本技术涉及金融科技(fi ntech)，尤其涉及一种人脸真伪检测方法和装置、电子设备及存储介质。
背景技术：
1、随着数字图像处理技术的迅速发展，伴随而来的是人脸造假问题的日益严重化。人脸造假不仅对个人隐私和安全构成了威胁，还可能导致社会乱象的产生。
2、随着智能手机、社交媒体和虚拟现实等应用的普及，人们越来越依赖于人脸识别系统来验证身份和保护个人信息。在金融业务场景中，如身份验证、交易审核、风险评估等往往需要人脸识别技术。然而，不法分子可以通过各种手段制作虚假的人脸，从而获取未经授权的权限或者骗取个人敏感信息。例如，利用换脸技术生成造假人脸，这些视频可能给金融机构和用户带来巨大的损失和危害。因此，如何有效地检测人脸造假成为金融业务场景中的一个亟待解决的技术问题。
技术实现思路
1、本技术实施例的主要目的在于提出一种人脸真伪检测方法和装置、电子设备及存储介质，能够提高对造假人脸的识别精度，对造假人脸进行有效的检测，从而防止人脸造假，尤其在金融业务场景下，实现对人脸真伪准确的判断与鉴别，大大提高对造假人脸识别的抗伪能力，并有效减少人脸造假带来的安全隐患，防范造假人脸带来的欺诈行为，从而进一步提高金融业务的安全性。
2、为实现上述目的，本技术实施例的第一方面提出了一种人脸真伪检测方法，所述方法包括：
3、获取待检测的人脸图像；
4、对所述人脸图像进行多维度特征提取，得到面部纹理特征、面部局部特征和面部全局特征；
5、对所述面部纹理特征和所述面部局部特征进行特征增强，分别得到纹理增强特征图和局部增强特征图；
6、将所述纹理增强特征图和所述局部增强特征图输入至注意力池化层，得到纹理特征矩阵；
7、将所述面部全局特征输入至所述注意力池化层，得到全局特征矩阵；
8、将所述纹理特征矩阵和所述全局特征矩阵输入至训练好的分类器，得到所述人脸图像的真伪检测结果。
9、在一些实施例，所述应用于人脸真伪检测模型，所述人脸真伪检测模型包括面部特征提取模块、纹理增强模块、局部增强模块、所述注意力池化层和所述分类器，所述面部特征提取模块是基于xcept i on网络构建而得到，所述面部特征提取模块包括依次连接的第一网络层、第二网络层和第三网络层，所述第一网络层通过所述纹理增强模块连接至所述注意力池化层，所述第二网络层通过所述局部增强模块连接至所述注意力池化层，所述第三网络层的输出连接至所述注意力池化层，所述注意力池化层的输出连接至所述分类器。
10、在一些实施例，所述对所述人脸图像进行多维度特征提取，得到面部纹理特征、面部局部特征和面部全局特征，包括：
11、将所述人脸图像输入至所述第一网络层进行纹理特征提取，得到所述面部纹理特征；
12、将所述面部纹理特征输入至所述第二网络层进行局部特征提取，得到所述面部局部特征；
13、将所述面部局部特征输入至所述第三网络层进行全局特征提取，得到所述面部全局特征。
14、在一些实施例，所述对所述面部纹理特征和所述面部局部特征进行特征增强，分别得到纹理增强特征图和局部增强特征图，包括：
15、将所述面部纹理特征输入至所述纹理增强模块进行纹理增强，得到纹理增强特征图；
16、将所述面部局部特征输入至所述局部增强模块进行局部增强，得到局部增强特征图。
17、在一些实施例，所述纹理增强模块具有平均池化层，所述将所述面部纹理特征输入至所述纹理增强模块进行纹理增强，得到纹理增强特征图，包括：
18、将所述面部纹理特征输入至所述平均池化层，得到非纹理特征；
19、基于所述面部纹理特征减去所述非纹理特征，得到所述纹理增强特征图。
20、在一些实施例，所述局部增强模块为注意力模块，所述将所述面部局部特征输入至所述局部增强模块进行局部增强，得到局部增强特征图，包括：
21、将所述面部局部特征输入至所述注意力模块，得到多注意力特征图；
22、基于所述多注意力特征图与所述面部局部特征进行对应关联，得到所述局部增强特征图。
23、在一些实施例，所述将所述纹理增强特征图和所述局部增强特征图输入至注意力池化层，得到纹理特征矩阵，包括：
24、通过所述注意力池化层对所述纹理增强特征图和所述局部增强特征图分别进行双线性插值，得到中间特征图；
25、通过所述注意力池化层对所述中间特征图进行统一池化，得到所述纹理特征矩阵。
26、为实现上述目的，本技术实施例的第二方面提出了一种人脸真伪检测装置，所述装置包括：
27、第一模块，用于获取待检测的人脸图像；
28、第二模块，用于对所述人脸图像进行多维度特征提取，得到面部纹理特征、面部局部特征和面部全局特征；
