[发明专利]人脸伪造视频检测方法、系统、设备与存储介质

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：

RF_l-1＝s_l·RF_l+(k_l-s_l)

其中，L表示卷积层的层数，k_l和s_l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。