Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京赛思信安技术股份有限公司吴林涛获国家专利权

北京赛思信安技术股份有限公司吴林涛获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉北京赛思信安技术股份有限公司申请的专利一种基于改进贝叶斯神经网络的伪造人脸视频检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116978097B

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310919359.8,技术领域涉及:G06V40/16;该发明授权一种基于改进贝叶斯神经网络的伪造人脸视频检测方法是由吴林涛;董建武;郑博文;索帅;黄萌设计研发完成,并于2023-07-25向国家知识产权局提交的专利申请。

一种基于改进贝叶斯神经网络的伪造人脸视频检测方法在说明书摘要公布了:本发明公开了一种基于改进贝叶斯神经网络的伪造人脸视频检测方法,属于计算机视听觉技术领域。本发明方法包括:利用二分法的思想采用阈值动态采样法对视频进行人脸抽取;引入全局特征与局部特征相结合,从图像中提取人脸信息五元组;构建伪造人脸检测模型,模型包含人脸特征融合模块和改进的贝叶斯网络,模型输出人脸真伪及不确定性;引入平滑机制与不确定机制进行帧后处理,矫正人脸真伪识别结果。采用本发明方法提升了伪造人脸的检测效率与准确率,同时增加了对未知伪造方法的不确定预测,大幅度的提升了伪造人脸视频的工业实用性。

本发明授权一种基于改进贝叶斯神经网络的伪造人脸视频检测方法在权利要求书中公布了:1.一种基于改进贝叶斯神经网络的伪造人脸视频检测方法,其特征在于,包括如下步骤: 步骤1:采用阈值动态采样法对输入视频抽取帧,进行人脸检测; 所述的阈值动态采样法是指:设置步长K和位置阈值LT,以输入视频中检测到的第一个人脸位置作为起始位置,根据步长抽取视频帧进行人脸检测;若视频帧中未检测到人脸,继续进行抽帧检测;若视频帧中检测到人脸,计算当前人脸位置与前一个人脸位置的差值,若差值小于LT,通过插值法获取前后检测到人脸的两视频帧的中间帧的人脸位置,否则,继续进行抽帧检测; 对输入视频抽取帧进行人脸检测,包括如下步骤: 1.1设置抽取的当前帧号为FN,初始FN为1,表示抽取输入视频的第一帧; 1.2通过RetinaFace模型检测帧号FN图像中的人脸,若包含人脸,执行步骤1.3,若不包含人脸,执行步骤1.4; 1.3记录帧号FN图像中的人脸关键点坐标,若当前帧是第一帧,以步长K抽取下一帧,更新当前帧号FN增加K,然后继续转步骤1.2执行;若当前帧不是第一帧,计算当前帧FN与上一帧FN1的人脸关键点坐标的差值,判断差值是否小于位置阈值LT,若是,通过插值法获取当前帧与上一帧之间的中间帧FN2的人脸关键点坐标,更新当前帧号FN增加K,再转步骤1.2执行;若差值不小于LT,抽取上一帧FN1与当前帧FN的中间帧FN2,帧号FN2为FN+FN12,将中间帧FN2作为当前帧,再转步骤1.2执行; 1.4判断当前帧是否是第一帧,若是,更新当前帧号FN增加K,转步骤1.2执行;若否,对当前帧FN与上一帧FN1之间采用二分法动态抽帧,将所抽取的帧通过RetinaFace模型检测,若包含人脸,将抽取的帧作为当前帧FN,然后转步骤1.3执行;若不包含人脸,继续采用二分法抽取当前帧FN与上一帧FN1之间的帧,当遍历当前帧FN与上一帧FN1之间的帧均未包含人脸后,更新当前帧号FN增加K,然后继续转步骤1.2执行; 步骤2:从检测的人脸图像中提取人脸信息五元组,并进行归一化处理; 所述的人脸信息五元组包含人脸的左眼睛、右眼睛、鼻子、嘴巴和整张人脸对应的图像;五元组内的五张图像统一缩放到人脸图像的大小,并进行像素归一化,归一化后的每张图像中的像素值都满足正态分布; 步骤3:使用改进的贝叶斯神经网络构建伪造人脸检测模型,进行真伪人脸鉴别; 所述的伪造人脸检测模型包含人脸特征融合模块和改进的贝叶斯网络;人脸特征融合模块对输入的人脸信息五元组提取对应的五张特征图,使用通道注意力系数计算特征图的各通道注意力系数,对特征图的各通道进行自适应加权,将各特征图进行特征连接获得对应的人脸特征,输入改进的贝叶斯网络;改进的贝叶斯网络对人脸特征处理,输出识别的人脸真伪结果以及结果的不确定数值; 所述的改进的贝叶斯网络包括:将原始贝叶斯网络的ResNet-50的全连接层去除,在平均池化层后加入一个贝叶斯模块,贝叶斯模块由Repeat+三层BayesConv2d+Mean组成,Repeat为重复层,BayesConv2d为贝叶斯卷积层,Mean为均值层;Repeat将特征复制n份并行送入BayesConv2d,经三层BayesConv2d输出n份结果,再通过Mean对n份结果取平均值,作为最终输出结果;n为大于2的整数; 步骤4:设由步骤1抽取N帧图像,经步骤2和3处理后获得N个人脸真伪识别结果,对N个结果进行帧后处理,矫正识别结果;N为正整数; 所述的帧后处理先根据视频帧是否连续将N个结果分段,再对每段中包含的每帧人脸真伪识别结果进行平滑与不确定判断,设置不确定数值的阈值UT,若人脸真伪识别结果的不确定数值大于UT,则不改变该帧的人脸真伪识别结果,否则将更新该帧的人脸真伪识别结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京赛思信安技术股份有限公司,其通讯地址为:100125 北京市朝阳区霞光里5号瑞普电子大厦二层;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。