本发明专利技术属于图像处理技术领域，可用于金融领域中对伪造人脸图像的检测，特别是涉及一种伪造图像检测方法、装置、设备和介质，其中，方法包括：将训练图像输入待训练伪造人脸检测模型，将真实人脸图像和伪造人脸图像进行比对，确定伪造人脸图像的篡改像素；基于篡改像素将伪造人脸图像进行划分，得到真实像素区域和伪造像素区域；以真实像素区域为标准样本，训练待训练伪造人脸检测模型对伪造像素区域的关注，直至待训练伪造人脸检测模型中的参数收敛，得到伪造人脸检测模型。本发明专利技术以真实像素区域为标准样本，训练模型对伪造像素区域的关注，进而得到可精准捕捉篡改像素的伪造人脸检测模型，实现对检测伪造人脸图像技术的优化。实现对检测伪造人脸图像技术的优化。实现对检测伪造人脸图像技术的优化。
【技术实现步骤摘要】
伪造图像检测方法、装置、设备和介质
[0001]本专利技术涉及图像处理
，特别涉及一种伪造图像检测方法、装置、设备和介质。
技术介绍
[0002]在金融领域中，随着时代的进步，科技的不断发展，例如，在办理银行业务时，对于金融账号的注册、账号信息的验证由线下办理转移至线上办理，在线上办理过程中，对于身份的验证，仅依靠用户的人脸图像即可完成身份验证，极大改善办理程序，使得我们的生活更快捷、更简单。然而，随着人脸图像验证的推广，也存在很大的风险，一些不法分子通过网络技术进行人脸图像伪造，以伪造图像骗取用户的身份信息，进而谋取利益等，给人们的生活带来了困扰。目前，针对伪造人脸图像的检测技术层出不穷，例如基于图像篡改痕迹进行伪造图像检测，基于GAN图像特征进行伪造图像检测，或是基于生物特征进行伪造图像检测，但上述方法缺乏对真假面部的本质差异的关注，也没有关注面部的局部细节。
[0003]因此，如何优化对伪造人脸图像的检测技术，进而获取高置信度的检测结果是目前需要解决的问题。
技术实现思路
[0004]本专利技术提供一种伪造图像检测方法、装置、设备和介质，旨在优化对伪造人脸图像的检测技术，进而获取高置信度的检测结果。
[0005]为了实现上述专利技术目的，本专利技术第一方面提出一种伪造图像检测方法，所述方法包括：
[0006]将训练图像输入待训练伪造人脸检测模型，其中，所述训练图像包括真实人脸图像和伪造人脸图像；
[0007]将所述真实人脸图像和所述伪造人脸图像进行比对，确定所述伪造人脸图像的篡改像素；
[0008]基于所述篡改像素将所述伪造人脸图像进行划分，得到真实像素区域和伪造像素区域；
[0009]以所述真实像素区域为标准样本，训练所述待训练伪造人脸检测模型对所述伪造像素区域的关注，直至所述待训练伪造人脸检测模型中的参数收敛，得到伪造人脸检测模型。
[0010]进一步地，所述将训练图像输入待训练伪造人脸检测模型之前，还包括：
[0011]获取真实人脸图像；
[0012]通过深度神经网络对所述真实人脸图像进行特征提取，得到人脸特征；
[0013]基于所述人脸特征进行图像构造，得到伪造人脸图像；
[0014]根据所述真实人脸图像和所述伪造人脸图像生成训练图像。
[0015]进一步地，所述将所述真实人脸图像和所述伪造人脸图像进行比对，确定所述伪
造人脸图像的篡改像素，包括：
[0016]获取所述真实人脸图像的第一像素值；以及，
[0017]获取所述伪造人脸图像的第二像素值；
[0018]将所述第一像素值减去所述第二像素值，得到像素差值；
[0019]将所述像素差值与第一阈值进行比较，以获取所述像素差值大于所述第一阈值对应的所述第二像素值；
[0020]将所述第二像素值记为篡改像素，得到所述伪造图像的篡改像素。
[0021]进一步地，所述以所述真实像素区域为标准样本，训练所述待训练伪造人脸检测模型对所述伪造像素区域的关注，直至所述待训练伪造人脸检测模型中的参数收敛，得到伪造人脸检测模型，包括：
[0022]以所述真实像素区域为标准样本，训练所述待训练伪造人脸检测模型对所述伪造像素区域的关注，并根据预设的损失函数计算所述真实像素区域和所述伪造像素区域之间的损失数值；
[0023]将所述损失数值与损失阈值进行比较，判断所述损失数值是否小于所述损失阈值；
[0024]若所述损失数值小于所述损失阈值，则根据所述损失数值对应的训练参数调整所述待训练伪造人脸检测模型的参数，直至所述待训练伪造人脸检测模型中的参数收敛，得到伪造人脸检测模型。
[0025]进一步地，所述根据预设的损失函数计算所述真实像素区域和所述伪造像素区域之间的损失数值，包括：
[0026]根据第一损失函数计算所述真实像素区域和所述伪造像素区域之间的第一损失数值；
[0027]根据第二损失函数计算所述真实像素区域中像素点的第二损失数值；
[0028]根据预设的损失函数结合所述第一损失数值及所述第二损失数值计算所述真实像素区域和所述伪造像素区域之间的损失数值。
[0029]进一步地，所述损失函数为其中，
