[发明专利]基于动作增强的人脸防欺骗识别方法

摘要

本发明公开了一种基于动作增强的人脸防欺骗识别方法。属于数字图像处理技术领域。本发明通过动作增强技术增强输入CNN+LSTM网络视频中的动作信息，此外，为了克服现有CNN+LSTM框架存在丢失位置信息的缺陷，本发明将LSTM结构加在最后一个池化层后面，并去掉全连接层，达到保留位置信息的目的，从而使得提取的序列特征更具有区分能力；同时本发明还在改进后的框架中加入了注意力机制，通过设置位置置信度矩阵，将位置变化明显区域置信度值增大，使得LSTM更加专注动作信息集中区域。

主权项

1.基于动作增强的人脸防欺骗识别方法，其特征在于，包括下列步骤：构建基于卷积神经网络CNN和长短期记忆网络LSTM的人脸防欺骗识别网络模型：包括卷积层，池化层，LSTM层、注意力机制层和分类层，其中n路顺次连接的13层卷积层、1层池化层和3层LSTM层接入同一注意力机制层，所述注意力机制层用于将来自LSTM层的图像数据矩阵与位置置信度矩阵相乘，得到注意力机制处理后的图像数据矩阵并输入分类层，分类层用于判决视频人脸真假，其中n表示满足检测时长的视频的帧数，池化层的池化方式为最大值池化；训练所述人脸防欺骗识别网络模型：步骤S11：初始化网络参数；步骤S12：初始化位置置信度矩阵；输入一段帧数为n的训练视频序列，并对训练视频序列的视频图像进行图像预处理，包括归一化处理和采用动作增强技术的图像增强处理，得到n帧增强视频图像；步骤S13：将n帧增强视频图像输入所述人脸防欺骗识别网络模型，进行前向传播计算，预测视频人脸真假，并与真实标签进行比较，计算分类层的损失函数步骤S14：计算损失函数的梯度其中Wt表示第t次迭代的网络参数；更新网络参数：Wt+1＝Wt+Vt+1,其中γ表示预设的负梯度学习率，μ表示上一次梯度值的权重，Vt表示第t次迭代的梯度，且首次迭代的梯度为0，γ、μ的初始值为预设值；更新位置置信度矩阵：表示第t次迭代的位置置信度矩阵的元素，i和j表示位置置信度矩阵的行和列，aij表示特征值，θ表示预设的学习率；步骤S15：重复执行步骤S12～S14，对网络参数和位置置信度矩阵进行迭代更新，直到损失函数满足迭代收敛；当满足损失函数满足迭代收敛时，保存当前网络参数作为训练好的网络参数；人脸真假识别过程：步骤S21：输入一段帧数为n的待识别视频序列，并采用与训练视频序列相同的图像预处理方式，对待识别视频序列的视频图像进行图像预处理，得到n帧待识别的增强视频图像；步骤S22：加载训练好的网络参数，将n帧待识别的增强视频图像输入所述人脸防欺骗识别网络模型，进行前向传播计算，获取待识别视频人脸真假。