[發明專利]人臉合成圖像的檢測方法及裝置

有效

• 申請號: 202010078798.7
• 申請日: 2020-02-03
• 公開（公告）號: CN111339832B
• 公開（公告）日: 2023-09-12
• 發明（設計）人: 喬鵬;趙蕾;竇勇;姜晶菲;李榮春;牛新;蘇華友;潘衡岳
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/80;G06V10/82;G06N3/047;G06N3/08
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 付婧

本發明公開了一種人臉合成圖像的檢測方法及裝置，包括：將待檢測圖像輸入已訓練的網絡模型，以由網絡模型中的人臉檢測網絡基于待檢測圖像獲得包含人臉框的圖像并輸出給網絡模型中的真偽判別網絡；真偽判別網絡基于包含人臉框的圖像判別待檢測圖像是否為人臉合成圖像。針對不同換臉技術篡改得到的待檢測圖像，可以通過本發明提出的包含人臉檢測網絡和真偽判別網絡的網絡模型實現準確檢測，通用性好，由于人臉檢測網絡可以精確檢測出待檢測圖像中的人臉，真偽判別網絡基于包含人臉框的圖像可以只基于人臉特征來判別待檢測圖像的真偽，避免待檢測圖像背景的干擾，因此本發明得到的判別結果準確度比較高。

技術領域

本發明涉及視覺技術領域，具體涉及一種人臉合成圖像的檢測方法及裝置。

背景技術

隨著人臉合成技術(也稱為換臉技術)的發展，可能通過該技術傳播虛假信息或虛假新聞，對社會造成不良影響。特別是在涉及到圖像取證，需要確定圖像的來源和潛在的真實性。

目前，基于FaceForensics++數據集使用卷積神經網絡(CNN)學習圖像特征的能力，以監督學習的方式訓練出用于檢測合成人臉圖像的神經網絡。然而，針對不同的換臉技術，該神經網絡的泛用性比較差，并且該神經網絡容易受到圖像背景的干擾，檢測準確率不高。

發明內容

本發明的目的是針對上述現有技術的不足提出的一種人臉合成圖像的檢測方法及裝置，該目的是通過以下技術方案實現的。

本發明的第一方面提出了一種人臉合成圖像的檢測方法，所述方法包括：

將待檢測圖像輸入已訓練的網絡模型，以由所述網絡模型中的人臉檢測網絡基于待檢測圖像獲得包含人臉框的圖像并輸出給所述網絡模型中的真偽判別網絡；

所述真偽判別網絡基于包含人臉框的圖像判別所述待檢測圖像是否為人臉合成圖像。

本發明的第二方面提出了一種人臉合成圖像的檢測裝置，所述裝置包括：

模型檢測模塊，用于將待檢測圖像輸入已訓練的網絡模型，以由所述網絡模型中的人臉檢測網絡基于待檢測圖像獲得包含人臉框的圖像并輸出給所述網絡模型中的真偽判別網絡；所述真偽判別網絡基于包含人臉框的圖像判別所述待檢測圖像是否為人臉合成圖像；

獲取模塊，用于獲取所述網絡模型輸出的判別結果。

在本發明實施例中，針對不同換臉技術篡改得到的待檢測圖像，可以通過本發明提出的包含人臉檢測網絡和真偽判別網絡的網絡模型實現精確檢測，通用性好，由于人臉檢測網絡可以精確檢測出待檢測圖像中的人臉，真偽判別網絡基于包含人臉框的圖像可以只基于人臉特征來判別待檢測圖像的真偽，避免待檢測圖像背景的干擾，因此本發明得到的判別結果準確度比較高。

附圖說明

此處所說明的附圖用來提供對本發明的進一步理解，構成本發明的一部分，本發明的示意性實施例及其說明用于解釋本發明，并不構成對本發明的不當限定。在附圖中：

圖1為本發明根據一示例性實施例示出的一種網絡模型的結構示意圖；

圖2為本發明根據一示例性實施例示出的一種人臉合成圖像的檢測方法的實施例流程圖；

圖3為本發明示出的一種人臉檢測網絡的結構示意圖；

圖4為本發明示出的一種真偽判別網絡的結構示意圖；

圖5為本發明根據一示例性實施例示出的一種電子設備的硬件結構圖；

圖6為本發明根據一示例性實施例示出的一種人臉合成圖像的檢測裝置的實施例流程圖。

具體實施方式