[发明专利]一种基于MAML元学习算法的多特征真假视频检测方法

权利要求书

1.一种基于MAML元学习算法的多特征真假视频检测方法，其特征在于，包括以下步骤：

(1)采集训练数据集，包括用于脸部训练的预训练数据集，以及用于局部关键点训练用的局部训练数据集；

(2)对预训练数据集和局部训练数据集进行视频帧提取，提取图片中的人脸并对齐；

对局部训练数据集中的人脸图片进行处理，分别提取眼、鼻和嘴部的图片并保存，将保存好的眼、鼻和嘴部图片分别划分为训练集和测试集；

(3)对预训练数据集、训练集和测试集中的数据类别进行one-hot编码，获取对应的类别标签序列；

(4)构建引入注意力机制的模型M，利用预训练数据集作为模型M的输入，对脸部的整体特征进行预训练，采用MAML元学习算法，得到预训练好的模型M_t的初始化参数；

(5)将眼、鼻和嘴部的训练集分别作为模型M_t的输入，对脸部的局部特征进行训练，得到训练好的模型M₁、模型M₂和模型M₃；

(6)用霍恩·山克算法从预训练数据集的视频数据中获取光流，然后用孟塞尔颜色系统进行可视化后得到光流图，将得到的光流图输入到预训练好的模型M_t中，得到训练好的模型M₄；

(7)将训练好的模型M₁、模型M₂、模型M₃和模型M₄进行测试和应用。

2.根据权利要求1所述的基于MAML元学习算法的多特征真假视频检测方法，其特征在于，步骤(1)中，用于脸部训练的预训练数据集采用FaceForensics++数据集，FaceForensics++数据集包含由Face2Face，FaceSwap，DeepFakes和NeuralTextures四种虚假视频生成算法生成的四类真假视频；用于局部关键点训练用的局部训练数据集采用WildDeepfake数据集。

3.根据权利要求1所述的基于MAML元学习算法的多特征真假视频检测方法，其特征在于，步骤(4)中，所述的模型M结构如下：二维卷积中采用的卷积核大小为3×3，步长为1，在卷积层和最大池化层中加入了批量归一化，经过归一化后再输入到激活函数中，经过二维可分离卷积提取完特征之后，将提取到的特征输入到LSTM层中，经过LSTM后再输入到全连接层，然后采用softmax分类器进行分类。

4.根据权利要求3所述的基于MAML元学习算法的多特征真假视频检测方法，其特征在于，对模型M中的LSTM引入注意力机制，用于对输入的数据提取特征信息，寻找特征信息之间的时序内在联系。