[发明专利]一种基于生成模型的人脸防伪方法

权利要求书

1.一种基于生成模型的人脸防伪方法，其特征在于，该方法的具体步骤包括：

步骤1，对人脸防伪数据集进行预处理，数据集中包括对应的“0，1”标签，其中，0代表攻击图像，1代表真实图像；

步骤2，搭建生成式对抗网络，该网络包括生成网络和鉴别网络，生成网络用于学习人脸先验知识，生成与输入人脸样貌特征相同的真实人脸图像，鉴别网络用于监督生成网络生成真实人脸图像的质量；将步骤1预处理好的人脸图像输入所述生成网络和鉴别网络，进行训练；训练时，引入最大均值差异约束，使得整个网络具有更强的泛化性；

步骤3，将一张未知是否带有攻击的人脸图像输入已经训练好的生成网络，生成网络再输入一张对应的预测真实人脸，通过计算输入人脸图像与预测真实人脸之间的差异，如果差异低于阈值，则表示所述输入人脸图像是真实的，如果差异超过阈值，则所述输入人脸图像被判断为伪装人脸。

2.根据权利要求1所述的一种基于生成模型的人脸防伪方法，其特征在于，所述生成网络的前半部分由卷积和池化层组成，用于提取特征；其后半部分是卷积和上采样层组成，利用所述特征重建图像。

3.根据权利要求1所述的一种基于生成模型的人脸防伪方法，其特征在于，所述鉴别网络是由几层卷积层和线性层组成的浅层分类器。

4.根据权利要求1所述的一种基于生成模型的人脸防伪方法，其特征在于，所述鉴别网络的损失函数为L_advD

L_advD＝E(-log(D(I_r))-log(1-D(I_s))-log(1-D(G(I_s))))

所述鉴别网络的损失函数为L_advG

L_advG＝E(-log(D(G(I_r))-log(D(G(I_s)))+L_other

其中，I_r表示输入鉴别网络的真实人脸图像，I_s表示输入鉴别网络的伪装人脸图像，E表示均值，log表示对数函数，L_other表示其他鉴别网络的监督损失函数。

5.根据权利要求1所述的一种基于生成模型的人脸防伪方法，其特征在于，所述生成网络利用重建损失函数来保证预测的真实人脸的质量，所述重建损失函数采用均方差损失函数。

6.根据权利要求1所述的一种基于生成模型的人脸防伪方法，其特征在于，把所述数据集分成两部分，在训练所述生成式对抗网络时，将第一部分的数据集用于训练鉴别网络，剩下的第二部分数据集用于训练生成网络，且此时第一部分的数据集是不可见的。

7.根据权利要求1所述的一种基于生成模型的人脸防伪方法，其特征在于，步骤S3之后，把输入人脸和预测真实人脸的像素值相减，再取绝对值，归一化到0-1之间，获得图像，对攻击痕迹进行可视化。