本发明涉及ai换脸视频检测方法领域，特别涉及一种基于多特征检测ai换脸视频的方法及系统。
背景技术：
1、目前随着ai技术的发展，现有的ai技术可以实现包括人脸的替换功能，然而ai的人脸替换功能存在如下诸多风险问题：ai换脸技术依赖于大量的面部数据和图像信息，这些信息有被侵权滥用的可能。
2、目前现有技术中还没有针对ai换脸技术的有效识别方式，因此目前急需此类的技术方案，以减少社会中存在的安全风险。
技术实现思路
1、本发明其中一个发明目的在于提供一种基于多特征检测ai换脸视频的方法及系统，所述方法及系统利用了生成对抗网络进行真实人脸数据和换脸数据的对抗训练，利用所述生成对抗网络的生成网络生成真实人脸数据的换脸数据，利用所述生成对抗网络的判别网络判断输入人脸数据的真实性概率，从而使得本发明可以实现对换脸数据的快速精准检测。
2、本发明另一个发明目的在于提供一种基于多特征检测ai换脸视频的方法及系统，所述方法及系统在利用所述生成对抗网络时，预先对人脸数据进行预处理，对每个人脸数据样本进行区域分割的多特征提取，区域分割提取包括人脸部轮廓，人脸特定区域的特征图像，并将所述分割的特征作为细粒度特征输入到所述生成对抗网络中进行训练，从而使得所述生成对抗网络可以识别更微观的换脸特征，提高所述生成对抗网络的换脸识别效果。
3、本发明另一个发明目的在于提供一种基于多特征检测ai换脸视频的方法及系统，所述方法及系统中在所述生成对抗网络中嵌入了sobel算子，并根据所述sobel算子进行包括人脸轮廓在内的边缘特征的检测，获取人脸数据的边缘特征，将所述边缘特征作为样本集输入到所述生成对抗网络中，用于提高所述生成对抗网络对换脸边缘图像的识别能力，从而提高所述生成对抗网络对换脸边缘的识别效果。
4、为了实现至少一个上述发明目的，本发明进一步提供一种基于多特征检测ai换脸视频的方法，所述方法包括：
5、获取真实人脸样本数据和换脸样本数据，其中每一个真实人脸样本数据对应多个换脸样本数据，将所述真实人脸样本数据和所述换脸样本数据混合构建第一检测样本集；
6、将所述第一检测本集输入到边缘检测算子中进行边缘特征检测和提取，用于所述第一检测样本集的边缘分割，将所述第一检测样本集中检测和提取的每一张人脸的边缘特征构建第二检测样本集；
7、将所述第一检测样本集和第二检测样本集同时输入到生成对抗网络中进行训练，通过计算损失函数并调整所述生成对抗网络中的超参数后得到训练好的换脸检测模型；
8、利用所述换脸检测模型的判别网络输入需要检测的人脸图像，所述判别网络输出所述人脸图像的换脸概率。
9、根据本发明其中一个较佳实施例，其中所述真实人脸样本数据通过获取每一张人脸数据拍摄的原始rgb图像得到，所述换脸样本数据通过将每一个真实人脸数据进行ai模型换脸后得到针对真实人脸样本数据的多张换脸样本数据，并将所述真实人脸样本数据和换脸样本数据按照一定比例混合用于构建所述第一检测样本集，其中所述第一检测样本集中还包括了基于真实人脸图像数据的其它非ai模型的ps图像换脸样本数据。
10、根据本发明另一个较佳实施例，所述第二检测样本集的构建方法包括：在所述生成对抗网络的输入层之前构建包括水平边缘检测卷积核和垂直边缘检测卷积核，其中所述水平边缘检测卷积核和垂直边缘检测卷积核相互连接构建所述生成对抗网络的前置神经网络，将所述第一检测样本集中数据输入到所述生成对抗网络的前置神经网络中，通过所述前置神经网络的水平边缘检测卷积核和垂直边缘检测卷积核分别检测所述第一检测样本集的边缘轮廓集合，得到所述第二检测样本集，所述第二检测样本集用于后续输入到所述生成对抗网络中。
11、根据本发明另一个较佳实施例，所述第二检测样本集的构建方法包括：设置所述水平边缘检测卷积核和垂直边缘检测卷积核的大小，将所述水平边缘检测卷积核和垂直边缘检测卷积核以预设的大小边框和所述第一样本集中的人脸图片进行卷积计算，通过所述水平边缘检测卷积核和垂直边缘检测卷积核分别计算对应卷积像素点的梯度幅值，根据所述梯度幅值判断分别在水平方向和垂直方向像素点的边缘特征，并将符合对应边缘特征的像素点集合作为所述第二检测样本集。
12、根据本发明另一个较佳实施例，所述第二检测样本集的构建方法包括：根据所述水平边缘检测卷积核和垂直边缘检测卷积计算得到的对应位置像素点在水平方向上的rgb梯度值和垂直方向上的rgb梯度值，并且在水平方向和垂直方向上对应的rgb梯度值计算对应像素点的rgb梯度幅值；其中采用对应像素点在水平方向上rgb梯度值和垂直方向上rgb梯度值的平方根作为所述像素点的梯度幅值。
13、根据本发明另一个较佳实施例，当计算得到第一检测样本集中每个人脸图片像素点的梯度幅值后，预设梯度幅值阈值，当所述梯度幅值大于所述预设的梯度幅值阈值，则将第一检测样本集中每个人脸图片符合所述像素点的梯度幅值的像素点集合的边缘图像作为所述第二检测样本集的样本，其中所述边缘图像包括人脸不同部位的边缘像素点构成的图像。
