人臉識別技術應用于手機、平板電腦等移動智能終端的現(xiàn)象越來越普遍。然而通過打印照片、重播視頻以及制作掩膜等方式能夠偽造人臉繞過移動智能終端的識別機制,從而對其身份識別系統(tǒng)造成極大的威脅。因此,如何檢測虛假人臉是目前移動智能終端人臉防偽技術的研究熱點。傳統(tǒng)的人臉防偽技術以人工設計特征（Hand-crafted Features）作為區(qū)分人臉真?zhèn)蔚囊罁?jù),由于加入了過多的人為限制,通常適用于防范打印照片攻擊的模型難以用于抵御重播視頻攻擊,存在著對于不同種類攻擊通用性差的問題。為了提高算法的通用性,將深度學習引入人臉防偽領域。然而,現(xiàn)有的基于深度學習的模型存在三大問題:一是,對于人臉姿態(tài)、表情和光照條件變化的適應性差;二是,缺乏明確的監(jiān)督信息,模型學習到的并不是區(qū)分人臉真?zhèn)蔚年P鍵特征,導致檢測的準確度不高;三是,對于人臉視頻的采集設備和方式等比較敏感,對不同數(shù)據(jù)集的泛化性差。針對上述問題,本文提出了一種靜態(tài)特征和動態(tài)特征相融合的人臉真?zhèn)螜z測方案。主要工作和創(chuàng)新點如下:1.本文所提的靜態(tài)特征和動態(tài)特征相融合的人臉真?zhèn)螜z測方案首先通過移動智能終端的攝像頭采集人臉視頻,然后對連續(xù)幀進行采樣;提取其中第... 

【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
    1.2 國內外研究現(xiàn)狀
    1.3 研究內容與結構安排
第2章 背景技術介紹
    2.1 人臉防偽簡介
        2.1.1 人臉欺騙攻擊
        2.1.2 人臉防偽方案
    2.2 深度學習簡介
        2.2.1 卷積神經網絡
        2.2.2 循環(huán)神經網絡
    2.3 本章小結
第3章 基于融合特征的人臉真?zhèn)螜z測
    3.1 檢測框架的整體架構
    3.2 融合特征設計
    3.3 分類模塊設計
    3.4 本章小結
第4章 人臉靜態(tài)特征的提取方法
    4.1 方法的整體架構
    4.2 深度圖真實標記的生成模塊
        4.2.1 真臉的3D點云圖生成方案
        4.2.2 真假臉的深度歸一化處理
    4.3 基于深度圖的特征提取網絡模塊
        4.3.1 模塊架構
        4.3.2 目標函數(shù)設計
        4.3.3 激活函數(shù)選擇
        4.3.4 超參數(shù)設置
        4.3.5 網絡訓練策略
        4.3.6 優(yōu)化算法選擇
    4.4 本章小結
第5章 人臉動態(tài)特征的提取方法
    5.1 方法的整體架構
    5.2 光流引導特征殘差模塊
        5.2.1 光流引導特征模塊
        5.2.2 殘差模塊
    5.3 卷積門控循環(huán)單元模塊
        5.3.1 門控循環(huán)單元
        5.3.2 卷積門控循環(huán)單元
    5.4 注意力機制
        5.4.1 注意力機制的流程
        5.4.2 注意力生成網絡
    5.5 本章小結
第6章 檢測方案的實驗和結果分析
    6.1 實驗設置
        6.1.1 數(shù)據(jù)集
        6.1.2 評價標準
        6.1.3 軟硬件配置
    6.2 基于靜態(tài)特征檢測方案的實驗與結果分析
        6.2.1 數(shù)據(jù)預處理
        6.2.2 實驗結果與分析
    6.3 基于動態(tài)特征檢測方案的實驗和結果分析
        6.3.1 數(shù)據(jù)預處理
        6.3.2 實驗結果與分析
    6.4 基于融合特征檢測方案的實現(xiàn)和結果分析
    6.5 本章小結
第7章 總結與展望
    7.1 工作總結
    7.2 工作展望
致謝
參考文獻
碩士階段發(fā)表論文



本文編號：3131366