申请/专利权人：华南理工大学

申请日：2021-09-23

公开（公告）日：2024-04-12

公开（公告）号：CN113887357B

主分类号：G06V40/40

分类号：G06V40/40;G06V10/44;G06V10/764;G06V10/82;G06N3/0464;G06N3/0499;G06N3/045;G06N3/084;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.01.21#实质审查的生效;2022.01.04#公开

摘要：本发明公开了一种人脸表示攻击检测方法、系统、装置及介质，其中方法包括：构建单边领域对抗模型，所述单边领域对抗模型包括特征提取器，领域判别器和分类器；获取训练样本，根据训练样本构建对齐的人脸图像数据库，从人脸图像数据库中获取源域和目标域；根据源域训练所述单边领域对抗模型，以及构建包含目标域的样本的初始集合；根据初始集合重新训练所述单边领域对抗模型；采用训练获得的所述单边领域对抗模型进行人脸表示攻击检测。本发明在单边领域泛化方法的基础上通过将目标域数据加入单边领域对抗训练中，充分地利用了目标域数据提供的信息，有效地增强了模型的泛化能力。本发明可广泛应用于图像处理和生物安全技术领域。

主权项：1.一种人脸表示攻击检测方法，其特征在于，包括以下步骤：构建单边领域对抗模型，所述单边领域对抗模型包括特征提取器，领域判别器和分类器；获取训练样本，根据训练样本构建对齐的人脸图像数据库，从人脸图像数据库中获取源域和目标域；根据源域训练所述单边领域对抗模型，以及构建包含目标域的样本的初始集合；根据初始集合重新训练所述单边领域对抗模型；采用训练获得的所述单边领域对抗模型进行人脸表示攻击检测；所述根据源域训练所述单边领域对抗模型，包括：将所述源域的真实样本输入特征提取器，输出真实样本的第一特征向量；领域判别器对第一特征向量所属的域进行判别，特征提取器采用输出的第一特征向量混淆领域判别器的判断，特征提取器和领域判别器交替进行训练和优化；将源域的所有样本输入特征提取器提取第二特征向量，分类器对第二特征向量进行真实人脸和攻击人脸的二分类，训练分类器和特征提取器优化分类误差；其中，所述源域的所有样本包括真实样本和攻击样本；所述根据初始集合重新训练所述单边领域对抗模型，包括：在训练的最初轮次设定新增集合为空集；采用新域和所有源域对所述单边领域对抗模型进行一个轮次的训练；其中，新域由初始集合与新增集合构成；在每一个训练轮次结束后，采用分类器对目标域中未加入初始集合的样本进行概率预测，取其中预测概率大于预设阈值的样本打上伪标签构建待筛选集合；其中样本选取的数量不超过随训练轮次线性增长的采样系数；根据伪标签对样本进行筛选，清空本轮次的新增集合，并将筛选的样本用于下一轮次的训练；所述根据初始集合重新训练所述单边领域对抗模型这一步骤中，还包括对伪标签进行筛选的步骤：采用特征提取器提取初始集合中真实样本和欺骗样本的特征向量，构建初始真实特征向量集和初始欺骗特征向量集；对于待筛选集合中的每一个样本都输入特征提取器中提取第三特征向量，计算第三特征向量到对应类别的初始特征向量集的第一距离，以及计算第三特征向量到非对应类别的初始特征向量集的第二距离；其中，初始特征向量集包括初始真实特征向量集和初始欺骗特征向量集；如果第一距离小于第二距离，则保留待筛选样本的伪标签，将待筛选样本加入新增集合；否则，剔除待筛选样本。

全文数据：

权利要求：

百度查询： 华南理工大学 一种人脸表示攻击检测方法、系统、装置及介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD