(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210235051.7 (22)申请日 2022.03.11 (71)申请人 长沙理工大 学 地址 410114 湖南省长 沙市暮云街道长 沙 理工大学 (72)发明人 彭烨凡　龙敏　徐启航　 (51)Int.Cl. G06V 40/16(2022.01) G06V 40/40(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06K 9/62(2022.01) (54)发明名称 基于多方位交融注意力的变形 人脸检测 (57)摘要 本发明针对人脸变形检测， 提出了一种基于 多方位交融注 意力的变形人脸检测方法， 包括下 列步骤： 1)根据由dlib标志点检测器检测到的 眼 睛坐标来 分割和归一化图像的面部； 2)考虑到通 道注意力忽略的位置信息， 提出了新的注意力模 块； 3)融合了双分支卷积网络， 以提高检测精度。 4)用SVM对最终的特 征图进行分类 。 权利要求书2页 说明书4页 附图1页 CN 114612980 A 2022.06.10 CN 114612980 A 1.一种基于多方位交融注意力的检测系统。 其特征在于， 所述方法由计算机执行， 包括 以下步骤： A1、 对输入的图像进行 预处理； A2、 经过双分支卷积网络模块； A3、 经过多方位交融注意力模块； A4、 分类。 2.如权利要求1所述的基于多方位交融注意力的检测方法， 其特征在于， 将归一化区域 裁剪到22 4×224像素， 以确保变形检测算法仅应用于面部区域， A1的具体实现过程如下： 在 人脸变形攻击中， 人脸区域通常位于图像的中心。 为了准确地从图像中提取特征， 只保留图 像的最大中心区域。 在预处理阶段， 根据由dlib标志点检测 器检测到的眼睛坐标来分割和 归一化图像的面部 。 3.如权利要求1所述的基于多方位交融注意力的检测方法， A2的具体实现过程如下： 给 定输入特征图X， 将原特征图分别通过一个3*3的分组卷积和3*3的空洞卷积(感受野为5*5) 生成两个特征图U1和U2。 然后将这两个特征图进行相加生成一个新的特征图， 生成的图通 过多方位交融注意力模块并通过a和b两个函数， 并将生成的函数值与原先的U1和U2相乘。 由于a和b的函数值相加等于1， 因此能够实现对分支的特征图设置权重， 因为不同的分支卷 积核尺寸不同， 因此实现了让网络自己选择合适的卷积核(a和b函数中的A、 B矩阵均是需要 在训练之前初始化的， 其次寸均为C*d,z为经过多方位交融注意力经过A、 B函数前的特征 图)这里有: 4.如权利要求1所述的基于多方位交融注意力的检测方法， A3的具体实现过程如下： 给 定输入X， 首先使用尺寸为(H,1)或(1,W)的pooling  kernel分别沿着水平坐标和垂直坐标 对每个通道进行编码。 因此， 高度为h的第c通道的输出 可以表示 为: 同样， 宽度为 w的第c通道的输出 可以写成: 上述2种变换分别沿两个空间方向聚合特征， 得到一对方向感知的特征图。 通过信 息嵌 入中的变换后， 该部分将上面的变换进行concatenate操作， 然后使用卷积变换函数对其进 行变换操作： f＝ δ(F1[zh,zw]))  (5) 式中[.,.]为沿空间维数的concatenate操作， δ为非线性激活函数， f为对空间信息在 水平方向和垂直方向进行编码的中间特征映射。 然后 沿着空间维数将分解为2个单独的张权　利　要　求　书 1/2 页 2 CN 114612980 A 2量fh∈RC/r×W和fw∈RC/r×W,其中r是用来控制SEblock的控制率。 利用另外2个1*1卷积变换Fh 和Fw分别将fh和fw变换为具有相同通道数的张量到 输入X， 得到: gh＝σ(Fh(fh))    (6) gw＝σ(Fw(fw))    (7) 这里σ 是sigmoid激活函数。 为了降低模型的复杂性和计算开销， 这里通常使用适当的 缩减比 r (如16) 来减少f的通道数。 然后对输出gh和gw进行扩展 ， 分别作为 attentionweights。 最后， 多方位交融注意力模块的输出 可以写成: 5.如权利要求1所述的基于多方位交融注意力的检测方法， 其特征在于， 用SVM对降维 后的特征进 行分类， A 4的具体实现过程如下： 本发 明的最后1个 关键步骤是通过一个高辨别 力的机器学习算法找到最优分类模型， 从而对人脸进行判断。 本文选用包含径向基核函数 的支持向量机作为分类器.该分类器不仅具有很高的分类准确 率， 而且被广泛应用于人脸 识别等研究课题。 将上一步经过降维后的特征送入SVM， 即可根据SVM的输出数据完成变形 人脸检测。权　利　要　求　书 2/2 页 3 CN 114612980 A 3