大数据下基于变换域鲁棒水印的抗光照攻击人脸识别方法
【专利摘要】本发明公开了一种大数据下基于变换域鲁棒水印的抗光照攻击人脸识别方法，主要分水印嵌入和提取两大部分，在水印的提取部分，同时实现了人脸的识别；主要步骤如下，水印的嵌入：步骤一)首先对所有原始人脸进行全局DCT变换，求得特征向量；步骤二)将每个人脸的水印与该人脸的特征向量通过密码学哈希函数相关联；水印提取：步骤三)获取待测人脸的特征向量，求的待测人脸和原始人脸特征向量相关系数最大值，并根据该值对应的序号，完成人脸的识别、获得对应的嵌入的水印；步骤四)利用待测人脸的特征向量，进行水印提取，并计算出水印的相关系数。该人脸识别方法不需要提取进行样本训练，适合于大数据；并有较好的抗光照、遮挡等攻击。
【专利说明】大数据下基于变换域鲁棒水印的抗光照攻击人脸识别方法
【技术领域】
[0001]本发明涉及一种多媒体信号处理领域，具体涉及大数据下基于变换域鲁棒水印的抗光照攻击人脸识别方法。
技术背景
[0002]人脸识别技术作为一种有效的生物特征识别技术，近40年来日益得到工业界和学术界的重视。由于人脸识别技术具有高可接受，自然性，不易被人察觉等优势，因此其在娱乐、犯罪调查、门禁系统、军事等方面有较大用途。
[0003]目前人脸识别的方法主要是基于PCA、神经网络、SVM等机器学习方法，由于要进行训练学习，对于识别的样本较大，在大数据环境下，学习的时间较长，并且目前的人脸识别方法对于光照变化，表情变化或遮罩等比较敏感，因此如何解决在大数据环境下，抗光照变化、表情变化或遮罩等攻击的人脸识别方法意义重大。
[0004]数字水印技术最初是用于互联网上的数字媒体的版权保护，其重要特性为鲁棒性和不可见性；本发明可以把人的签名或ID号等作为水印隐藏在其对应的人脸图像中，利用水印的鲁棒特性实现人脸识别算法，特别对光照、遮挡等攻击具有较好的鲁棒性。目前对于基于大数据环境下，抗光照、遮挡攻击的人脸识别方法研究的较少，目前还没有看到公开的报道。因此研究基于 变换域的鲁棒水印技术实现大数据下抗光照攻击的人脸识别方法，有较大的意义。
【发明内容】
[0005]发明目的:本发明所要解决的技术问题是针对现有技术的不足，提供高速、高鲁棒性的人脸识别算法。具体公开了一种大数据下基于变换域鲁棒水印的抗光照攻击人脸识别方法，是一种零水印方案，水印的嵌入不影响原始的人脸图像。
[0006]本发明的基本原理是:首先对所有的人脸图像进行全局DCT变换；选取低频部分的前8x8个系数，然后在该系数中寻找一个抗光照攻击的特征向量，并将水印序列与该特征向量相关联实现水印的嵌入；然后对于待测图像，首先计算出其特征向量，然后计算待测图像和原始图像的特征向量的相关系数，利用相关系数最大值，实现人脸的检测；并实现了水印的提取。
[0007]现对本发明的方法进行详细说明如下:~2[0008]首先选择一个有意义的二值序列作为水印要嵌入人脸图像中，记为W=(w(j) |w(j) = 0，I ;1≤i≤L};同时，选取设F为原始人脸图像，表示:F ={f(i, j) |f(i, j) e R;1≤i≤Ml，I≤j≤NI}。其中，f(i，j)表示原始人脸的像素值。
[0009]第一部分:水印的嵌入
[0010]I)通过对所有原始人脸图像F(η)进行全局DCT变换，得到原始图像的特征向量集合 V(n)；
[0011]先对原始人脸图像F(n)进行全局DCT变换，在频率域的低频系数矩阵FD (i，j)中选取前8X8个系数FD8 (i, j)，然后再对选取出的系数矩阵FD8 (i, j)进行二值化处理，当系数大于或等于零时取1，小于O是取零，得到特征向量V，主要过程描述如下:
[0012]FD8(i,j) =DCT2(F(i, j))
[0013]V (η) = BINARY (FD8 (i, j))
[0014]2)利用密码学HASH函数，生成含水印信息的二值密钥序列Key (η)，实现零水印的嵌入；
[0015]Key (η) = V (η) ? W (η)
