[发明专利]基于全尺寸深度图监督的人脸表示攻击检测方法

说明书

本发明公开了一种基于全尺寸深度图监督的人脸表示攻击检测方法，该方法包括：构建基于全尺寸深度图监督的人脸表示攻击检测模型；输入待检测人脸图片到经过训练的人脸表示攻击检测模型中，得到与待检测人脸图片宽和高尺寸完全相同的全尺寸预测深度图，该全尺寸预测深度图上的每个像素值是对待检测人脸图片对应像素点的深度预测值；取全尺寸预测深度图的平均深度预测值作为最终得分，与事先设定的判别阈值进行比较，得到检测结果。本发明采用全尺寸深度图作为标签进行监督建模，融合输入人脸图片的浅层特征和深层特征得到全尺寸预测深度图，检测精度高，能够适应不同的光照和采集设备条件下的现实检测场景。

技术领域

本发明涉及图像处理和生物安全技术领域，具体涉及一种基于全尺寸深度图监督的人脸表示攻击检测方法。

背景技术

人脸识别技术目前已得到广泛应用，除了为合法用户提供身份认证阶段的良好体验，也给不法分子提供了侵权的可乘之机。企图用合法用户的人脸照片、视频等手段以借用该用户身份通过人脸识别系统的操作，被称为人脸表示攻击。检测这类攻击的方法，称为人脸表示攻击检测。因此，人脸识别系统不仅要判断摄像头获取到的人脸图片是否属于该合法用户，还需要判断该图片是直接对合法用户本人拍照得到的真实人脸，还是非法用户借助其他攻击载体伪造的攻击人脸，比如印有合法用户人脸的打印纸、显示合法用户人脸图片的电子屏幕等。

人脸表示攻击检测算法的核心在于提取人脸图片中对检测攻击最有辨别性的特征，以此来区别真实人脸图片和攻击人脸图片。大多数方法将人脸表示攻击检测视为二分类问题，借助人脸图片的真假二类标签来监督网络训练，尽管在某些测试集上取得了不错的效果，但该方法难以保证网络学习到的是对检测攻击具有本质辨别能力的特征，且忽视了其他可用的辅助标签信息比如人脸的深度信息。真实人脸是三维的、具有深度信息的生物体，而大多数攻击载体属于无深度信息的二维平面工具，比如打印纸、电子屏幕，因此可以通过重建人脸图片的深度图来区分真实样本和攻击样本。目前有一些研究引入了深度图作为标签信息，但这些研究均将标签深度图进行数倍的尺寸压缩，常见的是从256*256压缩到32*32，损失了较多的标签信息量，导致网络无法充分利用深度图标签进行监督学习。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于全尺寸深度图监督的人脸表示攻击检测方法，该方法采用全尺寸深度图作为标签进行监督建模，使人脸表示攻击检测模型充分学习到真实人脸图片和攻击人脸图片在人脸深度信息上的差异，检测精度高，能够适应不同的光照和采集设备条件下的现实检测场景。

本发明的目的可以通过采取如下技术方案达到：

一种基于全尺寸深度图监督的人脸表示攻击检测方法，所述人脸表示攻击检测方法包括下列步骤：

S1、构建训练集，所述训练集包括真实人脸图片和攻击人脸图片，每张人脸图片均对应两种标签，分别为二分类标签、全尺寸标签深度图，其中，所述二分类标签指示该张人脸图片属于真实人脸图片还是攻击人脸图片的类别值；所述全尺寸标签深度图指示该张人脸图片中人脸区域部分每个像素点对应的深度标签值；

S2、构建基于全尺寸深度图监督的人脸表示攻击检测模型，该攻击检测包括依次顺序连接的下采样模块、上采样模块、深度图预测模块；

下采样模块包括多个串行的下采样单元，依次对输入人脸图片提取更深层次的特征信息，输入人脸图片每经过一个下采样单元，输出特征图的高和宽尺寸缩小、通道数扩大，下采样模块输出多个不同尺度的特征图到上采样模块中；

上采样模块包括多个串行的上采样单元，输入特征图每次经过一个上采样单元，输出特征图的高和宽尺寸扩大、通道数缩小，上采样模块输出高和宽与输入人脸图片尺寸相同的全尺寸特征图到深度图预测模块中；

深度图预测模块将全尺寸特征图转化为高和宽尺寸保存不变、通道数变为1的全尺寸预测深度图，所述全尺寸预测深度图上的每个像素值是对输入人脸图片对应像素点的深度预测值；