[发明专利]基于人脸特征时域稳定性的换脸视频篡改检测方法及其应用

权利要求书

1.一种基于人脸特征时域稳定性的换脸视频篡改检测方法，其特征在于，包括下述步骤：

将待检测视频解码为帧序列并逐帧保存；

检测各帧的人脸区域并提取人脸特征点的坐标值；

比较各个特征点在时域上的变化程度计算特征点的活跃度，根据特征点的位置和活跃度选择特定特征点，计算特定成对特征点的连线向量作为面部向量；

根据特征点的位置和活跃度选择特定特征点，计算特定成对特征点的连线向量作为面部向量，具体步骤包括：

将所述特定特征点划分为五官特征点集合A和轮廓特征点集合B；

将集合A与集合B的特征点两两连接求坐标的差值，将所有特征点P_a与所有特征点P_b进行有向连接，记录连线向量为：

其中，特征点P_a坐标为P_a(x_a,y_a)∈A，特征点P_b坐标为P_b(x_b,y_b)∈B；

将F_i与F_i+1帧相应特征点面部向量投影到同一平面，使用向量内积计算两个向量间的偏转角度具体计算公式如下：

其中，为F_i帧与F_i+1帧的偏转角，和分别为F_i帧和F_i+1帧上特征点P_a连接到特征点P_b的面部向量，和分别表示和的长度；

计算相邻帧上对应面部向量在空间位置上的偏转角；

将相邻两帧所有面部向量的偏转角度值作为特征值，并构造特征向量；

将训练样本的特征向量输入支持向量机，训练并生成分类模型；

采用训练后的分类模型对待检测视频帧进行分类，逐帧判断视频是否存在篡改；

所述采用训练后的分类模型对待检测视频帧进行分类，逐帧判断视频是否存在篡改，具体步骤包括：

选取训练集与测试集，将训练集的特征向量输入支持向量机中进行训练，计算出相邻两帧的训练集特征向量θ_Train，采用缩放参数μ进行数据缩放、交叉验证，训练生成分类模型；

在测试集上计算出相邻两帧的测试集特征向量θ_Test，将测试集特征向量θ_Test输入支持向量机中，采用缩放参数μ进行数据缩放，训练后的分类模型对测试集进行检测及标签分类，最后输出二分类结果，逐帧判断视频是否存在篡改。

2.根据权利要求1所述的基于人脸特征时域稳定性的换脸视频篡改检测方法，其特征在于，所述将待检测视频解码为帧序列并逐帧保存，具体步骤包括：

采用FFmpeg工具将视频进行解码，把视频解码成帧序列F₁,F₂,F₃,…,F_N，其中，N为单个视频的帧数，将每个视频的帧序列保存为独立文件夹并排序。

3.根据权利要求1所述的基于人脸特征时域稳定性的换脸视频篡改检测方法，其特征在于，所述检测各帧的人脸区域并提取人脸特征点的坐标值，具体步骤包括：

遍历读取所有视频文件路径，通过关键点预测器对视频帧图像进行人脸的识别，提取出人脸特征点坐标值并写入文件中。

4.根据权利要求1所述的基于人脸特征时域稳定性的换脸视频篡改检测方法，其特征在于，所述将相邻两帧所有面部向量的偏转角度值作为特征值，并构造特征向量，特征向量具体表示为：

其中，N为单个视频的帧数。