[发明专利]一种基于人脸深度信息和边缘图像融合的人脸防伪方法

摘要

本发明提出了一种基于人脸深度信息和边缘图像融合的人脸防伪方法，通过双流网络分别提取人脸图像的边缘信息和深度图信息，将两类特征进行融合后通过特征融合分类网络学习并分类。其中，Sobel算子用于人脸图像的边缘信息提取，PRNe被用于获取预处理后的活体对象的人脸的三维结构信息，随后采用Z‑Buffer算法投影得到对应的活体人脸深度标签。双流网络中的深度信息提取网络分支提取活体与非活体人脸的区分性深度信息，并采用加权矩阵和熵损失监督方式加强人脸区域与背景区域之间的深度区分性。与现有技术相比，本发明受图像质量、光照等因素影响小，改善了硬件提取深度信息成本高的问题，扩大了背景信息的特征并减弱了冗余噪声的学习。

主权项

1.一种基于人脸深度信息和边缘图像融合的人脸防伪方法，其特征在于，包括如下步骤：步骤(1)，获取摄像头前的人脸视频图像帧，通过图像帧截取方法对视频人脸数据进行处理，并保存活体对象图片和攻击对象图片，活体对象的类别标签记为1，攻击对象的类别标签记为0；步骤(2)，截取视频图像帧中的人脸区域，并剪裁获得以人脸为中心的多种尺度大小的人脸图像，将这部分人脸图像输入数据记为I；步骤(3)，获取人脸深度图标签，包括步骤(2)中的活体人脸图像对应的深度图标签，以及攻击人脸图像的深度图标签；步骤(4)，提取输入的人脸图像对应的边缘图特征；步骤(5)，采用深度信息提取网络学习深度特征，并生成预估的深度图特征；步骤(6)，联合人脸图像的深度图特征和边缘图特征，通过特征提取网络进行特征提取；步骤(7)，使用全连接层进行特征降维，然后采用Softmax分类器，将特征提取网络的输出表征为不同类别之间的相对概率，进行最终的类别预测，其中，i表示第i个类别，N表示类别总数，V_i表示第i个类别的概率值，S_i表示经softmax处理之后第i个类别的概率值。