【技術實現步驟摘要】
本專利技術涉及人臉識別，尤其涉及一種基于邊緣特征采集的人臉深偽檢測方法。
技術介紹
1、隨著深度學習技術的發展，人工智能技術在人臉識別領域得到廣泛應用，但是也會帶來一定的安全風險，例如人臉深度偽造。人臉深度偽造技術是指利用深度學習等技術生成逼真的人臉虛假圖像，這些虛假圖像可以欺騙人臉識別系統。
2、當前出現了關于人臉深度偽造檢測方法，但在實際應用中，由于圖像深度偽造技術的不斷更新和升級，該技術還存在對新型深度偽造技術的適應性和魯棒性不足的問題。此外，該方法依賴大量的深度學習模型和算法，需要大量的計算資源和數據集的支持，因此在實際應用中存在一定的限制。
3、因此，急需一種基于邊緣特征采集的人臉深偽檢測方法，用來提高人臉識別的安全性。
技術實現思路
1、本專利技術提供了一種基于邊緣特征采集的人臉深偽檢測方法，以解決現有技術中存在的當前出現了關于人臉深度偽造檢測方法，但在實際應用中，由于圖像深度偽造技術的不斷更新和升級，該技術還存在對新型深度偽造技術的適應性和魯棒性不足的問題。此外，該方法依賴大量的深度學習模型和算法，需要大量的計算資源和數據集的支持，因此在實際應用中存在一定的限制的上述問題。
2、為了達到上述目的，本專利技術提供如下技術方案：
3、一種基于邊緣特征采集的人臉深偽檢測方法，包括：
4、s101：獲取待檢測圖像后，通過邊緣特征提取操作獲取圖像的第一邊緣特征；
5、s102：運用計算機視覺技術和深度學習方
6、s103：將第二邊緣特征與預設的真實人臉邊緣特征進行智能比對和相似度計算，基于算法判斷獲取的圖像是否屬于深度偽造圖像，并根據判斷結果輸出檢測結果。
7、其中，s101步驟包括：
8、s1011：獲取待檢測圖像后，通過預置的人臉邊緣特征檢測模型定位待檢測圖像中的人臉區域對應的邊緣特征，提取該人臉區域對應的邊緣特征作為待處理圖像；
9、s1012：利用面部邊緣特征提取操作對待處理圖像進行關鍵點檢測，通過關鍵點檢測結果將臉部的五官進行定位并采取對應的操作，該操作包括邊緣連接、邊緣填充和輪廓提取，在待處理圖像中確定臉部關鍵區域的邊緣特征；
10、s1013：從確定的臉部關鍵區域的邊緣特征中提取反映圖像真實性的特征集，包括紋理、光照、顏色的多維度特征，構建魯棒的圖像的第一邊緣特征。
11、其中，s102步驟包括：
12、s1021：通過計算機視覺技術對圖像的第一邊緣特征進行分析，獲取特征分析結果；
13、s1022：基于深度學習方法和特征分析結果，對面部關鍵區域的邊緣特征進行特征重組和表征學習，以構建展示臉部結構信息的高維特征向量；
14、s1023：基于采樣和池化技術，將高維特征向量進行降維和標準化處理，生成第二邊緣特征。
15、其中，s103步驟包括：
16、s1031：通過將構建出的第二邊緣特征與預設的真實人臉邊緣特征進行智能比對和相似度計算，分析第二邊緣特征與預設的真實人臉邊緣特征之間的差異；
17、s1032：基于機器學習算法，對相似度計算的結果進行評估和判別，根據設定的閾值進行深度偽造圖像與真實人臉圖像的區分，獲取算法判斷結果；
18、s1033：將所得到的算法判斷結果輸出，獲取當前待檢測圖像是否屬于深度偽造圖像的檢測結果，并對檢測結果進行后續的處理和分析。
19、其中，s1011步驟包括：
20、獲取待檢測圖像后，確定圖像處理的類型，類型包括：主動處理和被動處理；
21、當圖像處理的類型為主動處理時，基于預置的人臉邊緣特征檢測模型，生成特征提取模板，根據待檢測圖像，生成第一人臉邊緣特征提取規則；
22、執行第一人臉邊緣特征提取規則，從待檢測圖像中定位出人臉區域對應的邊緣特征；
23、當圖像處理的類型為被動處理時，基于預設的特征聚類模板，對待檢測圖像進行特征聚類提取，獲得聚類特征；
24、基于人臉邊緣特征檢測模型生成模板，根據聚類特征，生成第二人臉邊緣特征提取規則；
25、執行第二人臉邊緣特征提取規則，從待檢測圖像中定位出人臉區域對應的邊緣特征；
26、將定位出的人臉區域對應的邊緣特征提取出來，作為待處理圖像，為后續的圖像處理和分析提供準確的輸入數據。
27、其中，s1013步驟包括：
28、從確定的臉部關鍵區域的邊緣特征中提取反映圖像真實性的特征集，其中，對于紋理特征的提取，通過局部二值模式算法從每個像素周圍的鄰域中提取對應的紋理特征，獲得相鄰像素對應的數量；對于光照特征的提取，利用顏色聚類方法將區域中的像素分成若干個顏色類別，統計各個類別的出現次數和比例，以及顏色均值和標準差，來描述圖像中的光照特征；針對顏色特征的提取，采用顏色多維特征算法將區域中像素的顏色信息進行統計和計算，獲取顏色的多維特征，顏色的多維特征包括平均色調和飽和度；
