大數(shù)據(jù)下基于dwt-dct水印的抗遮擋攻擊人臉識(shí)別的制作方法
【專利摘要】本發(fā)明公開(kāi)了一種大數(shù)據(jù)下基于DWT-DCT水印的抗遮擋攻擊人臉識(shí)別方法，分水印嵌入和水印提取兩大部分，在水印提取部分，同時(shí)實(shí)現(xiàn)了人臉識(shí)別；步驟如下，水印的嵌入：一)先對(duì)所有原始人臉進(jìn)行小波變換，再對(duì)其近似系數(shù)進(jìn)行全局DCT變換，求得特征向量；二)將每個(gè)人臉的水印與該人臉的特征向量通過(guò)密碼學(xué)哈希函數(shù)相關(guān)聯(lián)；水印提取：三)求取待測(cè)人臉特征向量，并得到待測(cè)人臉和原始人臉特征向量相關(guān)系數(shù)最大值，并根據(jù)該值求得對(duì)應(yīng)的人臉序號(hào)，完成人臉的識(shí)別、并獲得對(duì)應(yīng)的嵌入的水印；四)利用待測(cè)人臉的特征向量，進(jìn)行水印提取，并計(jì)算出水印的相關(guān)系數(shù)。該人臉識(shí)別方法不需進(jìn)行樣本訓(xùn)練，適合于大數(shù)據(jù)；并可以抗遮擋、光照等攻擊。
【專利說(shuō)明】大數(shù)據(jù)下基于DWT-DCT水印的抗遮擋攻擊人臉識(shí)別
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種多媒體信號(hào)處理領(lǐng)域，具體涉及大數(shù)據(jù)下基于DWT-DCT水印的抗遮擋攻擊人臉識(shí)別。
技術(shù)背景
[0002]人臉識(shí)別技術(shù)作為一種有效的生物特征識(shí)別技術(shù)，近40年來(lái)日益得到工業(yè)界和學(xué)術(shù)界的重視。由于人臉識(shí)別技術(shù)具有高可接受，自然性，不易被人察覺(jué)等優(yōu)勢(shì)，因此其在娛樂(lè)、犯罪調(diào)查、門禁系統(tǒng)、軍事等方面有較大用途。
[0003]目前人臉識(shí)別的方法主要是基于PCA、神經(jīng)網(wǎng)絡(luò)、SVM等機(jī)器學(xué)習(xí)方法，由于要進(jìn)行訓(xùn)練學(xué)習(xí)，當(dāng)樣本數(shù)較大，在大數(shù)據(jù)環(huán)境下，學(xué)習(xí)的時(shí)間較長(zhǎng)，并且目前的人臉識(shí)別方法對(duì)于光照變化，表情變化或遮罩等比較敏感，因此如何解決在大數(shù)據(jù)環(huán)境下，抗光照變化、表情變化或遮罩等攻擊的人臉識(shí)別方法意義重大。[0004]數(shù)字水印技術(shù)最初是用于互聯(lián)網(wǎng)上的數(shù)字媒體的版權(quán)保護(hù)，其重要特性為魯棒性和不可見(jiàn)性；本發(fā)明可以把人的簽名或ID號(hào)等作為水印隱藏在其對(duì)應(yīng)的人臉圖像中，利用水印的魯棒特性實(shí)現(xiàn)人臉識(shí)別算法，實(shí)驗(yàn)證明該算法特別對(duì)光照、遮擋等攻擊具有較好的魯棒性。目前對(duì)于基于大數(shù)據(jù)環(huán)境下，抗光照、遮擋攻擊的人臉識(shí)別方法研究的較少，因此研究大數(shù)據(jù)下基于DWT-DCT水印的抗遮擋攻擊人臉識(shí)別方法，有較大的意義。

【發(fā)明內(nèi)容】

[0005]發(fā)明目的:本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)現(xiàn)有技術(shù)的不足，提供高速、高魯棒性的人臉識(shí)別算法。具體公開(kāi)了一種大數(shù)據(jù)下基于DWT-DCT水印的抗遮擋攻擊人臉識(shí)別方法，是一種零水印方案，水印的嵌入不影響原始的人臉圖像。
