图像检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种图像检测方法、装置、计算机设备和存储介质。该方法涉及人工智能领域中的图像分类技术，该方法可以由人工智能云服务实现，所述方法包括：获取包括人脸的待检测图像；提取待检测图像对应的图像特征；切分图像特征，获得待检测图像中各局部区域对应的局部特征；根据局部特征确定各局部区域之间的相似度；根据相似度预测待检测图像中的人脸属于伪造人脸的第一概率；根据第一概率，确定待检测图像中人脸的真伪检测结果。采用本方法能够克服特定伪造图像检测算法在一些人脸图像上过拟合的问题，提升了检测效果，并具有一定的可解释性。

【技术实现步骤摘要】
图像检测方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种图像检测方法、装置、计算机设备和存储介质。
技术介绍
随着计算机技术的飞速发展，近来出现了一些软件和工具，能够将图像或视频中原始的真实人脸换成假冒的人脸，伪造包含他人人脸的图像或视频，例如，这些工具可以利用人工智能云服务提供的基于深度学习的换脸服务来实现对视频或图像进行换脸的功能。由于伪造图像及视频具有辨别难度大、制造成本低、传播速度快和破坏能力强等特点，对个人隐私、社会稳定甚至国家安全等造成严重的潜在危险。为此，针对换脸图像或换脸视频中真伪人脸的图像检测涉及到人工智能领域中的图像分类技术，已经成为近年来该领域的研究热点。目前采用的方法主要可以分为两大类：基于人脸伪造痕迹的检测方法，通过虚假内容的特定伪造痕迹进行判断，如眨眼模式、生物特征等；基于神经网络结构设计的检测方法，通过设计各种网络结构、借助深度神经网络强大的表征能力来检测虚假人脸视频。然而，上述方法大都局限于特定伪造图像检测算法，缺乏可解释性和泛化性，检测效果不佳。r>
技术实现思路
...

【技术保护点】
1.一种图像检测方法，其特征在于，所述方法包括：/n获取包括人脸的待检测图像；/n提取所述待检测图像对应的图像特征；/n切分所述图像特征，获得所述待检测图像中各局部区域对应的局部特征；/n根据所述局部特征确定各所述局部区域之间的相似度；/n根据所述相似度预测所述待检测图像中的人脸属于伪造人脸的第一概率；/n根据所述第一概率，确定所述待检测图像中所述人脸的真伪检测结果。/n

【技术特征摘要】
1.一种图像检测方法，其特征在于，所述方法包括：
获取包括人脸的待检测图像；
提取所述待检测图像对应的图像特征；
切分所述图像特征，获得所述待检测图像中各局部区域对应的局部特征；
根据所述局部特征确定各所述局部区域之间的相似度；
根据所述相似度预测所述待检测图像中的人脸属于伪造人脸的第一概率；
根据所述第一概率，确定所述待检测图像中所述人脸的真伪检测结果。


2.根据权利要求1所述的方法，其特征在于，所述提取所述待检测图像对应的图像特征，包括：
将所述待检测图像输入至训练好的人脸检测模型中的编码器；
通过所述编码器中的卷积层，对所述待检测图像进行特征提取，获得所述待检测图像对应的高分辨率特征；
通过所述编码器中的池化层，对所述高分辨率特征进行下采样处理，获得所述待检测图像对应的图像特征。


3.根据权利要求1所述的方法，其特征在于，所述根据所述局部特征确定各所述局部区域之间的相似度，包括：
将各所述局部区域对应局部特征转换为局部特征向量；
根据各所述局部特征向量之间的余弦相似度确定局部区域之间的相似度。


4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
对所述图像特征进行解码，获得所述待检测图像对应的像素差异图，所述像素差异图用于表示所述待检测图像中各像素属于伪造人脸的第二概率；
根据所述第二概率，确定所述待检测图像中所述人脸的真伪检测结果。


5.根据权利要求4所述的方法，其特征在于，所述对所述图像特征进行解码，获得所述待检测图像对应的像素差异图，包括：
将所述图像特征输入至训练好的人脸检测模型中的解码器；
通过所述解码器中的上采样层对所述图像特征进行上采样处理后与编码器获得的高分辨率特征融合，获得输出特征；
通过所述解码器中的分类层对所述输出特征进行归一化处理，获得所述待检测图像对应的像素差异图。


6.根据权利要求4所述的方法，其特征在于，所述根据所述第二概率，确定所述待检测图像中所述人脸的真伪检测结果，包括：
根据所述第二概率，确定所述待检测图像中属于伪造人脸的像素；
根据属于伪造人脸的像素的数量计算所述待检测图像对应的伪造面积比；
根据所述伪造面积比确定所述待检测图像中人脸的真伪检测结果。


7.根据权利要求1所述的方法，其特征在于，所述获取包括人脸的待检测图像，包括：
获取待检测视频；
对所述待检测视频进行采样处理，获得待检测视频帧；
从所述待检测视频帧中裁剪出包括人脸的人脸区域后获得待检测图像。


8.根据权利要求1所述的方法，其特征在于，所述方法通过人脸检测模型实现，所述人脸检测模型的训练步骤包括：
获取训练样本集，所述训练样本集中的每个训练样本包括人脸样本图像、人脸样本图像对应的真实像素差异图及所述人脸样本图像对应的分类标签；
将所述训练样本中的人脸样本图像输入至人脸检测模型；
通过所述人脸检测模型提取所述人脸样本图像对应的图像特征；
将所述图像特征切分后，获得所述人脸样本图像中各局部区域对应的局部特征；
根据所述局部特征确定各所述局部区域之间的第一相似度；
根据所述第一相似度预测所述...

【专利技术属性】
技术研发人员：姚太平，陈燊，丁守鸿，李季檩，黄飞跃，
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