【技术实现步骤摘要】
本专利技术涉及计算机视觉，尤其涉及一种基于空频时序特征的视频人脸伪造检测方法及系统。
技术介绍
1、近年来,深度学习技术快速发展,在计算机视觉领域取得了重大突破,被广泛应用于图像分类、目标识别和图像生成等领域。强大的技术一方面推动了各领域技术的进步，方面也带来了不少安全隐患。在视频深度伪造技术被滥用的威胁逐渐显现的今天，对视觉深度伪造检测技术的研究迫在眉睫。
2、现有的视频伪造检测模型侧重于挖掘伪造过程中产生的特定伪影，例如颜色空间和形状线索，许多深度学习方法利用深度神经网络从空间领域提取高级语义信息，然后对给定的图像或视频进行分类。由于现有的伪造视频大多都是对真实视频中每一帧图像进行单独伪造，再将伪造图像按顺序进行简单的拼接，最后得到深度伪造视频。因此，伪造视频的前后帧之间的光照、纹理等信息往往存在比较明显的不一致性。
3、综上所述，现有的人脸检测方法具有以下缺陷：在视频质量被压缩的环境下检测性能不足，忽略了视频帧间的变化，泛化能力较差，不能够适应各种复杂场景下的视频检测需求。
技术...
【技术保护点】
1.一种基于空频时序特征的视频人脸伪造检测方法，其特征在于，包括，
2.如权利要求1所述的基于空频时序特征的视频人脸伪造检测方法，其特征在于，所述空频时序特征获取方式为：
3.如权利要求1或2所述的基于空频时序特征的视频人脸伪造检测方法，其特征在于，所述空间特征提取函数表达式为：
4.如权利要求3所述的基于空频时序特征的视频人脸伪造检测方法，其特征在于，所述频域特征提取函数表达式为：
5.如权利要求4所述的基于空频时序特征的视频人脸伪造检测方法，其特征在于，所述空频特征函数表达式为：
6.如权利要求5所述的基...
【技术特征摘要】
1.一种基于空频时序特征的视频人脸伪造检测方法，其特征在于，包括，
2.如权利要求1所述的基于空频时序特征的视频人脸伪造检测方法，其特征在于，所述空频时序特征获取方式为：
3.如权利要求1或2所述的基于空频时序特征的视频人脸伪造检测方法，其特征在于，所述空间特征提取函数表达式为：
4.如权利要求3所述的基于空频时序特征的视频人脸伪造检测方法，其特征在于，所述频域特征提取函数表达式为：
5.如权利要求4所述的基于空频时序特征的视频人脸伪造检测方法，其特征在于，所述空频特征函数表达式为：...
【专利技术属性】
技术研发人员：孙知信，伏永超，宫婧，孙哲，曹亚东，赵学健，汪胡青，胡冰，徐玉华，
申请(专利权)人：南京邮电大学，
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。