【技术实现步骤摘要】
本专利技术涉及数据安全，尤其涉及一种基于双流多尺度特征融合的身份合法性检测方法及装置。
技术介绍
1、随着技术的发展和数字化证件的普及，许多业务场景需要核实身份，以进行相关业务的办理，而身份信息，譬如姓名、证件号码、人像等关键信息容易被篡改，尤其在一些高风险行业和领域，例如金融、航空、公共安全、执法等领域，伪造的身份信息可能存在重大的安全风险，导致经济损失或犯罪活动，因此，需要进行有效的身份信息检测。
2、目前，身份合法性检测方法主要是通过神经网络模型对图像中的像素点集进行分割，进而对其检测，以确定身份信息是否为伪造。然而，这种分割方式中存在较高的虚警率，容易造成误报的情况。
技术实现思路
1、本专利技术提供一种基于双流多尺度特征融合的身份合法性检测方法及装置，用以解决现有技术中身份篡改造成风险和损失的缺陷，实现准确检测伪造身份信息，从而有效预防和打击非法使用他人身份信息或虚假身份信息的行为。
2、本专利技术提供一种基于双流多尺度特征融合的身份合法性检测方法，包括：获取用户身份图像；其中，所述用户身份图像包括用户图像和用户身份信息；将所述用户身份图像输入至身份合法性检测模型中，得到所述身份合法性检测模型输出的合法性检测结果；其中，所述身份合法性检测模型是利用身份训练图像和所述身份训练图像对应的身份标签训练得到的；所述身份合法性检测模型用于对输入的用户身份图像进行噪声提取，得到噪声图像，并利用至少两级双流特征卷积融合层所述用户身份图像和所述噪声图像进行双流特征
3、根据本专利技术提供的一种基于双流多尺度特征融合的身份合法性检测方法，所述身份合法性检测模型，包括噪声图像提取层、至少两级双流特征卷积融合层、多尺度特征融合层和身份合法性分类层，其中：所述噪声图像提取层，对输入的用户身份图像进行卷积，得到噪声图像；所述双流特征卷积融合层，基于输入的用户身份图像和所述噪声图像，进行双流特征提取并融合，以及对融合得到的单尺度融合特征进行双流注意力提取，得到对应双流注意力特征；下一级双流特征卷积融合层，基于在先一级双流特征卷积融合层进行双流特征提取得到的双流特征和对应双流注意力特征，进行双流特征提取并融合，以及对融合得到的单尺度融合特征进行双流注意力提取；所述多尺度特征融合层，基于所有双流特征卷积融合层得到的融合特征，进行多尺度特征融合，得到多尺度融合特征；所述身份合法性分类层，根据所述多尺度融合特征进行合法性身份分类，得到合法性检测结果。
4、根据本专利技术提供的一种基于双流多尺度特征融合的身份合法性检测方法，所述双流特征卷积融合层，包括像素流卷积子层、噪声流卷积子层和双流特征融合子层，其中：所述像素流卷积子层，对输入的用户身份图像进行卷积，或对先一级双流特征卷积融合层得到的双流特征中的像素流特征和得到的双流注意力特征中的像素流注意力特征进行卷积；所述噪声流卷积子层，对所述噪声图像进行卷积，或对在先一级双流特征卷积融合层得到的双流特征中的噪声流特征和得到的双流注意力特征中的噪声流注意力特征进行卷积；所述双流特征融合子层，将所述像素流卷积子层卷积得到的像素流特征和所述噪声流卷积子层卷积得到的噪声流特征进行特征融合，并对融合得到的融合特征进行双流注意力提取，得到对应像素流注意力特征和噪声流注意力特征。
5、根据本专利技术提供的一种基于双流多尺度特征融合的身份合法性检测方法，所述将所述像素流卷积子层卷积得到的像素流特征和所述噪声流卷积子层卷积得到的噪声流特征进行特征融合，包括：将所述像素流卷积子层卷积得到的像素流特征和所述噪声流卷积子层卷积得到的噪声流特征进行特征融合，得到初始融合特征；对所述初始融合特征进行分组卷积，以及对所述初始融合特征进行点卷积，并将分组卷积得到的特征与点卷积得到的特征进行融合，得到融合特征；
6、对所述融合特征进行双流注意力提取，包括：基于预设分割算法，对所述融合特征进行分割，得到第一分割特征和第二分割特征；根据所述第一分割特征和所述第二分割特征，利用预设扩展算法，得到对应像素流注意力特征和噪声流注意力特征。
7、根据本专利技术提供的一种基于双流多尺度特征融合的身份合法性检测方法，所述基于所有双流特征卷积融合层输出的融合特征，进行多尺度特征融合，得到多尺度融合特征，包括：根据最后一级双流特征卷积融合层输出的融合特征的尺度大小，对在先于所述最后一级双流特征卷积融合层的所有双流特征卷积融合层输出的融合特征分别进行尺度缩放处理，得到同一尺度的多个融合特征；将所有同一尺度的融合特征进行特征融合，得到多尺度融合特征。
8、根据本专利技术提供的一种基于双流多尺度特征融合的身份合法性检测方法，所述身份合法性分类层，包括：层归一化子层，对所述多尺度融合特征进行归一化处理；多头注意力子层，对归一化处理后的多尺度融合特征进行多头注意力检测，得到多头注意力检测结果；线性层子层，基于所述多头注意力检测结果进行分类，得到合法性检测结果。
