[發明專利]換臉檢測方法、裝置、設備及存儲介質

有效

• 申請號: 202010097995.3
• 申請日: 2020-02-18
• 公開（公告）號: CN111353392B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 蔣進;葉澤雄;肖萬鵬;鞠奇
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V40/40;G06V10/774;G06V10/82;G06N3/04
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 崔曉嵐;張穎玲

1.一種換臉檢測方法，其特征在于，包括：

獲取多個訓練圖像和各個訓練圖像的標簽信息；將所述多個訓練圖像劃分為至少一個訓練圖像組；基于每個訓練圖像組中包括的各個訓練圖像的標簽信息，確定所述每個訓練圖像組對應的標簽信息；

獲取每個訓練圖像組中各個訓練圖像的圖像特征；

基于所述各個訓練圖像的圖像特征，確定訓練圖像組的組合特征；

獲取每個訓練圖像組中各個訓練圖像的圖像特征對應的各個第一損失函數和第二損失函數，其中所述各個第一損失函數用于使得各個訓練圖像的圖像特征與各個標簽信息相對應，所述第二損失函數用于使得具有相同標簽信息的訓練圖像的圖像特征在特征空間中聚集，具有不同標簽信息的訓練圖像的圖像特征相互遠離；

獲取每個訓練圖像組的組合特征對應的第三損失函數和第四損失函數，其中，所述第三損失函數用于使得組合圖像特征按照指定分布進行聚集，所述第四損失函數用于使得訓練圖像組的組合圖像特征與訓練圖像組的標簽信息相對應；

根據所述各個第一損失函數、第二損失函數、第三損失函數和第四損失函數對神經網絡模型進行聯合訓練，以對所述神經網絡模型的參數進行調整；

獲取待檢測圖像，其中所述待檢測圖像中至少包括人臉區域；

通過神經網絡模型進行基于所述待檢測圖像的預測操作，得到預測結果，其中，所述神經網絡模型至少是基于訓練圖像組的組合特征訓練得到的，所述訓練圖像組包括至少兩個訓練圖像，所述預測結果用于表征所述待檢測圖像是否為換臉圖像；

輸出所述預測結果。

2.根據權利要求1中所述的方法，其特征在于，所述待檢測圖像為一個或至少兩個，對應地，當所述待檢測圖像為至少兩個時，通過神經網絡模型進行基于所述待檢測圖像的預測操作，得到預測結果，包括：

通過所述神經網絡模型依次進行基于單張待檢測圖像的預測操作，得到各個待檢測圖像的第一預測子結果；

基于各個待檢測圖像的第一預測子結果，確定所述預測結果。

3.根據權利要求1中所述的方法，其特征在于，所述待檢測圖像為一個或至少兩個，對應地，當所述待檢測圖像為至少兩個時，通過神經網絡模型進行基于所述待檢測圖像的預測操作，得到預測結果，包括：

將所述待檢測圖像進行劃分得到至少一個檢測圖像組，其中，檢測圖像組中包括的待檢測圖像的數量與所述訓練圖像組中的訓練圖像的數量相同；

通過所述神經網絡模型依次進行基于檢測圖像組的預測操作，得到各個檢測圖像組的第二預測子結果；

基于各個檢測圖像組的第二預測子結果，確定所述預測結果。

4.一種換臉檢測裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取待檢測圖像，其中所述待檢測圖像中至少包括人臉區域；

預測模塊，用于通過神經網絡模型進行基于所述待檢測圖像的預測操作，得到預測結果，其中，所述神經網絡模型至少是基于訓練圖像組的組合特征訓練得到的，所述訓練圖像組包括至少兩個訓練圖像，所述預測結果用于表征所述待檢測圖像是否為換臉圖像；

輸出模塊，用于輸出所述預測結果；

第二獲取模塊，用于獲取多個訓練圖像和各個訓練圖像的標簽信息；

第一劃分模塊，用于將所述多個訓練圖像劃分為至少一個訓練圖像組；

第一確定模塊，用于基于每個訓練圖像組中包括的各個訓練圖像的標簽信息，確定所述每個訓練圖像組對應的標簽信息；

訓練模塊，用于獲取每個訓練圖像組中各個訓練圖像的圖像特征；基于所述各個訓練圖像的圖像特征，確定訓練圖像組的組合特征；還用于獲取每個訓練圖像組中各個訓練圖像的圖像特征對應的各個第一損失函數和第二損失函數，其中所述各個第一損失函數用于使得各個訓練圖像的圖像特征與各個標簽信息相對應，所述第二損失函數用于使得具有相同標簽信息的訓練圖像的圖像特征在特征空間中聚集，具有不同標簽信息的訓練圖像的圖像特征相互遠離；獲取每個訓練圖像組的組合特征對應的第三損失函數和第四損失函數，其中，所述第三損失函數用于使得組合圖像特征按照指定分布進行聚集，所述第四損失函數用于使得訓練圖像組的組合圖像特征與訓練圖像組的標簽信息相對應；根據所述各個第一損失函數、第二損失函數、第三損失函數和第四損失函數對神經網絡模型進行聯合訓練，以對所述神經網絡模型的參數進行調整。