[发明专利]基于混合颜色空间残差噪声的变形人脸检测

权利要求书

1.一种基于混合颜色空间残差噪声的检测系统。其特征在于，所述方法由计算机执行，包括以下步骤：

A1、对输入的图像进行预处理；

A2、多重色彩空间分解；

A3、基于双边滤波对颜色通道去噪

A4、特征提取

A5、降维

A6、分类

2.如权利要求1所述的基于混合颜色空间残差噪声的检测方法，其特征在于，将归一化区域裁剪到224×224像素，以确保变形检测算法仅应用于面部区域，A1的具体实现过程如下：在人脸变形攻击中，人脸区域通常位于图像的中心。为了准确地从图像中提取特征，只保留图像的最大中心区域。在预处理阶段，根据由dlib标志点检测器检测到的眼睛坐标来分割和归一化图像的面部。

3.如权利要求1所述的基于混合颜色空间残差噪声的检测方法，其特征在于，获得两个颜色空间：HSV和YCbCr，A2的具体实现过程如下：给定面部图像I，获得如下两个不同的颜色空间图像：

H S V(I)＝[I_H , I_S , I_V]     (1)

YCbCr (I)＝[I_Y , I_Cb , I_Cr]     (2)

4.如权利要求1所述的基于混合颜色空间残差噪声的检测方法，其特征在于，得到四个通道的残差噪声图像，A3的具体实现过程如下：用双边滤波器分别对S、V、Y、Cr四个颜色通道进行去噪，以获得相应的去噪图像:I_S0、I_V0、I_Y0、I_Cr0。然后计算这四个通道上的残差噪声：R_s＝I_s-I_s0，R_v＝I_v-I_v0，R_Y＝I_Y-I_Y0，R_Cr＝I_Cr-I_Cr0。

5.如权利要求1所述的基于混合颜色空间残差噪声的检测方法，其特征在于，对S、V、Y、Cr四个通道的的残差噪声图像进行特征提取，A4的具体实现过程如下：对四个通道的残差噪声图像和原图像进行特征提取。其步骤具体为：

A401、用预训练好的ShuffleNet网络对S、V、Y、Cr四个通道的的残差噪声图像进行特征提取。从S、V、Y、Cr四个颜色通道的残差噪声图像中提取出的特征表示为F2、F3、F4、F6，将提取到的四个通道的残差噪声特征以串行的方式进行级联。

A402、用预训练好的ShuffleNet网络对原图像进行特征提取。用ShuffleNet网络提取原图像中的高频噪声特征以及其他相关特征。将提取的原图像特征与上一步提取的残差噪声图像特征串行连接。

6.如权利要求1所述的基于混合颜色空间残差噪声的检测方法，其特征在于，使用自动编码器对融合后的特征进行降维，A5的具体实现过程如下：使用自动编码器对融合后的特征进行降维。自动编码器是一种无监督的人工神经网络，它将数据压缩到较低的维数，然后重新构造输入。自动编码器通过消除重要特征上的噪声和冗余，找到数据在较低维度的表征。它基于编解码结构，编码器将高维数据编码到低维，解码器接收低维数据并尝试重建原始高维数据。在这里将融合后的特征用训练好的编码器进行降维处理。

7.如权利要求1所述的基于混合颜色空间残差噪声的检测方法，其特征在于，用SVM对降维后的特征进行分类，A6的具体实现过程如下：本发明的最后1个关键步骤是通过一个高辨别力的机器学习算法找到最优分类模型，从而对人脸进行判断。本文选用包含径向基核函数的支持向量机作为分类器.该分类器不仅具有很高的分类准确率，而且被广泛应用于人脸识别等研究课题。将上一步经过降维后的特征送入SVM，即可根据SVM的输出数据完成变形人脸检测。