9、根据本专利技术提供的一种基于双流多尺度特征融合的身份合法性检测方法，训练所述身份合法性检测模型，包括：获取身份训练图像和所述身份训练图像对应的身份标签；将所述身份训练图像作为训练使用的输入数据，将所述身份训练图像对应的身份标签作为训练使用的标签，对待训练模型进行训练，得到用于检测用户身份合法性的身份合法性检测模型。
10、本专利技术还提供一种基于双流多尺度特征融合的身份合法性检测装置，包括：数据获取模块，获取用户身份图像；其中，所述用户身份图像包括用户图像和用户身份信息；身份合法性检测模块，将所述用户身份图像输入至身份合法性检测模型中，得到所述身份合法性检测模型输出的合法性检测结果；其中，所述身份合法性检测模型是利用身份训练图像和所述身份训练图像对应的身份标签训练得到的；所述身份合法性检测模型用于对输入的用户身份图像进行噪声提取，得到噪声图像，并利用至少两级双流特征卷积融合层所述用户身份图像和所述噪声图像进行双流特征提取融合，并对所有双流特征卷积融合层得到的融合特征进行多尺度特征融合并分类，得到合法性检测结果。
11、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于双流多尺度特征融合的身份合法性检测方法的步骤。
12、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于双流多尺度特征融合的身份合法性检测方法的步骤。
13、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于双流多尺度特征融合的身份合法性检测方法的步骤。
14、本专利技术提供的基于双流多尺度特征融合的身份合法性检测方法及装置，通过对用户身份图像进行噪声特征提取，得到噪声图像，从而利用至少两级流特征卷积融合层对噪声图本文档来自技高网...
【技术保护点】
1.一种基于双流多尺度特征融合的身份合法性检测方法，其特征在于，包括：
2.根据权利要求1所述的基于双流多尺度特征融合的身份合法性检测方法，其特征在于，所述身份合法性检测模型，包括噪声图像提取层、至少两级双流特征卷积融合层、多尺度特征融合层和身份合法性分类层，其中：
3.根据权利要求2所述的基于双流多尺度特征融合的身份合法性检测方法，其特征在于，所述双流特征卷积融合层，包括像素流卷积子层、噪声流卷积子层和双流特征融合子层，其中：
4.根据权利要求3所述的基于双流多尺度特征融合的身份合法性检测方法，其特征在于，所述将所述像素流卷积子层卷积得到的像素流特征和所述噪声流卷积子层卷积得到的噪声流特征进行特征融合，包括：
5.根据权利要求2所述的基于双流多尺度特征融合的身份合法性检测方法，其特征在于，所述基于所有双流特征卷积融合层输出的融合特征，进行多尺度特征融合，得到多尺度融合特征，包括：
6.根据权利要求2所述的基于双流多尺度特征融合的身份合法性检测方法，其特征在于，所述身份合法性分类层，包括：
7.根据权利要求1
8.一种基于双流多尺度特征融合的身份合法性检测装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于双流多尺度特征融合的身份合法性检测方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于双流多尺度特征融合的身份合法性检测方法的步骤。
...【技术特征摘要】
1.一种基于双流多尺度特征融合的身份合法性检测方法，其特征在于，包括：
2.根据权利要求1所述的基于双流多尺度特征融合的身份合法性检测方法，其特征在于，所述身份合法性检测模型，包括噪声图像提取层、至少两级双流特征卷积融合层、多尺度特征融合层和身份合法性分类层，其中：
3.根据权利要求2所述的基于双流多尺度特征融合的身份合法性检测方法，其特征在于，所述双流特征卷积融合层，包括像素流卷积子层、噪声流卷积子层和双流特征融合子层，其中：
4.根据权利要求3所述的基于双流多尺度特征融合的身份合法性检测方法，其特征在于，所述将所述像素流卷积子层卷积得到的像素流特征和所述噪声流卷积子层卷积得到的噪声流特征进行特征融合，包括：
5.根据权利要求2所述的基于双流多尺度特征融合的身份合法性检测方法，其特征在于，所述基于所有双流特征卷积融合层输出的融合特征，...
【专利技术属性】
技术研发人员：彭明莎，王贤良，孟凡军，郭雪松，
申请(专利权)人：北京海鑫智圣技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。