一种深度伪造人脸图像的检测方法和系统技术方案

本发明专利技术提供一种深度伪造人脸图像的检测方法及系统，包括构建人脸图像数据集和深度伪造图像检测模型，包括路由器Router、专家模型和Transformer模块；采用人脸图像数据集对路由器Router、专家模型和Transformer模块进行联合训练；将待检测的人脸图像输入训练好的深度伪造图像检测模型，得到待检测人脸图像是否为深度伪造图像的概率。本发明专利技术增强深度伪造检测的鲁棒性和泛化能力，解决现有方法在面对多样化伪造技术和对抗性扰动时的弱点，尤其是针对复杂的传播场景和对抗因素多的环境；通过结合多专家模型和Transformer模块提高了检测的准确性和鲁棒性，提高了模型对不同类型伪造的泛化能力和适应性。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其是一种深度伪造人脸图像的检测方法和系统。

技术介绍

1、随着深度学习的快速发展，用于创建图像和视频的人工智能(ai)技术，在过去几十年中取得了重大进展。人们很难将这些技术产生的人造数字图像与数码相机拍摄的图像区分开来。

2、深度伪造方法可分为四种类型：合成、属性编辑、身份交换和人脸重演。合成(例如，pggan、stylegan和stylegan2)是指创建真实世界中不存在的人的虚假面部图像的过程。属性编辑(例如，stgan、stargan和starganv2)是指改变一个人的面部特征，如发型或面部毛发，或添加或消除衰老迹象的过程。同时，身份交换(例如，faceswap)是一种将一个人的脸替换为另一个人脸的方法。最后，在重演过程中(例如，face2face)，尽管图像中的人保持不变，但其面部表情会发生变化。如果使用现有的深度伪造生成器创建伪造图像，并且已经识别出图像的来源，那么深度伪造检测相对容易并且实现相对高的精度。

3、目前，深度伪造检测技术并未成熟，存在着针对对抗性扰动处理(如调整大小、模糊等)鲁棒性本文档来自技高网...

【技术保护点】

1.一种深度伪造人脸图像的检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种深度伪造人脸图像的检测方法，其特征在于：步骤S2)中，使用MobileNet V2模型作为路由器Router；使用n个CNN模型作为专家模型。

3.根据权利要求2所述的一种深度伪造人脸图像的检测方法，其特征在于：步骤S2)中，所述的MobileNet V2模型的最后一层被替换为一个全连接层，输出维度设定为专家模型的数量。

4.根据权利要求1所述的一种深度伪造人脸图像的检测方法，其特征在于：步骤S3)中，所述的路由器Router、专家模型和Transformer模...

【技术特征摘要】

1.一种深度伪造人脸图像的检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种深度伪造人脸图像的检测方法，其特征在于：步骤s2)中，使用mobilenet v2模型作为路由器router；使用n个cnn模型作为专家模型。

3.根据权利要求2所述的一种深度伪造人脸图像的检测方法，其特征在于：步骤s2)中，所述的mobilenet v2模型的最后一层被替换为一个全连接层，输出维度设定为专家模型的数量。

4.根据权利要求1所述的一种深度伪造人脸图像的检测方法，其特征在于：步骤s3)中，所述的路由器router、专家模型和transformer模块的联合训练，具体包括如下步骤：

5.根据权利要求1所述的一种深度伪造人脸图像的检测方法，其特征在于：步骤s4)中，利用训练后的深度伪造图像检测模型对待检测人脸图像进行检测，具体包括如下步骤：

6.根据权利要求...

【专利技术属性】
技术研发人员：陈奕璇，马大旺，马瑞泽，王庄映，黄方军，
申请(专利权)人：中山大学，
类型：发明
国别省市：