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()
【技术实现步骤摘要】
本专利技术涉及通讯防护,具体是涉及基于大数据和多维特征的异常通讯行为识别方法及系统。
技术介绍
1、ai换脸,是指通过ai人工智能技术,把别人的脸换成自己的脸,在互联网急速发展的今天,利用“ai换脸”“ai换声”等虚假音视频,进行违法行为屡见不鲜,因此如何对图像即时通讯中的ai换脸图像进行精准识别并进行防范刻不容缓。
2、现有技术中,针对ai换脸的防伪验证通常停留在进行图像源域数据和目标域数据之间的特征分布差异上,这些防伪验证通常需要预先获取大量人脸信息的先验数据作为训练基础,而在图像即时通讯过程中,往往难以满足对于人脸信息的先验数据需求,现有的防伪验证方法往往难以进行即时拦截“ai换脸”的异常通讯行为,基于此,本方案提出一种适用于图像即时通讯过程的ai图像防伪识别方法。
技术实现思路
1、为解决上述技术问题,提供基于大数据和多维特征的异常通讯行为识别方法及系统,本技术方案利用在图像即时通讯过程中基于光源产生的人脸色度变化进行即时通讯过程中的ai图像防伪识别,可实现图像即时通讯的ai图像的快速防伪。
2、为达到以上目的,本专利技术采用的技术方案为:
3、一种基于大数据和多维特征的异常通讯行为识别方法,包括:
4、s1、从用户端获取待识别防伪的图像,记为初始图像;
5、s2、采用目标特征提取算法,基于初始图像进行目标提取,获取目标初始特征,基于目标初始特征进行判定图像光线合理度,若图像光线合理度判定通过,则判定目标防伪验证通
6、s3、生成防伪光线指令集;
7、s4、从防伪光线指令集中随机选择防伪光线指令,对用户端发出防伪光线指令,获取用户端在防伪光线指令期间的所有图像,记为防伪图像;
8、s5、采用目标特征提取算法,基于防伪图像进行目标特征提取,获取目标防伪特征;
9、s6、建立与防伪光线指令集一一对应的防伪验证算法;
10、s7、基于目标初始特征和目标防伪特征,采用防伪识别特征算法判定是否符合防伪验证,若是,则判定目标防伪验证通过,若否,则判定目标防伪验证失败。
11、优选的,所述目标特征提取算法具体为:
12、对采集的图像进行一次外轮廓识别,提取至少一个物体的外轮廓图像的外轮廓特征点,并对外轮廓特征点进行图像识别,判断该外轮廓图像是否为人体头部轮廓,若是,则判定为存在人脸轮廓,对存在人脸轮廓的图像帧进行抽取,获取若干个人脸轮廓图像,若否,则判定为不存在人脸轮廓;
13、对人脸轮廓图像进行特征划分,得到人脸轮廓区域特征和背景区域特征,将人脸轮廓区域特征和背景区域特征作为目标特征。
14、优选的,所述基于目标初始特征进行判定图像光线合理度具体包括:
15、判定是否存在人脸轮廓区域特征和背景区域特征存在位移的至少两个人脸轮廓图像,若是,则获取人脸轮廓区域特征和背景区域特征存在位移的至少两个人脸轮廓图像,记为光线合理验证图像,若否,则图像光线合理度判定不通过;
16、对若干个光线合理验证图像中的人脸轮廓区域特征进行缩放至同一比例,得到若干个光线合理验证放缩图;
17、对若干个光线合理验证放缩图均进行网格划分,并随机选择至少一个网格进行验证匹配;
18、判断若干个光线合理验证放缩图的进行验证匹配的网格区域光度是否发生变化,若是,则图像光线合理度判定通过,若否,则图像光线合理度判定不通过。
19、优选的,所述建立与防伪光线指令集一一对应的防伪验证算法具体包括:
20、获取所有防伪光线指令集中存在的所有防伪光线特征;
21、构建与每个防伪光线特征对应的人脸色度变化特征;
22、获取每个防伪光线指令执行过程中的用户端每个防伪光线特征的指令时间段;
23、基于每个防伪光线特征的指令时间段于防伪图像中抽取与每个防伪光线特征对应的图像,记为光线识别图像;
24、判断光线识别图像与初始图像之间的人脸色度变化是否符合防伪光线特征对应的人脸色度变化特征,若是,则判定目标防伪验证通过;若否,则判定目标防伪验证失败。
25、优选的,所述构建与每个防伪光线特征对应的人脸色度变化特征具体包括:
26、基于现实环境,设置若干个样本光照环境;
27、在不同的样本光照环境下,对若干个基准样本人脸进行图像采集,得到初始样本图像;
28、在不同的样本光照环境下,控制用户端进行输出防伪光线特征,并对若干个基准样本人脸进行图像采集,得到防伪光线特征对应的特征样本图像;
29、计算相同样本光照环境下的相同基准样本人脸间的初始样本图像人脸区域和特征样本图像人脸区域的色度变化;
30、将所有样本光照环境下的相同基准样本人脸的色度变化,记为防伪光线特征对应的人脸色度变化特征。
31、优选的,所述基于目标初始特征和目标防伪特征,采用防伪识别特征算法判定是否符合防伪验证具体包括:
32、确定与目标初始特征最接近的初始样本图像,作为目标初始特征的拟合样本,并计算目标初始特征与拟合样本之间的拟合值;
