[发明专利]一种基于深度学习的人脸深度伪造鉴定方法及相关设备

权利要求书

1.基于深度学习的人脸深度伪造鉴定方法，其特征在于，包括：

步骤1：通过Encoder-Decoder深度网络训练学习重建人脸图像和真实人脸图像的分布特征；

步骤2：截取出图像中目标的真实人脸和伪造人脸图像；

步骤3：对真实人脸图像和伪造人脸图像的人脸对齐；

步骤4：利用Encoder-Decoder深度网络对真实人脸和伪造人脸图像进行重建处理，提取真实人脸重建图像和伪造人脸重建图像的分布特征；

步骤5：计算真实人脸重建图像和伪造人脸重建图像的分布特征的余弦相似度，并据此对真实人脸图像和伪造人脸图像进行分类，得到鉴别结果。

2.根据权利要求1所述的基于深度学习的人脸深度伪造鉴定方法，其特征在于，所述步骤1的具体实现时，首先，利用Encoder-Decoder深度网络模型提取重建人脸图像和真实人脸图像的分布特征；接着，训练保存重建人脸图像和真实人脸图像模型权重文件。

3.根据权利要求1所述的基于深度学习的人脸深度伪造鉴定方法，其特征在于，所述步骤2在截取出图像中目标的真实人脸和伪造人脸图像时，包括：

首先利用Retinaface训练出人脸检测算法；

接着利用训练出的人脸检测算法截取出图像中目标的真实人脸和伪造人脸图像。

4.根据权利要求1所述的基于深度学习的人脸深度伪造鉴定方法，其特征在于，所述步骤3中在进行人脸图像对齐时，包括：

首先利用人脸关键点，调整人脸的角度和位置；

接着基于调整的角度与位置将真实人脸图像和伪造人脸图像的人脸对齐。

5.根据权利要求1所述的基于深度学习的人脸深度伪造鉴定方法，其特征在于，所述步骤4中在进行重建处理以及提取分布特征时，包括：

首先，将对齐的真实人脸和伪造人脸图像调整到预设定尺寸大小，并通过Encoder-Decoder深度网络对真实人脸和伪造人脸图像进行重建处理；

接着，由Encoder-Decoder深度网络对输入图像进行Encoder编码处理，再进行Decoder解码处理；

最后，将提取出真实人脸重建图像和伪造人脸重建图像的分布特征保存下来。

6.根据权利要求1所述的基于深度学习的人脸深度伪造鉴定方法，其特征在于，所述步骤5通过如下公式计算真实人脸重建图像和伪造人脸重建图像的分布特征的余弦相似度：

S(Sa,Sb)＝cos(Sa,Sb)

其中，cos(Sa,Sb)表示重建图像的分布特征的余弦相似度；Sa表示真实人脸重建图像的分布特征；Sb表示伪造人脸重建图像的分布特征。

7.一种计算机可读存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时实现权利要求1-6中任一项所述的基于深度学习的人脸深度伪造鉴定方法的步骤。

8.一种处理器，所述处理器用于运行程序，其特征在于，所述程序运行时执行权利要求1-6中任一项所述的基于深度学习的人脸深度伪造鉴定方法的步骤。

9.一种终端设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述程序代码由所述处理器加载并执行以实现权利要求1-6中任一项所述的基于深度学习的人脸深度伪造鉴定方法的步骤。

10.一种计算机程序产品，其特征在于，当在数据处理设备上执行时，适于执行权利要求1-6中任一项所述的基于深度学习的人脸深度伪造鉴定方法的步骤。