一种人脸伪造图像检测方法、装置、终端及存储介质与流程

1.本发明属于图像识别领域，尤其是涉及一种人脸伪造图像检测方法、装置、终端及存储介质。


背景技术：

2.人脸伪造图像检测算法有很多种，其中较为常见的有改进神经网络模型和利用多模态特征融合两种。改进神经网络模型通常采用注意力机制对神经网络模型进行修改达到更好的检测精度，其存在的问题是改进后的模型可能只在训练的数据分布上表现良好，当用于未知的伪造操作数据集上时，效果不佳。基于多模态的伪造检测算法融合了多个模态的信息，当其中一个模态失效，还有其他模态进行补充，实现更好的泛化性。多个模态相互作用，往往也能使检测精度更高。现有多模态人脸伪造图像检测的研究重点是模态的选择和多个模态的有效融合，该领域通常把rgb特征之外的其他特征也当做一种模态。目前，基于多模态的人脸伪造图像检测算法有很多种，该多模态涉及频率域、图像深度或者心跳、血液流动等，其中使用最多的模态是频率域信息。
3.其中上采样是人脸伪造图像中常见操作，多应用于deepfake(深度伪造)和全脸合成中，在2020年，相关技术人员发现上采样操作会在频率域中留下棋盘阵列的高频伪影，而真实相机拍摄的图像的高频信息只存在于图像的角落。受奇异的棋盘阵列频率的启发，相关技术人员提出了双分支网络f3-net，该模型的一个分支通过频率感知图像分解来学习细微的伪造模式，另一个分支是从局部频率统计中提取高层语义来描述真实人脸和伪造人脸之间的频率感知统计差异。这两个分支通过一个名为mixblock（混合块）的交叉注意模块进一步融合在一起。该算法很好的将频率域信息用于人脸伪造图像检测，达到了不错的结果，但该算法的缺点是没有将原始的rgb特征与频率域特征进行结合，而原始的rgb特征包含最丰富的判别信息，因此影响了该算法的识别准确率。


技术实现要素：

4.有鉴于此，本发明旨在提出一种人脸伪造图像检测方法、装置、终端及存储介质，以解决现有人脸伪造图像检测算法识别准确率不佳的问题。
5.为达到上述目的，本发明的技术方案是这样实现的：第一方面，本发明提供了一种人脸伪造图像检测方法，包括：获取人脸的rgb彩色图像；将所述rgb彩色图像颜色空间域的rgb特征x使用二维离散余弦变换转换到频率域x；计算所述频率域x的掩码矩阵m；将所述掩码矩阵m与所述频率域x相乘得到高频分量x’；将高频分量x’使用二维逆离散余弦变换转换到颜色空间域，得到高频边缘特征y；将所述高频边缘特征y和rgb特征x分别使用空间注意力机制得到注意力图，并利
用注意力图将高频边缘特征与rgb特征进行融合，得到融合特征i；将所述融合特征i输入训练完成的图像分类网络；获取所述图像分类网络输出的识别结果。
6.进一步的，所述将所述rgb彩色图像颜色空间域的rgb特征x使用二维离散余弦变换转换到频率域x，包括：获取所述rgb彩色图像颜色空间域的rgb特征x；其中，rgb彩色图像为正方形；对rgb特征x进行二维离散余弦变换，得到频率域x，公式如下所示：，其中，x(k,l)为二维离散余弦变换后的对应k行j列频谱系数，x(m,n)表示m行n列的像素值，c(k)和c(l)是补偿系数，公式如下所示：，其中，n为rgb彩色图像的宽度或高度，k为频谱图像的行坐标，l为频谱图像的列坐标，m为原rgb彩色图像的行坐标，n为原rgb彩色图像的列坐标。
7.进一步的，所述计算所述频率域x的掩码矩阵m，公式如下所示：，其中，n为图像的宽度或高度，m为原rgb彩色图像的行坐标，n为原rgb彩色图像的列坐标，m（m，n）表示掩码矩阵，m，n的范围均为0至n-1。
8.进一步的，所述将所述掩码矩阵m与所述频率域x相乘得到高频分量x’，公式如下所示：，其中，m表示掩码矩阵，x表示频率域，x’表示高频分量。
9.进一步的，所述图像分类网络采用resnet、efficientnet、vit、xception中的任意一种。
10.第二方面，本发明还提供了一种人脸伪造图像检测装置，包括：获取模块，用于获取人脸的rgb彩色图像；转换模块，用于将所述rgb彩色图像颜色空间域的rgb特征x使用二维离散余弦变换转换到频率域x；提取模块，用于计算所述频率域x的掩码矩阵m；
计算模块，用于将所述掩码矩阵m与所述频率域x相乘得到高频分量x’；变换模块，用于将高频分量x’使用二维逆离散余弦变换转换到颜色空间域，得到高频边缘特征y；融合模块，用于将所述高频边缘特征y和rgb特征x分别使用空间注意力机制得到注意力图，并利用注意力图将高频边缘特征与rgb特征进行融合，得到融合特征i；处理模块，用于将所述融合特征i输入训练完成的图像分类网络；得到模块，用于获取所述图像分类网络输出的检测结果。
