人脸图像的异常检测方法、装置、介质及设备制造方法及图纸

本申请实施例提供一种人脸图像的异常检测方法、装置、介质及设备，该方法包括：获取同一目标用户在预设时间段内录入的多张关键人脸图像；基于多张关键人脸图像构建具有关联关系的连通图数据；将连通图数据输入特征提取模型进行聚合特征得到经连通图数据中所有邻居节点数据间进行数据信息的传递与聚合计算后的第一输出结果；将第一输出结果输入图像分类器中进行分类计算操作得到第二输出结果；根据第二输出结果判断多张关键人脸图像中是否存在异常人脸图像。利用本申请实施例能够准确地筛查、分类、判别出为“翻拍”类黑色产业人脸识别攻击的人脸识别事后记录。别攻击的人脸识别事后记录。别攻击的人脸识别事后记录。

【技术实现步骤摘要】
人脸图像的异常检测方法、装置、介质及设备


[0001]本申请涉及电子通信
，尤其涉及一种数据更新
，特别涉及一种人脸图像的异常检测方法、装置、介质及设备。

技术介绍

[0002]随着技术的不断发展，人脸识别的应用场景越来越广泛，但同时网络黑色产业利用假人脸完成线上人脸识别造成客户损失的例子司空见惯。因此在各种业务场景下人脸识别的过程中对客户真实性、安全性和可信度的成了至关重要的问题。在市场中存在较多的活体识别产品，但目前这些产品都存在着较明显的不足，主要体现在只利用了人脸二维的信息，让有意图攻击人脸识别系统的人能够利用有权限的用户照片做伪装骗过人脸识别系统，进而开展违法犯罪行为。

