基于二值像素监督的变形人脸检测制造技术

本发明专利技术针对人脸变形检测，提出了一种基于二值像素监督的变形人脸检测方法，包括下列步骤：1)对输入的图像进行预处理，主要使用Dlib工具进行人脸关键点定位，裁剪出人脸区域避免背景的干扰。2)使用改进的密集连接网络提取特征，改进的密集连接网络能够进一步聚合上下文信息提升网络的表征能力。3)使用注意力机制进行通道压缩，用于解决通道降维损失高响应信息的问题。4)根据提取的特征图计算最终结果值并分类。分类。

【技术实现步骤摘要】
基于二值像素监督的变形人脸检测


[0001]本专利技术涉人脸融合攻击检测领域，尤其是一种基于二值像素监督的变形人脸检测技术。

技术介绍

[0002]人脸识别技术作为一种计算机视觉任务和身份验证方式广泛应用于我们生活当中，例如手机人脸解锁，自动取款机识别身份以及机场安检人脸比对。随着图像操作软件的易用性以及深度学习的快速发展，人们获取经过篡改或者利用计算机生成人脸的途径变得越加丰富。
[0003]人脸生物识别技术也同样在安全边境控制应用中得到使用，其通过电子护照来验证个人身份。但是在一些允许自行上传照片用作身份信息的国家，人们就有机会篡改面部特征用于攻击识别系统，给身份验证安全造成威胁。所以识别与防范该类型的攻击成了一个急需解决的问题。
[0004]应对该类型攻击本质上就是识别图像的真假。现有的应对技术主要有以下几种：(1)基于传统特征方法。由于篡改图像与真实图像在纹理，噪声等方面有差异，所以可以提取类似的手工特征作为判别依据。但是使用传统的方法将导致泛化性较差。(2)基于深度学习的方法。深度学习能够自适应发现真实图像与篡改图像的差异，避免了手工设计的复杂性，但是以往的网络缺乏专业性设计导致效果不佳。

技术实现思路

[0005]针对上述现有技术的不足，本专利技术提供一种基于二值像素监督的变形人脸检测方法。其目的在于解决以往方法中存在的泛化性较差以及系统复杂度较高等问题。
[0006]为了实现上述目的，本专利技术提供了一种基于二值像素监督的检测系统，包括以下步骤：
[0007]A1、对输入的图像进行预处理；
[0008]A2、使用改进的密集连接网络提取特征；
[0009]A3、使用注意力机制进行通道压缩；
[0010]A4、根据提取的特征图计算最终结果值并分类；
[0011]本专利技术提供了一种基于二值像素监督的变形人脸检测。与现有技术相比，具备以下有益效果：
[0012]本方案在设计网络时使用密集残差连接模块代替传统密集连接块进一步聚合上下文信息以增强网络的提取特征能力。并且使用跨步卷积改善降采样时使用池化层导致信息损失。在传统二分类的标签监督中，网络会关注全局信息而忽略具有判别性的显著信息，使用二值掩码监督代替传统的二分类模式能够改善该问题，提高精度，避免过拟合。
附图说明
[0013]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。
[0014]图1是基于二值像素监督的变形人脸检测框图。
具体实施方式
[0015]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0016]下面结合说明书附图以及具体的实施方式对本专利技术作详细说明。如图1所示，一种基于二值像素监督的变形人脸检测方法包括步骤A1～A4：
[0017]A1、对输入的图像进行预处理；
[0018]A2、使用改进的密集连接网络提取特征；
[0019]A3、使用注意力机制进行通道压缩；
[0020]A4、根据提取的特征图计算最终结果值并分类；
[0021]下面对各个步骤进行详细描述。
[0022]在步骤A1中，使用Dlib对整张图像进行人脸关键点定位并裁剪出该区域。由于面部篡改集中在人脸区域，与人脸无关的边缘区域会影响最后的结果，所以使用Dlib裁剪出人脸区域能够避免图像背景的干扰。
[0023]在步骤A2中，对于预处理之后的人脸图像，使用了带有残差连接的密集连接块构造网络，进行特征提取。带有密集连接的网络能够重复利用浅层特征具有防止过拟合以及减少参数的优点，而加上残差连接能够进一步聚合上下文信息，增强网络的表征能力。
[0024]在步骤A3中，网络需要进行多次降维，由于降维操作直接用1
×
1卷积进行降维的话，可能导致对显著区域有更高响应的通道反而被压缩掉。本方案使用注意力机制自动识别更重要的通道，并且给予这些通道更大的权重以减少信息损失。
[0025]在步骤A4中，计算特征图的像素值的平均值。与给定阈值相比，若大于给定阈值，则判定该图像为真实人脸。若小于阈值，则判定为假。
[0026]本专利技术实施本专利技术提出了一种基于二值像素监督的变形人脸检测方法，创新点包括：
[0027]提出一种基于改进的密集连接网络用于抽取图像特征，该网络具有聚合上下文信息提升网络性能以及使用注意力机制进行通道压缩避免信息损失的优点。
[0028]提出使用二值像素监督代替二分类模式的方法。该方法能够防止网络关注全局信息而非具有判别性的显著信息。能够避免过拟合且增强网络的泛化能力。
[0029]以上所述仅为本专利技术的优选实施例，并非因此限制本专利技术的专利范围，凡是在本专利技术的专利技术构思下，利用本专利技术说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的
均包括在本专利技术的专利保护范围内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于二值掩码监督的检测系统。其特征在于，所述方法由计算机执行，包括以下步骤：A1、对输入的图像进行预处理；A2、使用改进的密集连接网络提取特征；A3、使用注意力机制进行通道压缩；A4、根据提取的特征图计算最终结果值并分类；下面对各个步骤进行详细描述。在步骤A1中，使用Dlib对整张图像进行人脸关键点定位并裁剪出该区域。由于面部篡改集中在人脸区域，与人脸无关的边缘区域会影响最后的结果，所以使用Dlib裁剪出人脸区域能够避免图像背景的干扰。在步骤A2中，对于预处理之后的人脸图像，使用了带有残差连接的密集连接块构造网络，...

【专利技术属性】
技术研发人员：高兆锋，龙敏，王威，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：