伪造图像检测制造技术

本公开提供了“伪造图像检测”。一种计算机包括处理器和存储器，所述存储器包括将由所述处理器执行以利用可见光和NIR光相机获取第一图像并利用红外相机获取第二图像的指令。所述指令还可包括用于进行以下操作的指令：通过将包括在所述第二图像中的第一红外分布与包括在用所述红外相机获取的先前获取的第三图像中的第二红外分布进行比较来确定所述第二图像是否包括真人面部；并且在所述第二图像包括所述真人面部时，输出所述第一图像。输出所述第一图像。输出所述第一图像。

【技术实现步骤摘要】
伪造图像检测


[0001]本公开涉及用于检测图像篡改的系统和方法。

技术介绍

[0002]车辆可配备有计算装置、网络、传感器和控制器以获取和/或处理关于车辆的环境的数据并且基于所述数据而操作车辆。车辆传感器可提供关于将行驶的路线以及车辆的环境中要避开的对象的数据。在车辆正在道路上进行操作时，车辆的操作可依赖于获取关于车辆的环境中的对象的准确且及时的数据。

技术实现思路

[0003]车辆可配备有计算装置、网络、传感器和控制器以获取和/或处理关于车辆的环境的数据并且基于所述数据而操作车辆。所包括的计算装置和传感器可用于除操作车辆之外的任务。例如，车辆中的相机可被编程为获取接近车辆的人的图像，并且在基于面部识别软件而确定人的身份之后，解锁车辆的车门以准许操作者进入车辆。类似地，包括在车辆内部的相机可获取人的一个或多个图像，并且在基于面部识别软件而确定操作者的身份之后，接受来自人的命令以操作车辆。
[0004]面部识别是一种类型的生物特征认证，其中人体测量值用于确定人的身份以执行访问控制。生物特征认证的示例是面部识别，其中通过相机获取人的图像，并且处理所述图像以提取面部特征，然后将所述面部特征存储在计算机存储器中作为训练模型。在稍后的时间，计算机可以用第二相机获取人的第二图像，并使用面部识别软件处理所述图像以提取第二组面部特征，所述第二组面部特征可以与来自训练模型的第一组面部特征进行比较。如果确定两组面部特征匹配，则认证由第二相机成像的人。生物特征认证可用于控制对物理空间包括建筑物、房屋或车辆等的访问，并且可用于授予操作计算机、电话或其他装置的许可。生物特征认证软件可在包括在被访问的位置或装置中的计算装置上执行，或者可将图像数据上传到基于云的服务器，所述基于云的服务器维护训练模型的数据库以供执行。可将执行生物特征认证的结果下载到寻求操作车辆的认证和许可的装置。成功的认证可以用于解锁车门或启用车辆控制。在其他示例中，成功的认证可以用于安全应用，诸如通过解锁门来访问位置或房间，或者进一步替代地或另外地通过启用诸如键盘或鼠标的输入装置或授予对文件的访问来访问诸如计算机或手机的装置。
[0005]随着生物特征认证技术的进步，用于篡改相机数据以欺骗生物特征认证系统来认证伪造图像的技术也有所进步。在这种背景下，使生物特征认证系统将伪造图像接受为真实的被称为“欺骗”。例如，可以使用被编程为生成“深度伪造”图像和视频的神经网络来生成伪造图像。深度伪造图像或视频是其中一个人的肖像图像可以被编辑到另一个人的身体图像上，或者一个人的图像可以被移植到他们在现实生活中从未存在过的场景中的图像或视频。人的面部的高分辨率图像也被用于创建用于欺骗生物特征认证系统的伪造图像。为了解决这个问题，已经在智能电话上实施了三维(3D)深度映射系统，以防止使用深度伪造
和高分辨率图像来欺骗面部识别系统。使用高分辨率打印或模制乳胶技术的逼真的面具最近已被用于欺骗使用3D深度映射的面部识别系统。可能需要需要大量计算资源的复杂图像处理技术来确定面具与真人之间的差异，并且在使用高质量戏剧面具的示例中，即使复杂的图像处理也可能无法成功地确定伪造图像。
[0006]本文讨论的技术通过除了使用可见光和近红外(NIR)获取的灰度或彩色图像之外还首先获取要注册在生物特征认证系统中的人的红外图像来检测图像篡改，例如，在已经使用伪造图像的情况下。然后，可以将红外图像与从灰度或彩色图像中提取的面部特征一起存储在训练模型中。在质询时，当从待认证的人获取第二灰度或彩色光图像时，获取第二红外图像并将其与存储在训练模型中的第一红外图像进行比较。因为红外图像是基于从人的面部发出的热力学数据，所以基于视频、照片或面具的伪造图像不能模仿所存储的红外图像。本文讨论的技术通过获取红外图像并将其与存储的数据进行比较以确认系统正在对真人而不是伪造品进行成像来改进生物特征认证。获取和比较红外图像不需要3D深度传感器，并且使用比现有技术更少的计算资源来成功地确定正在对真人主体而不是伪造品进行成像。在成功确定正在对真人进行成像之后，可以将人脸的灰度或彩色图像输出到生物特征认证系统，其中可以使用面部识别软件来处理灰度或彩色图像以确定人脸是否与先前存储的人脸匹配。
