基于ACBlock的深度卷积神经网络信息取证方法技术

本发明专利技术提出一种基于ACBlock的深度卷积神经网络信息取证方法，解决了现有取证检测方法在面对较差质量的视频片段时，提取到的特征较少、检测准确率不高的问题，将非对称卷积结构ACBlock引入到深度卷积神经网络之中，利用原始视频集和篡改视频集的人脸内容训练网络，由待测视频进行人脸提取得到的结果作为待测样本，将待测样本通过训练好的卷积神经网络进行分类，即可判断此帧图像是否经过了篡改，ACBlock以多个非对称卷积核组合的形式来替代原本的对称卷积核，能够加强卷积对于中心位置的特征提取，克服现有技术在视频质量较差时，因提取特征的能力较差而表现出的检测准确率不高的缺陷，从而提高检测取证的准确率。

【技术实现步骤摘要】
基于ACBlock的深度卷积神经网络信息取证方法
本专利技术涉及人脸视频信息取证的
，更具体地，涉及一种基于ACBlock的深度卷积神经网络信息取证方法。
技术介绍
随着信息技术的快速发展，图像和视频成为了人们日常生活中重要的信息载体，各种数字图像处理工具也得到了普及，人们可以很轻易地篡改图像，使其原始性、真实性和可靠性受到挑战，尤其恶意针对名人或国家领导人生成的换脸视频产生了严重的信息误导和安全隐患。因此，有必要对信息取证尤其是对人脸视频信息取证进行研究。卷积神经网络以其卓越的特征表达能力使其在图像分类领域上得到了大量的关注，而人脸视频信息取证作为图像分类的一种，在使用卷积神经网络的时候，同样有较好的表现。Google在2016年发布的论文《Xception:DeepLearningwithDepthwiseSeperableConvolutions》中提出了一种典型的卷积神经网络：Xception网络，其采用了深度可分离卷积的结构，在raw质量的视频上进行检测时，人脸视频取证的检测准确度高达99.26％，但当在低质量的本文档来自技高网...

【技术保护点】
1.一种基于ACBlock的深度卷积神经网络信息取证方法，用于确认视频片段中的人脸信息是否经过篡改，其特征在于，至少包括：/nS1.构造原始视频集和篡改视频集；/nS2.分别提取原始视频集和篡改视频中的人脸内容，得到原始人脸视频集和篡改人脸视频集；/nS3.分别从原始人脸视频集和篡改人脸视频集中随机筛选出原始视频人脸信息样本和篡改视频人脸信息样本；/nS4.构建基于ACBlock的深度卷积神经网络模型，利用原始视频人脸信息样本和篡改视频人脸信息样本对基于ACBlock的深度卷积神经网络模型进行预训练；/nS5.保留预训练后基于ACBlock的深度卷积神经网络模型的权重参数，截取掉深度卷积神经网...

【技术特征摘要】
1.一种基于ACBlock的深度卷积神经网络信息取证方法，用于确认视频片段中的人脸信息是否经过篡改，其特征在于，至少包括：
S1.构造原始视频集和篡改视频集；
S2.分别提取原始视频集和篡改视频中的人脸内容，得到原始人脸视频集和篡改人脸视频集；
S3.分别从原始人脸视频集和篡改人脸视频集中随机筛选出原始视频人脸信息样本和篡改视频人脸信息样本；
S4.构建基于ACBlock的深度卷积神经网络模型，利用原始视频人脸信息样本和篡改视频人脸信息样本对基于ACBlock的深度卷积神经网络模型进行预训练；
S5.保留预训练后基于ACBlock的深度卷积神经网络模型的权重参数，截取掉深度卷积神经网络模型末端的全连接层，替换为Capsule胶囊网络结构，利用原始视频人脸信息样本和篡改视频人脸信息样本再次训练深度卷积神经网络模型；
S6.选取待取证视频，将待取证视频进行分帧，提取人脸内容，作为待测视频人脸样本；
S7.利用训练好的深度卷积神经网络模型对待测视频帧样本进行分类，确认视频中的人脸信息是否进行了篡改。


2.根据权利要求1所述的基于ACBlock的深度卷积神经网络信息取证方法，其特征在于，步骤S1所述构造原始视频集和篡改视频集的具体过程为：
S101.选取原始视频，将原始视频进行分帧处理，得到原始视频集；
S102.将分帧后的原始视频集进行两两配对，分别作为互换的源视频和目标视频；
S103.对原始视频集中已配对的视频使用篡改方法进行人脸替换，得到篡改视频集。


3.根据权利要求2所述的基于ACBlock的深度卷积神经网络信息取证方法，其特征在于，步骤S103中所述的篡改方法包括：Deepfakes，FaceSwap，Face2Face和Neural-Textures。


4.根据权利要求1所述的基于ACBlock的深度卷积...

【专利技术属性】
技术研发人员：康显桂，俞建聪，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44