11.第三方面，本发明还提供了一种终端，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；摄像头，用于采集图像；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述人脸伪造图像检测方法。
12.第四方面，本发明还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述人脸伪造图像检测方法。
13.相对于现有技术，本发明所述的一种人脸伪造图像检测方法、装置、终端及存储介质具有以下优势：（1）本发明设计合理，其通过操作频率域信息获得全局的高频频率，让高频频率代表的边缘信息与原始的rgb图像进行融合，舍弃了冗余的低频信息，增强了图像的边缘信息，能够让图像分类网络模型更加关注人脸的边缘区域和伪造区域。此外，通过利用高频信息使模糊的人脸边缘更加突出，也有助于检测高压缩视频中的伪造人脸，同时又保留了信息丰富的原始rgb特征，可以有效的进行人脸伪造图像检测，有利于提高检测识别的准确率。
14.（2）本发明仅改变了图像分类网络模型的输入，可以很好的应用于各种图像分类网络模型，适用性更好，实际应用中可根据实际的时间和精确度需求权衡使用轻量级的模型或者复杂的图像分类网络模型。此外，由于本发明在图像分类网络模型输入的时候，就完成了高频边缘特征和rgb特征的融合，无需采用多分支网络模型进行融合，相比较于多分支网络模型，本发明使用的模型是单分支网络模型，在检测时间方面和模型的训练难易程度上也具有优势。
15.（3）本发明融合了空间域和频率域信息，从多个角度检测伪造人脸，检测精度高，并且泛化能力较好，可广泛用于人脸伪造图像检测领域。
附图说明
16.构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：图1为本发明实施例一所述的一种人脸伪造图像检测方法流程图；图2为本发明实施例一所述的一种人脸伪造图像检测方法中高频边缘特征y与rgb特征x融合流程示意图；图3为本发明实施例一所述的一种人脸伪造图像检测方法中用于提取高频分量的
mask图；图4为本发明实施例二所述的一种人脸伪造图像检测装置的结构示意图；图5为本发明实施例三提供的一种人脸伪造图像检测终端的结构示意图。
具体实施方式
17.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
18.实施例一图1为本发明实施例一所述的一种人脸伪造图像检测方法流程图；本实施例可用于人脸伪造图像的检测识别，具体包括如下步骤：步骤101、获取人脸的rgb彩色图像。
19.由于rgb彩色图像原始的rgb特征包含最丰富的判别信息，因此通过获取人脸的rgb彩色图像，可以便于后续对rgb特征的提取、以及获取更多的判别信息，有利于提高检测识别准确率。
20.在实际应用过程中，可以通过截取的方式获取正方形的rgb彩色图像。示例性的，人脸的rgb彩色图像的分辨率可以为299*299。
21.步骤102、将所述rgb彩色图像颜色空间域的rgb特征x使用二维离散余弦变换转换到频率域x。
22.具体的，可以先获取所述rgb彩色图像颜色空间域的rgb特征x；其中，rgb彩色图像为正方形，分辨率为299*299。
23.然后对rgb特征x进行二维离散余弦变换，得到频率域x，公式如下所示：，其中，x(k,l)为二维离散余弦变换后的对应k行j列频谱系数，x(m,n)表示m行n列的像素值，上式是对单一通道进行二维离散余弦变换计算，其余通道类似，在这里不再赘述。
24.此外，c(k)和c(l)是补偿系数，公式如下所示：,其中，n为rgb彩色图像的宽度或高度，rgb彩色图像为正方形图像，所以宽度等于高度；k为频谱图像的行坐标，l为频谱图像的列坐标，m为原rgb彩色图像的行坐标，n为原
rgb彩色图像的列坐标，k，l，m，n的范围均为0至n-1。
25.步骤103、计算所述频率域x的掩码矩阵m。
26.具体的，计算所述频率域x的掩码矩阵m，公式如下所示：，其中，n为图像的宽度或高度，m为原rgb彩色图像的行坐标，n为原rgb彩色图像的列坐标，m（m，n）表示掩码矩阵，m，n的范围均为0至n-1。
27.步骤104、将所述掩码矩阵m与所述频率域x相乘得到高频分量x’。
28.具体的，将所述掩码矩阵m与所述频率域x相乘得到高频分量x’，公式如下所示：，其中，m表示掩码矩阵，x表示频率域，x’表示高频分量。
