[发明专利]一种基于面部肌肉运动的压缩深度伪造视频检测方法

权利要求书

1.一种基于面部肌肉运动的压缩深度伪造视频检测方法，其特征在于，所述方法包括：

本发明提出了一种基于面部几何特征的压缩深度伪造视频检测方法，以实现对社交网络中压缩视频真伪性的辨别，主要包括：提出一种几何建模的社交网络压缩深度伪造视频检测方法；在此基础上，通过相邻帧差分分析和时间序列特征分析捕获伪造视频中不自然的面部肌肉运动，实现对社交网络压缩深度伪造视频的检测。

2.根据权利要求1所述的基于面部肌肉运动的压缩深度伪造视频检测方法，其特征在于，提出一种几何建模的社交网络压缩深度伪造视频检测方法，具体包括：

面部地标提取模块、面部肌肉运动特征提取模块、概率预测融合模块；通过面部地标提取模块和面部肌肉运动特征提取模块捕获不自然的面部肌肉运动，其中面部地标提取模块主要是从输入的人脸视频中提取精确的面部地标点L＝[x₁,y₁,...,x₆₈,y₆₈]；在面部肌肉运动特征提取模块，针对压缩视频中压缩伪影共存和压缩噪音干扰时序建模，从几何的角度对人脸进行建模构建面部肌肉运动特征vec，并从不同的角度对面部肌肉运动特征进行分析以捕获不自然的面部肌肉运动。

3.根据权利要求2所述的几何建模的社交网络压缩深度伪造视频检测方法，其特征在于，对所述特征提取模块提出一种几何建模的面部肌肉运动特征构建方法，具体包括：

根据提取的面部地标点对五官区域(眉毛、眼睛、嘴巴、鼻子)和脸部区域进行建模，从几何的角度构建特征向量，分别计算特征向量长度l_i,j和夹角θ_i,j联合表征面部肌肉运动，其中向量长度表示长度的变化，向量夹角表示方向的变化。

4.根据权利要求2所述的几何建模的社交网络压缩深度伪造视频检测方法，其特征在于，对所述面部肌肉运动特征构建模块提出一种基于相邻帧差分分析和时间序列特征分析的方法，具体包括：

相邻帧差分分析和时间序列特征分析；相邻帧差分分析则是将后一帧的面部肌肉运动特征l_i+1,j(θ_i+1,j)减去当前帧的面部肌肉运动特征l_i,j(θ_i,j)得到差分特征D_vec来捕获伪造视频中不自然的面部肌肉运动；时间序列特征分析则是将输入的视频帧序列视为一个连贯的整体，分别计算面部肌肉运动特征的绝对能量E(vec_j)、一阶绝对差分和A(vec_j)、时间序列复杂度O(vec_j)、峰度K(vec_j)及变异系数C(vec_j)五个时间序列特征T_vec来增强不自然的面部肌肉运动。