本发明专利技术提供一种口罩人脸图像的鉴伪方法、装置、电子设备及存储介质，其中的方法包括：获取目标人脸图像，目标人脸图像包括人脸区域和口罩区域；对目标人脸图像进行预处理，得到预处理人脸图像；根据预处理人脸图像中人脸区域对应的光谱信息，对目标人脸图像进行鉴伪处理，得到人脸鉴伪结果。该方法通过超表面快照式高光谱相机获取目标人脸图像，并提取人脸区域的光谱信息，从而基于提取的光谱信息对目标人脸图像进行鉴伪处理，能够同时对戴口罩人脸图像、未知数字高仿和物理高仿人脸图像进行精确鉴别，克服了现有人脸鉴伪方法应对未知数字高仿和物理高仿人脸图像表现不足的缺陷，有效提升了人脸图像鉴伪的鉴别精度。提升了人脸图像鉴伪的鉴别精度。提升了人脸图像鉴伪的鉴别精度。
【技术实现步骤摘要】
口罩人脸图像的鉴伪方法、装置、电子设备及存储介质
[0001]本专利技术涉及人脸鉴伪
，尤其涉及一种口罩人脸图像的鉴伪方法、装置、电子设备及存储介质。
技术介绍
[0002]人脸鉴伪是防止人脸识别系统受到安全攻击的关键技术。目前的人脸识别系统主要基于RGB图像、深度图像或者红外图像进行人脸鉴伪。
[0003]随着3D打印和仿真硅胶技术的快速发展，一些伪装面具看起来非常真实，甚至人眼都无法分辨，这些伪装面具给当前的人脸识别系统带来了巨大的挑战。
[0004]具体地，目前的人脸识别系统泛化性能不足，基于RGB、RGBD或者红外图像的人脸鉴伪算法对高质量仿真面具以及未知的人脸欺骗方法表现不足，在面临不同类别的全新数据时表现不佳，难以应对未知的人脸欺骗攻击。
[0005]为了应对不可预测的人脸欺骗手段，一些人脸鉴伪方法使用了热像仪、光场相机以及偏振相机等先进的传感器，进一步捕捉真实人脸与虚假人脸鉴的更稳健的区分特征，但这些传感器成本较高，使得它们不太适合集成到现实世界的人脸识别系统中。
[0006]但现有人脸鉴伪方法普遍没有考虑戴口罩这一现实场景。展开地，虽然有不少相关工作针对戴口罩人脸设计了相应的识别算法，人脸识别系统对于戴口罩人脸的识别性能有在稳步提升，但对戴口罩人脸的鉴伪考虑不足。
[0007]因此，如何解决现有人脸鉴伪方法无法针对未知数字高仿和物理高仿人脸图像进行精确鉴别，且未考虑戴口罩人脸鉴伪的问题，是人脸鉴伪
亟待解决的重要课题。
技术实现思路
[0008]本专利技术提供一种口罩人脸图像的鉴伪方法、装置、电子设备及存储介质，用以克服现有人脸鉴伪方法无法针对未知数字高仿和物理高仿人脸图像进行精确鉴别，且未考虑戴口罩人脸鉴伪的缺陷，实现对戴口罩人脸图像、未知数字高仿和物理高仿人脸图像的精确鉴别。
[0009]一方面，本专利技术提供一种口罩人脸图像的鉴伪方法，包括：获取目标人脸图像，所述目标人脸图像包括人脸区域和口罩区域；对所述目标人脸图像进行预处理，得到预处理人脸图像；根据所述预处理人脸图像中所述人脸区域对应的光谱信息，对所述目标人脸图像进行鉴伪处理，得到人脸鉴伪结果。
[0010]进一步地，所述对所述目标人脸图像进行预处理，得到预处理人脸图像，包括：基于预先训练的目标检测模型，对所述目标人脸图像中的所述人脸区域和所述口罩区域进行定位，得到中间预处理人脸图像；提取所述中间预处理人脸图像中人脸区域的人脸关键点；基于所述人脸关键点，对所述中间预处理人脸图像进行仿射变换，得到所述预处理人脸图像；其中，所述目标检测模型通过根据戴口罩人脸图像和未戴口罩人脸图像构成的第一训练样本数据集进行训练优化得到。
[0011]进一步地，所述根据所述预处理人脸图像中所述人脸区域对应的光谱信息，对所述目标人脸图像进行鉴伪处理，包括：基于所述预处理人脸图像，采用压缩感知算法重建所述人脸关键点的光谱信息；基于预先训练的人脸鉴伪模型，对所述人脸关键点的光谱信息进行特征提取并进行分类，得到所述人脸鉴伪结果；其中，所述人脸鉴伪模型通过根据真实人脸光谱图像和虚假人脸光谱图像构成的第二训练样本数据集进行训练优化得到。
[0012]进一步地，对所述人脸鉴伪模型进行训练，具体包括：通过超表面快照式高光谱相机，在预设环境下采集真实人脸光谱图像和虚假人脸光谱图像；将所述真实人脸光谱图像对应的人脸关键点光谱信息作为正样本，所述虚假人脸光谱图像对应的人脸关键点光谱信息作为负样本，得到第二训练样本数据集；根据所述第二训练样本数据集，对所述人脸鉴伪模型进行训练优化。
[0013]进一步地，所述口罩人脸图像的鉴伪方法还包括：基于预先训练的人脸识别模型，对所述目标人脸图像进行人脸识别，得到人脸识别结果；其中，所述人脸识别模型通过根据戴口罩人脸图像和未戴口罩人脸图像构成的第三训练样本数据集进行训练优化得到。
[0014]进一步地，训练所述人脸识别模型，具体包括：采集未戴口罩人脸图像，并对预设数量的未戴口罩人脸图像进行口罩数据增强处理，得到戴口罩人脸图像；根据采集的未戴口罩人脸图像，以及口罩数据增强处理后的戴口罩人脸图像，将所述人脸识别模型训练至收敛。
