【技术实现步骤摘要】
本公开涉及人工智能，尤其涉及一种高仿真人脸检测系统及方法、电子设备和存储介质。
技术介绍
1、近年来，高仿真人脸制作技术的快速发展使得伪造他人身份成为可能。不法分子通过高仿真人脸在网络空间里传播虚假新闻，在安防场景中绕过人脸安全系统检查，带来极大的潜在负面影响。因此，为了最大限度地阻止高仿真人脸的恶意使用，维护社会安全稳定，需要有效准确的高仿真人脸检测方法来鉴定人脸图片或视频的真伪。
2、到目前为止，研究人员已经开发出基于手工制作的特征和基于深度学习的高仿真人脸检测器。一方面，经典的手工描述符(例如，局部二值模式(lbp))利用局部关系作为判别特征，这对于描述详细的不变信息，例如颜色纹理和摩尔纹，是鲁棒的。另一方面，由于具有非线性激活的堆叠卷积运算，卷积神经网络(cnn)具有很强的高仿真人脸检测能力。最近基于深度学习的高仿真人脸检测方法通常建立在基于图像分类任务的主干网之上。然而，不同高仿真人脸的伪造特征会随着被伪造面孔和伪造类型的不同而有所改变，使得高仿真人脸检测的准确度受限。
技术实现思路
1、有鉴于此，本公开提出了一种高仿真人脸检测方案。
2、根据本公开的一方面，提供了一种高仿真人脸检测系统，包括：
3、一种高仿真人脸检测系统，其特征在于，所述高仿真人脸检测系统包括：权重定制模块和人脸检测器；
4、所述权重定制模块，用于根据待检测人脸图像，得到与所述待检测人脸图像对应的定制化权重矩阵，所述定制化权重矩阵中的权重为所述人脸检测器中
5、所述人脸检测器，用于基于定制化权重矩阵，对所述待检测人脸图像进行检测，得到检测结果，所述检测结果指示所述待检测人脸图像中人脸的真伪。
6、在一种可能的实现方式中，权重定制模块包括：人脸特征感知分支、通用检测信息分支、以及权重整合模块；
7、所述通用检测信息分支，用于根据通用检测信息，确定通用权重矩阵；
8、所述人脸特征感知分支，用于根据所述待检测人脸图像，得到第一权重矩阵，所述第一权重矩阵用于从所述通用权重矩阵中确定出针对图像中人脸以及伪造类型进行人脸真伪检测的权重；
9、所述权重整合模块，用于对所述第一权重矩阵与所述通用权重矩阵进行融合操作，得到所述定制化权重矩阵。
10、在一种可能的实现方式中，所述定制化权重矩阵包括多个层权重矩阵，层权重矩阵与人脸检测器的待调整层相互对应；
11、所述人脸检测器，进一步用于：
12、使用层权重矩阵替换对应的待调整层中的权重矩阵，得到定制层；
13、基于各所述定制层以及其他层，对所述待检测人脸进行检测，得到所述检测结果。
14、在一种可能的实现方式中，所述待调整层为特征提取层。
15、在一种可能的实现方式中，所述权重整合模块，进一步用于：将所述第一权重矩阵与所述通用权重矩阵的对应元素进行相乘，得到所述定制化权重矩阵。
16、在一种可能的实现方式中，所述通用信息检测分支的参数包括：所述通用检测信息，所述通用信息检测分支包括第一超网络，所述高仿真人脸检测系统的训练方法，包括：根据人脸图像样本，得到样本第一权重矩阵；根据所述通用检测信息，确定样本通用权重矩阵；对所述样本第一权重矩阵与所述样本通用权重矩阵进行融合操作，得到样本定制化权重矩阵，所述样本定制化权重矩阵包括多个样本层权重矩阵；使用样本层权重矩阵替换对应的第一待调整层中的权重矩阵，得到第一定制层；基于各所述第一定制层以及其他层，对所述人脸图像样本进行检测，得到第一检测结果；基于第一检测结果与真值的差异，调整所述人脸检测器的参数、所述人脸特征感知分支的参数、所述第一超网络的参数，以及所述通用检测信息，直到满足停止条件，停止训练。
17、在一种可能的实现方式中，所述人脸特征感知分支包括面孔特征提取器和第二超网络，基于第一检测结果与真值的差异，调整所述人脸特征感知分支的参数，包括：基于第一检测结果与真值的差异，调整所述面孔特征提取器和所述第二超网络各自的参数。
18、根据本公开的另一方面，提供了一种高仿真人脸检测方法，该方法包括：根据待检测人脸图像，得到与所述待检测人脸图像对应的定制化权重矩阵。基于定制化权重矩阵，对所述待检测人脸进行检测，得到检测结果，所述检测结果指示所述待检测人脸图像中人脸的真伪。
