[發明專利]一種基于權重融合與特征選擇的雙流人臉反欺詐檢測方法

有效

• 申請號: 201910231686.8
• 申請日: 2019-03-26
• 公開（公告）號: CN109948566B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 宋曉寧;吳啟群
• 申請（專利權）人: 江南大學
• 主分類號: G06V40/40
• 分類號: G06V40/40;G06V40/16;G06V10/77;G06V10/771;G06V10/80;G06V10/82
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 王曉東

1.一種基于權重融合與特征選擇的雙流人臉反欺詐檢測方法，其特征在于：包括，

通過采集設備采集人臉圖片；

提取特征，并確定人臉標簽；

對特征進行融合；以及，

判斷人臉真假，并響應于顯示設備上；

其中，所述特征包括HSV像素特征、YCbCr像素特征、BSIF灰度特征和神經網絡卷積特征、LBP特征和HOG特征；

其中，所述融合區分為權重融合和分數級融合；

所述HSV像素特征、YCbCr像素特征、BSIF灰度特征和神經網絡卷積特征采用權重融合F，所述權重融合F采用如下公式計算；

其中，y為特征預測的人臉標簽矩陣，即y＝[y1，y2，y3，y4]，

其中，為最優權重，所述最優權重采用最小二乘法S(y)公式計算；

其中，S(y)＝||yw-Y||2

當時，S(y)取最小值：

對S(y)進行微分求最值，可得到：

其中，w為預測結果的權重矩陣，Y為人臉圖像的實際標簽矩陣；

所述提取HOG特征和LBP特征，并確定人臉標簽的步驟包括：

將RGB人臉圖轉化成灰度圖；

確定灰度圖的像素并計算梯度大小和方向，同時使用LBP算子對灰度人臉圖進行特征提取；

根據不同的方向計算直方圖和灰度直方圖的分別級聯；

提取HOG特征和LBP特征；

篩選特征；

利用支持向量機判斷該HOG特征和LBP特征的人臉標簽；

所述篩選特征采用方差選擇法和主成分分析法；

所述方差選擇法的計算公式如下：

其中，m為樣本數，n為特征的維數，m*n為特征矩陣，對于第j列的特征T，ti為第i個樣本第j列的特征，μ為第j列特征的均值，σ_j為第j列特征的方差。

2.如權利要求1所述的基于權重融合與特征選擇的雙流人臉反欺詐檢測方法，其特征在于：所述提取HSV像素特征和YCbCr像素特征，并確定人臉標簽的步驟包括：

將RGB人臉圖分別映射到HSV顏色空間和YCbCr顏色空間，并標準化RGB人臉圖；

提取HSV像素特征和YCbCr像素特征；

利用隨機森林判斷該HSV像素特征和YCbCr像素特征的人臉標簽分別為y1和y2；

其中，y1和y2均為1或0的列矩陣；

其中，HSV顏色空間為色調、飽和度、亮度顏色空間；

其中，所述YCbCr顏色空間為亮度、藍色分量、紅色分量顏色空間。

3.如權利要求2所述的基于權重融合與特征選擇的雙流人臉反欺詐檢測方法，其特征在于：所述提取BSIF灰度特征，并確定人臉標簽的步驟包括：

將RGB人臉圖轉成灰度圖像；

調整所述灰度圖像大小；

提取BSIF特征；

利用隨機森林判斷該BSIF特征的人臉標簽y3；

其中，所述y3為1或0的列矩陣。

4.如權利要求3所述的基于權重融合與特征選擇的雙流人臉反欺詐檢測方法，其特征在于：提取神經網絡卷積特征，并確定人臉標簽的步驟包括：

搭建一個包含5個卷積層的神經網絡；

標準化RGB人臉圖大小；

利用RGB人臉圖和平均人臉圖做差，得到的新人臉圖；

新人臉圖放入到神經網絡中進行卷積；

取出第四個卷積層的映射圖作為單張人臉圖的卷積特征；

將RGB人臉圖的卷積映射連接起來，得到神經網絡卷積特征；

利用隨機森林判斷該神經網絡卷積特征的人臉標簽y4；

其中，y4為1或0的列矩陣。

5.如權利要求4所述的基于權重融合與特征選擇的雙流人臉反欺詐檢測方法，其特征在于：所述LBP算子采用公式如下：

其中，(xc，yc)表示中心像素的坐標，像素值為gc，p表示以R為半徑，領域上像素的個數，gi表示領域像素。

6.如權利要求5任一所述的基于權重融合與特征選擇的雙流人臉反欺詐檢測方法，其特征在于：所述對特征進行融合采用分數級融合判斷真假。