System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于增强生成的融合人脸共谋者面部溯源方法技术_技高网

基于增强生成的融合人脸共谋者面部溯源方法技术

技术编号:40485829 阅读:12 留言:0更新日期:2024-02-26 19:18
本发明专利技术涉及一种基于增强生成的融合人脸共谋者面部溯源方法。本发明专利技术的溯源模型包含编解码特征分离模块和增强生成模块。首先,通过编解码特征分离模块借助罪犯图像从融合人脸图像中分离出共谋者身份的潜在特征和多分辨率空间特征。接着,利用增强生成模块将映射成中间潜在编码的潜在特征转化成中间潜在卷积特征,多分辨率空间特征再通过通道分割空间特征变换(CS‑SFT)层来调制中间潜在卷积特征,从而进行两组特征的融合,实现增强融合人脸共谋者面部溯源。该方法采用双特征分离,并且利用StyleGAN2生成器实现两组特征的融合实现增强生成。本发明专利技术能够实现融合人脸共谋者面部溯源功能,并且提高溯源准确度和提升溯源图像的质量。

【技术实现步骤摘要】

本专利技术属于融合人脸共谋者面部溯源,涉及一种基于增强生成的融合人脸共谋者面部溯源方法


技术介绍

1、随着生物特征识别技术的快速发展,人脸识别已经成为身份验证的关键方法。已有研究证明当前的人脸识别系统(frs)对于融合人脸变形攻击是十分脆弱的。融合人脸变形攻击将两个不同的主体的两张人脸图像组合在一起,所生成的融合人脸变形图像可以与这两个主体进行匹配。在实际应用中,自动边界控制系统使用frs技术通过匹配现场捕捉的动态人脸图像与存储在电子机器可读旅行证件中的人脸图像来进行身份验证。当一个无犯罪记录的人(共谋者)使用看起来像多个真实人脸(一个罪犯和一个共谋者)的变形人脸图像(由两张真实人脸图像合成)申请到一个电子机器可读旅行证件,存储在该电子机器可读旅行证件中的人脸图像即可成功匹配罪犯和共谋者两个主体的身份。因此,恶意的个人可以利用融合人脸变形攻击来获得非法访问。

2、为了应对融合人脸变形攻击,降低人脸变形攻击所带来的安全隐患,已有多种人脸变形检测方法被提出来,其中包含融合人脸共谋者面部溯源的方法来进行进一步的变形检测。当前主要有两类溯源方法,一类是通过人脸变形的逆过程来实现融合人脸共谋者的面部恢复,但基于融合逆过程的溯源方法依赖于先验知识,需要融合人脸图像生成的变形方法是基于关键点的方法且需已知人脸变形过程中的变形参数,否则难以实现好的溯源效果。另一类是基于生成对抗网络的溯源方法,溯源出共谋者面部图像的功能。但已有方法所溯源出的图像质量较低,会出现明显的模糊和异常的图像,溯源效果较差。对于融合人脸共谋者面部溯源,仍需要更有效的方法来提高溯源准确度以及溯源图像质量。


技术实现思路

1、为实现上述目的,本专利技术提供一种基于增强生成的融合人脸共谋者面部溯源方法,该方法有效的提取隐藏在融合人脸图像中的贡献者的身份特征,实现高质量的共谋者面部图像溯源,解决了现有技术中存在的溯源准确度低、溯源图像质量差的问题。

2、本专利技术所采用的技术方案是:一种基于增强生成的融合人脸共谋者面部溯源方法。方法包含编解码特征分离模块和增强生成模块。

3、所述编解码特征分离模块用于提取共谋者的潜在特征并且生成共谋者多分辨率空间特征。

4、所述增强生成模块利用预训练的stylegan2生成器将编解码特征分离模块所分离出的共谋者潜在特征转化成中间卷积特征,使用共谋者多分辨率空间特征通过通道分割空间特征变换(cs-sft)层来进一步调制中间卷积特征,这一操作实现了两组特征的融合,获得更高的溯源出的共谋者面部图像质量,并提高溯源准确度。

5、本专利技术的有益效果是在实现融合人脸共谋者面部溯源功能时,不受限于融合人脸的生成方法,对于所有类型的融合人脸都能有效得实现共谋者面部图像的有效恢复,所溯源的面部图像具有较高的图像质量,五官清晰,无模糊和异常状况,并且从定量指标溯源准确度和ssim判断,本专利技术方法的溯源准确度优于现有方法。

本文档来自技高网...

【技术保护点】

1.基于增强生成的融合人脸共谋者面部溯源方法,其特征在于:通过编解码特征分离模块从融合人脸图像中分离出共谋者身份的潜在特征和多分辨率空间特征,再利用增强生成模块将映射成中间潜在编码的潜在特征转化成中间潜在卷积特征,多分辨率空间特征再通过通道分割空间特征变换(CS-SFT)层来调制中间潜在卷积特征,从而进行两组特征的融合,实现增强融合人脸共谋者面部溯源。

2.根据权利要求1所述的基于增强生成的融合人脸共谋者面部溯源方法,其特征在于:基于增强生成的融合人脸共谋者面部溯源模型包括编解码特征分离模块、增强生成模块。

3.根据权利要求2所述的基于增强生成的融合人脸共谋者面部溯源方法,其特征在于:所述编解码特征分离模块对融合人脸图像和辅助图像进行多阶段编码且进行迭代分离提取共谋者身份的潜在特征,利用迭代分离出的各阶段特征解码提取共谋者身份的多分辨率空间特征,多分辨率空间特征辅助潜在特征提升后续共谋者面部图像恢复效果。

4.根据权利要求2所述的基于增强生成的融合人脸共谋者面部溯源方法,其特征在于:所述增强生成模块由预训练的StyleGAN2生成器组成,利用预训练的StyleGAN2生成器将编解码特征分离模块所分离出的共谋者潜在特征转化成中间卷积特征,使用共谋者多分辨率空间特征通过通道分割空间特征变换(CS-SFT)层来进一步调制中间卷积特征,这一操作实现了两组特征的融合,获得更高的溯源出的共谋者面部图像质量,并提高溯源准确度。

...

【技术特征摘要】

1.基于增强生成的融合人脸共谋者面部溯源方法,其特征在于:通过编解码特征分离模块从融合人脸图像中分离出共谋者身份的潜在特征和多分辨率空间特征,再利用增强生成模块将映射成中间潜在编码的潜在特征转化成中间潜在卷积特征,多分辨率空间特征再通过通道分割空间特征变换(cs-sft)层来调制中间潜在卷积特征,从而进行两组特征的融合,实现增强融合人脸共谋者面部溯源。

2.根据权利要求1所述的基于增强生成的融合人脸共谋者面部溯源方法,其特征在于:基于增强生成的融合人脸共谋者面部溯源模型包括编解码特征分离模块、增强生成模块。

3.根据权利要求2所述的基于增强生成的融合人脸共谋者面部溯源方法,其特征在于:所述编解码特征分离...

【专利技术属性】
技术研发人员:赵芳龙敏段强强王启欢
申请(专利权)人:长沙理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1