14、根据本发明另一个较佳实施例，所述生成对抗网络的判别网络包括输入层，在所述判别网络的输入层中同时输入所述第一检测样本集和第二检测样本集，并在所述判别网络的输出层输出所述第一检测样本集中每一个人脸图像的真实人脸概率值，根据所述判别网络输出的每一个人脸图像的真实人脸概率值判断对应人脸图像的真实性。
15、根据本发明另一个较佳实施例，所述生成对抗网络的生成网络包括输入层，在所述生成对抗网络的生成网络输入层中输入对应第一检测样本集和第二检测样本集，则在所述生成对抗网络的生成网络输出层输出新的第三检测样本集，将所述第三检测样本集输入到所述生成对抗网络的判别网络输入层进行检测。
16、为了实现至少一个上述发明目的，本发明进一步提供一种基于多特征检测ai换脸视频的系统，所述系统执行上述一种基于多特征检测ai换脸视频的方法。
17、本发明进一步提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现上述一种基于多特征检测ai换脸视频的方法。
1.一种基于多特征检测ai换脸视频的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于多特征检测ai换脸视频的方法，其特征在于，其中所述真实人脸样本数据通过获取每一张人脸数据拍摄的原始rgb图像得到，所述换脸样本数据通过将每一个真实人脸数据进行ai模型换脸后得到针对真实人脸样本数据的多张换脸样本数据，并将所述真实人脸样本数据和换脸样本数据按照一定比例混合用于构建所述第一检测样本集，其中所述第一检测样本集中还包括了基于真实人脸图像数据的其它非ai模型的ps图像换脸样本数据。
3.根据权利要求1所述的一种基于多特征检测ai换脸视频的方法，其特征在于，所述第二检测样本集的构建方法包括：在所述生成对抗网络的输入层之前构建包括水平边缘检测卷积核和垂直边缘检测卷积核，其中所述水平边缘检测卷积核和垂直边缘检测卷积核相互连接构建所述生成对抗网络的前置神经网络，将所述第一检测样本集中数据输入到所述生成对抗网络的前置神经网络中，通过所述前置神经网络的水平边缘检测卷积核和垂直边缘检测卷积核分别检测所述第一检测样本集的边缘轮廓集合，得到所述第二检测样本集，所述第二检测样本集用于后续输入到所述生成对抗网络中。
4.根据权利要求3所述的一种基于多特征检测ai换脸视频的方法，其特征在于，所述第二检测样本集的构建方法包括：设置所述水平边缘检测卷积核和垂直边缘检测卷积核的大小，将所述水平边缘检测卷积核和垂直边缘检测卷积核以预设的大小边框和所述第一样本集中的人脸图片进行卷积计算，通过所述水平边缘检测卷积核和垂直边缘检测卷积核分别计算对应卷积像素点的梯度幅值，根据所述梯度幅值判断分别在水平方向和垂直方向像素点的边缘特征，并将符合对应边缘特征的像素点集合作为所述第二检测样本集。
5.根据权利要求4所述的一种基于多特征检测ai换脸视频的方法，其特征在于，所述第二检测样本集的构建方法包括：根据所述水平边缘检测卷积核和垂直边缘检测卷积计算得到的对应位置像素点在水平方向上的rgb梯度值和垂直方向上的rgb梯度值，并且在水平方向和垂直方向上对应的rgb梯度值计算对应像素点的rgb梯度幅值；其中采用对应像素点在水平方向上rgb梯度值和垂直方向上rgb梯度值的平方根作为所述像素点的梯度幅值。
6.根据权利要求1所述的一种基于多特征检测ai换脸视频的方法，其特征在于，当计算得到第一检测样本集中每个人脸图片像素点的梯度幅值后，预设梯度幅值阈值，当所述梯度幅值大于所述预设的梯度幅值阈值，则将第一检测样本集中每个人脸图片符合所述像素点的梯度幅值的像素点集合的边缘图像作为所述第二检测样本集的样本，其中所述边缘图像包括人脸不同部位的边缘像素点构成的图像。
7.根据权利要求1所述的一种基于多特征检测ai换脸视频的方法，其特征在于，所述生成对抗网络的判别网络包括输入层，在所述判别网络的输入层中同时输入所述第一检测样本集和第二检测样本集，并在所述判别网络的输出层输出所述第一检测样本集中每一个人脸图像的真实人脸概率值，根据所述判别网络输出的每一个人脸图像的真实人脸概率值判断对应人脸图像的真实性。
8.根据权利要求1所述的一种基于多特征检测ai换脸视频的方法，其特征在于，所述生成对抗网络的生成网络包括输入层，在所述生成对抗网络的生成网络输入层中输入对应第一检测样本集和第二检测样本集，则在所述生成对抗网络的生成网络输出层输出新的第三检测样本集，将所述第三检测样本集输入到所述生成对抗网络的判别网络输入层进行检测。
9.一种基于多特征检测ai换脸视频的系统，其特征在于，所述系统执行上述权利要求1-8中任意一项所述的一种基于多特征检测ai换脸视频的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现上述权利要求1-8中任意一项所述的一种基于多特征检测ai换脸视频的方法。
