图像真伪检测方法和装置制造方法及图纸

本申请涉及人工智能领域，具体涉及一种图像真伪检测方法和装置。所述方法包括：获取待检测图像；将待检测图像输入至生成对抗网络的生成器中，通过生成器输出与待检测图像对应的伪像图；伪像图用于表征待检测图像与真实图像间的差异；其中，生成对抗网络在训练阶段还包括鉴别器；在训练阶段，生成器用于输出与样本图像对应的预测伪像图，并基于预测伪像图生成拟合图像；鉴别器用于对拟合图像进行真实性鉴别，以辅助生成器学习到虚假图像与真实图像间的差异特征；基于伪像图中确定待检测图像的真伪检测结果。采用本方法能够提升图像真伪检测的准确性，可用于安全防护。

【技术实现步骤摘要】
图像真伪检测方法和装置
本申请涉及计算机
，特别是涉及一种图像真伪检测方法和装置。
技术介绍
目前随着图像编辑技术的发展，人们可以随意编辑图像中的内容，从而导致越来越多以假乱真的高质量虚假图像涌现出来，这将严重影响目前落地的图像识别系统的安全性。因此，在安防应用方面，检测输入图像是否经过了编辑，日趋成为网络安全中的重要环节。传统方案中对图像进行真伪鉴别的方式主要是通过检测图像中的某些特定瑕疵，来判定待检测图像是否为虚假图像。比如，可以通过检测图像中的全局光照和局部光照的匹配程度，来对图像的真伪进行判断。但是随着图像编辑技术的不断发展，某些特定的瑕疵将会不复存在，从而导致图像真伪检测的准确性较低。
技术实现思路
基于此，有必要针对传统方案中图像真伪检测准确性较低的技术问题，提供一种能够提升图像检测准确性的图像真伪检测方法和装置。一种图像真伪检测方法，所述方法包括：获取待检测图像；将所述待检测图像输入至生成对抗网络的生成器中，通过所述生成器输出与所述待检测图像对应的伪像图；所述伪像图用于表征本文档来自技高网...

【技术保护点】
1.一种图像真伪检测方法，其特征在于，所述方法包括：/n获取待检测图像；/n将所述待检测图像输入至生成对抗网络的生成器中，通过所述生成器输出与所述待检测图像对应的伪像图；所述伪像图用于表征所述待检测图像与真实图像间的差异；其中，所述生成对抗网络在训练阶段还包括鉴别器；在所述训练阶段，所述生成器用于输出与样本图像对应的预测伪像图，并基于所述预测伪像图生成拟合图像；所述鉴别器用于对所述拟合图像进行真实性鉴别，以辅助所述生成器学习到虚假图像与真实图像间的差异特征；/n基于所述伪像图确定所述待检测图像的真伪检测结果。/n

【技术特征摘要】
1.一种图像真伪检测方法，其特征在于，所述方法包括：
获取待检测图像；
将所述待检测图像输入至生成对抗网络的生成器中，通过所述生成器输出与所述待检测图像对应的伪像图；所述伪像图用于表征所述待检测图像与真实图像间的差异；其中，所述生成对抗网络在训练阶段还包括鉴别器；在所述训练阶段，所述生成器用于输出与样本图像对应的预测伪像图，并基于所述预测伪像图生成拟合图像；所述鉴别器用于对所述拟合图像进行真实性鉴别，以辅助所述生成器学习到虚假图像与真实图像间的差异特征；
基于所述伪像图确定所述待检测图像的真伪检测结果。


2.根据权利要求1所述的方法，其特征在于，所述待检测图像包括待检测的人脸图像，所述获取待检测图像，包括：
获取包括有人脸的待检测视频；
对所述待检测视频进行解析得到对应的视频帧；
对所述视频帧进行人脸检测，并基于人脸检测的结果从所述视频帧中裁剪出包括有人脸区域的人脸图像。


3.根据权利要求1所述的方法，其特征在于，所述基于所述伪像图确定所述待检测图像的真伪检测结果，包括：
确定所述伪像图所包括的各像素点的像素值；
基于各所述像素点的像素值确定与所述伪像图对应的平均像素值；
当所述平均像素值大于等于像素阈值时，确定所述待检测图像为虚假图像；
当所述平均像素值小于所述像素阈值时，确定所述待检测图像为真实图像。


