基于Xception网络的假脸检测方法及装置制造方法及图纸

本发明专利技术提供了一种基于Xception网络的假脸检测方法及装置，基于Xception网络的假脸检测方法包括：接收待检测的人脸数据；根据预生成的Xception模型对所述人脸数据进行检测，以确定所述人脸数据是否为真实人脸数据，其中，所述Xception模型是基于Xception网络以及dlib库生成的。本发明专利技术利用深度神经网络，优化改进Xception网络结构，构建人脸检测模型，使其更适合于人脸特征提取和检测，从而有效识别人脸数据的真实性。人脸数据的真实性。人脸数据的真实性。

【技术实现步骤摘要】
基于Xception网络的假脸检测方法及装置


[0001]本申请涉及分布式领域，具体涉及一种基于Xception网络的假脸检测方法及装置。

技术介绍

[0002]现有技术中，通过借助海量训练数据，生成众多虚假视频和音频新闻，使辨别信息真伪、生物识别变得困难，目前这种技术开始活跃在网络中，随着这一技术算法的日趋成熟，到如今，无论是人像还是声音、视频都可以被伪造或合成，甚至达到了几乎不能辨别真伪的程度。
[0003]现有技术中，很多地方都用到了人脸识别，但是开发软件的程序员有很多也只是借助了第三方SDK进行对接而已，甚至有时候为了节省成本，用的是第三方，这样看起来确实是加了人脸识别功能，但是有时候那些SDK的技术很久没人更新了，用的还是几年前的技术，这样所形成的防护能力就会大大减弱，甚至还可能存在着不少的安全隐患。

