[发明专利]大数据下基于DFT鲁棒水印的抗遮挡攻击人脸识别方法

说明书

技术领域

本发明涉及一种多媒体信号处理领域，具体涉及大数据下基于变换域鲁棒水印的抗遮挡攻击人脸识别方法。 

技术背景

人脸识别技术作为一种有效的生物特征识别技术，近40年来日益得到工业界和学术界的重视。由于人脸识别技术具有高可接受，自然性，不易被人察觉等优势，因此其在娱乐、犯罪调查、门禁系统、军事等方面有较大用途。 

目前人脸识别的方法主要是基于PCA、神经网络、SVM等机器学习方法，由于要进行训练学习，对于识别的样本较大，在大数据环境下，学习的时间较长，并且目前的人脸识别方法对于遮挡变化，表情变化或光照等比较敏感，因此如何解决在大数据环境下，抗遮挡变化、表情变化或光照等攻击的人脸识别方法意义重大。 

数字水印技术最初是用于互联网上的数字媒体的版权保护，其重要特性为鲁棒性和不可见性；本发明可以把人的签名或ID号等作为水印隐藏在其对应的人脸图像中，利用水印的鲁棒特性实现人脸识别算法，特别对遮挡、光照等攻击具有较好的鲁棒性。目前对于基于大数 据环境下，抗遮挡、光照攻击的人脸识别方法研究的较少，目前还没有看到公开的报道。因此研究基于DFT的鲁棒水印技术实现大数据下抗遮挡攻击的人脸识别方法，有较大的意义。 

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供高速、高鲁棒性的人脸识别算法。具体公开了一种大数据下基于DFT鲁棒水印的抗遮挡攻击人脸识别方法，是一种零水印方案，水印的嵌入不影响原始的人脸图像。 

本发明的基本原理是：首先对所有的人脸图像进行全局DFT变换；选取低频部分的前8x8个系数的实部，然后在该系数的实部中寻找一个抗遮挡攻击的特征向量，并将水印序列与该特征向量相关联实现水印的嵌入；然后对于待测图像，首先计算出其特征向量，然后计算待测图像和原始图像的特征向量的相关系数，利用相关系数最大值，实现人脸的检测；并实现了水印的提取。 

现对本发明的方法进行详细说明如下： 

首先选择一个有意义的二值序列作为水印要嵌入人脸图像中，记为W＝{w(j)|w(j)＝0,1；1≤i≤L}；同时，选取设F为原始人脸图像，表示：F＝{f(i,j)|f(i,j)∈R；1≤i≤M1,1≤j≤N1}。其中，f(i,j)表示原始人脸的像素值。 

第一部分：水印的嵌入 

1)通过对所有原始人脸图像F(n)进行全局DFT变换，得到原 始图像的特征向量集合V(n)； 

先依次对原始人脸图像F(n)进行全局DFT变换，在频率域的低频系数矩阵FF(i,j)中选取前8×8个系数中的实部系数FF₈(i,j)，然后再对选取出的实部系数矩阵FF₈(i,j)进行二值化处理，当系数大于或等于零时取1，小于0是取零，得到特征向量V,主要过程描述如下： 

FF(i,j)＝DFT2(F(i,j)) 

FF₈(i,j)＝REAL(FF(i,j)) 

V(n)＝BINARY(FF₈(i,j)) 

2)利用密码学HASH函数，生成含水印信息的二值密钥序列Key(n)，实现零水印的嵌入； 

Key(n)＝V(n)⊕W(n) 

Key(n)是由所有原始图像的特征向量V(n)和对应的n个数字水印W(n)，通过密码学常用的Hash函数生成；这里W(n)由长度为64bit的随机序列组成；保存Key(n)，在下面提取水印时要用到；通过将Key(n)作为密钥向第三方申请，以获得人脸图像的使用权和所有权； 

第二部分：人脸的识别和水印的提取 

3)求出待测人脸F'的特征向量V'； 

设待测人脸为F'，经过全局二维DFT变换后得到低频系数的实部系数矩阵为FF’(i,j)，按步骤1)对低频实部系数矩阵进行二值化处理,求出待测人脸的特征向量V'； 

FF'(i,j)＝DFT2(F'(i,j)) 

FF₈'(i,j)＝REAL(FF'(i,j)) 

V'＝BINARY(FF₈'(i,j)) 

4)计算待测人脸的特征向量V'与原始人脸的V(n)的相关系数NC(n)，进行人脸的识别； 

计算V'与V(n)的相关系数最大值所对应的n值,设n＝k；根据k值可以得到密钥Key(k)、识别出原始人脸图像为F(k)和嵌入在F(k)的水印值W(k),计算特征向量之间的归一化相关系数公式如下：