4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述待检测图像的真伪检测结果表示所述待检测图像为虚假图像时，获取对应的标记信息；
将所述标记信息添加至所述待检测图像中；所述标记信息用于表征所述待检测图像为虚假图像。


5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
获取样本图像、以及各所述样本图像所对应的图像标签；
将各所述样本图像输入至所述生成对抗网络中待训练的生成器，通过所述待训练的生成器输出与各所述样本图像分别对应的预测伪像图；
根据所述预测伪像图，生成与所述样本图像对应的拟合图像；
基于所述样本图像、所述图像标签、及所述拟合图像对所述生成对抗网络中的生成器和鉴别器进行迭代对抗训练，直至达到迭代停止条件时停止训练。


6.根据权利要求5所述的方法，其特征在于，所述根据所述预测伪像图，生成与所述样本图像对应的拟合图像，包括：
对所述样本图像和相应的预测伪像图进行像素匹配，确定所述样本图像和所述预测伪像图中对应相同像素位置的第一像素点和第二像素点；
将所述第一像素点的像素值减去相同像素位置处的第二像素点的像素值，得到与相应像素位置对应的拟合像素值；
基于各像素位置分别对应的拟合像素值，确定所述样本图像的拟合图像。


7.根据权利要求5所述的方法，其特征在于，所述基于所述样本图像、所述图像标签、及所述拟合图像对所述生成对抗网络中的生成器和鉴别器进行迭代对抗训练，直至达到迭代停止条件时停止训练，包括：
基于所述样本图像、所述图像标签、及所述拟合图像对所述生成对抗网络中待训练的鉴别器进行第一训练，直至达到第一训练停止条件时停止；
将所述拟合图像输入至通过所述第一训练得到的鉴别器中，以对所述拟合图像进行真实性鉴别，输出所述拟合图像的真实性预测结果；
根据所述拟合图像的真实性预测结果对所述生成对抗网络中待训练的生成器进行第二训练，直至达到第二训练停止条件时停止；
返回基于所述样本图像、所述图像标签、及所述拟合图像对所述生成对抗网络中待训练的鉴别器进行第一训练的步骤并继续执行，直至达到迭代停止条件时停止训练，得到训练好的生成对抗网络。


8.根据权利要求7所述的方法，其特征在于，所述样本图像包括真实样本图像和虚假样本图像；所述图像标签包括虚假区域标签和图像真伪标签；所述鉴别器包括虚假区域鉴别器和视觉真实鉴别器；
所述基于所述样本图像、所述图像标签、及所述拟合图像对所述生成对抗网络中待训练的鉴别器进行第一训练，直至达到第一训练停止条件时停止包括：
将所述样本图像分别输入至虚假区域鉴别器，通过所述虚假区域鉴别器输出与所述样本图像对应的第一虚假区域预测结果；
基于所述样本图像所对应的第一虚假区域预测结果和虚假区域标签，确定第一虚假区域损失；
将所述真实样本图像和所述拟合图像分别作为输入图像输入至视觉真实鉴别器，输出与所述输入图像对应的第一视觉真实预测结果；
基于所述输入图像所对应的第一视觉真实预测结果和图像真伪标签，确定第一视觉真实损失；
根据所述第一虚假区域损失和第一视觉真实损失构建鉴别器损失函数；
通过所述鉴别器损失函数对所述虚假区域鉴别器和所述视觉真实鉴别器进行第一训练，直至达到第一训练停止条件时停止。


9.根据权利要求8所述的方法，其特征在于，所述虚假区域标签的生成步骤包括：
将第一预设图像的像素值设置为第一值，得到所述真实样本图像的虚假区域标签；所述第一预设图像与所述真实样本图像的尺寸相同；
确定所述虚假样本图像中的虚假区域；
将第二预设图像中与所述虚假区域对应的目标区域的像素值设置为第二值，并将所述第二预设图像中除所述目标区域之外的其他区域的像素值设置为所述第一值，得到所述虚假样本图像的虚假区域标签；其中，所述第二预设图像与所述虚假样本图像的尺寸相同，且所述第二值与所述第一值不同。


10.根据权利要求7所述的...

【专利技术属性】
技术研发人员：姚太平，王鑫瑶，丁守鸿，李季檩，吴运声，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44