基于深度学习的面部交换及检测研究
发布时间：2020-12-06 01:17
深度学习的迅速发展,显著提高了面部交换图像生成的质量和效率。利用Deepfake等生成的面部交换,无论是人工检测还是自动检测都很难分辨真伪。面部交换技术既可用于积极的用途,也有可能用于非法的面部伪造。因此研究最先进的面部交换技术,既是正面发展的需要,也是应对伪造滥用风险,探索伪造检测技术的需要。本文针对面部交换技术和伪造检测技术两个方面展开研究,主要内容和研究成果如下:针对现有面部交换算法面对复杂姿态或光照时伪造痕迹明显的问题,提出了一种基于三维重建的面部交换方法。首先,训练了一个端对端的位置映射图回归网络,用于实现单张图片的面部三维重建。然后,对要进行面部交换的目标图像进行三维重建,根据重建得到的三维形状,获得相应的颜色空间和顶点。最后,结合源图的颜色空间和目标图的顶点信息,渲染获得最终的面部交换图像。实验证明了基于三维重建的面部图像交换方法的有效性和鲁棒性。特别是与利用二维人脸图像进行面部交换的结果相比,该方法在复杂姿态或光照场景下生成的图像更加真实自然。针对大多数面部伪造检测算法模型复杂、训练周期长等问题,提出了一种轻量级的深度学习模型,用于检测面部伪造图像。首先,分析了 Dee...
【文章来源】：西安科技大学陕西省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
几种常见的坐标系像素坐标系(uv)：数字图像又称数位图像，通常将二维图像中的所有像素存储在数
2相关基础理论11前者坐标系使用的单位是毫米，后者坐标系使用的单位是像素。此外像素坐标系的两个坐标轴U、V轴分别与图像坐标系的X、Y轴平行。相机坐标系(Oc-XcYcZc)：与以上几种坐标系不同，相机坐标系选取上图2.1中的聚光点为坐标原点，以光线方向为Z轴建立三维直角坐标系。由上图可以看出，相机坐标系的横轴和纵轴分别与图像坐标系的横轴和纵轴平行；Z轴为相机光轴，它与成像平面垂直，Z轴穿过图像平面时的交点即为图像坐标系的原点。世界坐标系(Ow-XwYwZw)：以上几种坐标系不能很好的描述相机的位置，世界坐标系正是为此而引入。同时由于相机位置的频繁变化，对应的原点和坐标轴位置也随之变化，这使相机坐标系一直不够稳定。世界坐标系采用恒定不变的坐标系，它的稳定性使之能够更好的表示投影变换。相机的位置可通过世界坐标系来确定，通常情况下将相机横轴方向的中间位置作为世界坐标系的原点。(1)相机坐标系和图像坐标系之间的转换相机坐标系到图像坐标系的过程可用小孔成像解释，即相机坐标系中的一个点P[X,Y,Z]到图像平面上的一点P"[x,y]的过程，这个过程是从3D转换到2D，变换前后属于透视投影关系，如图2.2所示。图2.2相机小孔成像原理图示相机坐标系中的点P采用的单位是毫米(mm)，而图像坐标系使用的单位是像素(pixel)，因此需要经过单位换算以适应像素坐标系：x=Xc×fZcy=Yc×fZc(2.1)矩阵形式表示：Zcxy1=f000f0001XcYcZc(2.2)
西安科技大学全日制工程硕士学位论文12上式中相机焦距用f表示，f等于图像坐标系原点O与相机坐标系原点Oc的距离。其中相机坐标系中的点用[Xc,Yc,Zc]T表示，图像坐标系中的点归一化后用[x,y,1]T表示。(2)图像坐标系和像素坐标系之间的转换图像坐标系和像素坐标系的相同之处在于，两者均位于二维成像平面上；不同之处是各自使用度量单位和原点不同：前者的坐标系以二维成像平面上的中点为原点，单位是毫米；后者的坐标系以图像左上角为坐标原点，单位是像素。