺诈性的越强的特征分值权值为负且绝对值越大，其中，样本为L个已知识别结果的人脸。
[0008]进一步的，根据特征对应的分值，即该特征表征真实性/欺诈性，选择不同算法对特征进行欺诈可能性或真实可能性识别，进行欺诈可能性识别时，若概率大于某一阈值判定人脸为假，进行真实可能性识别时，若概率大于某一值判定该特征为真，对各特征按概率计算结果加权计算综合分值，当综合分值大于某一阈值时判定该人脸为真。
[0009]进一步的，对于人脸欺诈可能性和人脸真实可能性的检测可采用基于局部方向数模式的动态色彩纹理分析法(Local Directional Number Patter，LDN),基于图像高低频的人脸反欺诈法(Face Anti
‑
spoofing,FAS)，中心查分卷积central difference convolution(CDC)，远程光电容积脉搏波(remote photo plethymor graphy,RPPG)。
[0010]本专利技术对计算机中未存储的脸部特征在人脸识别前进行标记，通过分析在样本库中该特征偶然出现的概率识别人脸欺诈；对人脸识别各个部分进行区域划分，对各部分特征从人脸欺诈可能性等级和人脸真实可能性两个维度对人脸识别部分特征进行打分，不同脸部特征打分不同，根据不同分值选择不同卷积神经网络算法，对人脸欺诈可能性或者人脸真实可能性进行评估；当人脸欺诈可能性大于某个阈值或人脸识别真实可能性小于某个阈值或未出现特征出现概率大于某个阈值时，判定该人脸为假；对各特征按概率计算结果加权计算综合分值，当综合分值大于某一阈值时判定该人脸为真。该方法提高了算法的适用性，解决了未出现特征检测不能识别的问题，并通过对不同特征采用不同算法提高了识别的可靠性和降低了整体识别的计算量。
附图说明
[0011]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0012]图1是本专利技术一个实施例的流程图
[0013]图2是中心查分卷积central difference convolution(CDC)算法的一个实施例
[0014]图3是基于局部方向数模式的动态色彩纹理分析法的一个实施例
具体实施方式
[0015]下面，结合附图以及具体实施方式，对专利技术做出进一步的描述。
[0016]需要指出的是，在本专利技术的各个实施例中给出的说明书附图描述仅仅是示意性的，不代表全部的具体的电路结构；
[0017]本专利技术未特别明确的部分模块结构，以现有技术记载的内容为准。本专利技术在前述
技术介绍
部分提及的现有技术可作为本专利技术的一部分，用于理解部分技术特征或者参数的含义。本专利技术的保护范围以权利要求实际记载的内容为准。
[0018]基于安全计算机的安全认证方法包括人脸识别，对于计算机中未存储的脸部特征在人脸识别前进行标记，通过样本库中数据分析该特征偶然出现的概率；对人脸识别各个部分进行区域划分，对各部分特征从人脸欺诈可能性等级到人脸真实可能性等级对人脸识别部分特征进行赋分，不同脸部特征打分不同，根据不同分值选择不同卷积神经网络算法，对人脸欺诈可能性或者人脸真实可能性进行评估；当人脸欺诈可能性大于某个阈值或人脸识别真实可能性小于某个阈值或未出现特征出现概率大于某个阈值时，判定该人脸为假；否则进行下一步。
[0019]进一步的，人脸部位特征可包括动态纹理、颜色、高低频图像、亮度、体温、脉搏、五官运动。
[0020]进一步的，对于未出现特征出现的概率检测可通过收集N个同一对象M个时期人脸形成样本库，通过追踪样本库中该特征出现的概率作为该特征出现的可能性概率，其中N为大于10000的正整数，M个时期为间隔相同时间的大于10的正整数，或者M为人脸发生特征变化的不定长时间间隔的人脸。
[0021]进一步的，通过样本分析得出人脸区域特征中特征和识别真实性概率与欺诈性概率的关系，将特征按照大概率真实性到大概率欺诈性的顺序进行排序并赋予分值，比如，特征1、特征2、特征3、
……
、特征n为人脸识别为真实概率依次减小、欺诈性概率依次增大的特征，将其分别赋分值为n、n
‑
1、n
‑
2、
……
、1，并将这些特征分值进行依次降低的权值分配，表征真实性越强的特征分值权值为正且绝对值越大，表征欺诈性的越本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于安全计算机的安全认证方法，其特征在于，包括人脸识别，对于计算机中未存储的脸部特征在人脸识别前进行标记，通过样本库中数据分析该特征偶然出现的概率；对人脸识别各个部分进行区域划分，对各部分特征从人脸欺诈可能性等级到人脸真实可能性等级对人脸识别部分特征进行赋分，不同脸部特征打分不同，根据不同分值选择不同卷积神经网络算法，对人脸欺诈可能性或者人脸真实可能性进行评估；当人脸欺诈可能性大于某个阈值或人脸识别真实可能性小于某个阈值或未出现特征出现概率大于设定阈值时，判定该人脸为假；否则根据特征集合吻合概率加权计算该待检测人脸的加权综合得分。2.根据权利要求1所述的一种基于安全计算机的安全认证方法，其特征在于，人脸部位特征包括动态纹理、颜色、高低频图像、亮度、体温、脉搏和五官运动。3.根据权利要求1所述的一种基于安全计算机的安全认证方法，其特征在于，对于未出现特征出现的概率检测通过收集N个同一对象M个时期人脸形成样本库，通过追踪样本库中该特征出现的概率作为该特征出现的可能性概率；其中N为大于10000的正整数，M个时期为间隔相同时间的大于10的正整数，或者M为人脸发生特征变化的不定长时间间隔的人脸。4.根据权利要求1所述的一种基于安全计算机的安全认证方法，其特征在于，通过样本分析得出人脸区域特征中特征和识别真实性概率与欺诈性概率的关系，将特征按照大概率真实性到大概率欺诈性的顺序进行排序并赋予分值，按人脸识别为真实概率依次减小、欺诈性概率依次增大的特征分值进行依次降低的权值分配，表征真实性越强的特征分值权值为正且绝对值越大，表征欺诈性的越强的特征分值权值为负且绝对值越大。5.根据权利要求1所述的一种基于安全计算机的安全认证方法，其特征在于，根据特征对应的分值，选择不同算法对特征进行欺诈可能性或真实可能性识别，进行欺诈可能性识别时，若概率大于某一阈值判定人脸为假，进行真实可能性识别时，若概率大于某一值判定该特征为真，对各特征按概率计算结果加权计算综合分值，当综合分值大于某一阈值时判定该人脸为真。6.根据权利要求1所述的一种基于安全计算机的安全认证方法，其特征在于，所述加权综合得分计算方法为：A＝p1·
a1·
λ1+p2·
a2·
λ2+p3·
a3·
λ3+
…
+p
n
·
a
n
·
λ
n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，a1、a2、a3……
a
n
是1、2、...

【专利技术属性】
技术研发人员：杨义海，姜长春，柏凯，孙龙，胡宗强，王占垒，徐东路，闫弘毅，田沙沙，鲍雅，
申请(专利权)人：江苏方洋智能科技有限公司，
类型：发明
国别省市：