[发明专利]人脸图像伪造检测方法及相关设备

权利要求书

1.一种人脸图像伪造检测方法，其特征在于，包括：

获取经过预处理的待测人脸图像，并对所述待测人脸图像进行转换处理，得到待测人脸图像的频域图；

将所述待测人脸图像和所述待测人脸图像的频域图分别输入经过预训练的人脸图像伪造检测模型，输出检测结果标签；

响应于确定所述检测结果标签为预设的第一数值，所述待测人脸图像为伪造人脸图像，并在所述待测人脸图像中生成伪造掩码对伪造区域进行标注；

响应于确定所述检测结果标签为预设的第二数值，所述待测人脸图像为真实人脸图像。

2.根据权利要求1所述的方法，其特征在于，所述获取经过预处理的待测人脸图像，包括：

获取原始待测人脸图像；

对原始待测人脸图像通过多任务卷积神经网络进行人脸区域的检测定位，得到人脸区域图像；

将所述人脸区域按照预设规则进行调整，得到所述经过预处理的待测人脸图像。

3.根据权利要求1所述的方法，其特征在于，所述对所述待测人脸图像进行转换处理，得到待测人脸图像的频域图，包括：

对所述待测人脸图像的频域特征进行提取，得到待测人脸图像的频域图。

4.根据权利要求1所述的方法，其特征在于，所述人脸图像伪造检测模型通过以下过程进行预训练获得：

获取经过预处理的预训练人脸图像集，并对所述预训练人脸图像集进行转换处理，得到预训练人脸图像集的频域图集；

将所述预训练人脸图像集和所述预训练人脸图像集的频域图集分别输入预先构建的预训练模型，其中，所述预训练模型包括特征提取模型、像素级分割监督模型、局部补丁关系监督模型和图像级分类监督模型，所述局部补丁关系监督模型包括补丁间一致性监督模型和补丁间相似度监督模型；

通过所述特征提取模型分别对所述预训练人脸图像集和所述预训练人脸图像集的频域图集进行特征提取，得到特征图；

利用所述像素级分割监督模型将全部特征图进行合并，得到合并特征图，并对所述合并特征图进行像素级分割，得到像素级分割损失函数；

基于所述特征图通过所述补丁间一致性监督模型得到补丁间一致性损失函数，同时，基于所述特征图通过所述补丁间相似度监督模型得到补丁间相似度损失函数，并对所述补丁间一致性损失函数和所述补丁间相似度损失函数进行求和处理，得到补丁级关系监督损失函数；

基于所述特征图通过所述图像级分类监督模型得到图像级分类损失函数；

对所述像素级分割损失函数、所述补丁级关系监督损失函数和所述图像级分类损失函数进行求和处理，得到混合损失函数；

基于所述混合损失函数不断对所述预训练模型的参数进行调整，直至所述混合损失函数最小化为止，得到经过训练的预训练模型，将所述经过训练的预训练模型作为所述人脸图像伪造检测模型。

5.根据权利要求4所述的方法，其特征在于，所述特征提取模型包括第一分支模型、第二分支模型和交互式注意力模型，其中，所述第一分支模型包括第一空间注意力模型和第一卷积模型，所述二分支模型包括第二空间注意力模型和第二卷积模型；

所述通过所述特征提取模型分别对所述预训练人脸图像集和所述预训练人脸图像集的频域图集进行特征提取，得到特征图，包括：

通过所述第一空间注意力模型和所述第一卷积模型对所述预训练人脸图像集进行重要区域特征提取，得到第一重要区域特征图，同时通过所述第二空间注意力模型和所述第二卷积模型对所述预训练人脸图像集的频域图集进行重要区域特征提取，得到第二重要区域特征图；

利用所述交互式注意力模型将所述第一重要区域特征图和所述第二重要区域特征图进行互补融合，得到融合区域特征，将所述融合区域特征作为所述特征图。

6.根据权利要求4所述的方法，其特征在于，所述利用所述像素级分割监督模型将全部特征图进行合并，得到合并特征图，包括：

利用所述像素级分割监督模型对所述全部特征图进行上采样，得到相同规格的特征图，将全部所述相同规格的特征图进行合并，得到合并特征图。