[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

说明书

本发明涉及一种基于面部肌肉运动的压缩深度伪造视频检测方法，用于社交网络中压缩深度伪造视频的辨别。其发明内容主要包括：提出一种基于几何建模的压缩深度伪造视频检测方法，在此基础上从相邻帧差分分析和时间序列特征分析两个不同的角度对特征进行分析以捕获不自然的面部肌肉运动，实现对压缩深度伪造视频的辨别。本发明从几何的角度对人脸进行建模并构建面部肌肉运动特征，能够有效抵抗压缩的影响，适用于真实场景中压缩深度伪造视频的检测，在实际生活场景下具有实际应用价值。

技术领域

本发明涉及视频取证领域，具体涉及一种基于面部肌肉运动的压缩深度伪造视频检测方法。

背景技术

视频作为信息的重要载体，其携带着重要的信息。当包含着误导性内容的视频在社交网络中传播时将可能严重威胁个人名誉、社会信誉、司法公正、国家安全等。如今，压缩视频在社交网络中被广泛应用。视频被压缩后，视频视觉质量降低，压缩伪影和篡改伪影共存，这给压缩深度伪造视频带来新的挑战，因此，亟需要开展对压缩深度伪造视频的检测研究。

针对深度伪造视频的检测，由于视频伪造过程中会对面部进行扭曲导致伪造视频中留下篡改伪影，文献“H.H.Nguyen,J.Yamagishi,and I.Echizen,Capsule-forensics:Using capsule networks to detect forged images and videos,in Proceedings ofIEEE International Conference on Acoustics,Speech and Signal Processing,2019,pp.2307–2311.”提出了一种新的胶囊网络Capsule来检测深度伪造视频。由于伪造视频在时序上存在一定的缺陷，文献“D.Güera and E.J.Delp,Deepfake video detection usingrecurrent neural networks,in Proceedings IEEE International Conference onAdvanced Video and Signal based Surveillance,2018,pp.1–6.”提出基于时间感知的深度伪造视频检测方法。针对压缩深度伪造视频的检测，文献“H.Liu,X.Li,W.Zhou,Y.Chen,Y.He,H.Xue,W.Zhang,and N.Yu,Spatial-phase shallow learning:rethinkingface forgery detection infrequency domain,in Proceedings of the IEEEConference on Computer Vision and Pattern Recognition,2021,pp.772–781.”提出了一种基于上采样伪造痕迹的深度伪造视频检测方法。

视频经过社交网络传播后被压缩，压缩深度伪造视频中压缩伪影和篡改伪影共存，上述方法难以从压缩视频中提取辨别性的特征，不能有效检测压缩深度伪造视频。此外上述方法得益于卷积神经网络，检测效率较低，不利于实际场景的部署。现实生活中，压缩视频更为常见。考虑到实际应用的问题，本发明旨在提出一种基于面部肌肉运动的压缩深度伪造视频检测方法，实现对社交网络中的压缩深度伪造视频的有效辨别。

发明内容

本发明提出一种基于面部肌肉运动的压缩深度伪造视频检测方法，实现对社交网络中的压缩视频真伪性的辨别，主要包括：提出一种基于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的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。

具体内容如下：

(1)提出一种基于几何建模的压缩深度伪造视频检测方法：通过对人脸面部运动进行分析，从几何的角度对人脸进行建模构建特征，并从不同角度对所设计的特征进行分析以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。