System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本申請涉及視頻,尤其涉及一種人臉偽造檢測方法、裝置、設備、存儲介質及計算機程序產品。
技術介紹
1、目前,某些人臉偽造檢測場景處于復雜的檢測環境中,攻擊者可能采用傳統的非活體攻擊手段,也可能使用先進的ai(artificial?intelligence,人工智能)換臉技術。而相關人臉偽造攻擊檢測方式主要針對特定領域,缺乏對復雜場景的關注,從而導致準確率低。
技術實現思路
1、本申請的主要目的在于提供一種人臉偽造檢測方法、裝置、設備、存儲介質及計算機程序產品,旨在解決相關人臉偽造攻擊檢測方式主要針對特定領域,缺乏對復雜場景的關注,從而導致準確率低的技術問題。
2、為實現上述目的,本申請提供一種人臉偽造檢測方法,所述人臉偽造檢測方法包括:
3、提取待檢測人臉圖像的頻率意識分解特征和局部頻率統計特征;
4、基于所述頻率意識分解特征、所述局部頻率統計特征以及目標雙向長短時記憶網絡模型對所述待檢測人臉圖像進行防偽檢測,獲得所述待檢測人臉圖像的防偽檢測結果,其中,所述目標雙向長短時記憶網絡模型為結合空間頻率雙維度的雙向注意力長短時記憶網絡模型。
5、可選地,所述基于所述頻率意識分解特征、所述局部頻率統計特征以及目標雙向長短時記憶網絡模型對所述待檢測人臉圖像進行防偽檢測,獲得所述待檢測人臉圖像的防偽檢測結果,包括:
6、將所述頻率意識分解特征與所述局部頻率統計特征進行融合,獲得融合特征;
7、將所述待檢測人臉圖像以及所述融合
8、將所述時序特征信息與所述融合特征進行融合,獲得置信度,其中,所述置信度用于表征待檢測人臉圖像的防偽檢測結果。
9、可選地,所述提取待檢測人臉圖像的頻率意識分解特征和局部頻率統計特征,包括:
10、對待檢測人臉圖像進行離散余弦變換,并通過濾波器對變化后人臉圖像進行特征提取,獲得所述待檢測人臉圖像的頻率意識分解特征,其中,所述濾波器為多個二分類濾波器與多個可學習濾波器的加權結合,所述多個二分類濾波器將所述待檢測人臉圖像的頻率分為多個頻帶;
11、通過滑窗離散余弦變換方式提取所述待檢測人臉圖像的局部頻域統計信息,并根據所述局部頻域統計信息生成所述待檢測人臉圖像的局部頻率統計特征。
12、可選地,所述提取待檢測人臉圖像的頻率意識分解特征和局部頻率統計特征之前,還包括:
13、獲取待檢測的視頻幀數據,并對所述視頻幀數據進行人臉圖像分割,獲得待檢測人臉圖像;
14、通過指令活體檢測方式和炫彩靜默活體檢測方式對所述待檢測人臉圖像進行活體檢測,獲得所述待檢測人臉圖像的活體檢測結果;
15、相應地,所述提取待檢測人臉圖像的頻率意識分解特征和局部頻率統計特征,包括:
16、在所述活體檢測結果為檢測通過時,提取待檢測人臉圖像的頻率意識分解特征和局部頻率統計特征。
17、可選地,所述通過指令活體檢測方式和炫彩靜默活體檢測方式對所述待檢測人臉圖像進行活體檢測,獲得所述待檢測人臉圖像的活體檢測結果,包括:
18、對所述待檢測人臉圖像中不同人臉動作進行識別,獲得指令活體檢測結果;
19、對連續數幀的待檢測人臉圖像進行檢測,獲得炫彩靜默活體檢測結果;
20、根據所述指令活體檢測結果和所述炫彩靜默活體檢測結果生成所述待檢測人臉圖像的活體檢測結果。
21、可選地,所述獲取待檢測的視頻幀數據,并對所述視頻幀數據進行人臉圖像分割,獲得待檢測人臉圖像,包括:
22、獲取待檢測的視頻幀數據,并通過目標檢測模型對所述視頻幀數據進行人臉圖像分割,獲得分割后圖像;
23、獲取所述分割后圖像中人眼位置,并根據所述人眼位置計算人臉圖像旋轉角度;
24、根據所述人臉圖像旋轉角度對所述分割后圖像進行旋轉,獲得待檢測人臉圖像。
25、此外,為實現上述目的,本申請還提出一種人臉偽造檢測裝置,所述人臉偽造檢測裝置包括:
26、特征提取模塊,用于提取待檢測人臉圖像的頻率意識分解特征和局部頻率統計特征;
27、防偽檢測模塊,用于基于所述頻率意識分解特征、所述局部頻率統計特征以及目標雙向長短時記憶網絡模型對所述待檢測人臉圖像進行防偽檢測,獲得所述待檢測人臉圖像的防偽檢測結果,其中,所述目標雙向長短時記憶網絡模型為結合空間頻率雙維度的雙向注意力長短時記憶網絡模型。
