[发明专利]一种基于纹理特征的深度伪造视频检测方法

权利要求书

1.一种基于纹理特征的深度伪造视频检测方法，其特征在于，包括以下步骤：

将含有真实人脸视频和深度伪造人脸视频的数据集进行视频分帧，得到视频帧图像并划分为训练集和测试集；

对训练集和测试集中的视频帧图像进行人脸区域捕获并进行预处理，得到视频帧人脸区域图像训练集和视频帧人脸区域图像测试集；

对视频帧人脸区域图像训练集进行人脸子区域划分，提取训练人脸图像特征向量并输入到SVM训练分类模型，得到训练后的分类模型；

对视频帧人脸区域图像测试集进行人脸子区域划分，提取测试视频帧人脸图像特征向量，输入到经过训练后的分类模型得到测试视频帧分类结果；

所述对视频帧人脸区域图像训练集进行人脸子区域划分，提取训练人脸图像特征向量并输入到SVM训练分类模型，得到训练后的分类模型这一步骤，其具体包括：

对视频帧人脸区域图像训练集中的视频帧人脸区域图像进行人脸子区域划分，得到训练集人脸子区域；

提取训练集人脸子区域的基于梯度域及标准差的纹理特征、基于灰度共生矩阵的纹理特征、基于小波变换的纹理特征，结合得到纹理特征向量；

对纹理特征向量归一化，得到归一化后的纹理特征向量；

将归一化后的纹理特征向量输入到SVM训练分类模型，得到训练后的分类模型；

所述人脸子区域划分具体包括：对视频帧人脸区域图像，确定其子区域数量，获取人脸区域图像长度和人脸区域图像宽度，计算子区域图像长度和子区域图像宽度，将人脸区域图像平均划分为与子区域数量一致的、长度与子区域图像长度相等的且宽度与子区域图像宽度相等的视频帧人脸子区域图像；

所述基于梯度域及标准差的纹理特征的提取方法具体为：对视频帧人脸子区域图像逐个像素点计算水平方向梯度和垂直方向梯度，利用水平方向和垂直方向梯度计算梯度幅值，对梯度幅值计算均值、标准差、峰度和偏度，对视频帧人脸子区域图像计算标准差，构成基于梯度域及标准差的纹理特征；

所述基于灰度共生矩阵的纹理特征的提取方法具体为：对视频帧人脸子区域图像，计算得到多方向的灰度共生矩阵，对多方向的灰度共生矩阵的灰度共生矩阵分别计算对比度特征、相关性特征、能量特征、同质性特征和熵特征，最后对特征分别计算均值，构成基于灰度共生矩阵的纹理特征。

2.根据权利要求1所述一种基于纹理特征的深度伪造视频检测方法，其特征在于，所述对训练集和测试集中的视频帧图像进行人脸区域捕获并进行预处理，得到视频帧人脸区域图像训练集和视频帧人脸区域图像测试集这一步骤，其具体包括：

对训练集和测试集中的视频帧图像进行人脸区域捕获，得到视频帧人脸区域图像；

对视频帧人脸区域图像采用维纳滤波进行降噪，得到视频帧人脸区域图像训练集和视频帧人脸区域图像测试集。

3.根据权利要求2所述一种基于纹理特征的深度伪造视频检测方法，其特征在于，所述对训练集和测试集中的视频帧图像进行人脸区域捕获，得到视频帧人脸区域图像这一步骤，其具体包括：

对视频帧图像进行人脸关键点检测并记录人脸关键点；

根据人脸关键点将图像进行旋转，得到人脸对齐视频帧图像；

获取人脸对齐视频帧图像的人脸关键点位置；

根据人脸关键点位置对人脸对齐视频帧图像进行人脸剪裁，得到视频帧人脸区域图像。

4.根据权利要求3所述一种基于纹理特征的深度伪造视频检测方法，其特征在于，所述对视频帧人脸区域图像采用维纳滤波进行降噪，得到视频帧人脸区域图像训练集和视频帧人脸区域图像测试集这一步骤，其具体包括：

将视频帧人脸区域图像转换为灰度图；

对视频帧人脸区域灰度图像采用维纳滤波进行降噪处理，划分得到视频帧人脸区域图像训练集和视频帧人脸区域图像测试集。

5.根据权利要求4所述一种基于纹理特征的深度伪造视频检测方法，其特征在于，所述基于小波变换的纹理特征的提取方法具体为：

对视频帧人脸子区域图像进行一级小波分解，得到水平高频、垂直高频、对角高频三个系数矩阵，分别对三个系数矩阵计算均值、标准差和能量，构成基于小波变换的纹理特征。

6.根据权利要求5所述一种基于纹理特征的深度伪造视频检测方法，其特征在于，所述得到测试视频帧分类结果还包括生成检测准确率，所述检测准确率的计算方法如下：

上式中，所述K表示为视频帧人脸区域图像测试集的图像总数，所述K_1r表示为真脸图像中被分类模型判断为真脸图像的数量，所述K_2f表示为假脸图像中被分类模型判断为假脸图像的数量。