買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉齊魯工業大學(山東省科學院)申請的專利一種基于人臉身份水印與混合注意力模塊的主動防御方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120337309B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510819520.3，技術領域涉及：G06F21/64；該發明授權一種基于人臉身份水印與混合注意力模塊的主動防御方法是由李健;韓衛;馬賓;王春鵬;李曉龍設計研發完成，并于2025-06-19向國家知識產權局提交的專利申請。

本一種基于人臉身份水印與混合注意力模塊的主動防御方法在說明書摘要公布了：本發明公開一種基于人臉身份水印與混合注意力模塊的主動防御方法，涉及圖像處理技術領域，其特征在于，包括以下步驟：S1：人臉身份碼的提取；S2：人臉身份碼的生成；S3：混合注意力編碼器模塊；S4：損失函數設計；S5：人臉特征相關性分析。本發明要解決的技術問題是提供一種基于人臉身份水印與混合注意力模塊的主動防御方法，實現對人臉篡改的檢測和溯源功能，極大的提升了模型的實用性和功能性。

本發明授權一種基于人臉身份水印與混合注意力模塊的主動防御方法在權利要求書中公布了：1.一種基于人臉身份水印與混合注意力模塊的主動防御方法，其特征在于，包括以下步驟： S1：人臉身份碼的提取；人臉身份水印生成的首要環節，是從輸入圖像的人臉區域中精準提取穩定的人臉特征，采用基于深度學習的人臉檢測與對齊算法中的視網膜人臉檢測算法對輸入圖像進行人臉檢測和定位； S2：人臉身份碼的生成；采用平均哈希算法將提取的人臉特征向量轉化為一個指定長度的二進制哈希值； S3：混合注意力編碼器模塊；所述S3的具體步驟為： S31：多尺度身份水印預處理模塊； 在身份碼水印變換模塊中，長度為L的二進制水印信息經過處理后，轉換為與圖像張量維度一致的格式；通過多尺度上采樣后，將不同尺度上采樣后的特征圖進行加權融合； S32：混合注意力嵌入模塊； 該模塊接收輸入的原始圖像和經過多尺度預處理后的水印消息，構造一種類曼巴的線性注意力機制與U型網絡結合的視覺類曼巴線性注意力U型網絡來專門處理水印嵌入工作，模型主要由三部分組成：用于初始特征提取的基于通道注意力的特征初始處理模塊、線性注意力模塊及多尺度空洞下采樣卷積塊； S321：基于通道注意力的特征初始處理模塊SE-Stem； 構造一個雙分支結構單獨處理輸入圖像與水印，每一分支通過卷積操作與通道注意力機制分別對圖像與水印進行處理，逐步降低其空間維度并增加通道維度并保留重要信息，最后將兩個特征信息拼接為后續操作做準備； S322：線性注意力模塊； 將源圖像與身份水印經過基于通道注意力的特征初始處理模塊初步處理后的融合特征輸入類曼巴線性注意力塊中做進一步處理； 將原來的類曼巴線性注意力模塊中的兩個線性塊替換為行向特征協同模塊和列向特征協同模塊以組成新的MLLA結構線性注意力模塊； 行向特征協同模塊由一個特征提取卷積層，水平位置編碼層及線性層組成，輸入其中的特征向量首先通過一個卷積層提取行局部特征： S323：多尺度空洞下采樣卷積塊； 通過結合空洞卷積和深度可分離卷積，能夠在不顯著降低分辨率的情況下擴大感受野，空洞卷積通過在卷積核中使用不同擴張率來分別捕獲局部、中等及全局三種不同尺度下的特征，同時保留圖像的細節，采用動態調整擴張率的思想，引入可學習的參數來動態決定每個卷積層的最佳擴張率，參數根據輸入圖像的特征動態調整，從而在不同的尺度上捕捉到更多的上下文信息，特征分析層分析輸入特征的統計信息； S4：損失函數設計；所述S4的具體步驟為： 損失函數由三部分組成：加權交叉熵損失、多尺度圖像像素損失及自適應消息損失； S5：人臉特征相關性分析。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人齊魯工業大學(山東省科學院)，其通訊地址為：250300 山東省濟南市長清區大學路3501號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。