[0030]表示第一损失数值；
[0031]表示第二损失数值。
[0032]进一步地，所述得到伪造人脸检测模型之后，还包括：
[0033]获取待检测人脸图像；
[0034]将所述待检测人脸图像输入所述伪造人脸检测模型；
[0035]基于所述伪造人脸检测模型对所述待检测人脸图像进行检测分析，输出检测结果。
[0036]本申请还提供一种伪造图像检测装置，其特征在于，所述装置包括：
[0037]输入模块，用于将训练图像输入待训练伪造人脸检测模型，其中，所述训练图像包括真实人脸图像和伪造人脸图像；
[0038]比对模块，用于将所述真实人脸图像和所述伪造人脸图像进行比对，确定所述伪造人脸图像的篡改像素；
[0039]划分模块，用于基于所述篡改像素将所述伪造人脸图像进行划分，得到真实像素区域和伪造像素区域；
[0040]训练模块，用于以所述真实像素区域为标准样本，训练所述待训练伪造人脸检测模型对所述伪造像素区域的关注，直至所述待训练伪造人脸检测模型中的参数收敛，得到伪造人脸检测模型。
[0041]本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一项所述的伪造图像检测方法的步骤。
[0042]本申请还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任一项所述的伪造图像检测方法的步骤。
[0043]有益效果：本申请通过将训练图像输入待训练伪造人脸检测模型，将所述真实人脸图像和所述伪造人脸图像进行比对，确定所述伪造人脸图像的篡改像素，基于所述篡改像素将所述伪造人脸图像进行划分，得到真实像素区域和伪造像素区域；以所述真实像素区域为标准样本，训练所述待训练伪造人脸检测模型对所述伪造像素区域的关注，进而提高所述待训练伪造人脸检测模型对所述篡改像素检测的精确度，直至所述待训练伪造人脸检测模型中的参数收敛，得到伪造人脸检测模型，所述伪造人脸检测模型具备对精细伪造的人脸图像进行真伪检测的性能，可精准的捕捉到伪造人脸图像中的篡改像素，进而得到高置信度的检测结果，该检测结果可用于辅助金融领域的工作人员对伪造人脸图像进行识别，提高对伪造人脸图像识别的处理效率。
附图说明
[0044]图1为本申请伪造图像检测方法的一实施例流程示意图；
[0045]图2为本申请伪造人脸检测方法的另一实施例流程示意图；
[0046]图3为本申请伪造图像检测方法的另一实施例流程示意图；
[0047]图4为本申请伪造图像检测方法的另一实施例流程示意图；
[0048]图5本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种伪造图像检测方法，其特征在于，所述方法包括：将训练图像输入待训练伪造人脸检测模型，其中，所述训练图像包括真实人脸图像和伪造人脸图像；将所述真实人脸图像和所述伪造人脸图像进行比对，确定所述伪造人脸图像的篡改像素；基于所述篡改像素将所述伪造人脸图像进行划分，得到真实像素区域和伪造像素区域；以所述真实像素区域为标准样本，训练所述待训练伪造人脸检测模型对所述伪造像素区域的关注，直至所述待训练伪造人脸检测模型中的参数收敛，得到伪造人脸检测模型。2.根据权利要求1所述的伪造图像检测方法，其特征在于，所述将训练图像输入待训练伪造人脸检测模型之前，还包括：获取真实人脸图像；通过深度神经网络对所述真实人脸图像进行特征提取，得到人脸特征；基于所述人脸特征进行图像构造，得到伪造人脸图像；根据所述真实人脸图像和所述伪造人脸图像生成训练图像。3.根据权利要求1所述的伪造图像检测方法，其特征在于，所述将所述真实人脸图像和所述伪造人脸图像进行比对，确定所述伪造人脸图像的篡改像素，包括：获取所述真实人脸图像的第一像素值；以及，获取所述伪造人脸图像的第二像素值；将所述第一像素值减去所述第二像素值，得到像素差值；将所述像素差值与第一阈值进行比较，以获取所述像素差值大于所述第一阈值对应的所述第二像素值；将所述第二像素值记为篡改像素，得到所述伪造图像的篡改像素。4.根据权利要求1所述的伪造图像检测方法，其特征在于，所述以所述真实像素区域为标准样本，训练所述待训练伪造人脸检测模型对所述伪造像素区域的关注，直至所述待训练伪造人脸检测模型中的参数收敛，得到伪造人脸检测模型，包括：以所述真实像素区域为标准样本，训练所述待训练伪造人脸检测模型对所述伪造像素区域的关注，并根据预设的损失函数计算所述真实像素区域和所述伪造像素区域之间的损失数值；将所述损失数值与损失阈值进行比较，判断所述损失数值是否小于所述损失阈值；若所述损失数值小于所述损失阈值，则根据所述损失数值对应的训练参数调整所...
【专利技术属性】
技术研发人员：唐小初，朱翌，舒畅，陈又新，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。