[0015]进一步地，所述人脸识别模型基于残差网络构建，训练所述人脸识别模型的过程中使用加性角度间隔损失函数。
[0016]第二方面，本专利技术还提供一种口罩人脸图像的鉴伪装置，包括：目标人脸图像获取模块，用于获取目标人脸图像，所述目标人脸图像包括人脸区域和口罩区域；图像预处理模块，用于对所述目标人脸图像进行预处理，得到预处理人脸图像；口罩人脸鉴伪模块，用于根据所述预处理人脸图像中所述人脸区域对应的光谱信息，对所述目标人脸图像进行鉴伪处理，得到人脸鉴伪结果。
[0017]第三方面，本专利技术还提供一种电子设备，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如上述任一种所述的口罩人脸图像的鉴伪方法。
[0018]第四方面，本专利技术还提供一种非暂态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如上述任一种所述的口罩人脸图像的鉴伪方法。
[0019]本专利技术提供的口罩人脸图像的鉴伪方法，通过获取包括人脸区域和口罩区域的目标人脸图像，并对目标人脸图像进行预处理，得到预处理人脸图像，进而根据预处理人脸图像中人脸区域对应的光谱信息，对目标人脸图像进行鉴伪处理，以得到相应的人脸鉴伪结果。该方法通过超表面快照式高光谱相机获取目标人脸图像，并提取人脸区域的光谱信息，从而基于提取的光谱信息对目标人脸图像进行鉴伪处理，能够同时对戴口罩人脸图像、未知数字高仿和物理高仿人脸图像进行精确鉴别，克服了现有人脸鉴伪方法应对未知数字高仿和物理高仿人脸图像表现不足的缺陷，有效提升了人脸图像鉴伪的鉴别精度。
附图说明
[0020]为了更清楚地说明本专利技术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以简单地介绍，显而易见地，下面描述中的附图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。
[0021]图1为本专利技术提供的口罩人脸图像的鉴伪方法的流程示意图；
[0022]图2为本专利技术提供的口罩人脸图像的鉴伪方法的整体流程示意图；
[0023]图3为本专利技术提供的口罩人脸图像的鉴伪装置的结构示意图；
[0024]图4为本专利技术提供的电子设备的结构示意图。
具体实施方式
[0025]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]需要说明的是，随着3D打印和仿真硅胶技术的快速发展，一些伪装面具看本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种口罩人脸图像的鉴伪方法，其特征在于，包括：获取目标人脸图像，所述目标人脸图像包括人脸区域和口罩区域；对所述目标人脸图像进行预处理，得到预处理人脸图像；根据所述预处理人脸图像中所述人脸区域对应的光谱信息，对所述目标人脸图像进行鉴伪处理，得到人脸鉴伪结果。2.根据权利要求1所述的口罩人脸图像的鉴伪方法，其特征在于，所述对所述目标人脸图像进行预处理，得到预处理人脸图像，包括：基于预先训练的目标检测模型，对所述目标人脸图像中的所述人脸区域和所述口罩区域进行定位，得到中间预处理人脸图像；提取所述中间预处理人脸图像中人脸区域的人脸关键点；基于所述人脸关键点，对所述中间预处理人脸图像进行仿射变换，得到所述预处理人脸图像；其中，所述目标检测模型通过根据戴口罩人脸图像和未戴口罩人脸图像构成的第一训练样本数据集进行训练优化得到。3.根据权利要求2所述的口罩人脸图像的鉴伪方法，其特征在于，所述根据所述预处理人脸图像中所述人脸区域对应的光谱信息，对所述目标人脸图像进行鉴伪处理，包括：基于所述预处理人脸图像，采用压缩感知算法重建所述人脸关键点的光谱信息；基于预先训练的人脸鉴伪模型，对所述人脸关键点的光谱信息进行特征提取并进行分类，得到所述人脸鉴伪结果；其中，所述人脸鉴伪模型通过根据真实人脸光谱图像和虚假人脸光谱图像构成的第二训练样本数据集进行训练优化得到。4.根据权利要求3所述的口罩人脸图像的鉴伪方法，其特征在于，对所述人脸鉴伪模型进行训练，具体包括：通过超表面快照式高光谱相机，在预设环境下采集真实人脸光谱图像和虚假人脸光谱图像；将所述真实人脸光谱图像对应的人脸关键点光谱信息作为正样本，所述虚假人脸光谱图像对应的人脸关键点光谱信息作为负样本，得到第二训练样本数据集；根据...
【专利技术属性】
技术研发人员：张学谦，李亚利，黄翊东，
申请(专利权)人：清华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。