伪造人脸检测方法及装置、终端和存储介质与流程

本公开涉及计算机，尤其涉及一种伪造人脸检测方法及装置、终端和存储介质。

背景技术：

1、随着数字媒体技术的快速发展，人脸伪造技术已被广泛应用于生成虚假的视频和图片内容，然而其广泛应用也带来了严重的安全隐患。因此，如何检测出通过人脸伪造技术生成的伪造人脸成为人们关注的重点。

技术实现思路

1、本公开提供了一种伪造人脸检测方法及装置、终端和存储介质，主要目的在于检测出通过人脸伪造技术生成的伪造人脸。

2、根据本公开的一方面，提供了一种伪造人脸检测方法，包括：

3、获取原始人脸图像数据集，并生成所述原始人脸图像数据集中每个原始人脸图像对应的自混合图像，得到自混合图像数据集；

4、获取所述原始人脸图像数据集以及所述自混合假图像数据集中每个图像对应的图像特征子集，得到图像特征集合；

5、通过对比学习监督训练，对图像特征集合中图像特征的特征参数进行调整，直至同一所述图像特征子集中的图像特征之间满足一致性要求，不同所述图像特征子集中的图像特征之间满足非一致性要求，得到训练后的图像特征集合；

6、根据所述训练后的图像特征集合对初始伪造人脸检测模型进行训练，得到训练后的伪造人脸检测模型，以根据所述训练后的伪造人脸检测模型进行伪造人脸检测。

7、根据本公开的另一方面，提供了一种伪造人脸检测装置，包括：

8、图像生成单元，用于获取原始人脸图像数据集，并生成所述原始人脸图像数据集中每个原始人脸图像对应的自混合图像，得到自混合图像数据集；

9、特征获取单元，用于获取所述原始人脸图像数据集以及所述自混合假图像数据集中每个图像对应的图像特征子集，得到图像特征集合；

10、特征训练单元，用于通过对比学习监督训练，对图像特征集合中图像特征的特征参数进行调整，直至同一所述图像特征子集中的图像特征之间满足一致性要求，不同所述图像特征子集中的图像特征之间满足非一致性要求，得到训练后的图像特征集合；

11、模型训练单元，用于根据所述训练后的图像特征集合对初始伪造人脸检测模型进行训练，得到训练后的伪造人脸检测模型，以根据所述训练后的伪造人脸检测模型进行伪造人脸检测。

12、根据本公开的另一方面，提供了一种终端，包括：

13、至少一个处理器；以及

14、与所述至少一个处理器通信连接的存储器；其中，

15、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述一方面中任一项所述的方法。

16、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行前述一方面中任一项所述的方法。

17、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现前述一方面中任一项所述的方法。

18、综上，本公开实施例提供的方法及装置、终端和存储介质，通过获取原始人脸图像数据集，并生成原始人脸图像数据集中每个原始人脸图像对应的自混合图像，得到自混合图像数据集；获取原始人脸图像数据集以及自混合假图像数据集中每个图像对应的图像特征子集，得到图像特征集合；通过对比学习监督训练，对图像特征集合中图像特征的特征参数进行调整，直至同一图像特征子集中的图像特征之间满足一致性要求，不同图像特征子集中的图像特征之间满足非一致性要求，得到训练后的图像特征集合；根据训练后的图像特征集合对初始伪造人脸检测模型进行训练，得到训练后的伪造人脸检测模型，以根据训练后的伪造人脸检测模型进行伪造人脸检测。因此可以检测出通过人脸伪造技术生成的伪造人脸。

19、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种伪造人脸检测方法，包括：

2.根据权利要求1所述的方法，其中，所述获取所述原始人脸图像数据集以及所述自混合假图像数据集中每个图像对应的图像特征子集，包括：

3.根据权利要求2所述的方法，其中，所述对所述原始人脸图像数据集以及所述自混合假图像数据集中每个图像进行数据增强处理，包括：

4.根据权利要求1所述的方法，其中，所述通过对比学习监督训练，对图像特征集合中图像特征的特征参数进行调整，直至同一所述图像特征子集中的图像特征之间满足一致性要求，不同所述图像特征子集中的图像特征之间满足非一致性要求，包括：

5.根据权利要求1所述的方法，其中，所述生成所述原始人脸图像数据集中每个原始人脸图像对应的自混合图像，包括：

6.根据权利要求1所述的方法，其中，所述根据所述训练后的图像特征集合对初始伪造人脸检测模型进行训练，得到训练后的伪造人脸检测模型，包括：

7.一种伪造人脸检测装置，包括：

8.根据权利要求7所述的装置，其中，所述特征获取单元用于获取所述原始人脸图像数据集以及所述自混合假图像数据集中每个图像对应的图像特征子集时，具体用于：

9.根据权利要求8所述的装置，其中，所述特征获取单元用于对所述原始人脸图像数据集以及所述自混合假图像数据集中每个图像进行数据增强处理时，具体用于：

10.根据权利要求7所述的装置，其中，所述特征训练单元用于通过对比学习监督训练，对图像特征集合中图像特征的特征参数进行调整，直至同一所述图像特征子集中的图像特征之间满足一致性要求，不同所述图像特征子集中的图像特征之间满足非一致性要求时，具体用于：

11.根据权利要求7所述的装置，其中，所述图像生成单元用于生成所述原始人脸图像数据集中每个原始人脸图像对应的自混合图像时，具体用于：

12.根据权利要求7所述的装置，其中，所述模型训练单元用于根据所述训练后的图像特征集合对初始伪造人脸检测模型进行训练，得到训练后的伪造人脸检测模型时，具体用于：

13.一种终端，包括：

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1至6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至6中任一项所述的方法。

技术总结本公开涉及一种伪造人脸检测方法及装置、终端和存储介质，涉及计算机技术领域，尤其涉及图像识别技术领域。具体实现方案为：获取原始人脸图像数据集，并生成原始人脸图像数据集中每个原始人脸图像对应的自混合图像，得到自混合图像数据集；获取原始人脸图像数据集以及自混合假图像数据集中每个图像对应的图像特征子集，得到图像特征集合；通过对比学习监督训练，对图像特征集合中图像特征的特征参数进行调整，得到训练后的图像特征集合；根据训练后的图像特征集合对初始伪造人脸检测模型进行训练，得到训练后的伪造人脸检测模型，根据训练后的伪造人脸检测模型进行伪造人脸检测。采用上述方案的本公开可以检测出通过人脸伪造技术生成的伪造人脸。技术研发人员：李岩哲,高磊,姜辉,包沉浮,孟庆雨受保护的技术使用者：北京百度网讯科技有限公司技术研发日：技术公布日：2024/8/20