[发明专利]一种人脸检测器的测试方法、装置、设备以及存储介质

说明书

本发明公开了一种人脸检测器的测试方法、装置、设备以及计算机可读存储介质，包括：在图像数据集中选一张人脸图像，在人脸图像上加一个扰动，得到人脸合成图像；将人脸合成图像输入至包含人脸类别的多分类检测器中，得到人脸合成图像的概率向量；将概率向量和多分类检测器的人脸单热向量代入代价函数中，利用所述代价函数的输出结果和梯度下降算法，计算得到初始扰动；迭代执行在人脸图像上附加一个扰动，得到人脸合成图像的操作，直至得到目标扰动，用附加有目标扰动的人脸图像对待检测的人脸检测器进行检测。本发送所提供的方法、装置、设备以及计算机可读存储介质，在人脸图像上附加最优扰动对人脸检测器进行测试，提高了测试结果的准确率。

技术领域

本发明涉及人脸识别技术领域，特别是涉及一种人脸检测器的测试方法、装置、设备以及计算机可读存储介质。

背景技术

随着机器学习和计算机视觉技术的发展，人脸识别系统被广泛地应用于监控和访问控制领域中。机器学习的广泛应用使得机器学习算法受到了越来越多的关注，特别是在物理安全的应用程序中。而且，大多数现有的机器学习分类器存在安全漏洞，使得其容易受到攻击。

人脸检测器的攻击能够帮助人们逃避人脸检测器的检测，可以应用于保护个人隐私，如不被商场获取个人行踪；也可以应用于保护生命安全，如士兵逃过自动瞄准机器人的射击。

通过对人脸检测器的攻击，可以测试人脸检测器的稳定性，判断人脸检测器是否会因为比较小的扰动而无法正确识别人脸。现有的人脸攻击主要是通过化妆、变装、遮挡等方法实现，上述方法这样会对人脸加入了非常大的扰动，即变化非常的明显。在人脸上增加较大的扰动后再对人脸检测器进行检测时，导致人脸识别器的识别率过低的影响因素过多，从而不能准确的判断影响人脸检测器的检测结果的具体问题所在。

综上所述可以看出，如何在对人脸检测器进行检测时，在人脸增加较小的扰动是目前有待解决的问题。

发明内容

本发明的目的是提供一种人脸检测器的测试方法、装置、设备以及计算机可读存储介质，已解决现有技术中通过化妆、变装、遮挡等方法对人脸图像增加了较大的扰动，导致对人脸检测器检测结果不准确的问题。

为解决上述技术问题，本发明提供一种人脸检测器的测试方法，包括：在预先建立的图像数据集中选取一张人脸图像，在所述人脸图像上附加一个起始扰动，得到人脸合成图像；将所述人脸合成图像输入至包含人脸类别的多分类检测器中，得到所述人脸合成图像的概率向量；将所述概率向量和所述多分类检测器的人脸单热向量代入代价函数中，得到所述代价函数的输出结果，利用所述代价函数的输出结果和梯度下降算法，计算得到初始扰动；迭代执行所述在所述人脸图像上附加一个起始扰动，得到人脸合成图像的操作，直至得到目标扰动，从而利用附加有所述目标扰动的人脸图像对待检测的人脸检测器进行检测。

优选地，所述在所述人脸图像上附加一个起始扰动，得到人脸合成图像包括：对起始扰动r和掩码矩阵M_x进行点乘，以便于将所述起始扰动附加至所述人脸图像X中的人脸区域内，从而得到人脸合成图像X+M_x·r；其中，所述起始扰动与所述人脸图像的维数相同。

优选地，所述将所述人脸合成图像输入至包含人脸类别的多分类检测器中，得到所述人脸合成图像的概率向量包括：

将所述人脸合成图像输入至所述多分类检测器后，输出所述人脸合成图像的概率向量f(X+M_x·r)。

优选地，所述将所述概率向量和所述多分类检测器的人脸单热向量代入代价函数中，得到所述代价函数的输出结果包括：

将所述概率向量f(X+M_x·r)和所述人脸检测的人脸单热向量h_cx代入代价函数：

计算得到所述代价函数的输出结果；