[发明专利]局部生成人脸定位方法、装置、计算机设备和存储介质

说明书

本申请涉及一种局部生成人脸定位方法、装置、计算机设备和存储介质。该方法包括：获取待定位人脸图像；将待定位人脸图像输入至训练好的融合了RRU‑Net和去噪操作模块的局部生成人脸图像定位网络中，对待定位人脸图像的局部生成区域进行定位分析，输出待定位人脸图像的第一定位预测结果，通过融合了RRU‑Net和去噪操作模块的局部生成人脸图像定位网络进行局部生成区域定位，可以提高定位的精度，在定位局部生成人脸时，有攻击的情况仍不具有很好的鲁棒性。

技术领域

本申请涉及数字图像的图像篡改定位技术领域，特别是涉及一种局部生成人脸定位方法、装置、计算机设备和存储介质。

背景技术

随着数字媒体的发展，视觉编辑软件对数字媒体编辑所造成的可信度问题，引起了社会群体极大的关注。数字图像取证属于信息安全范畴，而信息安全已成为国家的一个重要发展战略。因此，数字图像取证是一个具有现实意义的重要领域。它通过图像在获取、编码、编辑中留下的固有痕迹进行特征提取并有效分析，从而对数字图像内容的真实性、完整性、原始性和准确性进行取证。在过去的几十年里，这个领域已被证明有其存在的研究价值，同时得到了飞速的发展和创新；当然，也存在着不少挑战和瓶颈。

通过生成对抗网络(Generative Adversarial Network，GAN)等方式生成的虚假人脸在网络中不断传播。在一些现实场景中，一幅生成人脸图像中只是小部分局部区域是生成的，甚至很小部分，其余绝大部分区域都是自然的，例如人脸图像复原、眼镜去除、掩模去除等。由于生成区域可能非常小，因此在经过具有多个池化层的深度卷积网络中可能会缩小到一个点，甚至在特征图上完全没有。然而关于局部生成人脸定位的问题，目前，就我们所知，还未有公开报道。而人脸图像已被广泛应用于人物身份识别和身份验证服务。刷脸支付、刷脸取件、刷脸签到、刷脸进站等新应用接踵而来，全面进入大众日常生活，“刷脸时代”已至。人脸图像作为重要的生物识别特征，其安全性问题是一定要保证的。因此，研究有效的人脸取证技术变得尤为重要。

在图像拼接篡改定位中，利用卷积神经网络提取目标源的不一致性，能够有效的进行块级或像素级的定位[Peng Zhou,Xintong Han,Vlad I Morariu,and Larry SDavis.Learning rich features for image manipulation detection[C].InProceedings of the IEEE Conference on Computer Vision and Pattern Recognition(CVPR),pages 1053–1061,2018.]。

局部生成人脸的定位问题可以借鉴图像拼接篡改定位的思想，根据目标源不一致的特性实现定位。然而，局部生成人脸区域虽然含有特定的GAN指纹，但GAN中的对抗网络部分会产生一定的扰动，使得生成区域能够尽可能的逼近于真实区域，欺骗定位模型，因此增加了定位的难度。Li等人[Haodong Li and Jiwu Huang.Localization of deepinpainting using high-pass fully convolutional network[C].In Proceedings ofthe IEEE/CVF International Conference on Computer Vision,pages 8301–8310,2019.]提出了针对普通图像深度修的取证问题，并且设计了专门提取局部生成特征的滤波器，结合残差网络，提出了一种相对简单的全卷积网络框架。上述的一些方法，利用卷积神经网络提取目标源的不一致性，能够有效的进行块级或像素级的定位。局部生成人脸的定位问题同样可以借鉴图像拼接篡改定位的思想，根据目标源不一致的特性实现定位。然而，局部生成人脸区域虽然含有特定的GAN指纹，但GAN中的对抗网络部分会产生一定的扰动，使得生成区域能够尽可能的逼近于真实区域，欺骗定位模型，增加了定位的难度。

因此，针对非人脸图像的定位方法在定位局部生成人脸时，有攻击的情况仍不具有很好的鲁棒性。

发明内容