[0016]Key (η)是由所有原始图像的特征向量V(n)和对应的η个数字水印W(n),通过密码学常用的Hash函数生成；这里胃(11)由长度为64bit的随机序列组成；保存Key (η)，在下面提取水印时要用到；通过将Key(n)作为密钥向第三方申请，以获得人脸图像的使用权和所有权；
[0017]第二部分:人脸的识别和水印的提取
[0018]3)求出待测人脸F’的特征向量V’ ；
[0019]设待测人脸为F’，经过全局二维DCT变换后得到低频系数矩阵为FD’ (i, j)，按步骤I)对低频系数矩阵进行二值化处理，求出待测人脸的特征向量V’ ；
[0020]FD； (i, j) =DCT2(F' (i, j))
[0021]V’ = BINARY (FID，(i, j))
[0022]4)计算待测人脸的特征向量V’与原始人脸的V(n)的相关系数NC(η)，进行人脸的识别；
[0023]计算V’与V (η)的相关系数最大值所对应的η值，设n = k ;根据k值可以得到密钥Key (k)、识别出原始人脸图像为F(k)和嵌入在F(k)的水印值W(k)，计算特征向量的归一化相关系数公式如下:
【权利要求】
1.大数据下基于变换域鲁棒水印的抗光照攻击人脸识别方法，其特征在于:先对原始人脸进行全局DCT变换，在变化域选取前8x8系数做为特征向量，然后将水印信息和特征向量相关联，实现水印的嵌入；然后对于待测人脸，求出其特征向量，然后计算出待测人脸与所有人脸特征向量的相关系数，求出相关系数最大值，根据该值得到识别的人脸图像、嵌入的水印；然后根据待测图像的特征向量，提取出水印，求出水印相关系数；实现数字水印的嵌入与提取和人脸的识别；该发明包括水印嵌入和提取两大部分，共计六个步骤: 第一部分:水印的嵌入 1)通过对所有原始人脸图像F(η)进行全局DCT变换，得到原始图像的特征向量集合V (η)； 先对原始人脸图像F(n)进行全局DCT变换，在频率域的低频系数矩阵FD (i，j)中选取前8 X 8个系数FD8 (i, j)，然后再对选取出的系数矩阵FD8 (i, j)进行二值化处理，当系数大于或等于零时取1，小于O是取零，得到特征向量V，主要过程描述如下:
FD8(i，j) = DCT2(F(i, j))
V (η) = BINARY (FD8 (i，j)) 2)利用密码学HASH函数，生成含水印信息的二值密钥序列Key(η)，完成零水印的嵌 A ；
Key (η) = V (n) ? W (η) Key (η)是由所有原始图像的特征向量V(n)和对应的η个数字水印W(n)，通过密码学常用的Hash函数生成；这里W(n)由长度为64bit的随机序列组成；保存Key (η)，在下面提取水印时要用到；通过将Key(n)作为密钥向第三方申请，以获得人脸图像的使用权和所有权； 第二部分:人脸的识别和水印的提取 3)求出待测人脸的特征向量V’； 设待测人脸为F’，经过全局二维DCT变换后得到低频系数矩阵为FD’ (i, j)，按步骤I)对低频系数矩阵进行二值化处理，求出待测人脸的特征向量V’ ；
FD8, (i, j) = DCT2(F’ (i, j))
V’ = BINARY (FID，(i, j)) 4)计算待测人脸的特征向量V’与原始人脸的V(n)的相关系数NC(η)，进行人脸的识别； 计算V’与V (η)的相关系数最大值所对应的η值，设n = k ;根据k值可以得到密钥Key (k)、识别出原始人脸图像为F(k)和嵌入在F(k)的水印值W(k)，计算特征向量的归一化相关系数公式如下: NC=' , '
Σ ") 5)利用存在于第三方的二值逻辑密钥序列Key(k)和待测人脸的特征向量V’，提取出待测图像中的水印W’ ；
W，= Key (k) ? V， 6)计算W’和W(k)之间的相关系数；计算水印W和W’⑷的相关系数，求得待测图像的内 容。
【文档编号】G06K9/00GK103984932SQ201410229430
【公开日】2014年8月13日 申请日期:2014年5月29日 优先权日:2014年5月29日
【发明者】李京兵, 李雨佳, 杜文才, 白勇 申请人:海南大学