基于改进3D动态图卷积的调度员身份认证方法技术

本发明专利技术公开了一种基于改进3D动态图卷积的调度员身份认证方法，包括步骤：(1)调度参与人员进入身份认证系统开始认证；(2)认证系统要求待验证人员完成某些指定动作(3)待验证人员根据系统要求完成相应动作；(4)认证系统对待验证人员的面部动作进行采样，采用3D动态图卷积方法对待验证人员面部动作过程中的面部特征变化进行检测；(5)认证系统利用时空注意力机制与动态图卷积相结合的策略对面部特征变化进行比较，实现待验证人员身份的认证；(6)输出认证结果。本发明专利技术通过将3D动态图卷积网络与时空注意力机制进行结合，提升了抵御照片攻击、录制视频攻击及3D人脸面具攻击等能力，有助于实现调度人员的高精度身份认证。助于实现调度人员的高精度身份认证。助于实现调度人员的高精度身份认证。

【技术实现步骤摘要】
基于改进3D动态图卷积的调度员身份认证方法


[0001]本专利技术涉及配电网调度领域，尤其涉及一种基于改进3D动态图卷积的调度员身份认证方法。

技术介绍

[0002]随着电网规模的不断扩大，调度机构管辖的电力设备越来越多，调度人员更换交接频繁，为了保证电网调度安全，需要对调度人员的身份进行验证。目前电网调度双方人员通过互相通报姓名方式实现身份认证，很容易造成外部人员冒名顶替的安全隐患。现有身份认证方法大多对采集到的摄像头视频或图片进行训练测试，然后将训练模型用于调度员的身份认证。但该方法在抵御照片攻击、录制视频攻击及3D人脸面具攻击方面性能较差。
[0003]针对以上问题，本专利技术在现有声纹识别方法基础上，提出一种基于3D动态图卷积的调度员身份认证方法，进行配网调度人员面部识别，从而提高调度人员身份认证的精准度。