技术实现思路

[0003]本申请实施例提供一种人脸图像的异常检测方法、装置、介质及设备，利用本申请实施例提供的人脸图像的异常检测方法，通过基于每个客户的多次人脸识别事后记录数据来构建“多次人脸识别事后记录相似度连通图数据”，进而将其输入构建好的图像分类器中，利用黑色产业攻击的人脸识别记录“节点”数据的特征与该客户其余大部分正常的人脸识别记录“节点”数据的特征存在较大的差异性的特点，根据输出结果即可准确地筛查、分类、判别出为“翻拍”类黑色产业人脸识别攻击的人脸识别事后记录。
[0004]本申请实施例一方面提供了一种人脸图像的异常检测方法，所述人脸图像的异常检测方法包括：
[0005]获取同一目标用户在预设时间段内录入的多张关键人脸图像；
[0006]基于所述多张关键人脸图像构建具有关联关系的连通图数据；
[0007]将所述连通图数据输入训练好的特征提取模型进行聚合特征提取操作，得到经连通图数据中所有邻居节点数据间进行数据信息的传递与聚合计算后的第一输出结果；
[0008]将所述第一输出结果输入图像分类器中进行分类计算操作，得到第二输出结果；
[0009]根据所述第二输出结果判断所述多张关键人脸图像中是否存在异常人脸图像。
[0010]在本申请实施例所述的人脸图像的异常检测方法中，所述连通图数据包括节点数据及边数据，其中，所述节点数据用于存储用户信息及关键人脸图像，所述边数据用于存储邻居节点数据对应的关键人脸图像之间的相似度值。
[0011]在本申请实施例所述的人脸图像的异常检测方法中，所述获取同一目标用户在预设时间段内录入的多张关键人脸图像，包括：
[0012]获取同一目标用户在预设时间段内录入的多张原始人脸图像；
[0013]分别获取各张所述原始人脸图像的中心区域，根据所述中心区域对各张所述原始人脸图像进行裁剪，得到裁剪后的保留中心区域的人脸图像；
[0014]对所述保留中心区域的人脸图像进行角度纠正操作，得到纠正后的关键人脸图
像。
[0015]在本申请实施例所述的人脸图像的异常检测方法中，所述将所述第一输出结果输入图像分类器中进行分类计算操作，得到第二输出结果，包括：
[0016]将所述第一输出结果输入训练好的节点分类模型中，通过所述节点分类模型的图像分类器进行分类计算操作，得到用于确定所述连通图数据中各个节点数据存储的人脸图像是否为异常人脸图像的第二输出结果。
[0017]在本申请实施例所述的人脸图像的异常检测方法中，所述通过所述节点分类模型的图像分类器进行分类计算操作基于预设的第一计算公式进行，所述第一计算公式：
[0018]rv
i
＝Θ
cls
(LeakyReLU(v.
i
))
[0019]其中，rv
i
表示所述连通图数据中各个节点数据存储的人脸图像是否为异常人脸图像；Θ
cls
表示全连接层仿射变换网络；LeakyReLU表示激活函数；v
.i
表示所述所述连通图数据中任意节点数据对应的数据特征，即第一输出结果，v
i
表示所述连通图数据中任意节点数据。
[0020]在本申请实施例所述的人脸图像的异常检测方法中，所述将所述第一输出结果输入图像分类器中进行分类计算操作，得到第二输出结果，包括：
[0021]将所述第一输出结果输入训练好的节点分类模型中，通过所述节点分类模型的第一图像分类器进行分类计算操作，输出与所述连通图数据中各个节点数据对应的第一概率值，所述第一概率值用于指示所述连通图数据中各个节点数据存储的人脸图像是否为异常人脸图像；
[0022]将所述第一输出结果输入训练好的图分类模型中，通过所述图分类模型的第二图像分类器进行分类计算操作，输出与所述第一输出结果对应的第二概率值，所述第二概率值用于指示所述连通图数据中是否存在存储有异常人脸图像的节点数据；
[0023]将所述第二概率值与所述第一概率值进行加权计算得到综合概率值；
[0024]根据所述综合概率值与预设阈值的差值大小得到第二输出结果。
[0025]在本申请实施例所述的人脸图像的异常检测方法中，所述通过所述图分类模型的第二图像分类器进行分类计算操作基于预设的第二计算公式进行，所述第二计算公式：
[0026]rg＝W
cls
(LeakyReLU(sv
g
))
[0027][0028]其中，rg表示所述连通图数据中是否存在存储有异常人脸图像的节点数据；W
cls
表示全连接层变换计算网络；LeakyReLU表示激活函数；sv
g
表示融合所述连通图数据中所有节点数据对应的特征数据得到的融合特征数据；
[0029]表示融合特征数据的融合过程；G
simi
表示所述连通图数据。
[0030]相应的，本申请实施例另一方面还提供了一种人脸图像的异常检测装置，所述人脸图像的异常检测装置包括：
[0031]获取模块，用于获取同一目标用户在预设时间段内录入的多张关键人脸图像；
[0032]构建模块，用于基于所述多张关键人脸图像构建具有关联关系的连通图数据；
[0033]提取模块，用于将所述连通图数据输入训练好的特征提取模型进行聚合特征提取操作，得到经连通图数据中所有邻居节点数据间进行数据信息的传递与聚合计算后的第一
输出结果；
[0034]计算模块，用于将所述第一输出结果输入图像分类器中进行分类计算操作，得到第二输出结果；
[0035]判断模块，用于根据所述第二输出结果判断所述多张关键人脸图像中是否存在异常人脸图像。
[0036]相应的，本申请实施例另一方面还提供了一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行如上所述的人脸图像的异常检测方法。
[0037]相应的，本申请实施例另一方面还提供了一种终端设备，包括处理器和存储器，所述存储器存储有多条指令，所述处理器加载所述指令以执行如上所述的人脸图像的异常检测方法。
[0038]本申请实施例提供了一种人脸图像的异常检测方法、装置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸图像的异常检测方法，其特征在于，包括：获取同一目标用户在预设时间段内录入的多张关键人脸图像；基于所述多张关键人脸图像构建具有关联关系的连通图数据；将所述连通图数据输入训练好的特征提取模型进行聚合特征提取操作，得到经连通图数据中所有邻居节点数据间进行数据信息的传递与聚合计算后的第一输出结果；将所述第一输出结果输入图像分类器中进行分类计算操作，得到第二输出结果；根据所述第二输出结果判断所述多张关键人脸图像中是否存在异常人脸图像。2.如权利要求1所述的异常检测方法，其特征在于，所述连通图数据包括节点数据及边数据，其中，所述节点数据用于存储用户信息及关键人脸图像，所述边数据用于存储邻居节点数据对应的关键人脸图像之间的相似度值。3.如权利要求1所述的异常检测方法，其特征在于，所述获取同一目标用户在预设时间段内录入的多张关键人脸图像，包括：获取同一目标用户在预设时间段内录入的多张原始人脸图像；分别获取各张所述原始人脸图像的中心区域，根据所述中心区域对各张所述原始人脸图像进行裁剪，得到裁剪后的保留中心区域的人脸图像；对所述保留中心区域的人脸图像进行角度纠正操作，得到纠正后的关键人脸图像。4.如权利要求1所述的异常检测方法，其特征在于，所述将所述第一输出结果输入图像分类器中进行分类计算操作，得到第二输出结果，包括：将所述第一输出结果输入训练好的节点分类模型中，通过所述节点分类模型的图像分类器进行分类计算操作，得到用于确定所述连通图数据中各个节点数据存储的人脸图像是否为异常人脸图像的第二输出结果。5.如权利要求4所述的异常检测方法，其特征在于，所述通过所述节点分类模型的图像分类器进行分类计算操作基于预设的第一计算公式进行，所述第一计算公式：rv
i
＝Θ
cls
(LeakyReLU(v.
i
))其中，rv
i
表示所述连通图数据中各个节点数据存储的人脸图像是否为异常人脸图像；Θ
cls
表示全连接层仿射变换网络；LeakyReLU表示激活函数；v
.i
表示所述所述连通图数据中任意节点数据对应的数据特征，即第一输出结果，v
i
表示所述连通图数据中任意节点数据。6.如权利要求1所述的异常检测方法，其特征在于，所述将所述第一输出结果输入图像分类器中进行分类计算操作，得到...

【专利技术属性】
技术研发人员：周柱君，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：