[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

说明书

本发明涉及一种基于深度学习的篡改人像视频检测方法及系统，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，本发明可以广泛应用于计算机视觉领域中。

技术领域

本发明是关于一种基于深度学习的篡改人像视频检测方法及系统，属于计算机视觉领域。

背景技术

随着深度学习与生活相关的各种应用快速落地，各种酷炫技术在人民日常生活中产生广泛影响，其中以DeepFake、FaceSwap等为代表的人像篡改软件对社会、经济等各方面产生重大影响。在社会生活层面，“人工智能伪造”使日常生活所用的合同、契约、证书及相关法律文本的防伪鉴定面临新的困难；在涉及公民、法人和组织切身利益和财产安全的重要问题上，也带来了诸多不确定性的挑战；“人工智能伪造”将可用于伪造证人证言、视听资料、电子数据及鉴定意见等虚假证据，也为不法分子从事违法犯罪活动提供便利条件。

然而，现有的检测方法大多是针对图像数据的，并没有针对篡改人像视频数据、能够提取视频帧间信息的检测方法，因此，篡改视频的检测方法具有重要的应用价值和现实意义。

发明内容

针对上述问题，本发明的目的是提供一种针对篡改人像视频数据且能够提取视频帧间信息的基于深度学习的篡改人像视频检测方法及系统。

为实现上述目的，本发明采取以下技术方案：一种基于深度学习的篡改人像视频检测方法，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。

进一步地，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。

进一步地，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。

进一步地，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。