[发明专利]基于混合颜色空间残差噪声的变形人脸检测

说明书

本发明针对人脸变形检测，提出了一种基于混合颜色空间残差噪声的变形人脸检测方法，包括下列步骤：1)根据由dlib标志点检测器检测到的眼睛坐标来分割和归一化图像的面部；2)获得两个颜色空间：HSV和YCbCr，并选取S、V、Y、Cr四个颜色通道；3)利用双边滤波器分别对S、V、Y、Cr四个颜色通道进行去噪，以获得相应的去噪图像；4)用预训练好的ShuffleNet网络对S、V、Y、Cr四个通道的残差噪声图像和原图像进行特征提取；5)使用自动编码器对融合后的特征进行降维；6)用SVM对降维后的特征进行分类。

技术领域

本发明涉人脸融合攻击检测领域，尤其是一种基于混合颜色空间残差噪声的变形人脸检测技术。

背景技术

人脸识别技术这些年已经从萌芽趋于成熟。在过去的几年里，研究人员指出了生物识别系统的各种潜在弱点。最近，针对基于变形生物特征图像和模板的人脸和指纹识别系统的攻击已经出现。变形技术可以用来创建人工生物特征样本，这些样本在图像和特征域中类似于两个(或多个)个体的生物特征信息。如果变形生物特征图像或模板被渗透到生物识别系统中，则构成变形图像的受试者将根据单个注册模板成功地验证两个(或全部)。因此，个人与其生物特征参考数据之间的独特联系是不必要的。

这种攻击对生物识别系统，特别是电子旅行证件的签发和验证过程构成严重的安全威。不同的商业人脸识别系统被发现极易受到此类攻击。由于人脸具有很高的类内变异性，人脸识别系统以高达0.1％的误匹配率(FMRs)来实现可接受的误匹配率(FNMRs)。也就是说，变形人脸图像的自动检测对于保证操作性人脸识别系统的安全性至关重要。

为了保障人脸识别系统的安全性，人脸变形攻击的检测成为一个亟待解决的问题。目前人脸变形攻击检测方法主要分为四种算法类型:基于纹理、基于图像质量、基于深度学习、以及基于混合特征的变形检测方法。基于纹理的方法捕捉变形过程中微观纹理的变化，从而实现变形人脸检测；基于图像质量的方法通过量化在变形过程中引入的压缩伪像以及噪声的差异来检测变形的人脸；最近的基于深度学习方法使用预先训练的CNN架构提取特征来检测人脸变形。然而，这些方法仍然还存在错误率较高、鲁棒性较差以及系统复杂度较高等问题。

发明内容

针对上述现有技术的不足，本发明提供一种基于混合颜色空间剩余噪声的变形人脸检测方法。其目的在于解决以往方法中存在的错误率较高、鲁棒性较差以及系统复杂度较高等问题。

为了实现上述目的，本发明提供了一种基于混合颜色空间残差噪声的检测系统，包括以下步骤：

A1、对输入的图像进行预处理；

A2、多重色彩空间分解；

A3、基于双边滤波对颜色通道去噪

A4、特征提取

A5、降维

A6、分类

本发明提供了一种基于混色颜色空间残差噪声的变形人脸检测。与现有技术相比，具备以下有益效果：

本方案是采用多空间而不是单一色彩空间的残余噪声来检测变形人脸的。通过提取单一的色彩空间中的剩余噪声来进行变形人脸检测的方法已经得到证实。利用颜色空间，特别是HSV和YCbCr空间可以分离出强度成分和颜色成分以及亮度成分。多色彩空间的使用将在补充信息中得到反馈，这些补充信息可以被进一步处理，以提取重要的信息，可以更好的捕捉真实和变形人脸图像的不同特征，有助于可靠地检测变形的面孔。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是基于混合颜色空间残余噪声的变形人脸检测框图。