[发明专利]基于多尺度光照不变性纹理特征的人脸欺骗检测方法及系统

权利要求书

1.一种基于多尺度光照不变性纹理特征的人脸欺骗检测方法，其特征在于，包括下述步骤：

将视频分帧后抠取人脸图像，通道分离得到多个颜色通道图；

多个颜色通道图分别经过光照分离纹理保留模块得到光照不变纹理特征图；

所述多个颜色通道图分别经过光照分离纹理保留模块得到光照不变纹理特征图，具体步骤包括：

分别对每个颜色通道人脸图片计算，得到对应的光照不变纹理图INTF_r、INTF_g、INTF_b：

其中，C表示红绿蓝3颜色通道，Filterx、Filtery分别为局部重力模式的水平方向和垂直方向的5×5卷积核；

对颜色通道人脸图片进行卷积操作，卷积操作具体表达如下列两式所示：

F(x,y)＝R(x,y)×L(x,y)

第一式为朗伯反射模型，其中(x,y)为像素的坐标，F(x,y)为该坐标像素的像素值，R(x,y)为该坐标像素的反射系数，L(x,y)为该坐标像素成像的光照强度；

其中，ε表示为防止分母为0而设置的小常数，L视为恒值，R_c为人脸图片在卷积区域的中心像素的反射系数，P表示人脸图片在卷积区域的像素点集数，R_i为人脸图片在卷积区域中索引为i的像素点的反射系数，Fx_i和Fy_i分别为卷积核Filterx、Filtery中索引为i对应的恒值，INTF为仅与反射系数相关的人脸材质性特征；

将光照不变纹理特征图归一化后与颜色通道图合并为人脸特征；

将人脸特征进行实时数据增强后作为待训练的输入特征；

用多感受野的中心差异卷积搭建多尺度纹理模块；

将多尺度纹理模块嵌入到轻量网络中构建轻量多尺度纹理网络；

将像素级均方差损失和二分类交叉熵损失加权作为网络训练的损失函数；

将数据增强后的输入特征送入到轻量多尺度纹理网络学习纹理本质性的欺骗特征，以最小化损失函数为目标训练轻量多尺度纹理网络；

根据损失函数用优化器更新网络参数，完成训练后保存轻量多尺度纹理网络模型和参数；

获取待检测视频数据的人脸图像，将待训练的输入特征送入到已保存的轻量多尺度纹理网络，预测分类结果。

2.根据权利要求1所述的基于多尺度光照不变性纹理特征的人脸欺骗检测方法，其特征在于，所述将视频分帧后抠取人脸图像，通道分离得到多个颜色通道图，具体步骤包括：

由视频数据分帧得到人脸图像帧，使用MTCNN人脸识别算法检测人脸区域，裁剪并统一尺寸后得到人脸图像，所述人脸图像为RGB格式，通道分离得到红、绿、蓝三个颜色通道人脸图，分别为F_r、F_g、F_b。

3.根据权利要求1所述的基于多尺度光照不变性纹理特征的人脸欺骗检测方法，其特征在于，将光照不变纹理特征图归一化后与颜色通道图合并为人脸特征，所述归一化的计算公式为：

其中，Max(INTF_c),Min(INTF_c)分别表示单通道C的光照不变纹理图的最大值和最小值；

所述与颜色通道图合并表示为：

Input＝concat[INTF_r,INTF_g,INTF_b]

其中，Input表示合并后的人脸特征。

4.根据权利要求1所述的基于多尺度光照不变性纹理特征的人脸欺骗检测方法，其特征在于，所述将人脸特征进行实时数据增强后作为待训练的输入特征，具体步骤包括：

进行随机水平翻转，随机选取0-28像素大小的区域将像素值设置为0，对色度、亮度、饱和度、对比度进行数据增强。