[發(fā)明專利]視頻造假卷積神經(jīng)網(wǎng)絡(luò)訓練方法及人臉活體檢測方法

在審

• 申請?zhí)枺?/td>: 201710478893.4
• 申請日: 2017-06-21
• 公開（公告）號: CN107301396A
• 公開（公告）日: 2017-10-27
• 發(fā)明（設(shè)計）人: 張少林;李衛(wèi)軍;韋美麗;寧欣;董肖莉
• 申請（專利權(quán)）人: 北京市威富安防科技有限公司;中國科學院半導(dǎo)體研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/06;G06N3/08
• 代理公司: 北京超凡志成知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)11371
• 代理人: 徐彥圣

1.一種視頻造假卷積神經(jīng)網(wǎng)絡(luò)訓練方法，其特征在于，所述方法包括：

構(gòu)建訓練集，所述訓練集包括視頻造假視頻和真人視頻；

獲取視頻造假視頻和真人視頻中的圖像；

通過人臉檢測算法檢測所述圖像中的人臉；

將所述人臉進行裁剪；

對裁剪后出人臉圖像進行歸一化處理；

將所述歸一化后的人臉圖像輸入至卷積神經(jīng)網(wǎng)絡(luò)，所述卷積神經(jīng)網(wǎng)絡(luò)包括輸入層、多個卷積層、ReLU層、max-pooling層、全連接層、Dropout層和SoftmaxWithLoss層；

所述輸入層將所述歸一化后的人臉圖像進行隨機裁剪，將裁剪后的人臉圖像水平翻轉(zhuǎn)，得到特定像素的圖像，將所述特定像素的圖像送入多個卷積層中的第一個卷積層；

所述第一個卷積層包括多個卷積核，所述第一個卷積層連接一個ReLU層和max-pooling層，所述特定像素的圖像經(jīng)過所述第一個卷積層后得到與所述第一個卷積層的卷積核對應(yīng)數(shù)量的特征圖像，所述ReLU層使部分神經(jīng)元輸出為0，造成稀疏性，所述max-pooling層對所述特征圖像進行壓縮，提取主要特征，所述特征圖像進入第二個卷積層；

所述第二個卷積層包括多個卷積核，所述第二個卷積層連接一個ReLU層和max-pooling層，所述特征圖像經(jīng)過所述第二個卷積層后得到與所述第二個卷積層的卷積核對應(yīng)數(shù)量的特征圖像，所述ReLU層使部分神經(jīng)元輸出為0，造成稀疏性，所述特征圖像經(jīng)過第二個max-pooling層后進而進入第三個卷積層；

所述第三個卷積層包括多個卷積核，所述第三個卷積層連接一個ReLU層和max-pooling層，所述特征圖像經(jīng)過所述第三個卷積層后得到與所述第三個卷積層的卷積核對應(yīng)數(shù)量的特征圖像，所述ReLU層使部分神經(jīng)元輸出為0，造成稀疏性，所述特征圖像經(jīng)過第三個max-pooling層后進而進入第四個卷積層；

所述第四個卷積層包括多個卷積核，所述第四個卷積層連接一個ReLU層和max-pooling層，隨后連接兩個全連接層，每個全連接層均依次連接一個ReLU層和dropout層，所述特征圖像經(jīng)過所述第四個卷積層后得到與所述第四個卷積層的卷積核對應(yīng)數(shù)量的特征圖像，所述ReLU層使部分神經(jīng)元輸出為0，造成稀疏性，所述特征圖像經(jīng)過第四個max-pooling層后進而進入兩個全連接層以及與所述全連接層連接的ReLU層和dropout層；

dropout層通過訓練時，隨機讓卷積神經(jīng)網(wǎng)絡(luò)某些隱含層節(jié)點的權(quán)重不工作，dropout層之后依次連接一個全連接層和SoftmaxWithLoss層，最后一個全連接層輸出所述人臉圖像的得分情況，將得分輸入到最后一層SoftmaxWithLoss層，得到屬于視頻造假和真人的概率以及該次迭代的損失。

2.根據(jù)權(quán)利要求1所述的視頻造假卷積神經(jīng)網(wǎng)絡(luò)訓練方法，其特征在于，每一個所述卷積層和ReLU層之間均依次連接一個BatchNorm層和一個Scale層，所述BatchNorm層將神經(jīng)元的輸出規(guī)范化到均值為0，方差為1，所述Scale層逆轉(zhuǎn)所述BatchNorm層對特征的破壞。

3.根據(jù)權(quán)利要求1所述的視頻造假卷積神經(jīng)網(wǎng)絡(luò)訓練方法，其特征在于，所述構(gòu)建訓練集的步驟包括：

按照預(yù)定比例構(gòu)建訓練集和驗證集，所述訓練集和驗證集均包括視頻造假視頻和真人視頻。

4.根據(jù)權(quán)利要求1所述的視頻造假卷積神經(jīng)網(wǎng)絡(luò)訓練方法，其特征在于，所述對裁剪后出人臉圖像進行歸一化處理的步驟包括：

對裁剪后出人臉圖像歸一化到256×256像素。

5.根據(jù)權(quán)利要求1所述的視頻造假卷積神經(jīng)網(wǎng)絡(luò)訓練方法，其特征在于，所述輸入層包含RGB三個通道，大小為256×256，將訓練集分為1000個batch，每個batch大小為128，所述特定像素的圖像的像素為227×227。

6.根據(jù)權(quán)利要求1-5任一項所述的視頻造假卷積神經(jīng)網(wǎng)絡(luò)訓練方法，其特征在于，所述第一個卷積層包括96個卷積核，每個卷積核的大小為7×7，卷積操作的步長為2，經(jīng)過第一個卷積層后得到96個像素為111×111的特征圖像，經(jīng)過第一個max-pooling層后，得到96個像素為55×55的特征圖像，所述第一個max-pooling層的大小為3×3，步長為2。