[发明专利]图像处理方法、图像处理模型的训练方法及装置

说明书

本申请实施例公开了一种图像处理方法、图像处理模型的训练方法及装置，该图像处理方法包括：获取人脸图像和预定妆容图像；将所述人脸图像和所述预定妆容图像输入到图像处理模型进行图像处理，得到目标人脸图像，所述目标人脸图像包括所述人脸图像中的人脸特征、所述预定妆容图像中的妆容信息和所述对抗噪声；将所述人脸图像替换为所述目标人脸图像。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像处理方法、图像处理模型的训练方法及装置。

背景技术

随着社交媒体的不断发展，使得个人的人脸图像数据广泛在互联网上传播，基于深度神经网络技术的深度伪造技术可以进行人脸重演、换脸和人脸属性编辑，其可以将原有的人脸视频或图像替换为另外一个人的人脸图像。

一些场景下，一些人员利用深度伪造技术可能会对被替换的原始视频中的人物或者替换后的目标人物进行恶意行为，从而造成不良的影响，无法保护用户的个人隐私。如此，在深度伪造技术的攻击下，被替换的原始视频中的人物或者替换后的目标人物的隐私安全性较低，因此，如何提前预防深度伪造技术的攻击，提高被替换的原始视频中的人脸或者替换后的目标人脸的隐私安全性是本领域技术人员需要解决的技术问题。

发明内容

本申请提供一种图像处理方法、图像处理模型的训练方法及装置，以提高被替换的原始视频中的人物或者替换后的目标人物的隐私安全性。

第一方面，本申请提供一种图像处理方法，包括：获取人脸图像和预定妆容图像；将所述人脸图像和所述预定妆容图像输入到图像处理模型进行图像处理，得到目标人脸图像，所述目标人脸图像包括所述人脸图像中的人脸特征和所述预定妆容图像中的妆容信息和所述对抗噪声；将所述人脸图像替换为所述目标人脸图像。

可以看出，将人脸图像的妆容风格替换为预定妆容图像中的妆容风格，并将对抗噪声隐藏在目标人脸图像中，生成的具有对抗属性的预定的化妆风格的目标人脸图像针对深度伪造技术具有防御性，使得深度伪造技术篡改后的目标人脸图像模糊、失真，从而提前预防深度伪造技术的攻击，达到保护源图片中的人脸图像的目的，提高了被替换的原始视频中的人物或者替换后的目标人物的隐私安全性。

第二方面，本申请提供一种图像处理模型的训练方法，包括：获取源人脸图像样本集和预定妆容图像样本集；根据所述源人脸图像样本集和所述预定妆容图像样本集对待训练的图像处理模型进行图像融合迭代训练，直至待训练的图像处理模型的损失函数收敛，得到所述图像处理模型，其中，每次迭代训练使用一个源人脸图像样本和一个预定妆容图像样本，所述图像融合迭代训练用于对所述源人脸图像样本和所述预定妆容图像样本进行融合处理和添加对抗噪声；所述损失函数是根据所述源人脸图像样本、所述预定妆容图像样本和经所述融合处理后的融合图像确定的。

可以看出，在图像处理模型训练的过程中，采用海量的源人脸图像样本和预定图像样本对图像处理模型进行训练，提高图像处理模型对不同的图像样本的融合处理能力，且在训练的过程中，添加对抗噪声对图像处理模型进行训练，从而使得图像处理模型具备对不同的图像样本的融合处理的过程中能够将对抗噪声隐藏到不同的图像样本融合后的图像中的能力，训练得到的图像处理模型可以生成具有对抗属性的预定的化妆风格的目标人脸图像，从而可以针对深度伪造技术具有防御性。

第三方面，本申请提供一种图像处理装置，包括：获取模块，用于获取人脸图像和预定妆容图像；处理模块，用于将所述人脸图像和所述预定妆容图像输入到图像处理模型进行图像处理，得到目标人脸图像，所述目标人脸图像包括所述人脸图像中的人脸特征和所述预定妆容图像中的妆容信息和所述对抗噪声；替换模块，用于将所述人脸图像替换为所述目标人脸图像。