技术实现思路

[0004]为解决现有技术中存在的不足，本专利技术的目的在于，提供一种基于改进3D动态图卷积的调度员身份认证方法。
[0005]为实现本专利技术的目的，本专利技术所采用的技术方案是：
[0006]一种基于改进3D动态图卷积的调度员身份认证方法，包括步骤：
[0007](1)调度参与人员进入身份认证系统开始认证；
[0008](2)认证系统要求待验证人员完成某些指定动作；
[0009](3)待验证人员根据系统要求完成相应动作；
[0010](4)认证系统对待验证人员的面部动作进行采样，采用3D动态图卷积方法对待验证人员面部动作过程中的面部特征变化进行检测；
[0011](5)认证系统利用时空注意力机制与动态图卷积相结合的策略对面部特征变化进行比较，实现待验证人员身份的认证；
[0012](6)输出认证结果。
[0013]进一步地，步骤(2)中，认证系统要求待验证人员完成的指定动作，包括眨眼、张嘴、摇头、说话动作以及这些动作的组合。
[0014]进一步地，步骤(4)中，认证系统采用3D点云的方式对待验证人员的面部动作进行面部采样，获得面部个点的X、Y、Z的坐标信息，以及表面法线和RGB值。
[0015]进一步地，步骤(4)中，认证系统采用动态图卷积模型进行面部特征变化的检测，模型参数随着面部特征的变化而变化；
[0016]将捕捉到的动作视频视为由T个快照组成的离散动态面部图，模型学习具有相同面部图结构的T个图神经网络模型；第一个图神经网络模型参数是在身份认证开始时进行初始化实现的，而第t个图神经网络模型参数参数是由t
‑
1个模型参数演化而来的。
[0017]进一步地，采用循环神经网络的门循环单元GRU实现模型参数的更新。
[0018]进一步地，步骤(5)中，在图注意力层，通过构建注意力网络，抽取面部变化区域的关键信息；将面部节点特征输入到时空图注意力层，时空图注意力层生成新的节点特征。
[0019]进一步地，图注意力层利用多头注意力机制来稳定学习的过程，应用K次独立的注意力机制来计算隐层状态，然后将他们的特征拼接，得到输出结果。
[0020]本专利技术的有益效果在于，与现有技术相比，本专利技术通过将3D动态图卷积网络与时空注意力机制进行结合，提升了抵御照片攻击、录制视频攻击及3D人脸面具攻击等能力，有助于实现调度人员的高精度身份认证。
附图说明
[0021]图1是基于改进3D动态图卷积的调度员身份认证方法流程图。
具体实施方式
[0022]下面结合附图和实施例对本专利技术的技术方案作进一步的说明。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本申请的保护范围。
[0023]人的面部特征可以利用图结构进行表征，本专利技术利用图神经网络实现调度人员的身份认证。在认证过程中，为了充分表达不同人员的特征差异采用基于3D点云的图神经网络机制。为提升检测精准度，本方法要求待验证人员需要与系统进行系列互动，验证人员需要根据系统提示做出系列动作，认证系统根据验证人员动作时面部特征的时空变化，采用时空注意力机制的动态图卷积模型进行人员身份的确认。
[0024]如图1所示，本专利技术所述的基于改进3D动态图卷积的调度员身份认证方法，包括步骤：
[0025](1)调度参与人员进入身份认证系统，认证开始；
[0026](2)认证系统要求待验证人员完成某些指定动作；
[0027]认证系统要求待验证人员完成的指定动作，包括眨眼、张嘴、摇头、说话、其他等动作以及这些动作的组合。
[0028]例如，认证系统要求待验证人员完成的指定动作，眨眼并摇头。
[0029](3)待验证人员根据系统要求完成相应动作；
[0030](4)认证系统采用3D动态图卷积方法对待验证人员面部动作过程中的面部特征变化进行检测；
[0031]首先，认证系统采用3D点云的方式对待验证人员的面部动作进行面部采样，除了获得面部个点的X、Y、Z的坐标信息外，还可以得到表面法线和RGB值。
[0032]然后，认证系统采用3D动态图卷积方法进行面部特征变化的检测，由于验证人员完成相应动作过程中，面部主要特征会随着时间出现局部变化，为了捕捉时间信息，认证系统采用动态图卷积模型，模型参数随着面部特征的变化而变化。
[0033]验证系统将捕捉到的动作视频视为由T个快照组成的离散动态面部图，模型学习具有相同面部图结构的T个图神经网络模型。第一个图神经网络模型参数是在身份认证开始时进行初始化实现的，而第t个图神经网络模型参数参数是由t
‑
1个模型参数演化而来的。采用循环神经网络的GRU(门循环单元)实现模型参数的更新。第t个图快照的第l个图滤
波层表示为：
[0034]Θ
(l
‑
1,t)
＝GRU(F
(l
‑
1,t)
,Θ
(l
‑
1,t
‑
1)
)
ꢀꢀ
(1)
[0035]F
(l
‑
1,t)
＝GNN
‑
Filter(A
(t)
,F
(l
‑
1,t)
,Θ
(l
‑
1,t)
)
ꢀꢀ
(2)
[0036]其中，Θ
(l
‑
1,t)
，F
(l
‑
1,t)
分别表示第t个图神经网络的第l个图滤波层的参数和输出；A
(t)
是第t个图快照的邻接矩阵；第t个图神经网络模型的第l层参数Θ
(l
‑
1,t)
是通过图神经网络从第t
‑
1个图神经网络模型参数Θ
(l
‑
1,t
‑
1)
而成。
[0037](5)认证系统利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进3D动态图卷积的调度员身份认证方法，其特征在于，包括步骤：(1)调度参与人员进入身份认证系统开始认证；(2)认证系统要求待验证人员完成某些指定动作；(3)待验证人员根据系统要求完成相应动作；(4)认证系统对待验证人员的面部动作进行采样，采用3D动态图卷积方法对待验证人员面部动作过程中的面部特征变化进行检测；(5)认证系统利用时空注意力机制与动态图卷积相结合的策略对面部特征变化进行比较，实现待验证人员身份的认证；(6)输出认证结果。2.根据权利要求1所述的基于改进3D动态图卷积的调度员身份认证方法，其特征在于，步骤(2)中，认证系统要求待验证人员完成的指定动作，包括眨眼、张嘴、摇头、说话动作以及这些动作的组合。3.根据权利要求1所述的基于改进3D动态图卷积的调度员身份认证方法，其特征在于，步骤(4)中，认证系统采用3D点云的方式对待验证人员的面部动作进行面部采样，获得面部个点的X、Y、Z的坐标信息，以及表面法线和RGB值。4.根据权利要求3所述的基于改进3D动态图卷积的调度员身份认证方法，其特征在于...

【专利技术属性】
技术研发人员：杨梓俊，荆江平，孙昕杰，张刘冬，吴海洋，王黎明，杨明，申张亮，邓晨，赵帅，蒋雪冬，
申请(专利权)人：国网江苏省电力有限公司，
类型：发明
国别省市：