因此要将图像坐标系变换到像素坐标系，只需要对原点进行一定的平移和缩放。两者之间的变换可用下式表示：u=xdx+u0v=ydy+v0(2.3)上面的式子中，dx表示图像横轴上每个像素代表多少毫米，而dy表示图像纵轴上每个像素代表多少毫米。改写为齐次形式，如下所示：uv1=1dx0u001dyv0001xy1(2.4)(3)世界坐标系和相机坐标系之间的转换图2.3是世界坐标系和相机坐标系之间的转换，该过程实际上也展现了现实世界中一个物体的成像过程。图2.3世界坐标系和相机坐标系之间的转换世界坐标系和相机坐标系之间的变换是一种刚体变换，也就是说物体的形状不会发生变化，整个物体会以某个坐标系为参照，进行一定程度的翻转或平移，可用下面的式子表示：Pc=RPw+t(2.5)
【参考文献】：
期刊论文
[1]Deepfake技术监管政策现状和面临的挑战及建议[J]. 白国柱,王蓓蓓. 信息安全研究. 2020(05)
[2]一种基于双流网络的Deepfakes检测技术[J]. 李旭嵘,于鲲. 信息安全学报. 2020(02)
[3]基于帧间差异的人脸篡改视频检测方法[J]. 张怡暄,李根,曹纭,赵险峰. 信息安全学报. 2020(02)
[4]融合全局时序和局部空间特征的伪造人脸视频检测方法[J]. 陈鹏,梁涛,刘锦,戴娇,韩冀中. 信息安全学报. 2020(02)
[5]视听觉深度伪造检测技术研究综述[J]. 梁瑞刚,吕培卓,赵月,陈鹏,邢豪,张颖君,韩冀中,赫然,赵险峰,李明,陈恺. 信息安全学报. 2020(02)
[6]深度伪造对国家安全的挑战及应对[J]. 龙坤,马钺,朱启超. 信息安全与通信保密. 2019(10)
[7]基于多支持区域局部亮度序的图像伪造检测[J]. 颜普,苏亮亮,邵慧,吴东升. 计算机应用. 2019(09)
[8]适用于双重压缩环境的图像内容认证水印算法[J]. 付剑晶,陈德人,徐达文,毛家发. 中国科学:信息科学. 2019(04)
[9]噪声水平不一致性的图像拼接区域检测方法[J]. 张德鹏,王晓峰,胡姣姣,张萌. 计算机系统应用. 2019(02)
[10]人工智能时代的国家安全:风险与治理[J]. 封帅,鲁传颖. 信息安全与通信保密. 2018(10)
硕士论文
[1]基于生成对抗网络的多属性人脸生成及辅助识别研究[D]. 万里鹏.北京交通大学 2018
本文编号：2900445
【文章来源】：西安科技大学陕西省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
几种常见的坐标系像素坐标系(uv)：数字图像又称数位图像，通常将二维图像中的所有像素存储在数
2相关基础理论11前者坐标系使用的单位是毫米，后者坐标系使用的单位是像素。此外像素坐标系的两个坐标轴U、V轴分别与图像坐标系的X、Y轴平行。相机坐标系(Oc-XcYcZc)：与以上几种坐标系不同，相机坐标系选取上图2.1中的聚光点为坐标原点，以光线方向为Z轴建立三维直角坐标系。由上图可以看出，相机坐标系的横轴和纵轴分别与图像坐标系的横轴和纵轴平行；Z轴为相机光轴，它与成像平面垂直，Z轴穿过图像平面时的交点即为图像坐标系的原点。世界坐标系(Ow-XwYwZw)：以上几种坐标系不能很好的描述相机的位置，世界坐标系正是为此而引入。同时由于相机位置的频繁变化，对应的原点和坐标轴位置也随之变化，这使相机坐标系一直不够稳定。世界坐标系采用恒定不变的坐标系，它的稳定性使之能够更好的表示投影变换。相机的位置可通过世界坐标系来确定，通常情况下将相机横轴方向的中间位置作为世界坐标系的原点。(1)相机坐标系和图像坐标系之间的转换相机坐标系到图像坐标系的过程可用小孔成像解释，即相机坐标系中的一个点P[X,Y,Z]到图像平面上的一点P"[x,y]的过程，这个过程是从3D转换到2D，变换前后属于透视投影关系，如图2.2所示。图2.2相机小孔成像原理图示相机坐标系中的点P采用的单位是毫米(mm)，而图像坐标系使用的单位是像素(pixel)，因此需要经过单位换算以适应像素坐标系：x=Xc×fZcy=Yc×fZc(2.1)矩阵形式表示：Zcxy1=f000f0001XcYcZc(2.2)