19、在一种可能的实现方式中，所述根据待检测人脸图像，得到与所述待检测人脸图像对应的定制化权重矩，包括：根据通用检测信息，确定通用权重矩阵；根据所述待检测人脸图像，得到第一权重矩阵，所述第一权重矩阵用于从所述通用权重矩阵中确定出针对图像中人脸以及伪造类型进行人脸真伪检测的权重；所述第一权重矩阵与所述通用权重矩阵进行融合操作，得到所述定制化权重矩阵。
20、在一种可能的实现方式中，所述定制化权重矩阵包括多个层权重矩阵，层权重矩阵与人脸检测器的待调整层相互对应；所述基于定制化权重矩阵，对所述待检测人脸进行检测，得到检测结果，包括：使用层权重矩阵替换对应的待调整层中的权重矩阵，得到定制层；基于各所述定制层以及其他层，对所述待检测人脸进行检测，得到所述检测结果。
21、在一种可能的实现方式中，所述待调整层为特征提取层。
22、在一种可能的实现方式中，所述第一权重矩阵与所述通用权重矩阵进行融合操作，得到所述定制化权重矩阵，包括：将所述第一权重矩阵与所述通用权重矩阵的对应元素进行相乘，得到所述定制化权重矩阵。
23、在一种可能的实现方式中，所述方法应用于高仿真人脸检测系统，所述高仿真人脸检测系统包括：人脸特征感知分支、通用检测信息分支、以及权重整合模块、人脸检测器，所述通用检测信息分支包括第一超网络，所述通用检测信息分支的参数包括通用检测信息，所述高仿真人脸检测系统的训练方法，包括：根据人脸图像样本，得到样本第一权重矩阵；根据所述通用检测信息，确定样本通用权重矩阵；对所述样本第一权重矩阵与所述样本通用权重矩阵进行融合操作，得到样本定制化权重矩阵，所述样本定制化权重矩阵包括多个样本层权重矩阵；使用样本层权重矩阵替换对应的第一待调整层中的权重矩阵，得到第一定制层；基于各所述第一定制层以及其他层，对所述人脸图像样本进行检测，得到第一检测结果；基于第一检测结果与真值的差异，调整所述人脸检测器的参数、所述人脸特征感知分支的参数、所述第一超网络的参数，以及所述通用检测信息，直到满足停止条件，停止训练。
24、在一种可能的实现方式中，所述人脸特征感知分支包括面孔特征提取器和第二超网络，基于第一检测结果与真值的差异，调整所述人脸特征感知分支的参数，包括：基于第一检测结果与真值的差异，调整所述面孔特征提取器和所述第二超网络各自的参数。
25、根据本公开的另一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。
本文档来自技高网...
【技术保护点】
1.一种高仿真人脸检测系统，其特征在于，所述高仿真人脸检测系统包括：权重定制模块和人脸检测器；
2.根据权利要求1所述的系统，其特征在于,权重定制模块包括：人脸特征感知分支、通用检测信息分支、以及权重整合模块；
3.根据权利要求1所述的系统，其特征在于，所述定制化权重矩阵包括多个层权重矩阵，层权重矩阵与人脸检测器的待调整层相互对应；
4.根据权利要求3所述的系统，其特征在于，所述待调整层为特征提取层。
5.根据权利要求2所述的系统，其特征在于，所述权重整合模块，进一步用于：
6.根据权利要求2所述的系统，其特征在于，所述通用信息检测分支的参数包括：所述通用检测信息，所述通用信息检测分支包括第一超网络，所述高仿真人脸检测系统的训练方法，包括：
7.根据权利要求6所述的系统，其特征在于，所述人脸特征感知分支包括面孔特征提取器和第二超网络，基于第一检测结果与真值的差异，调整所述人脸特征感知分支的参数，包括：
8.一种高仿真人脸检测方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.一种高仿真人脸检测系统，其特征在于，所述高仿真人脸检测系统包括：权重定制模块和人脸检测器；
2.根据权利要求1所述的系统，其特征在于,权重定制模块包括：人脸特征感知分支、通用检测信息分支、以及权重整合模块；
3.根据权利要求1所述的系统，其特征在于，所述定制化权重矩阵包括多个层权重矩阵，层权重矩阵与人脸检测器的待调整层相互对应；
4.根据权利要求3所述的系统，其特征在于，所述待调整层为特征提取层。
5.根据权利要求2所述的系统，其特征在于，所述权重整合模块，进一步用于：
6.根据权利要求2所述的系统，其特征在...
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。