一种基于面部补丁映射的人脸图像真伪识别方法

1.一种基于面部补丁映射的人脸图像真伪识别方法，其特征在于，包括以下步骤：步骤1，使用Opencv的CascadeClassifier级联分类器获取人脸数据信息，从所述人脸数据信息中转换出单帧图像序列，对所述单帧图像序列进行面部检测，裁剪出人脸区域图像；步骤2，在所述的人脸区域图像中提取局部补丁，包括眼睛眉毛补丁、左脸颊补丁、右脸颊补丁，鼻子补丁和嘴巴下颚补丁；步骤3，将所述的局部补丁分别映射到卷积神经网络的不同卷积层来获得相应位置和大小的特征图；步骤4，采用RoiAlign模块将所述的特征图由不同尺寸大小转换为固定尺寸大小的特征图；步骤5，利用所述的固定尺寸大小的特征图训练二分类模型，采用局部投票的方式整合局部补丁的二分类判别结果，获得人脸图像真伪的识别结果；其中，步骤3中所述的卷积神经网络采用在ImageNet上预训练的ResNet-50作为骨干网络，ResNet-50由5组卷积单元组成，分别用Conv_1-Conv_5表示；分别将所述的眼睛眉毛补丁、左脸颊补丁、右脸颊补丁，鼻子补丁和嘴巴下颚补丁输入ResNet-50，获得所述的局部补丁对应的特征图，分别表示为f A 、f B 、f C 、f D 和f E ，其中，所述的眼睛眉毛补丁、左脸颊补丁和嘴巴下颚补丁对应的特征图f A 、f B 和f E 提取自同一卷积单元S1，右脸颊补丁和鼻子补丁对应的特征图f C 和f D 提取自同一卷积单元S2，其中，S1和S2分别为Conv_1-Conv_5 中的任一单元；其中，在步骤2的提取局部补丁的过程中，对局部补丁图像进行部分扩展，具体包括如下步骤：步骤201，采用人脸定位网络监测到M个面部标志点，根据所述的面部标志点确定各个局部补丁的位置信息；步骤202，对所述的眼睛眉毛补丁分别向上和向下扩展N 11 和N 12 个像素，对所述的左脸颊补丁分别向左和向右扩展N 21 和N 22 个像素,对所述的右脸颊补丁分别向左和向右扩展N 31 和N 32 个像素，对所述的鼻子补丁分别向左和向右扩展N 41 和N 42 个像素，对所述的嘴巴下颚补丁分别向上和向下扩展N 51 和N 52 个像素；步骤203，将扩展之后的局部补丁图像作为局部补丁。 2.根据权利要求1所述的一种基于面部补丁映射的人脸图像真伪识别方法，其特征在于，步骤5中所述的二分类模型包括三个全连接层，使用Softmax函数将前序层的输出映射到0-1范围内的类概率，Softmax函数的定义如下：其中，V i 代表第三个全连接层中每个节点的输出，i代表类别索引，S i 代表第i类的概率；所述的二分类模型在训练时使用二元交叉熵作为损失函数，表示为：其中，y j 和p j 分别表示局部补丁j的标签和预测为真实类别的概率，N为总的样本数量；所述的局部投票的方式采取少数服从多数原则，通过对五个局部补丁的预测结果来确定整个人脸图像的真伪识别结果。 3.根据权利要求1所述的一种基于面部补丁映射的人脸图像真伪识别方法，其特征在于，所述的S1为Conv_4，所述的S2为Conv_5。 4.根据权利要求1所述的一种基于面部补丁映射的人脸图像真伪识别方法，其特征在于，所述的M为68，所述的N 11 为20，N 12 为10，N 21 为20，N 22 为10,N 31 为20，N 32 为10，N 41 、N 42 、N 51 和N 52 均为0，即鼻子补丁和嘴巴下颚补丁无扩展。 5.根据权利要求1所述的一种基于面部补丁映射的人脸图像真伪识别方法，其特征在于，步骤4中的固定尺寸大小为2×2。