图像检测方法、装置、计算机设备及存储介质制造方法及图纸

本申请关于一种图像检测方法、装置、计算机设备及存储介质，涉及图像处理技术领域。所述方法包括：通过第一检测模型对至少两幅图像的图像特征进行基于注意力机制的融合处理，获得目标图像序列的融合图像特征，对所述融合图像特征进行处理，获得目标图像序列的第一概率；通过第二检测模型对所述至少两幅图像的图像特征分别进行处理，获得所述至少两幅图像各自的第二概率；基于所述第一概率，以及所述至少两幅图像各自的所述第二概率，获取所述目标图像序列的序列检测结果。本方案能够在检测伪造图像的过程中，兼顾图像之间的时序信息，以及图像中的伪影痕迹，从而提高对伪造图像进行检测的准确性。

【技术实现步骤摘要】
图像检测方法、装置、计算机设备及存储介质
本申请涉及图像处理
，特别涉及图像检测方法、装置、计算机设备及存储介质。
技术介绍
人工智能(ArtificialIntelligence，AI)换脸等图像处理技术推动了娱乐与文化交流产业的新兴发展，但同时也给基于图像的应用(比如人脸检测)等场景带来巨大的安全威胁。在相关技术中，针对伪造图像检测技术为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；比如，通过对视频序列中的人眼区域进行提取，再结合神经网络对人眼序列进行建模，以区分是否为伪造人脸视频。然而，随着换脸等图像处理技术的不断成熟，生成的伪造图像逐渐具有了和真实图像一致的生物模式，从而导致相关技术中的方案对伪造图像的检测准确性较低。
技术实现思路
本申请实施例提供了一种图像检测方法、装置、计算机设备及存储介质，可以提高对伪造图像进行检测的准确性，该技术方案如下：一方面，提供了一种图像检测方法，所述方法包括：获取目标图像序列，所述目标图像序列包含同一视频中的至少两幅图像；通本文档来自技高网...

【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获取目标图像序列，所述目标图像序列包含同一视频中的至少两幅图像；/n通过第一检测模型对所述至少两幅图像的图像特征进行基于注意力机制的融合处理，获得所述目标图像序列的融合图像特征；/n通过所述第一检测模型对所述融合图像特征进行处理，获得所述目标图像序列的第一概率，所述第一概率用于指示所述目标图像序列是伪造的图像序列的概率；/n通过第二检测模型对所述至少两幅图像的图像特征分别进行处理，获得所述至少两幅图像各自的第二概率，所述第二概率用于指示对应的图像是伪造的图像的概率；/n基于所述第一概率，以及所述至少两幅图像各自的所述第二概率，获取所述目标图像...

【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：
获取目标图像序列，所述目标图像序列包含同一视频中的至少两幅图像；
通过第一检测模型对所述至少两幅图像的图像特征进行基于注意力机制的融合处理，获得所述目标图像序列的融合图像特征；
通过所述第一检测模型对所述融合图像特征进行处理，获得所述目标图像序列的第一概率，所述第一概率用于指示所述目标图像序列是伪造的图像序列的概率；
通过第二检测模型对所述至少两幅图像的图像特征分别进行处理，获得所述至少两幅图像各自的第二概率，所述第二概率用于指示对应的图像是伪造的图像的概率；
基于所述第一概率，以及所述至少两幅图像各自的所述第二概率，获取所述目标图像序列的序列检测结果，所述序列检测结果用于指示所述目标图像序列是否为伪造的图像序列；
其中，所述第一检测模型和所述第二检测模型是通过图像序列样本集训练获得的；所述图像序列样本集中包括至少两个图像样本序列对，所述图像样本序列对中包含图像序列正样本和图像序列负样本，各个图像序列样本具有对应的样本标签，所述样本标签用于指示对应的图像样本序列是否为伪造的图像样本序列。


2.根据权利要求1所述的方法，其特征在于，所述基于所述第一概率，以及所述至少两幅图像各自的所述第二概率，获取所述目标图像序列的序列检测结果，包括：
对所述第一概率，以及所述至少两幅图像各自的所述第二概率进行加权处理，获得所述序列检测结果。


3.根据权利要求2所述的方法，其特征在于，所述对所述第一概率，以及所述至少两幅图像各自的所述第二概率进行加权处理，获得所述序列检测结果，包括：
对所述至少两幅图像各自的所述第二概率进行融合，获得融合概率；
基于所述第一概率的权重以及所述融合概率的权重，对所述第一概率以及所述融合概率进行加权处理，获得所述序列检测结果。


4.根据权利要求3所述的方法，其特征在于，所述对所述至少两幅图像各自的所述第二概率进行融合，获得融合概率，包括：
对所述至少两幅图像各自的所述第二概率取中值，获得所述融合概率；
或者，
对所述至少两幅图像各自的所述第二概率取平均值，获得所述融合概率；
或者，
通过门控循环单元对所述至少两幅图像各自的所述第二概率进行处理，获得所述融合概率。


5.根据权利要求3所述的方法，其特征在于，所述第一概率的权重与所述融合概率的权重相同。


6.根据权利要求3所述的方法，其特征在于，所述基于所述第一概率的权重以及所述融合概率的权重，对所述第一概率以及所述融合概率进行加权处理，获得所述序列检测结果之前，还包括：
获取所述目标图像序列的图像质量信息；
基于所述图像质量信息，获取所述第一概率的权重以及所述融合概率的权重。


7.根据权利要求3所述的方法，其特征在于，所述基于所述第一概率的权重以及所述融合概率的权重，对所述第一概率以及所述融合概率进行加权处理，获得所述序列检测结果之前，还包括：
获取所述第一概率和所述融合概率之间的概率差值；
所述基于所述第一概率的权重以及所述融合概率的权重，对所述第一概率以及所述融合概率进行加权处理，获得所述序列检测结果，包括：
响应于所述概率差值小于差值阈值，执行基于所述第一概率的权重以及所述融合概率的权重，对所述第一概率以及所述融合概率进行加权处理，获得所述序列检测结果的步骤。


8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
响应于所述概率差值不小于所述差值阈值，输出检测失败信息。


9.根据权利要求7所述的方法，其特征在于，所述方法还包括：
响...

【专利技术属性】
技术研发人员：姚太平，陈燊，陈阳，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