基于LBP和多层DCT的人脸活体检测算法

随着安全性成为制约人脸识别系统应用的最大瓶颈,提高人脸识别系统的抗欺骗攻击能力已成为亟待解决的问题.针对基于视频的人脸欺骗攻击,基于局部二值模式(local binary patterns,LBP)和多层离散余弦变换(discrete cosine transform,DCT)提出了一种新的人脸活体检测算法.其基本思想是首先从目标视频中每隔一定帧数提取1张人脸图像;其次对提取出的每张人脸图像进行LBP操作得到低级特征描述子(LBP算子);然后在LBP特征上进行多层DCT变换得到高级特征描述子(LBP-MDCT算子);最后将得到的高级特征描述子送入支持向量机(support vector machine,SVM)中判断该视频是非法用户实施的人脸欺骗攻击还是合法用户的进入请求.通过在Replay-Attack和CASIAFASD数据库上与现有的人脸活体检测算法做比较,验证了该算法能够取得优异的检测效果且十分简单、高效.

基于LBP-MDCT和CNN的人脸活体检测算法

人脸活体检测技术作为人脸识别系统安全运行的重要保障,对保障网络空间安全意义重大.针对基于视频的人脸欺骗攻击,提出一种基于局部二值模式-多层离散余弦变换(local binary pattern and multilayer discrete cosine transform,LBP-MDCT)和卷积神经网络(convolutional neural network,CNN)融合的人脸活体检测算法.首先从检测视频中提取人脸图像;接着对人脸图像进行LBP和多层DCT变换以得到LBP-MDC T特征,将部分人脸图像输入CNN中以得到CNN特征;然后将两种特征分别输入到支持向量机(support vector machine,SVM)中得到分类结果;最后将SVM的输出进行决策级融合以判定检测视频的合法性.在Replay-Attack和CASIA-FASD数据库上的实验结果表明,相对于现有算法,该算法的检测性能更加优越.

自适应的混合域音频水印新算法

本文结合小波包变换和心理声学模型,提出了一种自适应的混合域音频盲水印算法,在不引入明显听觉失真的前提下,实现了大容量的水印嵌入。算法首先采用小波包变换将分段音频信号分解到26个子带中,然后对每个子带的小波包系数进行离散余弦变换,计算出子带掩蔽阈值。根据子带掩蔽阈值自适应的选取水印嵌入段和水印嵌入位置,同时根据掩蔽阈值计算出的水印嵌入强度自适应地控制由水印嵌入引起的听觉偏倚。二值水印图像通过量化索引调制的方法嵌入到音频信号的中低频系数中,提取水印时不需要原始音频载体。实验结果表明本算法在水印容量、不可感知性和鲁棒性之间达到了很好的平衡,水印容量在576.7 bps到689.5 bps之间,算法对添加噪声、重新量化、重新采样、低通滤波和MP3压缩均具有很好的鲁棒性。

基于多维矢量矩阵的离散余弦变换快速算法

为了提高彩色视频流压缩变换的速度,缩短变换时间,将基于多维矢量离散余弦变换(DCT)正交矩阵的视频流压缩算法同现有的快速DCT算法相结合,提出了基于多维矢量矩阵DCT的快速算法。首先,对一种实用性较强的一维快速DCT算法进行部分校正与补充,并将两种极具代表性的二维快速DCT算法,即行列分解法和线性组合法拓展到了多维层面。然后,结合多维矢量矩阵理论,推导出了两种DCT快速算法及其蝶形示意图,并分析了算法的乘法运算次数。最后,将这两种基于多维矢量矩阵的DCT快速算法应用在标准视频库中测试视频的压缩编码中,同时做了对比实验。实验结果表明:两种算法在DCT时所需的时间均小于0.25s,满足视频实时性的要求。该算法在保证重建视频质量的同时降低了运算时间,并将DCT快速算法从低维扩展到了多维,可以处理更多维数的视频。