基于人脸轮廓线的视频身份识别方法及系统技术方案

本发明专利技术属于身份识别领域，具体涉及一种基于人脸轮廓线的视频身份识别方法，及其对应的人脸隐私无关的身份识别系统。该方案为了从视频中提取连续的人脸轮廓线图像，并基于Transformer设计用于捕捉和聚合视频中的时空特征的高度轻量级模型TiDViT。TiDViT配备的多头时空联合注意力模块可在当前帧输入和之前的隐藏状态之间建立互动，从而有节奏地聚合时空特征。TiDViT对人脸视频进行逐帧处理，而不是固定的批量处理，因此所需的计算内存更少。此外，TiDViT还能在无限制的人脸视频中提取时间特征，并能很好地应对伦理和隐私问题。本发明专利技术不涉及对用户面部特征数据的存储和传输，克服了常规人脸识别技术存在的隐私泄露风险和易受环境因素干扰的缺陷。

【技术实现步骤摘要】

本专利技术属于身份识别领域，具体涉及一种基于人脸轮廓线的视频身份识别方法，及其对应的人脸隐私无关的身份识别系统。

技术介绍

1、现有的身份识别认证大多基于生物识别特征实现。在实践中，人脸识别是最常用的生物识别系统之一。它需要将人脸图像存放于数字设备中，如密保令牌，智能卡或者手机中。常规人脸识别系统通常需要使用全面的面部信息进行识别，包括具体的人脸器官、纹理、特征点等。这可能引发用户的隐私担忧，尤其是在涉及敏感信息的场景下，认证系统的数据库中存储的用于生物识别特征一旦丢失，则可以造成重大的安全风险。另外，采用人脸识别时，光照、遮挡、分辨率变化等因素可能影响图像的质量和清晰度，进而影响身份认证的准确性。

2、随着对个人隐私的关注不断增加，生物特征认证系统还必须符合相关的隐私保护法规。相对而言，软生物特征缺乏强特征的一个或多个特性。典型的软生物特征包括身高、性别和面部形状，以及一些行为特征如步态和手写签名。尽管软特征在准确性和持久性方面不如强特征，但它们具有更高的难伪造性和难模仿性。以步态为例，攻击者要欺骗系统，需要模仿目标的服装和行走风格，并选择与本文档来自技高网...

【技术保护点】

1.一种基于人脸轮廓线的视频身份识别方法，其特征在于，其包括如下步骤：

2.如权利要求1所述的基于人脸轮廓线的视频身份识别方法，其特征在于：所述预处理模块首先将逐帧的人脸轮廓线图像分解为P×P个非重叠的图块，然后平铺成向量其中接着通过卷积嵌入层处理，并添加位置编码PosP后得到用于输入到各层TiDViT单元的补丁向量x(t)：

3.如权利要求2所述的基于人脸轮廓线的视频身份识别方法，其特征在于：各层TiDVIT单元采用的MTSA模块获取当前层的补丁向量x(t)和上一层的隐藏状态h(t-1)，分别对二者进行线性映射生成一对Q，K，V向量，然后将分别成对的Q，K，V向...

【技术特征摘要】

1.一种基于人脸轮廓线的视频身份识别方法，其特征在于，其包括如下步骤：

2.如权利要求1所述的基于人脸轮廓线的视频身份识别方法，其特征在于：所述预处理模块首先将逐帧的人脸轮廓线图像分解为p×p个非重叠的图块，然后平铺成向量其中接着通过卷积嵌入层处理，并添加位置编码posp后得到用于输入到各层tidvit单元的补丁向量x(t)：

3.如权利要求2所述的基于人脸轮廓线的视频身份识别方法，其特征在于：各层tidvit单元采用的mtsa模块获取当前层的补丁向量x(t)和上一层的隐藏状态h(t-1)，分别对二者进行线性映射生成一对q，k，v向量，然后将分别成对的q，k，v向量进行加和，最后使用加和后的线性映射q、k、v向量计算注意力向量a(t)：

4.如权利要求3所述的基于人脸轮廓线的视频身份识别方法，其特征在于：在特征提取模块中各层的所述mtsa模块前后的注意力向量a(t)进行连接得到最终的注意矩阵a(t)：

5.如权利要求4所述的基于人脸轮廓线的视频身份识别方法，其特征在于：每一层的tidvit单元中包括一个mtsa模块和一个前馈网络，所述mtsa模块和前馈网络后分别接一个残差和归一化层；补丁向量x(t)经mtsa模块处理得到注意力系数矩阵a(...

【专利技术属性】
技术研发人员：金哲，杨捷文，董兴波，周颖，张慧，王立稳，
申请(专利权)人：安徽大学，
类型：发明
国别省市：