基于有监督注意力网络的伪造人脸视频检测

在伪造人脸视频检测中,大多数方法都以单一的卷积神经网络作为特征提取模块,提取的特征可能与人类的视觉机制不符。针对此类问题,提出基于有监督注意力网络的伪造人脸视频检测方法。基于胶囊网络检测伪造人脸视频,使用注意力分支提高对伪造人脸图像细节特征的提取能力,使用焦点损失提高模型对难检测样本的检测能力。在数据集FaceForensics++上的实验结果表明,提出方案有更优越的性能。

基于FaceBoxes和ResNet34的人脸视频心率测量

基于人脸视频的非接触式心率检测存在运动伪影和噪声干扰等问题,为克服运动伪影对心率检测的影响,文中提出一种基于FaceBoxes和改进ResNet34的人脸视频心率检测方法。对人脸视频帧进行人脸检测和特征点检测,能够准确定位每一帧的ROI区域,克服微小运动影响,提取ROI区域内RGB三通道信号,进行空间平均预处理、信号降噪,获得脉搏波信号,计算出心率。实验结果表明,基于改进ResNet34的特征点检测在人脸视频心率检测中发挥了良好的性能,在一定程度上克服了运动伪影的影响,并且提高了原有人脸视频心率检测方法的推理速度。

基于Adaboost的快速视频人脸检测

使用Haar型特征设计不同尺度弱分类器形式,采用Adaboost算法学习建立瀑布型人脸检测器。并针对视频人脸检测中,人脸旋转导致检测失败的现象,使用CAMSHIFT算法进行人脸跟踪,缩小检测范围,提高算法速度。试验结果表明,所提出的算法有更好的鲁棒性和更快的检测速度。

基于Adaboost和最小割算法的视频人脸检测

Adaboost算法是一种被广泛应用于人脸检测的分类器学习方法,通过Haar-like特征和样本的学习和训练,形成一个强分类器,能有效地区分人脸跟非人脸。文中提出一种Adaboost结合最小割算法的人脸提取方法,该方法着眼于图像中的轮廓及肤色信息,对每个点设置一个权值,寻找一条权值最小的边界,准确提取出人脸。实验结果表明,Adaboost和最小割的人脸提取算法,分割效果较好,且耗时较小。

抗运动干扰的人脸视频心率估计

该文针对现有的人脸视频心率检测方法在现实情景中受运动干扰难以准确估计心率的问题,提出一种抑制运动干扰的非接触式心率估计新方法。首先利用判别响应图拟合与KLT跟踪算法消除人脸的刚性运动干扰;然后使用对运动鲁棒的色度特征进行两步心率估计,并引入空间梯度因子调控空域和频域的权重,抑制非刚性运动的干扰;最终得到人脸不同区域融合的平均心率数值和信号波形图,实现心率的精确估计。实验结果表明:所提方法相比其它的基于人脸视频的心率估计方法优势明显,提升了信号波形图和真实脉搏波形的一致性,进一步提高了心率估计的精度和鲁棒性。

基于肤色检测的AdaBoost人脸检测算法改进

AdaBoost人脸检测算法用于嵌入式实时高清视频时检测速度缓慢。为此,提出一种改进的人脸检测算法。对图像做肤色检测,将检测到的区域进行形态学处理,并作为感兴趣区域,完成AdaBoost人脸检测,以得到检测结果。实验结果表明,该算法在嵌入式系统上运行稳定,能提高检测速度和检测正确率。

基于区块链存证的Deepfake内容监管技术研究

随着人工智能技术的发展,基于深度学习的深度伪造技术日趋成熟,通过多媒体篡改工具可以对视频中的人脸进行随意的篡改,并且几乎无法被肉眼察觉。深度伪造人脸视频成为互联网内容监管中不可或缺的重要部分。以短视频社交平台为应用场景,提出了一种基于区块链存证技术的深度伪造人脸视频内容监管方法。方法针对实际场景中图像内容质量差异的特点设计出一种线性混合的检测方法,在边缘端采用基于轻量级微调神经网络的分类器架构,结合服务器端采取频谱特征进行分类。解决了传统独立检测方法面对数亿级短视频内容的上传与发布过程中检测效率与准确率之间难以平衡的问题。上述方法针对视频文件大且大量转发导致的数据冗余问题,采用超级账本与IPFS相结合的数据存储方式,可以对深度伪造人脸视频内容进行快速精准的追溯并对用户行为进行评价。实验结果表明,所提方法在两个公共深度伪造人脸视频数据集(DeepfakeDetection、Celeb-DF)中都表现出较好的效果,并且在针对内容监管平台的性能测试中表现较好。