[0006]為了實(shí)現(xiàn)上述目的，本發(fā)明是這樣進(jìn)行的:先對(duì)人臉圖像進(jìn)行小波變換得到“近似系數(shù)”和“細(xì)節(jié)系數(shù)”，根據(jù)小波原理可知?！敖葡禂?shù)”代表人臉圖像的低頻特性，反映的是人臉圖像的主要輪廓；“細(xì)節(jié)系數(shù)”代表人臉圖像的高頻特性，反映的是人臉圖像的細(xì)節(jié)信息。由于小波變換本身的抗幾何攻擊能力比較差，為此，我們先對(duì)人臉圖像進(jìn)行小波變換(DffT)，然后在對(duì)反映低頻特性的“近似系數(shù)”進(jìn)行全局余弦變換(DCT)，在DCT變換系數(shù)中，提取一個(gè)特征向量，尋找一個(gè)抗遮擋攻擊的特征向量，并將水印序列與該特征向量相關(guān)聯(lián)實(shí)現(xiàn)水印的嵌入；然后對(duì)于待測(cè)圖像，首先計(jì)算出其特征向量，然后計(jì)算待測(cè)圖像和原始圖像的特征向量的相關(guān)系數(shù)，利用相關(guān)系數(shù)最大值，實(shí)現(xiàn)人臉的檢測(cè)；并實(shí)現(xiàn)了水印的提取。
[0007]現(xiàn)對(duì)本發(fā)明的方法進(jìn)行詳細(xì)說(shuō)明如下:
[0008]首先選擇一個(gè)有意義的二值序列作為水印要嵌入人臉圖像中，記為W=(w(j) |w(j) = 0，I ;1≤i≤L};同時(shí)，選取設(shè)F為原始人臉圖像，表示:F ={f(i, j) |f(i, j) e R;1≤i≤Ml，I≤j≤NI}。其中，f(i，j)表示原始人臉的像素值。
[0009]第一部分:水印的嵌入
[0010]I)通過(guò)對(duì)每個(gè)原始人臉圖像F(η)進(jìn)行小波變換，然后對(duì)近似系數(shù)進(jìn)行全局DCT變換，得到原始圖像的特征向量集合V(n)；
[0011]先依次對(duì)每個(gè)原始人臉圖像F(η)進(jìn)行L級(jí)小波分解獲得逼近子圖系數(shù)F\(i，j)。由于小波分解級(jí)數(shù)越高，占用的分解時(shí)間便會(huì)越長(zhǎng)，因此智能防偽的疏散發(fā)耗時(shí)會(huì)長(zhǎng)。在此，我們選用L= I。然后對(duì)逼近子圖F\(i，j)進(jìn)行全局DCT變換，得到DWT-DCT系數(shù)矩陣FD (i, j)，，在DffT-DCT系數(shù)矩陣FD (i, j)中選取前8X8個(gè)系數(shù)FD8(i, j)，然后再對(duì)選取出的系數(shù)矩陣FD8(i，j)進(jìn)行二值化處理，當(dāng)系數(shù)大于或等于零時(shí)取1，小于O是取零，得到特征向量V，主要過(guò)程描述如下:
[0012]FAl(i,j) =DWT2(F(i, j))
[0013]FD8(i,j) =DCT2(FAL(i, j))
[0014]V(n) = BINARY(FD8(i, j))
[0015]2)利用密碼學(xué)HASH函數(shù)，生成含水印信息的二值密鑰序列Key (η)，實(shí)現(xiàn)零水印的嵌入；
[0016]Key (η) = V (η) ? W (η)
[0017]這里，1 ^ η?^Ν,Ν為所有人臉的個(gè)數(shù)；Key(n)是由所有原始圖像的特征向量V(n)和對(duì)應(yīng)的數(shù)字水印W(η)，通過(guò)密碼學(xué)常用的Hash函數(shù)生成；W(n)由長(zhǎng)度為64bit的隨機(jī)序列組成；保存Key (η)，在下面提取水印時(shí)要用到；通過(guò)將Key (η)作為密鑰向第三方申請(qǐng)，以獲得人臉圖像的使用權(quán)和所有權(quán)；
[0018]第二部分:人臉的識(shí)別和水印的提取
[0019]3)求出待測(cè)人臉F’的特征向量V’ ；
[0020]設(shè)待測(cè)人臉為F’ (i, j)，經(jīng)過(guò)小波變換(DWT)，再對(duì)近似系數(shù)進(jìn)行全局DCT變換后得到DWT-DCT系數(shù)矩陣為FD’ (i, j)，按上述Stepl的方法，求得待測(cè)圖像的視覺(jué)特征向量V，;
[0021]FAL’(i，j) = DWT2(F，(i，j))
[0022]FD8，(i, j) = DCT2(FAl’ (i, j))
[0023]V’ = BINARY(FD8，(i, j))
[0024]4)計(jì)算待測(cè)人臉的特征向量V’與N個(gè)原始人臉的V(n)的相關(guān)系數(shù)NC(η)，進(jìn)行人臉的識(shí)別；
[0025]求出V’與V (η)的相關(guān)系數(shù)最大值所對(duì)應(yīng)的η值，設(shè)n = k ;根據(jù)k值可以得到密鑰Key (k)、得到原始人臉圖像為F(k)和嵌入在F(k)的水印值W(k);計(jì)算特征向量的歸一化相關(guān)系數(shù)公式如下:
