[发明专利]一种基于轮廓强化的双通道密集卷积神经网络的人脸图像鉴伪方法

权利要求书

1.一种基于轮廓强化的双通道密集卷积神经网络的人脸图像鉴伪方法，其特征在于，包括以下步骤：

S1、获取真实和伪造的人脸图像数据集，并对人脸图像进行预处理；

S2、构建基于轮廓强化的双通道密集卷积神经网络模型；所述基于轮廓强化的双通道密集卷积神经网络模型包括用于提取图像整体特征的主通道和用于提取人脸轮廓特征的轮廓特征通道，所述主通道采用DenseNet结构，将网络中的每一层的输出全部连接均作为下一层的输入，并将轮廓特征通道提取的人脸轮廓特征分别添加到DenseNet结构的每一层中，与前一层的输出进行连接，共同作为下一层的输入；

S3、采用步骤S1中预处理后的人脸图像对步骤S2中构建的基于轮廓强化的双通道密集卷积神经网络模型进行训练；

S4、采用步骤S3训练后的基于轮廓强化的双通道密集卷积神经网络模型对待分类人脸图像进行鉴别。

2.如权利要求1所述的基于轮廓强化的双通道密集卷积神经网络的人脸图像鉴伪方法，其特征在于，所述主通道包括feature层、连接层、整合层、Dense层、全连接层和输出层，所述feature层用于对图像的R、G、B三个通道分别进行特征提取，所述连接层用于对R、G、B三个通道提取的特征进行交叉整合，所述整合层用于将连接层的输出进行整合，所述Dense层用于将轮廓特征通道提取的人脸轮廓特征与整合层整合的图像整体特征进行连接，进一步提取图像特征，所述全连接层用于对Dense层提取的图像特征进行全连接操作，所述输出层用于将全连接层处理后的图像进行输出。

3.如权利要求2所述的基于轮廓强化的双通道密集卷积神经网络的人脸图像鉴伪方法，其特征在于，所述主通道的Dense层包括4个Dense Block，其中第一个Dense Block包括2个Dense Lyaer和一个transition结构，第二个Dense Block包括3个Dense Lyaer和一个transition结构，第三个Dense Block包括6个Dense Lyaer和一个transition结构，第四个Dense Block包括4个Dense Lyaer和一个transition结构。

4.如权利要求3所述的基于轮廓强化的双通道密集卷积神经网络的人脸图像鉴伪方法，其特征在于，所述轮廓特征通道采用多个具有小卷积核的卷积层内接最大池化层结构，并在每次提取人脸轮廓特征后将人脸轮廓特征输入到相对应的Dense Block。