买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京信息工程大学申请的专利一种基于局部异常的强泛化深度伪造人脸检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114926885B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210598271.6，技术领域涉及：G06V40/16；该发明授权一种基于局部异常的强泛化深度伪造人脸检测方法是由夏志华;戴昀书;费建伟设计研发完成，并于2022-05-30向国家知识产权局提交的专利申请。

本一种基于局部异常的强泛化深度伪造人脸检测方法在说明书摘要公布了：本发明公开了一种基于局部异常的强泛化深度伪造人脸检测方法，通过采用二阶局部异常学习模块，从人脸图像的深度特征图中挖掘局部区域的异常，实现对真伪人脸的检测。首先，该模块通过不同方向和距离将局部特征的邻域进行分解，然后利用卷积计算邻域的一阶和二阶局部异常图。采用一个局部增强模块来改善真实区域和伪造区域的局部特征间的区分度，从而确保计算局部异常的准确性。采用改进的自适应空域富模型，通过可学习的高通滤波器帮助挖掘细微的噪声特征，与局部异常分支构成双流结构。在没有像素级注释和外部合成数据的情况下，本发明使用简单的ResNet18作为骨干网络在FF++四个子数据集上的平均跨库精度达到了91.28％，97.20％，97.32％以及96.82％。

本发明授权一种基于局部异常的强泛化深度伪造人脸检测方法在权利要求书中公布了：1.一种基于局部异常的强泛化深度伪造人脸检测方法，其特征在于：该方法包括如下步骤：1对训练数据集中的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，对图像帧序列，使用人脸检测器检测出人脸位置；对每一张图像帧剪裁人脸框，得到连续的人脸图像训练集；2将1中得到的人脸图像输入自适应空域富模型，通过对空域富模型滤波核施加一个约束条件，使其中心元素保持为-1，其余元素之和保持为1；该约束空域富模型进行滤波处理时，自适应地更新高通滤波器中的各个滤波元素，提取高频噪声特征；3将1中得到的人脸图像输入噪声流，即将2中自适应空域富模型提取的高频噪声特征输入骨干网络Resnet18模型的前3个block，并计算二分类交叉熵损失；4将1中得到的人脸图像输入RGB流，即将1中人脸图像依次输入Resnet18模型的前3个block，并在每个block后进行局部增强；5在4中RGB流骨干网络最后的池化层提取特征图输入局部异常模型计算异常得分，结合3中的二分类交叉熵损失得到最终的异常损失，利用反向传播对局部异常模型与骨干网络进行更新，得到训练好的局部异常检测网络；6获取待检测数据集，剪裁人脸图像，输入训练好的局部异常检测网络进行最终人脸真假分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。