System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及视频检测,尤其涉及一种伪造视频检测方法、装置、电子设备及存储介质。
技术介绍
1、深度伪造技术是一种基于人工智能和机器学习的技术,可以用来生成逼真的虚假影像、视频和语音等对抗现实真相的虚假信息,可以用于模仿、伪造人类行为特征,生成图片、视频和音频等,且视频换脸、换声技术早已为在影视制作等领域广泛运用。
2、目前,大部分伪造视频检测算法中,使用了形状复杂的感兴趣区域(region ofinterest,roi),这类细致划分的roi区域受到不同姿态的影响较大,也没有充分利用到其他非感兴趣区域的伪造特性,导致对深度伪造内容的检测精度低。
技术实现思路
1、本专利技术提供一种伪造视频检测方法、装置、电子设备及存储介质,用以解决现有技术中对深度伪造内容的检测精度低的问题。
2、本专利技术提供一种伪造视频检测方法,包括:
3、基于待检测视频,确定所述待检测视频对应的第一判别特征向量和第二判别特征向量;所述第一判别特征向量表示所述待检测视频中每帧人脸图像之间的时域特征信息;所述第二判别特征向量表示所述待检测视频中每帧所述人脸图像之间的频域特征信息;
4、基于所述第一判别特征向量和所述第二判别特征向量,确定所述待检测视频对应的目标特征向量;所述目标特征向量表示融合所述时域特征信息和所述频域特征信息的特征信息;
5、基于所述目标特征向量,确定所述待检测视频的检测结果;所述检测结果用于指示所述待检测视频是否为伪造视频。
...【技术保护点】
1.一种伪造视频检测方法,其特征在于,包括:
2.根据权利要求1所述的伪造视频检测方法,其特征在于,所述基于待检测视频,确定所述待检测视频对应的第一判别特征向量和第二判别特征向量,包括:
3.根据权利要求2所述的伪造视频检测方法,其特征在于,所述基于各所述人脸区域和各所述非人脸区域,确定所述待检测视频对应的第一判别特征向量和第二判别特征向量,包括:
4.根据权利要求3所述的伪造视频检测方法,其特征在于,所述基于各所述人脸区域和各所述非人脸区域,分别提取各所述人脸区域对应的第一时域特征和各所述非人脸区域对应的第二时域特征,包括:
5.根据权利要求3所述的伪造视频检测方法,其特征在于,所述基于所述第一时域特征和所述第二时域特征,确定所述待检测视频对应的第一判别特征向量和第二判别特征向量,包括:
6.根据权利要求1所述的伪造视频检测方法,其特征在于,所述基于所述第一判别特征向量和所述第二判别特征向量,确定所述待检测视频对应的目标特征向量,包括:
7.根据权利要求1所述的伪造视频检测方法,其特征在于,所述基于所述目标
8.一种伪造视频检测装置,其特征在于,包括:
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述伪造视频检测方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述伪造视频检测方法。
...【技术特征摘要】
1.一种伪造视频检测方法,其特征在于,包括:
2.根据权利要求1所述的伪造视频检测方法,其特征在于,所述基于待检测视频,确定所述待检测视频对应的第一判别特征向量和第二判别特征向量,包括:
3.根据权利要求2所述的伪造视频检测方法,其特征在于,所述基于各所述人脸区域和各所述非人脸区域,确定所述待检测视频对应的第一判别特征向量和第二判别特征向量,包括:
4.根据权利要求3所述的伪造视频检测方法,其特征在于,所述基于各所述人脸区域和各所述非人脸区域,分别提取各所述人脸区域对应的第一时域特征和各所述非人脸区域对应的第二时域特征,包括:
5.根据权利要求3所述的伪造视频检测方法,其特征在于,所述基于所述第一时域特征和所述第二时域特征,确定所述待检测视频对应的第一判别特征向量和第...
【专利技术属性】
技术研发人员:孙旭东,杜金浩,刘发强,刘睿霖,熊晶,王立强,贺文晨,
申请(专利权)人:国家计算机网络与信息安全管理中心,
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。