[发明专利]基于颜色通道差值图特征的人脸欺骗检测方法及系统

权利要求书

1.一种基于颜色通道差值图特征的人脸欺骗检测方法，其特征在于，包括下述步骤：

视频数据预处理，选取人脸图像；

提取所述人脸图像得到多个颜色通道图像；

计算所述颜色通道图像之间的差值，得到多个颜色通道差值图；

对所述颜色通道差值图进行归一化处理，得到归一化颜色通道差值图；

设置多个注意力模块，将所述注意力模块添加到深度卷积神经网络的每个基础网络结构中，构建注意力网络；

采用分类标签计算交叉熵损失，采用人脸图像的特征向量计算验证损失，将交叉熵损失与验证损失通过加权结合为总损失；

将所述归一化颜色通道差值图输入所述注意力网络进行噪声特征学习，以最小化损失函数为目标训练注意力网络；

根据损失值更新网络权重系数，在注意力网络训练完成后保存注意力网络的模型和权重；

提取待检测视频数据的人脸图像，并转换为归一化颜色通道差值图后输入到训练后的注意力网络，预测分类结果。

2.根据权利要求1所述的基于颜色通道差值图特征的人脸欺骗检测方法，其特征在于，所述视频数据预处理，具体步骤包括：从视频数据中提取图像帧，采用人脸识别算法检测人脸区域，裁剪后得到统一尺寸的人脸图像，作为待训练的人脸图像。

3.根据权利要求1所述的基于颜色通道差值图特征的人脸欺骗检测方法，其特征在于，所述提取所述人脸图像得到多个颜色通道图像，所述人脸图像采用RGB格式图像，提取得到红、绿、蓝3个颜色通道图像。

4.根据权利要求3所述的基于颜色通道差值图特征的人脸欺骗检测方法，其特征在于，计算所述颜色通道图像之间的差值，得到多个颜色通道差值图，具体步骤包括：

将人脸图像表示为：

J(x，y)＝I(x，y)+Z(x，y)

其中，(x，y)表示图像中像素点的二维坐标，I(x，y)表示真实自然图像，Z(x，y)表示欺骗噪声；

所述人脸图像采用RGB格式图像，对于r、g、b每一个颜色通道，人脸欺骗过程均引入了欺骗噪声，r、g、b每一个颜色通道的人脸图像表示为：

J_r(x，y)＝I_r(x，y)+Z_r(x，y)

J_g(x，y)＝I_g(x，y)+Z_g(x，y)

J_b(x，y)＝I_b(x，y)+Z_b(x，y)

计算3个颜色通道图像之间的差值，得到差值图D_r-g、差值图D_r-b和差值图D_g-b，分别表示为：

D_r-g(x，y)＝J_r(x，y)-J_g(x，y)

D_r-b(x，y)＝J_r(x，y)-J_b(x，y)

D_g-b(x，y)＝J_g(x，y)-J_b(x，y)。

5.根据权利要求1或3所述的基于颜色通道差值图特征的人脸欺骗检测方法，其特征在于，对所述颜色通道差值图进行归一化处理，得到归一化颜色通道差值图，所述归一化处理的具体公式表示为：

其中D_dmax，D_dmin分别表示差值图d中的最大值和最小值，D_d(x，y)表示当前像素值。

6.根据权利要求1所述的基于颜色通道差值图特征的人脸欺骗检测方法，其特征在于，将所述注意力模块添加到深度卷积神经网络的每个基础网络结构中，构建注意力网络，具体步骤包括：

将所述注意力模块添加到深度卷积神经网络的每个基础网络结构中，依据二分类任务修改最后一层全连接层的节点数，给定卷积特征图F作为输入，注意力模块的输出为注意力引导特征图T：

其中，表示逐元素乘法，M(F)表示根据卷积特征图F产生的注意力权重图。