【技术实现步骤摘要】
伪造对象检测方法、相关装置及存储介质
[0001]本申请实施例涉及数据传输
，尤其涉及一种伪造对象检测方法、相关装置及存储介质。
技术介绍
[0002]深度合成技术，是指利用深度学习、虚拟现实等生成合成类算法制作文本、图像、音频、视频、虚拟场景等网络信息的技术。深度合成技术能够合成或编辑数字图片，得到虚假的图片，例如人脸图像，并达到人眼难辨真伪的程度。这些虚假的人脸可能被恶意使用，从而造成巨大的社会危害和经济损失，例如制作虚假新闻或攻击人脸识别系统等。深度合成技术制作的虚假人脸包含多种类型，如人脸重演、人脸替换、人脸编辑和人脸合成等。每种类型的虚假人脸都可以由不同的算法生成，导致图片中所遗留的伪造痕迹也有所不同。
[0003]为了能够支持多种类型的虚假人脸检测，目前主流的虚假人脸检测方法一般采用基于数据驱动的深度学习技术，即采集大规模且类型多样的虚假人脸和真实人脸数据，然后训练一个基于神经网络的分类模型。该模型一般包括一个特征编码器、一个全连接分类器和softmax函数，并通过交叉熵损失进行训练。然而，基于so...
【技术保护点】
【技术特征摘要】
1.一种伪造对象检测方法，其特征在于，包括：获取待检测数据中目标对象的目标对象特征；确定第一特征距离集合以及第二特征距离集合，所述第一特征距离集合包括所述目标对象特征与至少一个真实类型的真实原型中各所述真实原型的特征距离，所述第二特征距离集合包括所述目标对象特征与至少一个虚假类型的虚假原型中各所述虚假原型的特征距离；基于所述第一特征距离集合确定平均特征距离，以及基于所述第二特征距离集合确定最小特征距离；根据所述平均特征距离以及所述最小特征距离确定所述目标对象是否符合预设伪造条件。2.根据权利要求1所述的方法，其特征在于，所述根据所述平均特征距离以及所述最小特征距离确定所述目标对象是否符合预设伪造条件，包括：根据所述平均特征距离的相反数以及预设的分类函数确定所述目标对象为真实对象的第一概率；根据所述最小特征距离的相反数以及所述分类函数确定所述目标对象为伪造对象的第二概率；若所述第一概率大于所述第二概率，则确定所述目标对象不符合所述预设伪造条件；若所述第一概率小于或等于所述第二概率，则确定所述目标对象符合所述预设伪造条件。3.根据权利要求1所述的方法，其特征在于，所述获取待检测数据中目标对象的目标对象特征之前，所述方法还包括：获取初始样本集合，所述初始样本集合包括预设原型集合中各预设原型分别对应的多个样本，所述预设原型集合包括至少一个真实类型的预设真实原型以及至少一个虚假类型的预设虚假原型；从所述初始样本集合中确定目标样本特征；确定第一样本特征距离集合以及第二样本特征距离集合，所述第一样本特征距离集合包括所述目标样本特征与各所述预设真实原型的特征距离，所述第二样本特征距离集合包括所述目标样本特征与各所述预设虚假原型的特征距离；基于所述第一样本特征距离集合确定平均样本特征距离，以及基于所述第二样本特征距离集合确定最小样本特征距离；根据所述平均样本特征距离、所述最小样本特征距离以及所述目标样本特征对应的样本类型标签确定所述预设原型集合的损失函数；若确定所述预设原型集合未收敛，则根据所述损失函数对所述预设原型集合进行训练，并根据所述初始样本集合更新所述目标样本特征，返回执行所述确定第一样本特征距离集合以及第二样本特征距离集合步骤；若确定所述预设原型集合收敛，则将所述预设原型集合确定为目标原型集合，所述目标原型集合包括至少一个所述真实原型以及至少一个所述虚假原型。4.根据权利要求3所述的方法，其特征在于，所述根据所述平均样本特征距离、所述最小样本特征距离以及所述目标样本特征对应的样本类型标签确定所述预设原型集合的损
失函数，包括：根据所述平均样本特征距离的相反数以及预设的分类函数确定所述目标样本特征为...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：北京瑞莱智慧科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。