33、基于目标初始特征与拟合样本之间的拟合值,确定目标初始特征的色度变化误差区间;
34、对所有光线识别图像采用目标特征提取算法提取其中的人脸轮廓区域特征,并计算所有光线识别图像对应的人脸轮廓区域特征的平均色度,记为第一防伪色度;
35、调取拟合样本在与光线识别图像对应的防伪光线特征下的特征样本图像,记为拟合特征样本图像,计算拟合特征样本图像中人脸轮廓区域特征的平均色度,记为第二防伪色度;
36、计算第一防伪色度和第二防伪色度的差值,记为防伪色度差值,判断防伪色度差值是否在色度变化误差区间内,若是,则判定目标防伪验证通过,若否,则判定目标防伪验证失败。
37、优选的,所述确定与目标初始特征最接近的初始样本图像,作为目标初始特征的拟合样本具体包括:
38、计算目标初始特征中的人脸轮廓区域特征的平均色度,记为第一匹配色度;
39、分别计算每个初始样本图像中的人脸轮廓区域特征的平均色度,记为第二匹配色度;
40、计算第一匹配色度和第二匹配色度之间的差值的绝对值,得到目标初始特征与初始样本图像的初始匹配值;
41、筛选出初始匹配值最小的初始样本图像,作为目标初始特征的拟合样本。
42、优选的,所述计算目标初始特征与拟合样本之间的拟合值的计算公式为:;
43、式中,为目标初始特征与拟合样本之间的拟合值,为拟合样本对应的第二匹配色度值,为拟合样本对应的初始匹配值。
44、优选的,所述基于目标初始特征与拟合样本之间的拟合值,确定目标初始特征的色度变化误差区间具体包括:
45、调取拟合样本在防伪光线特征下的色度变化,记为本文档来自技高网...
【技术保护点】
1.一种基于大数据和多维特征的异常通讯行为识别方法,其特征在于,包括:
2.根据权利要求1所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述目标特征提取算法具体为:
3.根据权利要求2所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述基于目标初始特征进行判定图像光线合理度具体包括:
4.根据权利要求3所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述建立与防伪光线指令集一一对应的防伪验证算法具体包括:
5.根据权利要求4所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述构建与每个防伪光线特征对应的人脸色度变化特征具体包括:
6.根据权利要求5所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述基于目标初始特征和目标防伪特征,采用防伪识别特征算法判定是否符合防伪验证具体包括:
7.根据权利要求6所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述确定与目标初始特征最接近的初始样本图像,作为目标初始特征的拟合样本具体包括:
8.根据权利要求7所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述计算目标初始特征与拟合样本之间的拟合值的计算公式为:;
9.根据权利要求8所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述基于目标初始特征与拟合样本之间的拟合值,确定目标初始特征的色度变化误差区间具体包括:
10.一种基于大数据和多维特征的异常通讯行为识别系统,其特征在于,用于实现如权利要求1-9任一项所述的基于大数据和多维特征的异常通讯行为识别方法,包括:
...【技术特征摘要】
1.一种基于大数据和多维特征的异常通讯行为识别方法,其特征在于,包括:
2.根据权利要求1所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述目标特征提取算法具体为:
3.根据权利要求2所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述基于目标初始特征进行判定图像光线合理度具体包括:
4.根据权利要求3所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述建立与防伪光线指令集一一对应的防伪验证算法具体包括:
5.根据权利要求4所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述构建与每个防伪光线特征对应的人脸色度变化特征具体包括:
6.根据权利要求5所述的基于大数据和多维特征的异常通讯行为识别方法,其特征在于,所述基于目标初...
【专利技术属性】
技术研发人员:陆井遥,聂开成,陈志红,郭攀,
申请(专利权)人:深圳百沃彰世科技有限公司,
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。