[发明专利]一种非生物面部信号拦截方法及系统

权利要求书

1.一种非生物面部信号拦截方法，其中，包括：

步骤1、人脸图像预处理：

收集人体面部数据，再将人体面部数据扩充到人脸活体数据集，并将数据集按比例划分为训练集和测试集，对数据集图像中的人脸进行深度估计，得到深度图像；

其中，所述人体面部数据包括：人脸活体图像和攻击图像；

步骤2、面部图像特征提取及分类：

在训练集，通过自适应规范化算法计算出规范化特征，得到规范化面部图像，将自适应规范化算法,即AN,嵌入到主特征提取网络中进行协同训练并提取人脸特征，并将所提取特征输入分类网络得到分类向量，再通过计算损失函数值优化网络参数，得到训练好的网络模型；

其中，所述自适应规范化算法可以估算出步骤1中深度图像数据的均值和方差，利用均值和方差将数据归一化并借助可学习参数进行仿射变换可得到规范化特征；

步骤3、模型测试：

在测试集，利用测试集的数据对步骤2得到的模型进行测试，判断是否满足非生物面部信号拦截的需求,若不满足则继续训练；

步骤4、图像类别推断：

利用通过测试的模型，判定需要推断的人脸图像为人脸活体图像还是非人脸活体图像。

2.根据权利要求1所述的一种非生物面部信号拦截方法，对于步骤1所述的将数据集按比例划分为训练集和测试集，其中，训练集和测试集的比例为8:2，划分时，真实生物面部图像和攻击图像中，不同类别的图像比例保持均衡。

3.根据权利要求1所述的一种非生物面部信号拦截方法，对于步骤1所述对数据集图像中的人脸进行深度估计，具体实现方法为：

在数据集的面部图像上应用人脸检测技术，自动化框选包含面部的区域，并以此区域为中心进行1:1.8比例的扩充以获取更多背景，随后对扩充后的区域进行裁剪，对于裁剪后的真实人脸活体图像，计算有深度信息的深度图作为标签，对于裁剪后的攻击图像，计算出的深度图为同尺寸黑色底图。

4.根据权利要求1所述的一种非生物面部信号拦截方法，对于步骤2所述自适应规范化算法，具体实现方法为：

(1)首先使用均值方差估计网络估算出当前图像数据的均值μ和方差σ²，随后利用所得到的均值和方差对数据x进行归一化，最后，借助可学习参数γ和β对数据进行仿射变换得到经过规范化的特征

(2)其中，所述均值方差估计网络：MVENet，结构包括全局池化层Global AveragePooling和卷积层conv；

其中，所述全局池化层可缩小特征图的尺寸，所述卷积层，可对缩小后的特征图进行非线性变换，图像特征数从64、32、16逐渐递减到1，最终可通过该网络计算出的图像数据的均值μ和方差σ²的估算结果。

5.根据权利要求1所述的一种非生物面部信号拦截方法，对于步骤2所述将自适应规范化算法嵌入到主特征提取网络中进行协同训练，具体实现方法为：

(1)将规范化特征输入嵌有AN结构的主特征提取网络，提取可利用特征，随后利用分类网络从可利用特征得到分类向量，通过分类向量和所述人脸活体标签确定整体损失函数值，同时，结合分类损失L_cls和深度回归损失L_dep对所有参数进行优化；

(2)更新训练参数，根据所述损失代价函数值，通过反向传播的技术手段在所述训练集上更新所述的主特征提取网络、分类网络以及深度估算网络的参数；

(3)根据所述主特征提取网络所提取的特征在所述训练集上进行人脸活体分类的损失代价函数值小于设定阈值时，停止训练,假设当前模型已能够满足非生物面部信号拦截的需求。