[发明专利]一种人脸未知欺骗攻击活体检测方法及系统

说明书

本发明涉及一种基于真实人脸特征的未知欺骗攻击检测方法及系统，属于人脸识别领域，包括输入人脸图像，对其进行预处理；将人脸图像输入到图像聚类模块网络，提取人脸图像的数据特征；通过提取的数据特征对人脸图像进行分类路由到四个图像聚类中，每个聚类中的人脸图像都具有相似的真实人脸特征缺失；由图像聚类分别对应的真实人脸特征分类网络提取人脸图像所具备的真实人脸特征图；通过提取得到的真实人脸特征图的完整性判断输入人脸图像是否为虚假人脸图像。本发明的方法能够有效检测未知欺骗攻击。同时，本发明在对网络完成训练后应用时计算成本较低，增加了相关产品的适用性。

技术领域

本发明属于人脸识别技术领域，涉及一种人脸未知欺骗攻击活体检测方法及系统。

背景技术

人脸活体检测是一种检测摄像头采集的人脸图像是否对真实活体人脸采像所得到的，目前广泛作为人脸识别技术的重要安全保障技术得到应用，其用于识别出欺骗攻击者对人脸识别系统的欺骗攻击。传统的人脸活体检测技术主要是通过利用作为真实生命个体的活体人脸所具有的如三维深度信息、光照信息、纹理信息等与欺骗攻击制作的虚假人脸存在差异的特征信息来进行检测分析，从中分辨出虚假人脸，能够有效检测出照片攻击、视频攻击等传统欺骗攻击方法。

随着人脸识别技术的普及变得越来越重要，人脸活体检测技术也得到了长足的发展，传统的欺骗攻击方式难以再通过人脸识别系统的检测。因此，欺骗攻击者们发明了许多新型欺骗攻击方式如仅用合法用户的眼睛图像遮挡眼睛进行欺骗攻击等。

由于传统人脸活体检测算法并不认识新型欺骗攻击方式的特征，训练模型的数据集也难以对新型欺骗攻击方式采集数据样本。而对于新出现的欺骗攻击方式，已知数据集中并不包含其制作的虚假人脸图像，其与真实人脸图像的特征差异也未知，因此它们对于人脸活体检测算法而言是一种未知欺骗攻击检测。当人脸活体检测算法对未知欺骗攻击图像进行检测时，如果已知数据集中恰好存在与其类似的差异特征，现有方法也能够检测出未知欺骗攻击的假人脸，但当已知数据集中不包含与之类似的差异时，现有方法就无法有效检测出未知欺骗攻击。

真实人脸特征是真实人脸所应该具备的特征，由于欺骗攻击者制作虚假人脸的过程中需要使用欺骗方法对真实人脸进行一定的操作，这将导致真实人脸的真实人脸特征在欺骗过程中产生缺失。当我们使用真是人脸特征进行人脸活体检测时，我们让神经网络去学习真实人脸应该具备怎样的真实人脸特征，当面对真实人脸特征存在缺失的虚假人脸图像时，即使不知道欺骗攻击者进行了怎样的欺骗操作，仍然能够有效识别未知欺骗攻击。

发明内容

有鉴于此，本发明的目的在于提供一种基于深度学习的未知欺骗攻击人脸活体检测方法及系统。

为达到上述目的，本发明提供如下技术方案：

一方面，本发明提供一种基于深度学习的未知欺骗攻击人脸活体检测方法，包括以下步骤：

S1：将带有人脸图片集合的数据集划分为训练集和测试集，并进行预处理；

S2：将预处理后的训练集输入到图像聚类网络中，由图像聚类网络中的卷积残差节点提取人脸图片的数据特征；

S3：图像聚类网络中的树路由节点根据提取得到的数据特征将人脸图像分类路由入具有相似真实人脸特征缺失的聚类中；

S4：将人脸图像输入其所分类入的聚类对应的真实人脸特征分类网络；

S5：通过聚类对应的真实人脸特征分类网络，从输入的人脸图像中提取对应的真实人脸特征图；

S6：根据提取得到的真实人脸特征图完整性判断对输入人脸图像做出预测分类；

S7：通过反向传播的方法分别优化图像聚类网络和四个真实人脸特征分类网络，并进行多轮训练与优化；

S8：将测试集输入到训练好的图像聚类网络和实人脸特征分类网络中，输出预测结果，并与测试集数据标签对比，量化分类检测效果。