基于多域线索重建的人脸伪造检测方法技术

本发明专利技术提供一种基于多域线索重建的人脸伪造检测方法，包括以下步骤：收集人脸面部视频数据，抽取其中第X<subgt;i</subgt;帧与第X<subgt;i+n</subgt;帧的人脸面部图像；构建卷积神经网络模型，初始化卷积神经网络模型参数；将第X<subgt;i</subgt;帧与第X<subgt;i+n</subgt;帧的人脸面部图像生成特征增强图像；将特征增强图像生成潜在空间特征并生成重建图像，并提取潜在空间特征的多尺度特征；将潜在空间特征与多尺度特征生成融合特征；将重建图像与第X<subgt;i+n</subgt;帧的人脸面部图像生成残差图像，将融合特征与残差图像生成全局注意力特征；计算损失函数，进行人脸伪造检测判断是否存在伪造痕迹。本发明专利技术方法可实现对伪造图像的精准检测。

【技术实现步骤摘要】

本专利技术涉及深度伪造检测，特别是涉及一种基于多域线索重建的人脸伪造检测方法。

技术介绍

1、随着深度伪造技术的迅速发展，生成高度逼真且难以察觉的伪造内容已变得越来越简单。这些伪造内容不仅对人类的感知系统构成挑战，还可能对面部识别系统产生干扰，带来巨大的信息安全风险。特别是在社交媒体、新闻传播以及虚拟现实等领域，伪造图像和视频的传播可以影响公众信任、干扰舆论，并被恶意用作制造假新闻或网络犯罪。

2、对于早期的拼接、复制-移动等传统人脸图像伪造技术，目前研究人员提出了各种检测方法。例如，通过照明颜色、颜色滤波器阵列模式、模糊类型不一致等手工制作的特征区分图像中的特定区域是否被篡改。这些手工特征放大了真实图像和虚假图像之间细微的差异，对特定的伪造技术有很高的检测准确率。然而，随着基于深度学习的deepfake的发展，虚假人脸图像变得更加多样和复杂，这些早期的基于简单的图像处理和特征提取技术的检测往往难以捕捉到这些复杂的特征，导致检测性能下降。因此，为了捕捉到虚假人脸更高级的伪造特征和模式，研究人员们转向了基于深度学习的方法。p>

3、基于深本文档来自技高网...

【技术保护点】

1.基于多域线索重建的人脸伪造检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多域线索重建的人脸伪造检测方法，其特征在于，步骤S1中，所述间隔帧数为10帧。

3.根据权利要求1所述的基于多域线索重建的人脸伪造检测方法，其特征在于，步骤S3中，所述生成特征增强图像为：

4.根据权利要求3所述的基于多域线索重建的人脸伪造检测方法，其特征在于，所述生成特征增强图像表示为：

5.根据权利要求1所述的基于多域线索重建的人脸伪造检测方法，其特征在于，步骤S4中，在编码器中通过深度可分离卷积网络提取潜在空间特征Z，并通过编码器-解码器训...

【技术特征摘要】

1.基于多域线索重建的人脸伪造检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多域线索重建的人脸伪造检测方法，其特征在于，步骤s1中，所述间隔帧数为10帧。

3.根据权利要求1所述的基于多域线索重建的人脸伪造检测方法，其特征在于，步骤s3中，所述生成特征增强图像为：

4.根据权利要求3所述的基于多域线索重建的人脸伪造检测方法，其特征在于，所述生成特征增强图像表示为：

5.根据权利要求1所述的基于多域线索重建的人脸伪造检测方法，其特征在于，步骤s4中，在编码器中通过深度可分离卷积网络提取潜在空间特征z，并通过...

【专利技术属性】
技术研发人员：杨云，王文端，王鼎凯，
申请(专利权)人：云南大学，
类型：发明
国别省市：