深度學習的迅速發(fā)展,顯著提高了面部交換圖像生成的質(zhì)量和效率。利用Deepfake等生成的面部交換,無論是人工檢測還是自動檢測都很難分辨真?zhèn)巍Ｃ娌拷粨Q技術既可用于積極的用途,也有可能用于非法的面部偽造。因此研究最先進的面部交換技術,既是正面發(fā)展的需要,也是應對偽造濫用風險,探索偽造檢測技術的需要。本文針對面部交換技術和偽造檢測技術兩個方面展開研究,主要內(nèi)容和研究成果如下:針對現(xiàn)有面部交換算法面對復雜姿態(tài)或光照時偽造痕跡明顯的問題,提出了一種基于三維重建的面部交換方法。首先,訓練了一個端對端的位置映射圖回歸網(wǎng)絡,用于實現(xiàn)單張圖片的面部三維重建。然后,對要進行面部交換的目標圖像進行三維重建,根據(jù)重建得到的三維形狀,獲得相應的顏色空間和頂點。最后,結合源圖的顏色空間和目標圖的頂點信息,渲染獲得最終的面部交換圖像。實驗證明了基于三維重建的面部圖像交換方法的有效性和魯棒性。特別是與利用二維人臉圖像進行面部交換的結果相比,該方法在復雜姿態(tài)或光照場景下生成的圖像更加真實自然。針對大多數(shù)面部偽造檢測算法模型復雜、訓練周期長等問題,提出了一種輕量級的深度學習模型,用于檢測面部偽造圖像。首先,分析了 Dee... 

【文章來源】：西安科技大學陜西省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

幾種常見的坐標系像素坐標系(uv)：數(shù)字圖像又稱數(shù)位圖像，通常將二維圖像中的所有像素存儲在數(shù)

2相關基礎理論11前者坐標系使用的單位是毫米，后者坐標系使用的單位是像素。此外像素坐標系的兩個坐標軸U、V軸分別與圖像坐標系的X、Y軸平行。相機坐標系(Oc-XcYcZc)：與以上幾種坐標系不同，相機坐標系選取上圖2.1中的聚光點為坐標原點，以光線方向為Z軸建立三維直角坐標系。由上圖可以看出，相機坐標系的橫軸和縱軸分別與圖像坐標系的橫軸和縱軸平行；Z軸為相機光軸，它與成像平面垂直，Z軸穿過圖像平面時的交點即為圖像坐標系的原點。世界坐標系(Ow-XwYwZw)：以上幾種坐標系不能很好的描述相機的位置，世界坐標系正是為此而引入。同時由于相機位置的頻繁變化，對應的原點和坐標軸位置也隨之變化，這使相機坐標系一直不夠穩(wěn)定。世界坐標系采用恒定不變的坐標系，它的穩(wěn)定性使之能夠更好的表示投影變換。相機的位置可通過世界坐標系來確定，通常情況下將相機橫軸方向的中間位置作為世界坐標系的原點。(1)相機坐標系和圖像坐標系之間的轉(zhuǎn)換相機坐標系到圖像坐標系的過程可用小孔成像解釋，即相機坐標系中的一個點P[X,Y,Z]到圖像平面上的一點P"[x,y]的過程，這個過程是從3D轉(zhuǎn)換到2D，變換前后屬于透視投影關系，如圖2.2所示。圖2.2相機小孔成像原理圖示相機坐標系中的點P采用的單位是毫米(mm)，而圖像坐標系使用的單位是像素(pixel)，因此需要經(jīng)過單位換算以適應像素坐標系：x=Xc×fZcy=Yc×fZc(2.1)矩陣形式表示：Zcxy1=f000f0001XcYcZc(2.2)

西安科技大學全日制工程碩士學位論文12上式中相機焦距用f表示，f等于圖像坐標系原點O與相機坐標系原點Oc的距離。其中相機坐標系中的點用[Xc,Yc,Zc]T表示，圖像坐標系中的點歸一化后用[x,y,1]T表示。(2)圖像坐標系和像素坐標系之間的轉(zhuǎn)換圖像坐標系和像素坐標系的相同之處在于，兩者均位于二維成像平面上；不同之處是各自使用度量單位和原點不同：前者的坐標系以二維成像平面上的中點為原點，單位是毫米；后者的坐標系以圖像左上角為坐標原點，單位是像素。因此要將圖像坐標系變換到像素坐標系，只需要對原點進行一定的平移和縮放。兩者之間的變換可用下式表示：u=xdx+u0v=ydy+v0(2.3)上面的式子中，dx表示圖像橫軸上每個像素代表多少毫米，而dy表示圖像縱軸上每個像素代表多少毫米。改寫為齊次形式，如下所示：uv1=1dx0u001dyv0001xy1(2.4)(3)世界坐標系和相機坐標系之間的轉(zhuǎn)換圖2.3是世界坐標系和相機坐標系之間的轉(zhuǎn)換，該過程實際上也展現(xiàn)了現(xiàn)實世界中一個物體的成像過程。圖2.3世界坐標系和相機坐標系之間的轉(zhuǎn)換世界坐標系和相機坐標系之間的變換是一種剛體變換，也就是說物體的形狀不會發(fā)生變化，整個物體會以某個坐標系為參照，進行一定程度的翻轉(zhuǎn)或平移，可用下面的式子表示：Pc=RPw+t(2.5)

【參考文獻】：
期刊論文
[1]Deepfake技術監(jiān)管政策現(xiàn)狀和面臨的挑戰(zhàn)及建議[J]. 白國柱,王蓓蓓.  信息安全研究. 2020(05)
[2]一種基于雙流網(wǎng)絡的Deepfakes檢測技術[J]. 李旭嶸,于鯤.  信息安全學報. 2020(02)
[3]基于幀間差異的人臉篡改視頻檢測方法[J]. 張怡暄,李根,曹紜,趙險峰.  信息安全學報. 2020(02)
[4]融合全局時序和局部空間特征的偽造人臉視頻檢測方法[J]. 陳鵬,梁濤,劉錦,戴嬌,韓冀中.  信息安全學報. 2020(02)
[5]視聽覺深度偽造檢測技術研究綜述[J]. 梁瑞剛,呂培卓,趙月,陳鵬,邢豪,張穎君,韓冀中,赫然,趙險峰,李明,陳愷.  信息安全學報. 2020(02)
[6]深度偽造對國家安全的挑戰(zhàn)及應對[J]. 龍坤,馬鉞,朱啟超.  信息安全與通信保密. 2019(10)
[7]基于多支持區(qū)域局部亮度序的圖像偽造檢測[J]. 顏普,蘇亮亮,邵慧,吳東升.  計算機應用. 2019(09)
[8]適用于雙重壓縮環(huán)境的圖像內(nèi)容認證水印算法[J]. 付劍晶,陳德人,徐達文,毛家發(fā).  中國科學:信息科學. 2019(04)
[9]噪聲水平不一致性的圖像拼接區(qū)域檢測方法[J]. 張德鵬,王曉峰,胡姣姣,張萌.  計算機系統(tǒng)應用. 2019(02)
[10]人工智能時代的國家安全:風險與治理[J]. 封帥,魯傳穎.  信息安全與通信保密. 2018(10)

碩士論文
[1]基于生成對抗網(wǎng)絡的多屬性人臉生成及輔助識別研究[D]. 萬里鵬.北京交通大學 2018



本文編號：2900445