[发明专利]一种基于异常检测的人脸防伪方法

权利要求书

1.一种基于异常检测的人脸防伪方法，其特征在于：包括以下步骤：

步骤1：使用RGB人脸数据集,预处理后，将其转换到HSV空间和YCbCr颜色空间，然后拼接成6通道的HSV-YCbCr特征；

步骤2：从异常检测角度出发，使用真实人脸数据集的HSV-YCbCr特征，对生成网络模型进行无监督训练；

步骤3：根据训练好的生成器G和判别器D，将测试集图片的HSV-YCbCr特征x映射回隐空间中，即得到z；

步骤4：使用与测试集图片的HSV-YCbCr特征对应的隐空间的值z，将其带入loss计算公式L(z)＝λL_G(z)+(1-λ)L_D(z)中计算，与阈值η进行比较，若计算出的结果大于阈值，即若L(z)＞η则将HSV-YCbCr特征x对应的裁剪前的RGB原人脸图片判断为攻击攻击，否则判断其为真实人脸图片。

2.根据权利要求1所述的一种基于异常检测的人脸防伪方法，其特征在于：步骤1包括如对预处理的图片将其转换到HSV下步骤：

步骤1.1：对预处理的图片将其转换到HSV空间，转换方式为：

V＝MAX；

其中MAX＝max{R/255,G/255,B/255}；

MIN＝min{R/255,G/255,B/255}，▽＝MAX-MIN；

步骤1.2：对预处理的图片将其转换到YCbCr空间,转换方式为：

步骤1.3：将上述两步骤得到的两个3通道特征进行拼接，拼接成一个6通道的HSV-YCbCr特征。

3.根据权利要求1所述的一种基于异常检测的人脸防伪方法，其特征在于：步骤2包括如下步骤：

步骤2.1：建立一个残差网络作为生成器，用于学习真实人脸HSV-YCbCr特征的分布，实现输入一个服从随机分布的向量z，能够生成一个跟真实样本具有同样分布的足以欺骗判别器的特征；

步骤2.2建立一个一分类的卷积神经网络作为判别器，用于判断输入的样本是服从真实人脸分布的样本还是生成器生成的样本；

步骤2.3：对无监督训练所设计的网络的损失函数为GAN的生成对抗损失L_G+D和残差损失L_G，其中GAN的生成对抗损失如下：

残差损失L_G是通过对生成器生成的人脸特征和真实人脸的HSV-YCbCr特征做差运算，然后逐通道计算1范数并求和所计算得到的，即使得生成的人脸HSV-YCbCr特征更加真实。

4.根据权利要求1所述的一种基于异常检测的人脸防伪方法，其特征在于：步骤3中求解测试集图片的HSV-YCbCr特征到隐空间的映射，其损失函数包括残差损失L_G和基于特征匹配的判别损失L_D，其中残差损失表示测试集图片的HSV-YCbCr特征与生成器生成的特征的差异；基于特征匹配的判别损失L_D(z)＝||f(x)-f(G(z))||₁，表示测试集图片HSV-YCbCr特征的特征与生成器所生成的特征的特征差异，通过最小化这两个损失函数来找到使得测试集图片的HSV-YCbCr特征x与生成器G所生成的6通道特征差异最小的隐变量z。

5.根据权利要求4所述的一种基于异常检测的人脸防伪方法，其特征在于：具体为：给定一个HSV-YCbCr特征x，在隐空间中找到最优的z对应到G(z)，HSV-YCbCr特征x和G(z)的相似度在于特征x服从用于训练生成器的G的训练集的分布p_data的程度，通过最小化总损失函数L＝λL_G(z)+(1-λ)L_D(z)，以梯度下降的形式来更新参数z，即(α为超参数)，直到z的变化量▽z几乎不再改变时停止迭代更新，最终找到最优的z；

其中f为判别器结构中至全局池化层GAP部分，λ为超参数。

6.根据权利要求5所述的一种基于异常检测的人脸防伪方法，其特征在于：所有超参数的经验值设为α＝0.001，β＝0.4，λ＝0.9，η＝0.1。