专利交易市场

本发明公开了一种抗几何攻击的视频复制篡改检测方法，步骤包括：步骤1、检测候选的视频复制片段；步骤2、对候选视频复制片段进行合并；步骤3、检测复制的视频片段。本发明的方法，能够准确检测视频中的复制帧，对视频旋转、缩放等几何变换具有较好的鲁棒性，并且具有良好的时效性，解决了现有技术中的对视频复制篡改检测的准确性和时效性问题。

本发明公开了一种基于MesoNet和LSTM的面部视频篡改检测方法，通过改进的MesoNet网络提取帧图像的特征并进行分类；将提取的特征、分类结果与预设权重组合成新参数，将所有帧图像的新参数输入LSTM网络，使LSTM网络对帧图像自适应加权，处理目标视频中不同质量帧图像对目标视频的检测影响，提高对目标视频篡改检测精度的可靠性；将帧图像级别的篡改检测与视频级别的篡改检测分开评估，LSTM网络加强了时域特征在视频取证检测中的作用，也避免了参数后传过程对帧图像级的改进的MesoNet网络参数影响；而且改进的MesoNet网络具有比较少的网络层数和参数，可提高特征学习速度，还能增强其面部特征表述能力。

本发明公开了一种Deepfake视频篡改检测方法以及系统，本发明基于子空间连续学习思想，将目标视频中帧图像序列的不同子空间区域，全部经过级联网络的特征提取，级联网络对同一张帧图像的不同子空间区域分别学习特征，能对篡改遗留下的不平衡痕迹进行有效利用；另外级联网络在学习像素邻域特征的同时，也兼顾了彩色图像三通道的关联性特征，其充分捕捉人脸面部子空间区域之间的特征关系以及RGB图像通道之间的色彩分布特征，能够提高对目标视频的篡改检测的准确度；而且相较于现有基于数据驱动的CNN或GAN的深度学习网络，本发明使用的级联网络的参数量较少，极大的减少特征学习的时间，提高了整体的篡改检测效率。