29、第三模块，用于对所述面部纹理特征和所述面部局部特征进行特征增强，分别得到纹理增强特征图和局部增强特征图；
30、第四模块，用于将所述纹理增强特征图和所述局部增强特征图输入至注意力池化层，得到纹理特征矩阵；
31、第五模块，用于将所述面部全局特征输入至所述注意力池化层，得到全局特征矩阵；
32、第六模块，用于将所述纹理特征矩阵和所述全局特征矩阵输入至训练好的分类器，得到所述人脸图像的真伪检测结果。
33、为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
34、为实现上述目的，本技术实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
35、本技术提出的人脸真伪检测方法和装置、电子设备及存储介质,获取待检测的人脸图像；对人脸图像进行多维度特征提取，得到面部纹理特征、面部局部特征和面部全局特征；对面部纹理特征和面部局部特征进行特征增强，分别得到纹理增强特征图和局部增强特征图；将纹理增强特征图和局部增强特征图输入至注意力池化层，得到纹理特征矩阵；将面部全局特征输入至注意力池化层，得到全局特征矩阵；将纹理特征矩阵和全局特征矩阵输入至训练好的分类器，得到人脸图像的真伪检测结果。通过对人脸图像多维度特征提取和特征增强，可以更全面地捕获人脸图像的细节特征，从而提高真伪检测的准确性。将多维度特征提取得到的面部纹理特征、面部局部特征和面部全局特征进行结合可以更好地描述人脸的特征，有助于区分真实人脸和伪造人脸。纹理增强特征图和局部增强特征图的结合有助于减少环境干扰对人脸特征的影响，提高系统的稳定性和抗干扰能力。通过注意力池化层的引入，可以更加关注重要的纹理特征和局部特征，提高特征的区分度，有助于准确地判断人脸图像的真伪。结合纹理特征矩阵和全局特征矩阵的特征信息，可以更全面地理解整个人脸图像，从而提高真伪检测的效果。综合利用多种特征和注意力机制，可以提高系统的鲁棒性和泛化能力，使其在不同场景下都能有效地进行人脸真伪检测。综合利用多维度特征、特征增强和注意力机制，可以提高人脸真伪检测系统的准确性、鲁棒性和泛化能力，从而更好地满足实际人脸真伪检测要求。基于此，本技术实施例能够提高对造假人脸的识别精度，对造假人脸进行有效的检测，从而防止人脸造假，尤其在金融业务场景下，实现对人脸真伪准确的判断与鉴别，大大提高对造假人脸识别的抗伪能力，并有效减少人脸造假带来的安全隐患，防范造假人脸带来的欺诈行为，从而进一步提高金融业务的安全性。
1.一种人脸真伪检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法应用于人脸真伪检测模型，所述人脸真伪检测模型包括面部特征提取模块、纹理增强模块、局部增强模块、所述注意力池化层和所述分类器，所述面部特征提取模块是基于xception网络构建而得到，所述面部特征提取模块包括依次连接的第一网络层、第二网络层和第三网络层，所述第一网络层通过所述纹理增强模块连接至所述注意力池化层，所述第二网络层通过所述局部增强模块连接至所述注意力池化层，所述第三网络层的输出连接至所述注意力池化层，所述注意力池化层的输出连接至所述分类器。
3.根据权利要求2所述的方法，其特征在于，所述对所述人脸图像进行多维度特征提取，得到面部纹理特征、面部局部特征和面部全局特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述面部纹理特征和所述面部局部特征进行特征增强，分别得到纹理增强特征图和局部增强特征图，包括：
5.根据权利要求4所述的方法，其特征在于，所述纹理增强模块具有平均池化层，所述将所述面部纹理特征输入至所述纹理增强模块进行纹理增强，得到纹理增强特征图，包括：
6.根据权利要求4所述的方法，其特征在于，所述局部增强模块为注意力模块，所述将所述面部局部特征输入至所述局部增强模块进行局部增强，得到局部增强特征图，包括：
7.根据权利要求1所述的方法，其特征在于，所述将所述纹理增强特征图和所述局部增强特征图输入至注意力池化层，得到纹理特征矩阵，包括：
8.一种人脸真伪检测装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的人脸真伪检测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的人脸真伪检测方法。
