申请/专利权人:山东财经大学
申请日:2020-05-11
公开(公告)日:2022-08-12
公开(公告)号:CN111767784B
主分类号:G06V40/16
分类号:G06V40/16;G06V40/40;G06V40/50;G06V10/82;G06N3/04
优先权:
专利状态码:有效-授权
法律状态:2022.08.12#授权;2020.10.30#实质审查的生效;2020.10.13#公开
摘要:为了克服纹理清晰度较高的虚假人脸入侵难以检测的问题,本发明提出了一种基于面部潜在血管分布的虚假人脸入侵检测方法。该方法首先将人脸识别系统采集到的单帧人脸图像进行注意力机制处理,使得不同的人脸区域具有不同的权重;然后分别提取注意力人脸图像每列像素值的特征,用来描述可见光穿透人脸皮肤后的吸收特性;进一步的,利用循环网络提取每列输出特征之间的潜在联系,表征有血管分布引起的不同人脸区域间的可见光吸收变化;最后将循环网络的特征向量输入到Softmax分类器,根据分类器的输出结果对虚假人脸入侵进行检测。本发明计算简单,在受到纹理清晰度较高的虚假人脸入侵攻击时,该检测方法可有效对真脸与虚假人脸进行区分,检测误差更低。
主权项:1.基于面部潜在血管分布的虚假人脸入侵检测方法,其特征在于,包括如下步骤:步骤一:首先获取人脸识别系统采集的人脸图像,然后对人脸图像进行注意力机制处理,使得不同的人脸区域对检测结果具有不同的权重,给定采集得到的人脸图像I,并对人脸图像I进行注意力机制处理;步骤二:将注意力人脸图像的每一列输入到由卷积层、激活函数连接而成1DCNN网络,用以提取注意力人脸图像每列像素值的特征,从而提取能有效描述可见光穿透皮肤后的吸收特征;步骤三:利用GRU网络提取可见光吸收变化特征,提取每列输出特征之间的潜在联系,表征由血管分布引起的不同人脸区域间的可见光吸收变化;步骤四:在GRU网络输出后,将GRU网络的特征向量输入到Softmax分类器,根据分类器的输出结果对虚假人脸入侵进行检测。
全文数据:
权利要求:
百度查询: 山东财经大学 一种基于面部潜在血管分布的虚假人脸入侵检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。