[发明专利]基于动作增强的人脸防欺骗识别方法

权利要求书

1.基于动作增强的人脸防欺骗识别方法，其特征在于，包括下列步骤：

构建基于卷积神经网络CNN和长短期记忆网络LSTM的人脸防欺骗识别网络模型：包括卷积层、池化层、LSTM层、注意力机制层和分类层，其中n路顺次连接的13层卷积层、1层池化层和3层LSTM层接入同一注意力机制层，所述注意力机制层用于将来自LSTM层的图像数据矩阵与位置置信度矩阵相乘，得到注意力机制处理后的图像数据矩阵并输入分类层，分类层用于判决视频人脸真假，其中n表示满足检测时长的视频的帧数，池化层的池化方式为最大值池化；

训练所述人脸防欺骗识别网络模型：

步骤S11：初始化网络参数；

步骤S12：初始化位置置信度矩阵；

输入一段帧数为n的训练视频序列，并对训练视频序列的视频图像进行图像预处理，包括归一化处理和采用动作增强技术的图像增强处理，得到n帧增强视频图像；

步骤S13：将n帧增强视频图像输入所述人脸防欺骗识别网络模型，进行前向传播计算，预测视频人脸真假，并与真实标签进行比较，计算分类层的损失函数

步骤S14：计算损失函数的梯度其中W_t表示第t次迭代的网络参数；

更新网络参数：W_t+1＝W_t+V_t+1,其中γ表示预设的负梯度学习率，μ表示上一次梯度值的权重，V_t表示第t次迭代的梯度，且首次迭代的梯度为0，γ、μ的初始值为预设值；

更新位置置信度矩阵：表示第t次迭代的位置置信度矩阵的元素，i和j表示位置置信度矩阵的行和列，a_ij表示特征值，θ表示预设的学习率；

步骤S15：重复执行步骤S13～S14，对网络参数和位置置信度矩阵进行迭代更新，直到损失函数满足迭代收敛；当损失函数满足迭代收敛时，保存当前网络参数作为训练好的网络参数；

人脸真假识别过程：

步骤S21：输入一段帧数为n的待识别视频序列，并采用与训练视频序列相同的图像预处理方式，对待识别视频序列的视频图像进行图像预处理，得到n帧待识别的增强视频图像；

步骤S22：加载训练好的网络参数，将n帧待识别的增强视频图像输入所述人脸防欺骗识别网络模型，进行前向传播计算，获取待识别视频人脸真假。

2.如权利要求1所述的方法，其特征在于，位置置信度矩阵的初始值为其中M表示输入所述注意力机制层的图像数据矩阵的行与列的乘积。

3.如权利要求1所述的方法，其特征在于，分类层为softmax。

4.如权利要求1所述的方法，其特征在于，采用动作增强技术的图像增强处理的计算公式为表示增强处理后，t时刻位置为(x,y)的视频帧像素值，用f(x,y)表示图像增强处理前位置为(x,y)的像素值，δ_x(t)、δ_y(t)表示x，y方向的光强随着时间变化的位移函数，增强系数α＝0.5。