一种新的基于手工特征提取的StyleGAN合成人脸检测方法技术

本发明专利技术提供一种新的基于手工特征提取的StyleGAN合成人脸检测方法。所述新的基于手工特征提取的StyleGAN合成人脸检测方法包括以下步骤：S1：输入图像；S2：对所述图像进行指纹提取；S3：对提取的所述指纹进行隐写特征分析；S4：根据所述隐写特征判断所述图像为真实图像还是合成图像，所述步骤S3中隐写特征分析的方法为：使用相邻像素差值获取二阶马尔科夫特征来作为局部差异特征。本发明专利技术提供的新的基于手工特征提取的StyleGAN合成人脸检测方法具有对硬件和数据集要求低、普适性强、成本低廉的优点。优点。优点。

【技术实现步骤摘要】
一种新的基于手工特征提取的StyleGAN合成人脸检测方法


[0001]本专利技术涉及人脸识别
，尤其涉及一种新的基于手工特征提取的StyleGAN合成人脸检测方法。

技术介绍

[0002]生成式对抗网络(GAN)是Goodfellow在2014年首先提出来的，它的主要思想是通过对抗的方式让模型自动地去学习样本的分布。它由两部分组成：生成器和鉴别器。生成器的任务就是尽可能的去合成最接近真实样本分布的样本以此来迷惑鉴别器，而鉴别器的任务就是尽可能的去判断输入样本到底是真实样本还是合成样本。在实际的训练过程中，生成器与鉴别器采取一种交替训练的方式。通过这两者的不断地反复训练，GAN模型最终会达到一个动态平衡，此时不管输入样本是真实样本还是合成假样本最终鉴别器的输出都会是0.5，也就是说生成器已经学到了真实样本的分布以至于鉴别器无法鉴别生成器生成的样本是真实样本还是合成的样本。
[0003]随着GAN的快速发展和广泛运用，人们可以非常容易的利用GAN合成出超高清图像。近5年来更是涌现出了一大批基于GAN的人脸合成模型，这些模型所合成出的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新的基于手工特征提取的StyleGAN合成人脸检测方法，其特征在于，包括以下步骤：S1：输入图像；S2：对所述图像进行指纹提取；S3：对提取的所述指纹进行隐写特征分析；S4：根据所述隐写特征判断所述图像为真实图像还是合成图像。2.根据权利要求1所述的新的基于手工特征提取的StyleGAN合成人脸检测方法，其特征在于，所述步骤S2中指纹提取：相机模式噪声提取可以通过下式完成：N＝I-F(I)，其中I代表输入的图像，F(I)代表基于小波变换的去噪函数，N为提取的指纹。3.根据权利要求...

【专利技术属性】
技术研发人员：傅涛，杨高波，
申请(专利权)人：湖南大学，
类型：发明
国别省市：