[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

说明书

本发明公开了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，属于图像处理技术领域。该方法包括获取人脸图像数据集并预处理，构建基于轮廓强化的双通道密集卷积神经网络模型，对双通道密集卷积神经网络模型进行训练，利用训练后的双通道密集卷积神经网络模型进行人脸图像鉴别。本发明通过更有针对性地对图像轮廓特征进行提取，在降低网络参数的同时，能够有效提高分类精度。

技术领域

本发明涉及图像处理技术领域，尤其涉及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。

背景技术

卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。卷积神经网络有其致命的缺陷，在随着网络层数加深的同时，后面层的神经元会丢失掉前面层的一些关键特征。

传统的DenseNet网络结构，每个层从前面的所有层获得额外的输入，并将自己的特征映射传递到后续的所有层，使用级联方式，使得每一层都在接受来自前几层的“集体知识”，但是这种无差异性的特征保留随着网络深度的增加可能出现边缘特征弱化的情况，因而在细粒度的人脸图像鉴伪领域效果不理想。

发明内容

针对现有图像鉴伪方法中采用传统的DenseNet网络结构存在的上述不足，本发明提供了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，一方面在保证随着网络层数加深的同时，后层的神经元能有效捕捉到前层传递的特征，另一方面保证特征的传递不丢失在细粒度分类中有效的轮廓特征。

为了达到上述发明目的，本发明采用的技术方案为：

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，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；

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。

进一步地，所述步骤S2中基于轮廓强化的双通道密集卷积神经网络模型包括主通道和轮廓特征通道，所述主通道用于提取图像整体特征，所述轮廓特征通道用于提取人脸轮廓特征。

进一步地，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。

进一步地，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。

进一步地，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。