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！

申请/专利权人：苏州科技大学

摘要：本发明公开了基于生成式对抗网络的多人脸图像局部伪造特征智能检测方法。该方法包括以下步骤：S1：将人脸图像真伪数据集合输入生成式对抗网络，进行人脸关键点提取训练；S2：确定人脸关键点的位置信息定位，得到人脸关键局部点的位置集合；S3：对多人脸图像进行特征分割，得到人脸关键局部点的对应特征；S4：将人脸关键局部点位置集合和对应特征输入到生成式对抗网络中，产生逼真的虚假数据，达到欺骗区分器的目的；S5：使用径向基函数作为核函数帮助捕捉伪造特征和真实特征之间的关系，支持向量机分类模型进行伪造检测。该方法能够在较少计算量的同时实现人脸伪造特征点定位，精准检测出人脸图像局部伪造特征，适用于多角度人脸图像伪造检测。

主权项：1.基于生成式对抗网络的多人脸图像局部伪造特征智能检测方法，其特征在于：包括以下步骤S1：将人脸图像真伪数据集合输入生成式对抗网络，进行人脸关键点提取训练，其中包括以下步骤1将人脸图像真伪数据集合中的一批样本数据输入全连接层；2将全连接层中的提取出数据输入到生成式对抗网络中进行网络训练，获得关键点位置；3判断关键点位置的误差是否小于设定的阈值；4在步骤C中，如果判断为否，则将数据继续进行迭代运算并输入全连接层，跳转到步骤A对样本数据继续进行网络训练；5在步骤C中，如果判断为是，则将下一批样本数据输入全连接层，跳转到步骤A对下一批样本数据进行网络训练，直至样本数量全部训练完毕；S2：确定人脸关键点的位置信息定位，得到人脸关键局部点的位置集合，其中包括以下步骤A将多人脸特征图像I通过第一层网络训练达到偏差估算S；B添加初始的图像关键点定位估算，获得第一层的关键点位置S1；C计算用于将输入图像归一化至规范形状的仿射矩阵T，获得校正的脸部图像TI以及图像关键点位置TS1，产生临界点热度图Ht；D经过多次的网络迭代训练，得到每个阶段的图像关键点位置；E提取出人脸的局部特征，并把图像的二维坐标点变换成多维度的特征矢量，得到人脸关键局部点的位置集合；S3：对多人脸图像进行特征分割，得到人脸关键局部点的对应特征，其中包括以下步骤a通过对人脸图像局部特征模糊相关特征量进行显著性检测，得到人脸图像特征的模糊集合的隶属函数；b利用基于多维信息的混合空间聚类算法，优化图像检测并聚类图像边缘权值，得出人脸图像局部特征的模糊性分布式特征；c通过模糊粗糙集，对图像分割优化，提高检测的准确率；d建立人脸图像的超分辨识别模型，获得面部阴影区域的特征分值，完成多人脸图像特征分割；S4：将人脸关键局部点位置集合和对应特征输入到生成式对抗网络中，产生逼真的虚假数据，达到欺骗区分器的目的；S5：使用径向基函数作为核函数帮助捕捉伪造特征和真实特征之间的关系，支持向量机分类模型进行伪造检测。

全文数据：

权利要求：

百度查询： 苏州科技大学 基于生成式对抗网络的多人脸图像局部伪造特征智能检测方法