[发明专利]一种基于深度学习的篡改人像视频检测方法及系统

权利要求书

1.一种基于深度学习的篡改人像视频检测方法，其特征在于，包括以下内容：

1)构建深度学习网络检测模型并进行训练；

2)获取待测篡改人像视频；

3)对获取的待测篡改人像视频进行预处理，得到若干具有标记的帧间差数据；

4)将各具有标记的帧间差数据输入至训练好的深度学习网络检测模型，得到各帧间差数据的真伪检测结果并标记；

5)采用人脸检测工具，根据各帧间差数据的真伪检测结果及其标记，对应标记待测篡改人像视频，得到真伪检测后的篡改人像视频数据。

2.如权利要求1所述的一种基于深度学习的篡改人像视频检测方法，其特征在于，所述步骤1)的具体过程为：

1.1)获取原始篡改人像视频数据集；

1.2)对获取的原始篡改人像视频数据集进行预处理，得到各具有标记的帧间差数据；

1.3)以ResNet50为基础网络，采用ImagNet的预训练模型进行初始化，将ResNet50基础网络的输出设置为2分类输出，构建深度学习网络检测模型；

1.4)将所述步骤1.2)中得到的各具有标记的帧间差数据输入至构建的深度学习网络检测模型进行模型训练，得到训练好的构建深度学习网络检测模型。

3.如权利要求2所述的一种基于深度学习的篡改人像视频检测方法，其特征在于，所述预处理的具体过程为：

对获取的待测篡改人像视频/原始篡改人像视频数据集进行分帧处理，得到若干帧篡改人像视频数据；

对各帧篡改人像视频数据内的人像进行帧间人脸对齐处理，得到若干帧对齐后具有标记的篡改人像视频数据；

对各帧对齐后具有标记的篡改人像视频数据进行帧间差处理，得到对应具有标记的帧间差数据。

4.如权利要求3所述的一种基于深度学习的篡改人像视频检测方法，其特征在于，当进行帧间人脸对齐处理的某帧篡改人像视频数据无法与其前后帧的篡改人像视频数据对齐时，则去除该帧的篡改人像视频数据并进行标记。

5.如权利要求1所述的一种基于深度学习的篡改人像视频检测方法，其特征在于，所述步骤5)的具体过程为：

5.1)采用人脸检测工具，在待测篡改人像视频中的各帧标出人脸区域检测框；

5.2)将各帧间差数据的真伪检测结果及其标记对应标记至待测篡改人像视频中的对应人脸区域检测框，得到真伪检测后的篡改人像视频数据。

6.一种基于深度学习的篡改人像视频检测系统，其特征在于，包括：

模型训练模块，用于构建深度学习网络检测模型并进行训练；

待测数据获取模块，用于获取待测篡改人像视频；

数据预处理模块，用于对获取的待测篡改人像视频进行预处理，得到若干具有标记的帧间差数据；

真伪检测模块，用于将得到的各具有标记的帧间差数据输入至训练好的深度学习网络检测模型，得到各帧间差数据的真伪检测结果并标记；

人脸区域标记模块，用于采用人脸检测工具，根据各帧间差数据的真伪检测结果及其标记，对应标记待测篡改人像视频，得到真伪检测后的篡改人像视频数据。

7.如权利要求6所述的一种基于深度学习的篡改人像视频检测系统，其特征在于，所述模型训练模块包括：

训练数据获取单元，用于获取原始篡改人像视频数据集；

训练数据预处理单元，用于对获取的原始篡改人像视频数据集进行预处理；

模型构建单元，用于以ResNet50为基础网络，采用ImagNet的预训练模型进行初始化，将ResNet50基础网络的输出设置为2分类输出，构建深度学习网络检测模型；

模型训练单元，用于将所述训练数据预处理单元中得到的各具有标记的帧间差数据输入至构建的深度学习网络检测模型进行模型训练，得到训练好的构建深度学习网络检测模型。