大数据下基于dft鲁棒水印的抗遮挡攻击人脸识别方法
【专利摘要】本发明公开了一种大数据下基于DFT鲁棒水印的抗遮挡攻击人脸识别方法，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DFT变换，在实部系数中求得特征向量；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进行样本训练，适合于大数据；并有较好的抗遮挡、光照等攻击。
【专利说明】大数据下基于DFT鲁棒水印的抗遮挡攻击人脸识别方法
【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遮挡攻击人脸识别方法。
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遮挡变化，表情变化或光照等比较敏感，因此如何解决在大数据环境下，抗遮挡变化、表情变化或光照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，特别对遮挡、光照等攻击具有较好的鲁棒性。目前对于基于大数据环境下，抗遮挡、光照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DFT的鲁棒水印技术实现大数据下抗遮挡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DFT鲁棒水印的抗遮挡攻击人脸识别方法，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DFT变换；选取低频部分的前8x8个系数的实部，然后在该系数的实部中寻找一个抗遮挡攻击的特征向量，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:
[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DFT变换，得到原始图像的特征向量集合V (η)；
[0011]先依次对原始人脸图像F(n)进行全局DFT变换，在频率域的低频系数矩阵FF(i, j)中选取前8X8个系数中的实部系数FF8(i，j)，然后再对选取出的实部系数矩阵FF8 (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]FF(i, j) = DFT2(F(i, j))
[0013]FF8(i,j) = REAL(FF(i, j))
[0014]V(n) = BINARY(FF8(i, j))
[0015]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；
[0016]Key (η) = V (η) ? W (η)
[0017]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；
[0018]第二部分:人脸的识别和水印的提取
[0019]3)求出待测人脸F’的特征向量V’ ；
[0020]设待测人脸为F’，经过全局二维DFT变换后得到低频系数的实部系数矩阵为FF’(i，j)，按步骤I)对低频实部系数矩阵进行二值化处理，求出待测人脸的特征向量V’ ；
[0021]FF’ (i, j) = DFT2(F，(i, j))
[0022]FF； (i, j) = REAL(FF’ (i, j))
[0023]V’ = BINARY (FF； (i, j))
[0024]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；
[0025]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)，计算特征向量之间的归一化相关系数公式如下:
【权利要求】
1.大数据下基于DFT鲁棒水印的抗遮挡攻击人脸识别方法，其特征在于:先对原始人脸进行全局DFT变换，在变化域选取前8x8实部系数做为特征向量，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(n)进行全局DFT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DFT变换，在频率域的低频系数的实部系数矩阵FF(i, j)中选取前8X8个系数FF8 (i，j)，然后再对选取出的系数矩阵FF8 (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:FF(i, j) =DFT2(F(i, j))
FF8(i,j) = REAL(FF(i, j))
V(n) = BINARY (FF8 (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DFT变换后得到低频系数矩阵，并取实部系数为FF’(i，j)，按步骤I)对实部系数矩阵进行二值化处理，求出待测人脸的特征向量V’ ；
FF’ (i, j) =DFT2(F’ (i, j))
FF； (i, j) = REAL(FF，(i, j))
V’ = BINARY(FF8' (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NC公式如下:
Zfw'(O NC=.Σ V ?ο
I 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’ (k)；
W，= Key (k) ? V， 6)计算W’和W(k)之间的相关系数；计算提取的水印W’和嵌入的水印W(k)的相关系数，来确定待测图像的水印内容。
【文档编号】G06T1/00GK103984934SQ201410229774
【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