29.其中，高频分量x’保留了rgb彩色图像的边缘信息，舍弃了低频分量以及rgb特征的冗余部分。
30.步骤105、将高频分量x’使用二维逆离散余弦变换转换到颜色空间域，得到高频边缘特征y。
31.步骤106、将所述高频边缘特征y和rgb特征x分别使用空间注意力机制得到注意力图，并利用注意力图将高频边缘特征与rgb特征进行融合，得到融合特征i。
32.具体的，可以先同时分别对高频边缘特征y和rgb特征x使用空间注意力机制得到注意力图。其中，高频边缘特征y对应的注意力图表示为f1，rgb特征x对应的注意力图表示为f2。
33.然后将f1与rgb特征x相乘并加上rgb特征x得到新的rgb特征，f2与高频边缘特征y相乘并加上高频边缘特征y得到新的高频边缘特征。
34.最后将新的rgb特征和新的高频边缘特征按照通道方向进行拼接，得到六通道的高频边缘特征与rgb特征融合的融合特征i，作为网络的输入。
35.其中，空间注意力机制模块为，一个最大池化层一个平均池化层，以及一个卷积层和激活函数。rgb特征x首先分别通过最大池化层和平均池化层，分别得到1
×n×
n的feature map，然后将两个feature map按照通道拼接起来，送入到卷积层中，卷积层输入通道为2，输出通道为1，卷积核大小为3，padding为1。这里选择卷积核大小为3使得注意力关注更小的区域尺度，有助于捕获微小的伪影。通过卷积运算之后得到1
×n×
n的feature map，然后通过sigmoid激活函数得到rgb特征的注意力图。高频边缘特征通过同样的方式得到高频边缘特征的注意力图。
36.在实际应用过程中，通过在输入的阶段进行融合可以直接选择单分支的网络模型训练，不必采用复杂的多分支网络以及精心设计的融合模块，加快了人脸伪造检测速度以，简化了训练过程，同时又可以保证检测的准确度。
37.步骤107、将所述融合特征i输入训练完成的图像分类网络。
38.可选的，图像分类网络可以采用resnet、efficientnet、vit、xception中的任意一种。示例性的，本实施例实际采用的是xception网络，是使用在imagenet数据集上训练好的
权重进行迁移学习，然后进行训练，得到训练完成的图像分类网络。
39.通过将融合特征i送入到网络模型中进行训练，网络模型可以是轻量级的网络也可以是其他网络。使用在imagenet数据集上预训练的模型进行迁移学习可以加速模型的训练。修改预训练好的模型的第一个卷积层的输入通道为6，最后一个全连接层得输出神经元修改为2，表示为2分类，两个类别分别为真实或者伪造。不改变损失函数、优化器等。在检测的时候，将图像的融合特征i输入到训练好的模型中，得到真实和伪造的概率，两者的概率大的类别作为图像的预测类别。
40.步骤108、获取所述图像分类网络输出的识别结果。
41.经过图像分类网络的处理，会得到预测为真实图像的概率和伪造图像的概率，即为最终的识别结果。
42.通过实验结果可以对本发明做进一步验证。在ff++数据集中压缩为c40的四个子数据与模型xception进行了比较，检测结果好于xception网络。分别在df、f2f、fs、nt数据集上，xception的准确率分别为96.01%、93.29%、94.71%、79.14%，本实施例提出的模型的准确率分别为96.58%、94.08%、96.90%、81.24%。在tanti rtx显卡的实验环境中，使用的batch_size等于64，xception处理速度约为335fps，本实施例的模型约为326fps。因为本实施例的模型仅仅对xception的输入做了修改，模型的复杂度与xception相仿。
43.实施例二图4为本发明实施例二所述一种人脸伪造图像检测装置的结构示意图，图4示出了适于用来实现本发明实施方式的示例性装置的框图。图4显示的装置仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制，如图4所示，包括：获取模块201，用于获取人脸的rgb彩色图像；转换模块202，用于将所述rgb彩色图像颜色空间域的rgb特征x使用二维离散余弦变换转换到频率域x；提取模块203，用于计算所述频率域x的掩码矩阵m；计算模块204，用于将所述掩码矩阵m与所述频率域x相乘得到高频分量x’；变换模块205，用于将高频分量x’使用二维逆离散余弦变换转换到颜色空间域，得到高频边缘特征y；融合模块206，用于将所述高频边缘特征y和rgb特征x分别使用空间注意力机制得到注意力图，并利用注意力图将高频边缘特征与rgb特征进行融合，得到融合特征i；处理模块207，用于将所述融合特征i输入训练完成的图像分类网络；得到模块208，用于获取所述图像分类网络输出的检测结果。
