一种多尺度动态卷积人脸防伪方法、系统、设备及介质技术方案

本发明专利技术公开了一种多尺度动态卷积人脸防伪方法、系统、设备及介质，其中方法包括：浅层特征提取：输入的待检测人脸图像，通过浅层特征提取得到浅层特征向量；多尺度动态卷积：将浅层特征向量通过处理得到第一组权重，并与n个卷积核进行动态聚合得到适合当前输入的动态卷积核及其输出；基于多注意力机制进行处理：将动态卷积核的输出依次通过处理得到第二、三组权重，输出深层特征；基于损失函数进行预测：使用调整后的损失函数对深层特征进行处理，预测输出与真实标签之间的差异值，若该差异值超过设定阈值，则判断待检测人脸图像为伪造的人脸图像。本发明专利技术能够更高效过滤与人脸防伪无关的信息，增强了神经网络对人脸信息的特征提取能力。征提取能力。征提取能力。

【技术实现步骤摘要】
一种多尺度动态卷积人脸防伪方法、系统、设备及介质


[0001]本专利技术涉及人脸识别
，尤其涉及一种多尺度动态卷积人脸防伪方法、系统、设备及介质。

技术介绍

[0002]人脸识别作为一种方便、自然、高精度的生物特征识别技术，在模式识别和计算机视觉领域一直是研究的热点。近年来，人脸识别技术取得了重大进展，并在人们的日常生活中得到广泛应用，如手机解锁、门禁系统、金融支付和安检系统等，为智慧城市、智能工业园区建设提供了重要支撑。
[0003]然而现有的人脸识别系统仍存在许多安全隐患，由于人脸信息的易获取性，攻击者可以利用合法用户的面部进行伪装来欺骗人脸识别系统，这种行为称为面部欺诈攻击。随着用户对人脸识别技术的依赖增加，面部欺诈攻击变得更加复杂。
[0004]常见的面部欺诈攻击方式包括打印攻击(即用打印在纸上的人脸图像欺骗人脸识别系统)、屏显攻击(即在电子屏幕上播放人脸视频、照片或者三维模型来欺骗人脸识别系统)与面具攻击(即攻击者戴上面具欺骗人脸识别系统)。这些攻击方式经过巧妙设计，不仅能提供逼真的人脸纹理，还能提供三维结构信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多尺度动态卷积人脸防伪方法，其特征在于，包括以下步骤：S1.浅层特征提取：输入的待检测人脸图像，通过浅层特征提取得到浅层特征向量x；S2.多尺度动态卷积：将浅层特征向量x依次通过第一平均池化层、第一全连接层、第一ReLU函数层、第二全连接层和第一Softmax函数层处理得到第一组权重{a1,a2,
…
,a
n
}，并与n个卷积核进行动态聚合得到适合当前输入的动态卷积核及其输出y；S3.基于多注意力机制进行处理：将动态卷积核的输出y依次通过第二平均池化层、第三全连接层、第二ReLU函数层、第四全连接层和第一Sigmoid函数层处理得到第二组权重W
a
，同时通过第五全连接层、第三ReLU函数层、第六全连接层和第二Sigmoid函数层处理得到第三组权重W
b
，输出深层特征其中其中为向量相乘；S4.基于损失函数进行预测：使用调整后的损失函数对深层特征O
b
进行处理，预测输出与真实标签之间的差异值，若该差异值超过设定阈值，则判断待检测人脸图像为伪造的人脸图像。2.根据权利要求1所述的一种多尺度动态卷积人脸防伪方法，其特征在于，步骤S2中，动态卷积核的输出其中Conv表示卷积操作的激活函数，W
i
为第i个卷积核的权值，b
i
为第i个卷积核的权值和偏置，3.根据权利要求1所述的一种多尺度动态卷积人脸防伪方法，其特征在于，步骤S3中，通过第二平均池化层生成输入特征的全局平均值，获得输入特征的整体信息；通过第一和第二Sigmoid函数层将特征的权重归一化到0到1之间的范围，确定每个特征的重要性程度；通过第三至第六全连接层根据权重值调整特征的表示，增强或减弱特定区域的特征响应。4.根据权利要求1所述的一种多尺度动态卷积人脸防伪方法，其特征在于，步骤S4中，调整后的损失函数L为：其中，N表示需要分类的特征数，p为训练的批次数，为第i个样本与其对应类别y
i
之间的角距离，m为增加类内分离度的超参数，s为调整缩放余弦值的缩放因子。5.一种多尺度动态卷积人脸防伪系统，其特征在于，包括：浅层特征提取模块，被配置为输入待检测人脸图像，通过浅层特征提取得到浅层特征向量x；多尺度动态卷积模块，被配置为将浅层特征向量x依次通过第一平均池化层、第一全连接层、第一ReLU函数...

【专利技术属性】
技术研发人员：林乐羽，赵越，郝尧，乔兰斐，陈宇翔，
申请(专利权)人：中国电子科技集团公司第三十研究所，
类型：发明
国别省市：