基于双流网络的伪造人脸检测方法、系统及存储介质技术方案

本发明专利技术公开了一种基于双流网络的伪造人脸检测方法、系统和存储介质，所述方法包括以下步骤：获取样本图像，对所述样本图像集进行预处理得到仅含人脸区域的图像；构建双流网络，所述双流网络包括深度卷积神经网络和胶囊网络，所述深度卷积神经网络用于提取深层常规面部特征，所述胶囊网络用于捕获面部各部位的位置和角度关系；将深度卷积神经网络和胶囊网络进行融合，得到训练好的双流网络；将待检测图像输入到训练好的双流网络中，检测是否为伪造人脸的图像。本发明专利技术在传统的卷积神经网络方法的基础上，添加了胶囊网络流，考虑了面部各部分的位置关系，能够捕获伪造人脸图像中错误的位置关系伪影。的位置关系伪影。的位置关系伪影。

【技术实现步骤摘要】
基于双流网络的伪造人脸检测方法、系统及存储介质


[0001]本专利技术属于人脸识别的
，具体涉及一种基于双流网络的伪造人脸检测方法系统及存储介质。

技术介绍

[0002]在人类所使用的众多生物学特征中，人脸是最具代表性和辨识度的特征之一，因此，人脸特征被用于各个领域中。随着人脸相关应用技术的快速发展，人脸伪造所带来的安全威胁在不断加剧。人脸伪造是指通过使用深度学习等技术手段生成一个虚假的人脸或篡改人脸的一种技术。它可以生成一个虚拟的人脸，也可以在视频或图像中将原始的人脸替换成目标人物的人脸，或者改变目标人物的表情和外观属性。因此，人脸伪造技术可以使目标人物在视频或图像中根据伪造者的需求去做特定的动作或说一些特定的话。虽然这项技术可用于在电影制作中创建虚拟角色，并在视频中复活历史数据或死亡亲戚和朋友。但总的来说，它的负面影响远大于它的正面影响。人脸伪造往往包含虚假的人物、动作和语音信息，这些虚假信息可以导致假新闻的传播、互联网诈骗、谣言的制造和传播等，对本申请的日常生活产生负面影响。人脸伪造技术的滥用为个人隐私和社会安全带来了巨大威胁，因此本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于双流网络的伪造人脸检测方法，其特征在于，包括下述步骤：获取样本图像，对所述样本图像集进行预处理得到仅含人脸区域的图像；构建双流网络，所述双流网络包括深度卷积神经网络和胶囊网络，所述深度卷积神经网络用于提取深层常规面部特征，所述胶囊网络用于捕获面部各部位的位置和角度关系，所述胶囊网络中的“胶囊”是一组矢量或矩阵，其中不同的输出矢量或矩阵表示出现在图像中的特定对象的不同属性；将深度卷积神经网络和胶囊网络进行融合，利用深度卷积神经网络和胶囊网络的损失函数对双流网络进行训练，得到训练好的双流网络；将待检测图像输入到训练好的双流网络中，检测是否为伪造人脸的图像。2.根据权利要求1所述基于双流网络的伪造人脸检测方法，其特征在于，对所述样本图像集进行预处理的具体步骤为：通过人脸检测算法对输入的样本图像集中的人脸图像进行检测，然后将检测出来的人脸图像裁剪为仅包含人脸区域的图像。3.根据权利要求1所述基于双流网络的伪造人脸检测方法，其特征在于，得到仅含人脸区域的图像后，还包括下述步骤：采用迁移学习的方法，在VGGFACE2人脸识别数据集上预先训练部分深度卷积神经网络作为初始特征提取器，减少过拟合和训练时间。4.根据权利要求1所述基于双流网络的伪造人脸检测方法，其特征在于，所述深度卷积神经网络采用Inception ResNet V1网络，所述Inception ResNet V1网络由包括Inception
‑
Reset的多个块组成。5.根据权利要求1所述基于双流网络的伪造人脸检测方法，其特征在于，所述胶囊网络由多个主胶囊和两个输出胶囊组成，所述多个主胶囊具有相同的结构，每个主胶囊分为三个部分:二维卷积部分、统计池化层和一维卷积部分，统计池化层作用于中间部分，所述两个输出胶囊分别为真胶囊和假胶囊，所述真胶囊和假胶囊对应于伪造人脸检测的二分类任务。6.根据权利要求5所述基于双流网络的伪造人脸检测方法，其特征在于，采用动态路由算法计算主胶囊和输出胶囊之间的权重，所述输出胶囊实时地将所述主胶囊链接到输出胶囊上，因此，输出胶囊用于表达低级胶囊特征的一致性，假设u
i
和v
j
分别表示主胶囊的输出矢量和输出胶囊，胶囊j的输入s
j
通过在迭代动态路由中确定的耦合系数c
i,j
来计算，如下所示：其中W
ij
为权重矩阵，是所有预测向量的加权求和结果，动态路由算法通过几个迭代调整耦合系数c
i,j
以...

【专利技术属性】
技术研发人员：李树栋，林凯瀚，韩伟红，梅阳阳，吴晓波，方滨兴，田志宏，殷丽华，顾钊铨，
申请(专利权)人：广州大学，
类型：发明
国别省市：