[發(fā)明專利]一種深度網(wǎng)絡(luò)生成人臉圖像的檢測方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810434620.4
• 申請(qǐng)日: 2018-05-08
• 公開（公告）號(hào): CN108596141B
• 公開（公告）日: 2022-05-17
• 發(fā)明（設(shè)計(jì)）人: 李昊東;黃繼武
• 申請(qǐng)（專利權(quán)）人: 深圳大學(xué)
• 主分類號(hào): G06V40/16
• 分類號(hào): G06V40/16;G06V10/56;G06V10/774;G06V10/764;G06K9/62;G06V10/82
• 代理公司: 深圳市君勝知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44268
• 代理人: 王永文;劉文求

本發(fā)明公開了一種深度網(wǎng)絡(luò)生成人臉圖像的檢測方法及系統(tǒng)，構(gòu)造由真實(shí)人臉圖像和生成人臉圖像組成的訓(xùn)練樣本集；基于顏色關(guān)系對(duì)所述訓(xùn)練樣本集進(jìn)行建模，并提取統(tǒng)計(jì)特征；對(duì)所述統(tǒng)計(jì)特征進(jìn)行訓(xùn)練，以得到分類模型；基于所述分類模型對(duì)待測圖像進(jìn)行預(yù)測。根據(jù)深度網(wǎng)絡(luò)生成人臉圖像在統(tǒng)計(jì)特性上與真實(shí)圖像的不一致，設(shè)計(jì)了一組基于相鄰像素顏色關(guān)系的共生矩陣特征，對(duì)不同類型深度網(wǎng)絡(luò)生成的不同尺寸的人臉圖像均具有非常高的檢測準(zhǔn)確率，能夠有效地判斷給定的人臉圖像是否為通過深度網(wǎng)絡(luò)生成的虛假圖像，提高了安全性。

技術(shù)領(lǐng)域

本發(fā)明涉及多媒體信息安全與取證領(lǐng)域，具體地，涉及一種深度網(wǎng)絡(luò)生成人臉圖像的檢測方法及系統(tǒng)。

背景技術(shù)

隨著科學(xué)技術(shù)的快速發(fā)展，數(shù)字圖像在社會(huì)生產(chǎn)生活的各個(gè)方面得到了非常廣泛的應(yīng)用，成為了記錄客觀事實(shí)的重要載體。與此同時(shí)，功能強(qiáng)大的多媒體處理軟件得以普及。借助專業(yè)的圖像編輯軟件，如Adobe Photoshop、GIMP、ACDsee等，普通用戶也能輕易地對(duì)圖像數(shù)據(jù)進(jìn)行編輯和修改且不留下明顯的視覺痕跡，從而掩蓋甚至歪曲事實(shí)的真相。更有甚者，如今通過深度網(wǎng)絡(luò)對(duì)大量的真實(shí)圖像進(jìn)行學(xué)習(xí)，可以訓(xùn)練得到圖像生成模型。這類圖像生成模型可以用來生成海量逼真的虛假場景圖像，如人臉。這些虛假的圖像一旦被用于新聞報(bào)道、身份驗(yàn)證、司法取證等敏感領(lǐng)域，將嚴(yán)重妨害社會(huì)的正常秩序。因此，認(rèn)證圖像真?zhèn)纬蔀橐粋€(gè)亟待解決的實(shí)際問題。

一般地，數(shù)字圖像的認(rèn)證技術(shù)可分為主動(dòng)認(rèn)證和被動(dòng)認(rèn)證兩大類。主動(dòng)認(rèn)證包括數(shù)字簽名、數(shù)字水印等方法，這類技術(shù)需要在數(shù)字圖像生成時(shí)或在其傳播前添加額外的認(rèn)證信息，如嵌入簽名或水印，然后通過鑒定嵌入信息有無變化來判斷圖像是否真實(shí)或完整。然而，在現(xiàn)實(shí)中數(shù)字圖像的來源各異，往往難以對(duì)它們預(yù)先嵌入信息，這大大限制了主動(dòng)認(rèn)證技術(shù)的應(yīng)用。

與主動(dòng)認(rèn)證技術(shù)相比，被動(dòng)認(rèn)證技術(shù)并不需要在圖像中預(yù)嵌入信息，而僅依賴圖像本身的數(shù)據(jù)進(jìn)行認(rèn)證，因而更加實(shí)用。被動(dòng)認(rèn)證的基本依據(jù)是：數(shù)碼相機(jī)的硬件特性以及在圖像拍攝過程中的各種信號(hào)處理手段都會(huì)在圖像數(shù)據(jù)中留下固有的屬性，而對(duì)圖像進(jìn)行修改則會(huì)破壞這些固有屬性或者引入新的痕跡。通過提取相關(guān)的特征，可以鑒定圖像的來源及判斷它們是否經(jīng)過修改。

傳統(tǒng)的圖像篡改手段包括拼接，區(qū)域復(fù)制移位，圖像增強(qiáng)等等。這些篡改手段的共性是它們均在已有的真實(shí)圖像上進(jìn)行編輯和修改。與傳統(tǒng)的篡改手段相比，通過深度網(wǎng)絡(luò)構(gòu)建的圖像生成模型可以達(dá)到“無中生有”的篡改效果。通過選擇合適的參數(shù)，篡改者可利用訓(xùn)練好的深度網(wǎng)絡(luò)生成特定的場景，如符合某種形狀、姿態(tài)及年齡階段特征的人臉圖像。現(xiàn)有的技術(shù)表明，這類生成圖像在某些時(shí)候可做到栩栩如生，能夠欺瞞人眼。

不法分子通過深度網(wǎng)絡(luò)生成的虛假照片來牟取利益，這樣會(huì)帶來諸多安全方面的隱患。

因此，現(xiàn)有針對(duì)生成圖像的檢測技術(shù)還有待于改進(jìn)和發(fā)展。

發(fā)明內(nèi)容

本發(fā)明針對(duì)深度網(wǎng)絡(luò)生成的人臉圖像發(fā)明了一種有效的檢測方法，能夠準(zhǔn)確地判斷一張給定的人臉圖像是真實(shí)圖像還是由深度網(wǎng)絡(luò)生成的虛假圖像，提高了安全性。

本發(fā)明解決技術(shù)問題所采用的技術(shù)方案如下：

一種深度網(wǎng)絡(luò)生成人臉圖像的檢測方法，包括以下步驟：

A、構(gòu)造由真實(shí)人臉圖像和生成人臉圖像組成的訓(xùn)練樣本集；

B、基于顏色關(guān)系對(duì)所述訓(xùn)練樣本集進(jìn)行建模，并提取統(tǒng)計(jì)特征；

C、對(duì)所述統(tǒng)計(jì)特征進(jìn)行訓(xùn)練，以得到分類模型；

D、基于所述分類模型對(duì)待測圖像進(jìn)行檢測，并輸出檢測識(shí)別結(jié)果。

所述的深度網(wǎng)絡(luò)生成人臉圖像的檢測方法，其中，所述A步驟具體包括：

A1、通過成像設(shè)備獲得真實(shí)人臉圖像；

A2、通過隨機(jī)噪聲向量通過訓(xùn)練好的深度網(wǎng)絡(luò)得到生成人臉圖像；