一种基于微表情的3D面具人脸呈现攻击检测方法技术

本发明专利技术公开了一种基于微表情的3D面具人脸呈现攻击检测方法，包括：1获取视频数据集并进行预处理，将视频样本转换为特征表示，通过分解与优化操作得到实际特征矩阵，再将其转换为色彩空间形成双通道输入矩阵；2构建纹理特征提取子网络，提取浅层人脸特征并生成纹理特征图；3构建微表情特征提取网络，通过多个模块捕捉细微面部变化和局部信息；4将纹理和微表情特征拼接，经多尺度差分卷积网络和特征融合模块处理，得到最终特征图；5构建结合中心损失函数和交叉熵损失的多分支协同优化损失函数，用于模型的训练与优化。本发明专利技术通过多模块协同工作，有效提取3D面具和真实人脸的差异特征，提高了3D面具人脸呈现攻击检测的准确性。

【技术实现步骤摘要】

本专利技术属于计算机视觉，具体涉及一种基于微表情的3d面具人脸呈现攻击检测方法。

技术介绍

1、人脸呈现攻击是一种通过照片、视频等媒介将人脸呈现在摄像头前，欺骗人脸识别系统的技术。近年来，随着深度伪造技术的快速发展，攻击手段日益逼真，对人脸识别系统的安全性构成了严重威胁。其中，3d面具攻击因其具有真实的三维结构和更逼真的欺骗效果，成为一种更具挑战性的攻击方式。现有的人脸呈现攻击检测方法多依赖于卷积网络提取的深度监督特征，但这些方法往往忽略了细粒度信息以及深度信息与纹理信息之间的相互联系。

2、真实人脸与3d面具攻击在纹理细节和深度结构上存在显著差异。例如，3d面具攻击通常缺乏真实人脸的动态微表情特征，且在材质反射、面部细节(如眼周皱纹、鼻翼微纹理)以及三维结构上表现出特定的欺骗痕迹。然而，目前的深度学习网络多关注于提取高阶语义信息，对这些关键的细粒度特征关注不足，导致在检测3d面具攻击时存在精度受限的问题。此外，3d面具攻击的欺骗模式具有较强的鲁棒性，其在不同光照条件和视角下的表现更具欺骗性，进一步增加了检测难度。

<br/>

本文档来自技高网...

【技术保护点】

1.一种基于微表情的3D面具人脸呈现攻击检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于微表情的3D面具人脸呈现攻击检测方法，其特征在于，所述步骤1包括以下步骤：

3.根据权利要求2所述的基于微表情的3D面具人脸呈现攻击检测方法，其特征在于，所述步骤2包括以下步骤：

4.根据权利要求3所述的基于微表情的3D面具人脸呈现攻击检测方法，其特征在于，所述步骤2.2中的第s个CDC卷积块是按如下过程得到第s个人脸特征矩阵：

5.根据权利要求4所述的基于微表情的3D面具人脸呈现攻击检测方法，其特征在于，所述步骤3.1包括：

<...

【技术特征摘要】

1.一种基于微表情的3d面具人脸呈现攻击检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于微表情的3d面具人脸呈现攻击检测方法，其特征在于，所述步骤1包括以下步骤：

3.根据权利要求2所述的基于微表情的3d面具人脸呈现攻击检测方法，其特征在于，所述步骤2包括以下步骤：

4.根据权利要求3所述的基于微表情的3d面具人脸呈现攻击检测方法，其特征在于，所述步骤2.2中的第s个cdc卷积块是按如下过程得到第s个人脸特征矩阵：

5.根据权利要求4所述的基于微表情的3d面具人脸呈现攻击检测方法，其特征在于，所述步...

【专利技术属性】
技术研发人员：李叶，武玉婷，潘安，李苏衡，田郝伟，房世豪，孙锐，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人