-
公开(公告)号：CN114596609A
公开(公告)日：2022-06-07
申请号：CN202210062374.0
申请日：2022-01-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种视听伪造检测方法及装置，该方法包括：获取待测视频数据；其中，待测视频数据包括至少两个视频帧，每个视频帧均包括至少一组由人脸图像和音频数据组成的视听对；将各视听对输入至训练好的双流网络，得到待测视频数据的伪造检测结果；其中，双流网络包括图像网络分支、音频网络分支和预测网络；图像网络分支用于提取人脸图像的面部关键点特征，并基于面部关键点特征提取人脸图像的帧间一致性特征；音频网络分支用于提取音频数据的音频特征，并基于音频特征提取音频数据的时间一致性特征；预测网络基于帧间一致性特征和时间一致性特征获取待测视频数据的伪造检测结果。本发明能够全面准确地对待测视频数据进行真伪检测。
-
公开(公告)号：CN119625590A
公开(公告)日：2025-03-14
申请号：CN202411439972.0
申请日：2024-10-15
Applicant: 中国科学院自动化研究所
IPC: G06V20/40 , G06V10/774 , G06V10/764 , G06V40/20
Abstract: 本发明提供一种伪造人体视频的鉴别方法、装置、电子设备及存储介质，该方法包括：对待鉴别的目标人体视频进行抽帧预处理，获取多组连续帧；将多组连续帧输入鉴别模型，得到鉴别模型输出的鉴别结果；其中，鉴别模型基于真实人体视频样本和伪造人体视频样本构成的训练样本集训练得到；鉴别模型包括时空注意力分支、光流调制模块、动作指引分支和分类器；时空注意力分支用于基于时空注意力机制对输入的多组连续帧进行视频片段级的特征提取，得到第一特征；光流调制模块用于对输入的多组连续帧进行光流调制；动作指引分支用于对光流调制得到的各帧进行逐帧的特征提取，得到第二特征；分类器用于基于第一特征和第二特征输出鉴别结果。
-
公开(公告)号：CN114596609B
公开(公告)日：2023-05-09
申请号：CN202210062374.0
申请日：2022-01-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种视听伪造检测方法及装置，该方法包括：获取待测视频数据；其中，待测视频数据包括至少两个视频帧，每个视频帧均包括至少一组由人脸图像和音频数据组成的视听对；将各视听对输入至训练好的双流网络，得到待测视频数据的伪造检测结果；其中，双流网络包括图像网络分支、音频网络分支和预测网络；图像网络分支用于提取人脸图像的面部关键点特征，并基于面部关键点特征提取人脸图像的帧间一致性特征；音频网络分支用于提取音频数据的音频特征，并基于音频特征提取音频数据的时间一致性特征；预测网络基于帧间一致性特征和时间一致性特征获取待测视频数据的伪造检测结果。本发明能够全面准确地对待测视频数据进行真伪检测。
-
Patent Agency Ranking
公开(公告)号：CN113627233B
公开(公告)日：2024-08-13
申请号：CN202110672769.8
申请日：2021-06-17
Applicant: 中国科学院自动化研究所
IPC: G06F30/27
Abstract: 本发明提供一种基于视觉语义信息的人脸伪造检测方法和装置，其中方法包括：确认待检测人脸图像；基于人脸伪造检测模型，提取所述待检测人脸图像的图像上下文特征和人脸区域特征，基于所述图像上下文特征和所述人脸区域特征，确定人脸区域关系特征，并基于所述人脸区域关系特征，确定所述待检测人脸图像的伪造检测结果；所述图像上下文特征和所述人脸区域特征表征所述待检测人脸图像中的视觉语义信息；其中，所述人脸伪造检测模型是基于样本人脸图像及其样本伪造检测结果训练得到的。本发明提高了人脸伪造检测准确性，尤其是未知伪造方法对应的图像的检测准确性，提升了人脸伪造检测模型的泛化能力。
-
公开(公告)号：CN113627233A
公开(公告)日：2021-11-09
申请号：CN202110672769.8
申请日：2021-06-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于视觉语义信息的人脸伪造检测方法和装置，其中方法包括：确认待检测人脸图像；基于人脸伪造检测模型，提取所述待检测人脸图像的图像上下文特征和人脸区域特征，基于所述图像上下文特征和所述人脸区域特征，确定人脸区域关系特征，并基于所述人脸区域关系特征，确定所述待检测人脸图像的伪造检测结果；所述图像上下文特征和所述人脸区域特征表征所述待检测人脸图像中的视觉语义信息；其中，所述人脸伪造检测模型是基于样本人脸图像及其样本伪造检测结果训练得到的。本发明提高了人脸伪造检测准确性，尤其是未知伪造方法对应的图像的检测准确性，提升了人脸伪造检测模型的泛化能力。
-
公开(公告)号：CN119851067A
公开(公告)日：2025-04-18
申请号：CN202510324624.7
申请日：2025-03-19
Applicant: 中国科学院自动化研究所
IPC: G06V10/774 , G06V10/764 , G06V10/25 , G06V10/82 , G06T3/4046 , G06T3/4038
Abstract: 本公开关于基于结构因果的图像鉴伪和训练方法及相关设备，包括：针对两张训练图像中的每张训练图像，通过骨干网络提取该张训练图像的深度特征，并通过FBEM基于该张训练图像对应的坐标位置对该张训练图像的深度特征进行解耦；通过FBEM将从两张训练图像中提取出的任意第一特征和第二特征进行拼接；将拼接特征输入分类器；基于图像的真伪预测结果和图像真伪标签，计算损失；通过根据损失调整骨干网络、FBEM和分类器的参数。这样，通过分别针对内容不同的训练图像的整体特征进行解耦并拼接的训练方式，可以保证训练完成的图像鉴伪模型能够精准地识别出图像中的被篡改区域，从而可以提升图像鉴伪的准确性。
-
公开(公告)号：CN114596608B
公开(公告)日：2023-03-28
申请号：CN202210061187.0
申请日：2022-01-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于多线索的双流视频人脸伪造检测方法及系统，包括：将待检测视频流输入至预先训练好的多线索视频伪造检测模型，得到人脸真假分类检测结果；该检测模型是基于EfficientNet‑B5网络和Swin Transformer网络并行交互融合形成多线索，对伪造视频训练数据集进行训练所得到的。本发明通过利用视频图像帧中的高频信息、低级纹理和光流信息的组合线索，融合EfficientNet‑B5网络的局部特征提取能力以及Swin Transformer网络的全局关系感知能力，在分辨视频帧中人脸图像的真假时，体现了更优越的分类性能，有效克服传统分类模型在线索上的单一性和模型上泛化性低的缺陷。
-
公开(公告)号：CN114596608A
公开(公告)日：2022-06-07
申请号：CN202210061187.0
申请日：2022-01-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于多线索的双流视频人脸伪造检测方法及系统，包括：将待检测视频流输入至预先训练好的多线索视频伪造检测模型，得到人脸真假分类检测结果；该检测模型是基于EfficientNet‑B5网络和Swin Transformer网络并行交互融合形成多线索，对伪造视频训练数据集进行训练所得到的。本发明通过利用视频图像帧中的高频信息、低级纹理和光流信息的组合线索，融合EfficientNet‑B5网络的局部特征提取能力以及Swin Transformer网络的全局关系感知能力，在分辨视频帧中人脸图像的真假时，体现了更优越的分类性能，有效克服传统分类模型在线索上的单一性和模型上泛化性低的缺陷。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
