-
公开(公告)号：CN111476727A
公开(公告)日：2020-07-31
申请号：CN202010222610.1
申请日：2020-03-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种面向换脸视频检测的视频运动增强方法，构建形态-纹理特征编码模型、形态特征差异增强模型、增强形态特征与纹理特征融合重建模型；编码模型是权值共享的一对卷积神经网络，对视频中的相邻帧进行特征提取并通过双流卷积输出图像的纹理特征以及形态特征；增强模型接收编码模型输出的前后帧的形态特征并作差，利用一个放大因子乘以前后帧形态差异并叠加到前帧的形态特征中；重建模型接收编码模型输出的后帧纹理特征以及增强模型输出的增强形态特征，将两种特征叠加并利用一系列卷积层进行图像重建，得到以放大因子为倍数的运动增强帧。本发明充分挖掘了伪造人脸视频中残留的运动不一致性的瑕疵，能有效提高检测模型的的精度。
-
Patent Agency Ranking
公开(公告)号：CN111353395A
公开(公告)日：2020-06-30
申请号：CN202010105761.9
申请日：2020-02-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于长短期记忆网络的换脸视频检测方法，该检测方法包括视频帧提取、图像特征提取、长短期记忆网络训练测试。其中，视频帧提取负责提取视频片段中的关键帧及其之后的连续多帧图像，然后对图像中人脸区域进行裁剪，并使用高通滤波对人脸图像进行处理，提取人脸图像中的细节信息；利用在ImageNet图像分类数据集中训练好的Xception卷积神经网络对图像进行特征提取，将卷积神经网络的输出作为图像的特征，然后将各帧图像提取到的特征拼接为特征序列，输入到长短期记忆网络进行训练，最终得到一个高精度的换脸视频分类器。本发明充分利用了伪造视频中存在的帧间不一致性，大大提高了伪造视频的检测精度，取得了很好的分类效果。
-
公开(公告)号：CN111967344A
公开(公告)日：2020-11-20
申请号：CN202010736565.1
申请日：2020-07-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种面向人脸伪造视频检测的精细化特征融合方法，涉及模式识别领域，方法包括：对真假人脸视频进行帧分解，将视频格式文件转化为连续的图像帧序列；对连续图像帧序列进行人脸位置检测，调整检测结果使人脸框中包含背景；对每一帧图像剪裁人脸框，得到人脸图像训练集，训练EfficientNet B0模型；从人脸图像序列中随机选取连续的N帧，输入EfficientNet B0模型得到特征图组；将特征图组分解为独立的特征图，将相同通道的特征图按照原序列顺序重新堆叠得到新的特征图组并进行二次特征提取，得到特征向量，连接到单个神经元，以sigmoid为激活函数进行最终的视频片段真假分类。本发明既保留了空域信息，又充分提取时域信息，有效地提高伪造检测精度。
-
公开(公告)号：CN111353395B
公开(公告)日：2023-07-28
申请号：CN202010105761.9
申请日：2020-02-19
Applicant: 南京信息工程大学
IPC: G06V40/16 , G06V20/40 , G06V10/44 , G06V10/764 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于长短期记忆网络的换脸视频检测方法，该检测方法包括视频帧提取、图像特征提取、长短期记忆网络训练测试。其中，视频帧提取负责提取视频片段中的关键帧及其之后的连续多帧图像，然后对图像中人脸区域进行裁剪，并使用高通滤波对人脸图像进行处理，提取人脸图像中的细节信息；利用在ImageNet图像分类数据集中训练好的Xception卷积神经网络对图像进行特征提取，将卷积神经网络的输出作为图像的特征，然后将各帧图像提取到的特征拼接为特征序列，输入到长短期记忆网络进行训练，最终得到一个高精度的换脸视频分类器。本发明充分利用了伪造视频中存在的帧间不一致性，大大提高了伪造视频的检测精度，取得了很好的分类效果。
-
公开(公告)号：CN111476727B
公开(公告)日：2023-04-25
申请号：CN202010222610.1
申请日：2020-03-26
Applicant: 南京信息工程大学
IPC: G06T5/00 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种面向换脸视频检测的视频运动增强方法，构建形态‑纹理特征编码模型、形态特征差异增强模型、增强形态特征与纹理特征融合重建模型；编码模型是权值共享的一对卷积神经网络，对视频中的相邻帧进行特征提取并通过双流卷积输出图像的纹理特征以及形态特征；增强模型接收编码模型输出的前后帧的形态特征并作差，利用一个放大因子乘以前后帧形态差异并叠加到前帧的形态特征中；重建模型接收编码模型输出的后帧纹理特征以及增强模型输出的增强形态特征，将两种特征叠加并利用一系列卷积层进行图像重建，得到以放大因子为倍数的运动增强帧。本发明充分挖掘了伪造人脸视频中残留的运动不一致性的瑕疵，能有效提高检测模型的的精度。
-
公开(公告)号：CN111967344B
公开(公告)日：2023-06-20
申请号：CN202010736565.1
申请日：2020-07-28
Applicant: 南京信息工程大学
IPC: G06V40/16 , G06V20/40 , G06V40/40 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种面向人脸伪造视频检测的精细化特征融合方法，涉及模式识别领域，方法包括：对真假人脸视频进行帧分解，将视频格式文件转化为连续的图像帧序列；对连续图像帧序列进行人脸位置检测，调整检测结果使人脸框中包含背景；对每一帧图像剪裁人脸框，得到人脸图像训练集，训练EfficientNet B0模型；从人脸图像序列中随机选取连续的N帧，输入EfficientNet B0模型得到特征图组；将特征图组分解为独立的特征图，将相同通道的特征图按照原序列顺序重新堆叠得到新的特征图组并进行二次特征提取，得到特征向量，连接到单个神经元，以sigmoid为激活函数进行最终的视频片段真假分类。本发明既保留了空域信息，又充分提取时域信息，有效地提高伪造检测精度。
-
-
-
-
-
Search Results
6
records
(took 0.01 seconds)
