[发明专利]视频检测方法、装置、设备及存储介质

说明书

本公开关于一种视频检测方法、装置、设备及存储介质。其中，视频检测方法包括：获取目标视频对应的脸部图像序列，脸部图像序列包括多个脸部图像；提取脸部图像中的脸部身份特征；对脸部身份特征进行波动检测，得到波动检测结果；在波动检测结果为脸部身份特征存在波动的情况下，确定目标视频为换脸视频。采用本公开提供的视频检测方法、装置、设备及存储介质，能够提高换脸检测结果的准确性。

技术领域

本公开涉及计算机技术领域，尤其涉及一种视频检测方法、装置、设备及存储介质。

背景技术

换脸技术是在图像或视频中替换指定对象的脸部的技术，通常采用人工智能技术将指定对象的脸部自动替换为其他对象的脸部。

以通过换脸技术合成得到的换脸视频为例，换脸视频在为人们带来娱乐的同时，也带来了一定的安全隐患。为了降低换脸视频带来的安全隐患，需要对由换脸技术所合成的换脸视频进行检测。但是，随着换脸技术的快速发展，换脸技术的合成效果变得越来越逼真，已有的检测方法已经无法准确地检测出换脸视频。

发明内容

本公开提供一种视频检测方法、装置、设备及存储介质，以至少解决相关技术中无法准确地检测出换脸视频的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种视频检测方法，包括：获取目标视频对应的脸部图像序列；其中，脸部图像序列包括多个脸部图像；提取脸部图像中的脸部身份特征；对脸部身份特征进行波动检测，得到波动检测结果；在波动检测结果为脸部身份特征存在波动的情况下，确定目标视频为换脸视频。

在其中一个实施例中，提取脸部图像中的脸部身份特征，包括：采用预先训练得到的身份特征提取模型，提取脸部图像中的所述脸部身份特征；其中，身份特征提取模型根据脸部图像样本以及脸部图像样本对应的身份标签训练得到，身份标签为脸部图像样本中的样本脸部身份特征对应的标签。

在其中一个实施例中，在采用预先训练得到的身份特征提取模型，提取脸部图像中的脸部身份特征之前，该方法还包括：获取训练样本集，训练样本集中包括多个脸部图像样本以及每个脸部图像样本对应的身份标签；将脸部图像样本输入至第一神经网络，将第一神经网络输出的样本脸部身份特征输入至第二神经网络，将身份标签作为第二神经网络的输出，利用机器学习方法，对第一神经网络和第二神经网络进行迭代训练，直至满足预设训练停止条件；将训练后的第一神经网络确定为身份特征提取模型。

在其中一个实施例中，对脸部身份特征进行波动检测，得到波动检测结果，包括：计算每个脸部身份特征与脸部图像序列中的目标脸部图像对应的目标脸部身份特征之间的特征相似度，得到多个特征相似度；在多个特征相似度满足预设条件的情况下，确定波动检测结果为脸部身份特征存在波动；在多个特征相似度不满足预设条件的情况下，确定波动检测结果为脸部身份特征不存在波动。

在其中一个实施例中，目标脸部图像包括脸部图像序列中与脸部身份特征所属的脸部图像后相邻的多个后相邻脸部图像，目标脸部身份特征包括多个后相邻脸部身份特征，一个后相邻脸部身份特征对应一个后相邻脸部图像；

其中，计算每个脸部身份特征与脸部图像序列中的目标脸部图像对应的目标脸部身份特征之间的特征相似度，包括：计算每个脸部身份特征与每个后相邻脸部身份特征之间的相似度，得到多个相似度；将每个脸部身份特征对应的多个相似度的平均值，确定为脸部身份特征对应的特征相似度。

在其中一个实施例中，预设条件包括下列中的至少一项：特征相似度中存在预设数量的目标特征相似度；其中，目标特征相似度为小于或等于第一相似度阈值的特征相似度；特征相似度的平均值小于或等于第二相似度阈值。

在其中一个实施例中，获取目标视频对应的脸部图像序列，包括：获取目标视频中的图像帧序列；其中，图像帧序列包括多个图像帧；对图像帧进行脸部检测，得到包含目标脸部的脸部图像；根据多个脸部图像，生成脸部图像序列。