基于多色彩空间图像增强的人脸融合检测.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115601284A(43)申请公布日2023.01.13(21)申请号202110718350.1(22)申请日2021.06.28(71)申请人长沙理工大学地址410114湖南省长沙市天心区万家丽路南段960号(72)发明人齐肇珩龙敏(51)Int.Cl.G06T7/00(2017.01)G06T7/11(2017.01)G06V40/16(2022.01)G06V10/80(2022.01)G06T5/50(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书4页附图1页(54)发明名称基于多色彩空间图像增强的人脸融合检测(57)摘要面部融合攻击在护照签发协议中存在严重的威胁，并且给人脸识别系统带来了挑战。本发明涉人脸融合攻击检测领域，尤其是一种基于多色彩空间图像增强的人脸融合检测技术。针对人脸融合攻击，提出了一种在多种色彩空间下进行图像增强的新检测方法。首先由给定的面部图像，基于三种色彩空间使用Sobel算子和高反差保留对图像的高频信息进行增强，将两个预训练神经网络Squeezenet和VGG19对不同图像提取出的特征进行融合之后送入支持向量机。通过支持向量机对真实面部图像和融合面部图像进行分类。本发明具有较好的检测准确性和鲁棒性，在不同的数据集上检测性能较优。说明了从增强图像高频信息的角度来检测融合人脸图像的有效性。CN115601284ACN115601284A权利要求书1/2页1.一种基于多色彩空间图像增强的检测系统。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、图像增强；A3、特征提取；A4、降维；A5、分类。2.如权利要求1所述的基于多色彩空间图像增强的检测方法，其特征在于，将归一化区域裁剪到512×512像素，以确保融合检测算法仅应用于面部区域，A1的具体实现过程如下：在人脸融合攻击中，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。将裁剪后的图像转换出HSV和YCbCr两种色彩空间的图像。3.如权利要求1所述的基于多色彩空间图像增强的检测方法，其特征在于，利用Sobel算子增强图像的边缘信息，利用高反差保留增强图像的高频噪声，A2的具体实现过程如下：A201、利用Sobel算子增强三种色彩空间图像的边缘信息。该算子包含两组3×3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。其运算公式如下：这里A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像。图像中每一个像素的横向及纵向梯度近似值可以用G来计算大小。利用提取的边缘图像与原始图像相加得到边缘增强的图像。A202、利用高反差保留增强三种色彩空间图像的高频噪声信息。高反差保留算法可以简单表达为：H＝A‑Gauss(A)(4)这里H为高反差保留图像，A为原始图像，Gauss(A)为原始图像执行高斯模糊之后的图像。高斯模糊是一种低通滤波器，执行后，图像中较为平坦的区域变化不大，而高反差部分则被经过模糊处理。原始图像和高斯模糊图像的相减得到原始图像的高频噪声即高反差保留图像。此处对高反差保留图像做一个增强，公示可以表示为：Henh＝Value×(A‑Gauss(A))(5)Henh为将高频噪声增强后的图像，其中value控制增强的程度。I＝A+Henh(6)2CN115601284A权利要求书2/2页此处的A为原始图像，将原始图像与高反差保留图像相加得到高频噪声增强后的图像I。4.如权利要求1所述的基于多色彩空间图像增强的检测方法，其特征在于，对不同算法增强的图像以及预处理后的图像进行特征提取，A3的具体实现过程如下：选择轻量级预训练的Squeezenet对增强的图像提取特征，目的是提高检测系统的效率，减轻系统的执行复杂度。选择预训练VGG19网络对预处理之后的RGB图像提取特征，提高系统的检测精度，同时不对系统的检测效率造成更大影响。利用Squeezenet对增强的图像进行提取特征，每张图像得到一个特征向量。利用VGG19提取预处理后的RGB图像的特征，每张图像得到一个特征向量。5.如权利要求1所述的基于多色彩空间图像增强的检测方法，其特征在于，使用特征融合策略对提取的特征进行融合，A4的具体实现过程如下：将Squeezenet提取的经过Sobel算子和高反差保留增强的图像特征分别命名为Fsobel和Fhighpass，Fsobel和Fhighpass分别与VGG19提取的特征FvGG相乘得到Fsobel‑VGG和Fhighpass‑VGG，Fso