一种基于局部特征和轻量级网络人脸融合攻击检测的方法技术

本发明专利技术涉及一种基于局部特征与轻量级网络的人脸融合攻击检测方法，用于解决检测精度效率以及基于深度学习的方法无法应用于IOT(如移动、嵌入式系统等)资源受限的应用场景。包括下列步骤：1)准备人脸数据集用于训练、测试和验证；2)进行人脸图像的预处理；3)对构建基于局部特征和轻量级人脸融合攻击检测网络；4)将训练集和验证集图像输入到基于局部特征和轻量级人脸融合攻击检测网络中，进行“二级”分类判断真假人脸，获得训练好的基于局部特征和轻量级网络的人脸融合攻击检测模型；5)将测试集人脸图像输入到训练好的基于局部特征和轻量级人脸融合攻击检测模型中，得到最终的人脸人脸融合攻击检测结果。本发明专利技术使用轻量级网络提取人脸图像的局部特征，有效提高了人脸融合攻击检测的精度，符合实际应用场景。符合实际应用场景。

【技术实现步骤摘要】
一种基于局部特征和轻量级网络人脸融合攻击检测的方法


[0001]本专利技术属于人脸融合攻击检测领域，涉及一种基于局部特征和轻量级网络的人脸融合攻击检测的方法。

技术介绍

[0002]人脸识别作为一种重要的生物识别技术，已广泛应用于银行、旅店、交通等领域的身份认证。2002年，随着国际民航组织(ICAO)选择人脸作为电子机器可读旅行证件(eMRTD)中辅助身份确认的生物特征，人脸识别技术开始逐步应用到自动边界控制系统(Automatic Border Control，ABC)中。近年来，多种针对人脸识别系统的攻击先后被提出，其中人脸融合攻击已被证实对现有人脸识别系统的安全造成了严重的威胁。
[0003]人脸融合包括拼接融合(Splicing morphs)和完全融合(Complete morphs)。人脸融合图像由两个主体生成，其中拼接融合仅对人脸部位进行融合，能取得较好的视觉效果；而完全融合图像对整个人脸图像进行融合，通常会在头发区域产生伪影。人脸融合攻击最早由Ferrara等人提出。人脸融合攻击是犯罪分子将自己和同伙的数字图像融合在一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部特征和轻量级网络人脸融合攻击检测方法，其特征在于：使用轻量级网络提取人脸的局部特征来检测人脸融合攻击，轻量级网络采用三种“Block”叠加架构进行学习，最终通过输出每个局部人脸块的真假人脸概率值，再集成整个人脸特征进行判别。通过双重判别可以大大提高人脸融合攻击检测的精度，所提出网络模型也有很高的计算效率，进而能够有效提高人脸识别系统的安全性，具体包括以下步骤：步骤1：准备人脸数据集用于训练、测试和验证；步骤2：进行人脸图像的预处理；步骤3：构建基于局部特征和轻量级人脸融合攻击检测网络；步骤4：将训练集和验证集图像输入到基于局部特征和轻量级人脸融合攻击检测网络中，进行“二级”分类判断真假人脸，获得训练好的基于局部特征和轻量级网络的人脸融合攻击检测模型；步骤5：将测试集人脸图像输入到训练好的基于局部特征和轻量级人脸融合攻击检测模型中，得到最终的人脸融合攻击检测结果。2.根据权利要求1所述的基于局部特征和轻量级网络人脸融合攻击检测方法，其特征在于，步骤2中，使用dlib库(http://dlib.net/)的人脸检测器对人脸进行检测，对于检测到的人脸进行对齐和裁剪操作，以确保算法仅仅用于面部区域。根据本文人脸融合算法可知，人脸融合检测的判别信息存在于整个面部，而背景区域对于人脸融合攻击检测是冗余和干扰信息，所以本发明使用人脸局部特征进行输入，将整个人脸分割成几个固定的不重叠的区域，使得网络更有效的提取判别信息。再者，将人脸融合攻击检测看作为二元分类问题，使用图像局部特征可以更好的训练本文所提的网络模型。3.根据权利要求1所述的基于局部特征和轻量级网络人脸融合攻击检测方法，其特征在于，所述步骤3采用三种“Block”叠加架构进行学习。基于局部特征的轻量级网络由Block_1，Block_2，Block_3组成。其中，Block_1是MobileNetV2所提的倒残差结构，主要由深度可分离卷积结构构成，依次包括1
×
1逐点卷积层，3
×
3的逐深度卷积和1
×
1的逐深度卷积，再进行残差连接。Block_2是由两个并行分支组成，右分支是深度可分离卷积结构，左分支依次是一个3
×
3的逐深度卷积，1
×
1的逐点卷积，然后将两个分支相连接。两个分支可以学习到更多的特征。在Xception中就说明了加深网络宽度可以提高网络性能。Block_2中的逐深度卷积中stride＝2，也是下采样模块。Block_3由本文提出的，在倒残差结构中加入ECA
‑
Net模块。通道注意力机制在提高深度卷积网络性能方面有很大的潜力，而ECA
‑
Net是更轻量化的通道注意力机制模块，没有降低通道维数，通过执行大小为k的快速一维卷积来生成通道权值，其中k通过通道维度C的函数自适应地确定。具体的网络总体架构工作过程具体为：在网络一开始，人脸局部特征的输入维度设置为96

【专利技术属性】
技术研发人员：赵玄，龙敏，贾成昆，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：