28、此外,為實現上述目的,本申請還提出一種人臉偽造檢測設備,所述人臉偽造檢測設備包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的人臉偽造檢測程序,所述人臉偽造檢測程序配置為實現如上文所述的人臉偽造檢測方法。
29、此外,為實現上述目的,本申請還提出一種存儲介質,所述存儲介質上存儲有人臉偽造檢測程序,所述人臉偽造檢測程序被處理器執行時實現如上文所述的人臉偽造檢測方法。
30、此外,為實現上述目的,本申請還提供一種計算機程序產品,所述計算機程序產品包括人臉偽造檢測程序,所述人臉偽造檢測程序被處理器執行時實現如上文所述的人臉偽造檢測方法。
31、本申請提出的一個或多個技術方案,至少具有以下技術效果:
32、在本申請中,公開了提取待檢測人臉圖像的頻率意識分解特征和局部頻率統計特征,基于頻率意識分解特征、局部頻率統計特征以及目標雙向長短時記憶網絡模型對待檢測人臉圖像進行防偽檢測,獲得待檢測人臉圖像的防偽檢測結果,其中,目標雙向長短時記憶網絡模型為結合空間頻率雙維度的雙向注意力長短時記憶網絡模型;由于本申請使用了雙流分支網絡,探究視頻幀之間的動態差異,其中一個分支用于提取多幀視頻中的動態時序不一致性,另一個分支則用于放大偽造細節,并結合加入了注意力機制的雙向長短時記憶網絡模型提取出更豐富的時序特征信息,從而實現了對人臉偽造視頻的有效檢測,進而解決了復雜自然場景下的人臉防偽檢測問題,提高檢測準確率。
本文檔來自技高網...【技術保護點】
1.一種人臉偽造檢測方法,其特征在于,所述人臉偽造檢測方法包括:
2.如權利要求1所述的人臉偽造檢測方法,其特征在于,所述基于所述頻率意識分解特征、所述局部頻率統計特征以及目標雙向長短時記憶網絡模型對所述待檢測人臉圖像進行防偽檢測,獲得所述待檢測人臉圖像的防偽檢測結果,包括:
3.如權利要求1所述的人臉偽造檢測方法,其特征在于,所述提取待檢測人臉圖像的頻率意識分解特征和局部頻率統計特征,包括:
4.如權利要求1至3中任一項所述的人臉偽造檢測方法,其特征在于,所述提取待檢測人臉圖像的頻率意識分解特征和局部頻率統計特征之前,還包括:
5.如權利要求4所述的人臉偽造檢測方法,其特征在于,所述通過指令活體檢測方式和炫彩靜默活體檢測方式對所述待檢測人臉圖像進行活體檢測,獲得所述待檢測人臉圖像的活體檢測結果,包括:
6.如權利要求4所述的人臉偽造檢測方法,其特征在于,所述獲取待檢測的視頻幀數據,并對所述視頻幀數據進行人臉圖像分割,獲得待檢測人臉圖像,包括:
7.一種人臉偽造檢測裝置,其特征在于,所述人臉偽造檢測裝置包括:
8.一種人臉偽造檢測設備,其特征在于,所述人臉偽造檢測設備包括:存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的人臉偽造檢測程序,所述人臉偽造檢測程序被所述處理器執行時實現如權利要求1至6中任一項所述的人臉偽造檢測方法。
9.一種存儲介質,其特征在于,所述存儲介質上存儲有人臉偽造檢測程序,所述人臉偽造檢測程序被處理器執行時實現如權利要求1至6中任一項所述的人臉偽造檢測方法。
10.一種計算機程序產品,其特征在于,所述計算機程序產品包括人臉偽造檢測程序,所述人臉偽造檢測程序被處理器執行時實現如權利要求1至6中任一項所述的人臉偽造檢測方法。
...【技術特征摘要】
1.一種人臉偽造檢測方法,其特征在于,所述人臉偽造檢測方法包括:
2.如權利要求1所述的人臉偽造檢測方法,其特征在于,所述基于所述頻率意識分解特征、所述局部頻率統計特征以及目標雙向長短時記憶網絡模型對所述待檢測人臉圖像進行防偽檢測,獲得所述待檢測人臉圖像的防偽檢測結果,包括:
3.如權利要求1所述的人臉偽造檢測方法,其特征在于,所述提取待檢測人臉圖像的頻率意識分解特征和局部頻率統計特征,包括:
4.如權利要求1至3中任一項所述的人臉偽造檢測方法,其特征在于,所述提取待檢測人臉圖像的頻率意識分解特征和局部頻率統計特征之前,還包括:
5.如權利要求4所述的人臉偽造檢測方法,其特征在于,所述通過指令活體檢測方式和炫彩靜默活體檢測方式對所述待檢測人臉圖像進行活體檢測,獲得所述待檢測人臉圖像的活體檢測結果,包括:
6.如權利要求4所...
【專利技術屬性】
技術研發人員:宋代強,黃巖,朱祥磊,鮑萬昌,蔡志翔,吳啟田,叢智鑫,馮秉茹,
申請(專利權)人:中移信息技術有限公司,
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。