技术实现思路

[0004]针对现有技术中的问题，本申请提供一种基于Xception网络的假脸检测方法及装置，根据对深度神经网络的研究和学习，优化改进Xception网络结构，使其更适合于人脸特征提取和检测。
[0005]为了解决上述问题中的至少一个，本申请提供以下技术方案：
[0006]第一方面，本申请提供一种基于Xception网络的假脸检测方法，包括：
[0007]接收待检测的人脸数据；
[0008]根据预生成的Xception模型对所述人脸数据进行检测，以确定所述人脸数据是否为真实人脸数据，其中，所述Xception模型是基于Xception网络以及dlib库生成的。
[0009]进一步地，生成所述Xception模型包括以下步骤：
[0010]基于所述Xception网络生成所述Xception模型的初始模型；
[0011]根据训练数据以及预生成的损失函数对所述初始模型进行训练，以生成所述 Xception模型。
[0012]进一步地，所述根据训练数据以及预生成的损失函数对所述初始模型进行训练，以生成所述Xception模型，包括：
[0013]根据所述训练数据对所述初始模型进行训练；
[0014]根据训练后的初始模型搭建所述Xception模型的卷积块；
[0015]根据所述损失函数以及所述卷积块生成所述Xception模型。
[0016]进一步地，基于Xception网络的假脸检测方法还包括：
[0017]若所述人脸数据的格式为视频格式，则对所述人脸数据进行分帧处理。
[0018]进一步地，基于Xception网络的假脸检测方法还包括：
[0019]根据所述dlib库对所述人脸数据进行检测以及对齐处理。
[0020]第二方面，本申请提供一种基于Xception网络的假脸检测装置，包括：
[0021]人脸数据接收模块，用于接收待检测的人脸数据；
[0022]人脸数据检测模块，用于根据预生成的Xception模型对所述人脸数据进行检测，以确定所述人脸数据是否为真实人脸数据，其中，所述Xception模型是基于 Xception网络以及dlib库生成的。
[0023]进一步地，基于Xception网络的假脸检测装置还包括：模型生成模块，用于生成所述Xception模型，所述模型生成模块包括：
[0024]初始模型生成单元，用于基于所述Xception网络生成所述Xception模型的初始模型；
[0025]模型生成单元，用于根据训练数据以及预生成的损失函数对所述初始模型进行训练，以生成所述Xception模型。
[0026]进一步地，所述模型生成单元包括：
[0027]初始模型训练单元，用于根据所述训练数据对所述初始模型进行训练；
[0028]卷积块搭建单元，用于根据训练后的初始模型搭建所述Xception模型的卷积块；
[0029]模型生成子单元，用于根据所述损失函数以及所述卷积块生成所述Xception 模型。
[0030]进一步地，基于Xception网络的假脸检测装置还包括：
[0031]人脸数据分帧处理模块，用于若所述人脸数据的格式为视频格式，则对所述人脸数据进行分帧处理。
[0032]进一步地，基于Xception网络的假脸检测装置还包括：
[0033]人脸数据对齐模块，用于根据所述dlib库对所述人脸数据进行检测以及对齐处理。
[0034]第三方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于 Xception网络的假脸检测方法的步骤。
[0035]第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于Xception网络的假脸检测方法的步骤。
[0036]第五方面，本申请提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现所述的基于Xception网络的假脸检测方法的步骤。
[0037]从上述描述可知，本专利技术实施例提供一种基于Xception网络的假脸检测方法及装置，对应的方法包括：首先接收待检测的人脸数据；接着，根据预生成的 Xception模型对所述人脸数据进行检测，以确定所述人脸数据是否为真实人脸数据，其中，所述Xception模型是基于Xception网络以及dlib库生成的。本专利技术利用深度神经网络，优化改进Xception网络结构，构建人脸检测模型，使其更适合于人脸特征提取和检测，从而有效识别人脸数据的真实性。
附图说明
[0038]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请
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。
[0039]图1为本申请实施例中的基于Xception网络的假脸检测方法的流程示意图之一；
[0040]图2为本申请实施例中的基于Xception网络的假脸检测方法的流程示意图之二；
[0041]图3为本申请实施例中的基于Xception网络的假脸检测方法中步骤300的流程示意图；
[0042]图4为本申请实施例中的基于Xception网络的假脸检测方法中步骤302的流程示意图；
[0043]图5为本申请实施例中的基于Xception网络的假脸检测方法的流程示意图之三；
[0044]图6为本申请实施例中的基于Xception网络的假脸检测方法的流程示意图之四；
[0045]图7为本专利技术的具体实施方式中基于Xception网络的假脸检测方法的流程示意图；
[0046]图8为本专利技术的实施例中基于Xception网络的假脸检测装置的方块图一；
[0047]图9为本专利技术的实施例中基于Xceptio本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Xception网络的假脸检测方法，其特征在于，包括：接收待检测的人脸数据；根据预生成的Xception模型对所述人脸数据进行检测，以确定所述人脸数据是否为真实人脸数据，其中，所述Xception模型是基于Xception网络以及dlib库生成的。2.根据权利要求1所述的基于Xception网络的假脸检测方法，其特征在于，生成所述Xception模型包括以下步骤：基于所述Xception网络生成所述Xception模型的初始模型；根据训练数据以及预生成的损失函数对所述初始模型进行训练，以生成所述Xception模型。3.根据权利要求2所述的基于Xception网络的假脸检测方法，其特征在于，所述根据训练数据以及预生成的损失函数对所述初始模型进行训练，以生成所述Xception模型，包括：根据所述训练数据对所述初始模型进行训练；根据训练后的初始模型搭建所述Xception模型的卷积块；根据所述损失函数以及所述卷积块生成所述Xception模型。4.根据权利要求1所述的基于Xception网络的假脸检测方法，其特征在于，还包括：若所述人脸数据的格式为视频格式，则对所述人脸数据进行分帧处理。5.根据权利要求1所述的基于Xception网络的假脸检测方法，其特征在于，还包括：根据所述dlib库对所述人脸数据进行检测以及对齐处理。6.一种基于Xception网络的假脸检测装置，其特征在于，包括：人脸数据接收模块，用于接收待检测的人脸数据；人脸数据检测模块，用于根据预生成的Xception模型对所述人脸数据进行检测，以确定所述人脸数据是否为真实人脸数据，其中，所述Xception模型是基于Xception网络以及dlib库生成的。7.根据权利要求6所述的基于Xception网络的假脸...

【专利技术属性】
技术研发人员：肖清，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：