西安科技大学全日制工程硕士学位论文12上式中相机焦距用f表示，f等于图像坐标系原点O与相机坐标系原点Oc的距离。其中相机坐标系中的点用[Xc,Yc,Zc]T表示，图像坐标系中的点归一化后用[x,y,1]T表示。(2)图像坐标系和像素坐标系之间的转换图像坐标系和像素坐标系的相同之处在于，两者均位于二维成像平面上；不同之处是各自使用度量单位和原点不同：前者的坐标系以二维成像平面上的中点为原点，单位是毫米；后者的坐标系以图像左上角为坐标原点，单位是像素。因此要将图像坐标系变换到像素坐标系，只需要对原点进行一定的平移和缩放。两者之间的变换可用下式表示：u=xdx+u0v=ydy+v0(2.3)上面的式子中，dx表示图像横轴上每个像素代表多少毫米，而dy表示图像纵轴上每个像素代表多少毫米。改写为齐次形式，如下所示：uv1=1dx0u001dyv0001xy1(2.4)(3)世界坐标系和相机坐标系之间的转换图2.3是世界坐标系和相机坐标系之间的转换，该过程实际上也展现了现实世界中一个物体的成像过程。图2.3世界坐标系和相机坐标系之间的转换世界坐标系和相机坐标系之间的变换是一种刚体变换，也就是说物体的形状不会发生变化，整个物体会以某个坐标系为参照，进行一定程度的翻转或平移，可用下面的式子表示：Pc=RPw+t(2.5)
【参考文献】：
期刊论文
[1]Deepfake技术监管政策现状和面临的挑战及建议[J]. 白国柱,王蓓蓓. 信息安全研究. 2020(05)
[2]一种基于双流网络的Deepfakes检测技术[J]. 李旭嵘,于鲲. 信息安全学报. 2020(02)
[3]基于帧间差异的人脸篡改视频检测方法[J]. 张怡暄,李根,曹纭,赵险峰. 信息安全学报. 2020(02)
[4]融合全局时序和局部空间特征的伪造人脸视频检测方法[J]. 陈鹏,梁涛,刘锦,戴娇,韩冀中. 信息安全学报. 2020(02)
[5]视听觉深度伪造检测技术研究综述[J]. 梁瑞刚,吕培卓,赵月,陈鹏,邢豪,张颖君,韩冀中,赫然,赵险峰,李明,陈恺. 信息安全学报. 2020(02)
[6]深度伪造对国家安全的挑战及应对[J]. 龙坤,马钺,朱启超. 信息安全与通信保密. 2019(10)
[7]基于多支持区域局部亮度序的图像伪造检测[J]. 颜普,苏亮亮,邵慧,吴东升. 计算机应用. 2019(09)
[8]适用于双重压缩环境的图像内容认证水印算法[J]. 付剑晶,陈德人,徐达文,毛家发. 中国科学:信息科学. 2019(04)
[9]噪声水平不一致性的图像拼接区域检测方法[J]. 张德鹏,王晓峰,胡姣姣,张萌. 计算机系统应用. 2019(02)
[10]人工智能时代的国家安全:风险与治理[J]. 封帅,鲁传颖. 信息安全与通信保密. 2018(10)
硕士论文
[1]基于生成对抗网络的多属性人脸生成及辅助识别研究[D]. 万里鹏.北京交通大学 2018
本文编号：2900445
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/2900445.html