附图说明
[0007]图1是示例性车辆的图示。
[0008]图2是示例性图像的图示。
[0009]图3是示例性红外图像的图示。
[0010]图4是示例性红外伪造图像的图示。
[0011]图5是示例性多光谱图像的图示。
[0012]图6是用于确定伪造图像的示例性过程的流程图。
具体实施方式
[0013]图1是包括计算装置115和传感器116的车辆110的图示。计算装置(或计算机)115包括诸如已知的处理器和存储器。此外，存储器包括一种或多种形式的计算机可读介质并且存储指令，所述指令可由处理器执行来执行包括如本文所公开的各种操作。例如，计算装置115可包括编程以操作车辆制动、推进(例如，通过控制内燃发动机、电动马达、混合动力发动机等中的一者或多者来控制车辆110的加速度)、转向、气候控制、内部灯和/或外部灯等中的一者或多者，并且确定计算装置115(而不是人类操作者)是否以及何时控制此类操作。
[0014]计算装置115可包括多于一个计算装置(例如，包括在车辆110中以用于监测和/或控制各种车辆部件的控制器等等(例如，动力传动系统控制器112、制动控制器113、转向控制器114等))，或例如经由如下文进一步所描述的车辆通信总线通信地耦合到所述多于一个计算装置。计算装置115通常被布置用于通过车辆通信网络(例如，包括车辆110中的总线，诸如控制器局域网(CAN)等)通信；另外地或可选地，车辆110网络可包括诸如已知的有线或无线通信机制，例如以太网或其他通信协议。
[0015]计算装置115可经由车辆网络向车辆中的各种装置(例如，控制器、致动器、传感器(包括传感器116)等)传输消息和/或从所述各种装置接收消息。可选地或另外地，在计算装置115实际上包括多个装置的情况下，可使用车辆通信网络来在本公开中表示为计算装置115的装置之间通信。另外，如下文所提及，各种控制器或感测元件(诸如传感器116)可经由车辆通信网络向计算装置115提供数据。
[0016]此外，计算装置115可被配置用于通过车辆对基础设施(V对I)接口111经由网络与远程服务器计算机(例如，云服务器)通信，如下文所描述，所述接口包括硬件、固件和软件，所述硬件、固件和软件准许计算装置115经由诸如无线互联网或蜂窝网络的网络与远程服务器计算机通信。因此，V对I接口111可包括被配置为利用各种有线和/或无线联网技术(例如，蜂窝、超宽带(UWB)、和有线和/或无线分组网络)的处理器、存储器、收发器等。计算装置115可被配置用于使用例如在邻近车辆110之间特别地形成或通过基于基础设施的网络形成的车辆对车辆(V对V)网络(例如根据专用短程通信(DSRC)和/或类似的通信)通过V对I接口111与其他车辆110通信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，其包括：用可见光和NIR光相机获取第一图像；用红外相机获取第二图像；通过将包括在所述第二图像中的第一红外分布与包括在用所述红外相机获取的先前获取的第三图像中的第二红外分布进行比较来确定所述第二图像是否包括人脸；并且在所述第二图像包括所述人脸时，输出所述第一图像。2.如权利要求1所述的方法，其中所述可见光和NIR光相机被配置为检测由所述人脸反射的可见光和NIR光。3.如权利要求2所述的方法，其中所述可见光和NIR光相机被配置为检测在400至700纳米范围内的一个或多个波长的可见光和NIR光。4.如权利要求1所述的方法，其中所述红外相机被配置为检测由所述人脸发出的红外光。5.如权利要求4所述的方法，其中所述红外相机被配置为检测在1000至2500纳米范围内的一个或多个短波红外光的红外光。6.如权利要求4所述的方法，其中所述红外相机被配置为检测在8000至14000纳米范围内的一个或多个长波红外光的光。7.如权利要求1所述的方...

【专利技术属性】
技术研发人员：阿里，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：