一种未知相机下使用少样本对齐进行人脸呈现攻击检测方法技术

为了解决复杂场景下人脸识别中假脸入侵问题，本发明专利技术提出了一种未见相机下使用少样本对齐的人脸呈现攻击检测方法。为了克服未知样本的这种限制并提高泛化能力，我们将人脸呈现攻击检测转移到域泛化问题，并提出了一种元约束机制，用于在未见相机上对齐预训练的人脸呈现攻击检测模型。在所提出的方法中，首先调用源域的数据库来训练原始人脸反欺骗模型。考虑到训练模型在目标域上的局限性，利用目标域的少样本，通过最小化源域和目标域之间的图像质量差异来对齐训练模型，可以避免样本过少导致的过拟合。本发明专利技术经过试验验证有良好的检测性能，极大的提升人脸识别系统的安全性。

【技术实现步骤摘要】

本专利技术设计一种人脸呈现攻击检测方法，特别是涉及一种针对未知相机下使用少样本对齐的虚假人脸检测方法。

技术介绍

1、人脸识别技术以其高效、便捷的特点逐渐成为生活中常见的识别方式之一，并且被广泛应用于打卡签到、金融支付等多个场景。如何正确的检测虚假人脸进而保护生物识别系统的安全性引起了工业界与学术界的广泛关注，并且已经有许多方法被提出。更具体地说，针对打印照片攻击，提出了基于活体信号分析的检测方法来区分真人脸和攻击照片；针对回放视频攻击，提出基于深度特征分析的检测方法，估计所使用的液晶屏的深度信息；针对3d面具攻击，提出了基于纹理分析的对策，以区分真实人脸和面具之间的纹理差异。尽管这些方法在已知的攻击假脸中取得了令人满意的检测性能，但在未见过的场景中往往无法表现出良好的泛化能力。对于训练好的检测模型来说，未见过的样本是指与训练数据(如图像质量、颜色分布等)不同的人脸图像，这主要是由不同相机采集系统的偏差造成的。为了克服未见样本的这种限制并提高泛化能力，我们将人脸呈现攻击检测转移到域泛化问题，并提出了一种元约束机制，用于在未见相机上对齐预训练的人脸呈现攻击检本文档来自技高网...

【技术保护点】

1.一种针对未知相机下使用少样本对齐的虚假人脸检测方法，其特征在于五个部分：人脸图像、源域训练、无参考图像质量评估、目标域的元学习、代价函数，

2.一种针对未知相机下使用少样本对齐的虚假人脸检测方法，其特征在于：所述的无参考图像质量评估中图像I及其等变变换之间的自监督信号调用自一致性来提高模型的鲁棒性，为了受益于从局部和非局部算子提取的特征，特征被融合以通过FC层预测图像的感知图像质量，预训练的NR-IQA参数是为了评估图像质量而训练的，不适合人脸反欺骗任务，因此，我们进一步引入一个FC层来从融合的M4和EM中学习有效的特征，其结果表示为QME。

【技术特征摘要】

1.一种针对未知相机下使用少样本对齐的虚假人脸检测方法，其特征在于五个部分：人脸图像、源域训练、无参考图像质量评估、目标域的元学习、代价函数，

2.一种针对未知相机下使用少样本对齐的虚假人脸检测方法，其特征在于：所述的无参考图像质量评估中图像i及其等变变换之间的自监督信...

【专利技术属性】
技术研发人员：李磊，姚志浩，王五林，陈见阳，李少逸，周全，
申请(专利权)人：山东财经大学，
类型：发明
国别省市：