44.本实施例提供的人脸伪造图像检测装置，通过获取人脸的rgb彩色图像，并对rgb彩色图像进行变换和特征融合，最后实现对融合特征的处理，可以实现对伪造人脸的检测识别。
45.本发明实施例所提供的人脸伪造图像检测装置可执行本发明任意实施例所提供的人脸伪造图像检测方法，具备执行方法相应的功能模块和有益效果。
46.实施例三图5为本发明实施例三提供的一种人脸伪造图像检测终端的结构示意图；图5示出了适于用来实现本发明实施方式的示例性终端系统的框图。图5显示的终端系统仅仅是一
个示例，不应对本发明实施例的功能和使用范围带来任何限制。
47.如图5所示，终端12以通用计算设备的形式表现。终端12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件（包括系统存储器28和处理单元16）的总线18。
48.总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（isa）总线，微通道体系结构（mac）总线，增强型isa总线、视频电子标准协会（vesa）局域总线以及外围组件互连（pci）总线。
49.终端12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被终端12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
50.系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（ram）30和/或高速缓存存储器32。终端12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质（图5未显示，通常称为“硬盘驱动器”）。尽管图5中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如cd-rom,dvd-rom或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本发明各实施例的功能。
51.具有一组（至少一个）程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
52.终端12也可以与一个或多个外部设备14（例如键盘、指向设备、显示器24等）通信，还可与一个或者多个使得用户能与该终端12交互的设备通信，和/或与使得该终端12能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过输入/输出（i/o）接口22进行。并且，终端12还可以通过网络适配器20与一个或者多个网络（例如局域网（lan），广域网（wan）和/或公共网络，例如因特网）通信。如图所示，网络适配器20通过总线18与终端12的其它模块通信。应当明白，尽管图中未示出，可以结合终端12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
53.处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的人脸伪造图像检测方法。
54.实施例四本发明实施例四还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的任一所述的人脸伪造图像检测方法。
55.本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读
存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（ram）、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
56.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
57.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
58.可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
59.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。