29、利用加權平均的方式將不同類型的多維特征進行融合，構建魯棒的圖像的第一邊緣特征。
30、其中，s1021步驟包括：
31、接收待分析的圖像數據，并通過預設的圖像處理模塊，識別圖像中的初步邊緣特征，以確定至少一個第一邊緣特征；
32、根據所識別的第一邊緣特征，選擇關聯的邊緣分析類別，邊緣分析類別包括：主動邊緣分析和被動邊緣分析；
33、在主動邊緣分析中，激活邊緣特征分析模型，對第一邊緣特征進行深入分析，以提取邊緣特征的詳細信息，并計算得到邊緣特征的第一分析度；
34、在被動邊緣分析中，獲取第一邊緣特征的相關圖像處理流程和屬性信息，將圖像處理流程細化為多個處理步驟，并為每個步驟分配順序標識；
35、構建一個分析流程線，按照步驟的順序標識，將各處理步驟有序地排列在流程線上；
36、對每個處理步驟執行特征提取操作，以獲取一組特征數據；
37、將提取的特征數據與預設的特征標準庫進行比對，以確定匹配的特征類型，并將匹配的處理步驟定義為關鍵分析步驟；
38、對于每個關鍵分析步驟，根據其特征類型，選擇相應的檢驗項，包括檢驗方向、檢驗范圍和檢驗策略；
39、執行檢驗策略，對關鍵分析步驟進行質量檢驗，若檢驗結果符合預設標準，則計算得到該步驟的第二分析度；
40、若檢驗結果不符合預設標準，則記錄不符合項的影響值；
41、將第一分析度、第二分析度以及所有不符合項的影響值進行綜合計算，以得出圖像的整體邊緣特征分析結果，完成圖像的邊緣特征分析過程。
42、其中，s1022步驟包括：
43、對面部關鍵區域的邊緣特征中的特征向量進行分類，并對每個分類的特征向量進行加權處理；基于得到的加權特征向量本文檔來自技高網...
【技術保護點】
1.一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，包括：
2.根據權利要求1所述的一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，S101步驟包括：
3.根據權利要求1所述的一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，S102步驟包括：
4.根據權利要求1所述的一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，S103步驟包括：
5.根據權利要求2所述的一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，S1011步驟包括：
6.根據權利要求2所述的一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，S1013步驟包括：
7.根據權利要求3所述的一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，S1021步驟包括：
8.根據權利要求3所述的一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，S1022步驟包括：
9.根據權利要求4所述的一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，S1031步驟包括：
10.根據權利要求4所述的一種基于邊緣特征采
...【技術特征摘要】
1.一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，包括：
2.根據權利要求1所述的一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，s101步驟包括：
3.根據權利要求1所述的一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，s102步驟包括：
4.根據權利要求1所述的一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，s103步驟包括：
5.根據權利要求2所述的一種基于邊緣特征采集的人臉深偽檢測方法，其特征在于，s1011步驟包括：
6.根據權利要...
【專利技術屬性】
技術研發人員：黃永軍，藺思濤，高紅彥，趙永杰，陳喬，周均，金立志，陸正松，
申請(專利權)人：北京東方通網信科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。