[发明专利]人脸伪造视频检测方法、系统、设备与存储介质在审

专利信息
申请号: 202110662165.5 申请日: 2021-06-15
公开(公告)号: CN113313054A 公开(公告)日: 2021-08-27
发明(设计)人: 周文柏;张卫明;俞能海;刘泓谷 申请(专利权)人: 中国科学技术大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京凯特来知识产权代理有限公司 11260 代理人: 郑立明;韩珂
地址: 230026 安*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 伪造 视频 检测 方法 系统 设备 存储 介质
【权利要求书】:

1.一种人脸伪造视频检测方法,其特征在于,包括:

对于预训练的用于人脸伪造视频检测的神经网络模型,移除中间部分的卷积层;

对于输入的人脸视频图像,逐帧进行相位谱信息的提取,并将每一人脸图像帧与相应的相位谱信息一并输入至神经网络模型的第一层卷积层,由神经网络模型输出人脸视频图像的检测结果。

2.根据权利要求1所述的一种人脸伪造视频检测方法,其特征在于,所述对于输入的人脸视频图像,逐帧进行相位谱信息的提取包括:

对输入的人脸视频图像进行逐帧人脸检测和对齐,然后,进行离散傅里叶变换,获得频谱X(u):

其中,x(n)表示图像像素点的值,X(u)表示图像频谱在频率u处的值,N表示像素总个数,j表示复数,e为自然常数;

利用频谱X(u)计算相位谱,表示为:

其中,I(u)和R(u)分别为频谱X(u)的虚部和实部。

3.根据权利要求1所述的一种人脸伪造视频检测方法,其特征在于,所述移除中间部分的卷积层包括:保留神经网络模型前端的若干卷积层与末端的卷积层,其余卷积层均为中间部分的卷积层被移除。

4.根据权利要求1或3所述的一种人脸伪造视频检测方法,其特征在于,所述神经网络模型为预训练的XceptionNet模型,其具有12层卷积层,保留首端3层卷积层与末端卷积层,移除中间的8层卷积层。

5.根据权利要求1或3所述的一种基于空间相位浅层学习的人脸伪造视频检测方法,其特征在于,感受野的定义如下:

RFl-1=sl·RFl+(kl-sl)

其中,L表示卷积层的层数,kl和sl表示卷积层的尺寸和卷积步长;

通过减少卷积层的层数L,从而减小神经网络模型的感受野。

6.根据权利要求1所述的一种基于空间相位浅层学习的人脸伪造视频检测方法,其特征在于,所述将每一人脸图像帧与相应的相位谱信息一并输入至神经网络模型的第一层卷积层,由神经网络模型输出人脸视频图像的检测结果包括:

人脸图像帧为三通道图像,相应的相位谱信息为空域形式的图像,人脸图像帧与相应的相位谱信息构成四通道图像;

将神经网络模型的第一层卷积层的输入通道由三通道增加为四通道,其余卷积层的通道数不变;通过神经网络模型的卷积操作,由最后一层卷积层输出特征向量,特征向量经全连接层输出人脸视频图像的真伪检测结果。

7.一种人脸伪造视频检测系统,其特征在于,用于实现权利要求1~6任一项所述的方法,该系统包括:

模型构造单元,用于对于预训练的用于人脸伪造视频检测的神经网络模型,移除中间部分的卷积层;

信息提取与检测单元,用于对于输入的人脸视频图像,逐帧进行相位谱信息的提取,并将每一人脸图像帧与相应的相位谱信息一并输入至神经网络模型的第一层卷积层,由神经网络模型输出人脸视频图像的检测结果。

8.一种电子设备,其特征在于,包括:一个或多个处理器;存储器,用于存储一个或多个程序;其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1~6任一项所述的方法。

9.一种可读存储介质,存储有计算机程序,其特征在于,当计算机程序被处理器执行时实现如权利要求1~6任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学技术大学,未经中国科学技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110662165.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top