[0026]
【權(quán)利要求】
1.大數(shù)據(jù)下基于DWT-DCT水印的抗遮擋攻擊人臉識(shí)別方法，其特征在于:先對(duì)原始人臉進(jìn)行小波變換，對(duì)近似系數(shù)進(jìn)行DCT變換，在DWT-DCT系數(shù)矩陣中選取前8x8系數(shù)作為特征向量，然后將水印信息和特征向量相關(guān)聯(lián)，實(shí)現(xiàn)水印的嵌入；然后對(duì)于待測(cè)人臉，求出其特征向量，在計(jì)算出待測(cè)人臉與所有人臉特征向量的相關(guān)系數(shù)，求出相關(guān)系數(shù)最大值，根據(jù)該值得到識(shí)別的人臉圖像、嵌入的水??；然后再根據(jù)待測(cè)圖像的特征向量，提取出水印，求出水印相關(guān)系數(shù)；實(shí)現(xiàn)數(shù)字水印的嵌入與提取和人臉的識(shí)別；該發(fā)明包括水印嵌入和提取兩大部分，其中水印的提取時(shí)，實(shí)現(xiàn)了人臉識(shí)別，共計(jì)六個(gè)步驟: 第一部分:水印的嵌入 1)通過(guò)對(duì)每個(gè)原始人臉圖像F(η)進(jìn)行小波變換，然后對(duì)近似系數(shù)進(jìn)行全局DCT變換，得到原始圖像的特征向量集合V(n)； 先依次對(duì)每個(gè)原始人臉圖像F(n)進(jìn)行L級(jí)小波分解獲得逼近子圖系數(shù)？\(1，j)；由于小波分解級(jí)數(shù)越高，占用的分解時(shí)間便會(huì)越長(zhǎng)，在此，我們選用L = 1，然后對(duì)逼近子圖FAji，j)進(jìn)行全局DCT變換，得到DWT-DCT系數(shù)矩陣FD(i，j)，，在DWT-DCT系數(shù)矩陣FD(i, j)中選取前8X8個(gè)系數(shù)FD8 (i，j)，然后再對(duì)選取出的系數(shù)矩陣FD8 (i，j)進(jìn)行二值化處理，當(dāng)系數(shù)大于或等于零時(shí)取1，小于O是取零，得到特征向量V，主要過(guò)程描述如下:
FAl(i，j) = DWT2(F(i, j))
FD8(i，j) = DCT2(FAL(i, j))
V(n) = BINARY (FD8 (i，j)) 2)利用密碼學(xué)HASH 函數(shù)，生成含水印信息的二值密鑰序列Key(η)，實(shí)現(xiàn)零水印的嵌A ；
Key (η) = V (n) ? W (η) Key (η)是由所有原始圖像的特征向量V(n)和對(duì)應(yīng)的η個(gè)數(shù)字水印W(n)，通過(guò)密碼學(xué)常用的Hash函數(shù)生成；這里W(n)由長(zhǎng)度為64bit的二值隨機(jī)序列組成；保存Key (η)，在下面提取水印時(shí)要用到；通過(guò)將Key (η)作為密鑰向第三方申請(qǐng)，以獲得人臉圖像的使用權(quán)和所有權(quán)； 第二部分:人臉的識(shí)別和水印的提取 3)求出待測(cè)人臉F’的特征向量V’； 設(shè)待測(cè)人臉為F’，經(jīng)過(guò)小波變換(DWT)，再對(duì)近似系數(shù)進(jìn)行全局DCT變換后得到DWT-DCT系數(shù)矩陣為FD’(i，j)，按上述I)的方法，求得待測(cè)圖像的視覺(jué)特征向量V’ ；
FAl’(i，j) =DWT2(F，(i，j))
FD8，(i，j) =DCT2(FAl’(i，j))
V’ = BINARY (FD8J (i，j)) 4)計(jì)算待測(cè)人臉的特征向量V’與原始人臉的特征向量V(n)的相關(guān)系數(shù)NC(n)，進(jìn)行人臉的識(shí)別； 計(jì)算V’與V (η)的相關(guān)系數(shù)最大值所對(duì)應(yīng)的η值，設(shè)n = k ;根據(jù)k值可以得到密鑰Key (k)、識(shí)別出原始人臉圖像為F(k)和嵌入在F(k)的水印值W(k)，計(jì)算特征向量的歸一化相關(guān)系數(shù)公式如下:
【文檔編號(hào)】G06K9/00GK103984933SQ201410229773
【公開(kāi)日】2014年8月13日 申請(qǐng)日期:2014年5月29日 優(yōu)先權(quán)日:2014年5月29日
【發(fā)明者】李京兵, 杜文才, 魏應(yīng)彬, 沈重, 張永輝 申請(qǐng)人:海南大學(xué)