CN114494935A - 视频信息的处理方法、装置、电子设备和介质 - Google Patents
视频信息的处理方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN114494935A CN114494935A CN202111539627.0A CN202111539627A CN114494935A CN 114494935 A CN114494935 A CN 114494935A CN 202111539627 A CN202111539627 A CN 202111539627A CN 114494935 A CN114494935 A CN 114494935A
- Authority
- CN
- China
- Prior art keywords
- video frame
- video
- sequence
- fake
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title abstract description 4
- 238000003672 processing method Methods 0.000 title abstract description 4
- 238000000034 method Methods 0.000 claims abstract description 75
- 238000003062 neural network model Methods 0.000 claims abstract description 43
- 230000004044 response Effects 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 10
- 238000013135 deep learning Methods 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 13
- 239000012634 fragment Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 230000001815 facial effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005242 forging Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种视频信息的处理方法、一种用于鉴别伪造图像的神经网络模型的训练方法、装置、电子设备和介质，涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域，可应用于人脸识别、人脸检测等场景。实现方案为：对包括第一视频帧序列的待检测视频进行采样，以获取包括多个视频帧的第二视频帧序列；确定第二视频帧序列中的伪造视频帧；以及响应于确定第二视频帧序列中的第一视频帧为伪造视频帧，基于第一视频帧以及在第二视频帧序列中与第一视频帧相邻的第二视频帧，在第一视频帧序列中确定待检测视频中的伪造片段。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域，可应用于人脸识别、人脸检测等场景，具体涉及一种视频信息的处理方法、一种用于鉴别伪造图像的神经网络模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
图像识别是人工智能领域的一种图像处理任务，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。随着人工智能算法的不断演进，出现了利用人工智能伪造的图像和视频，因此，存在对伪造视频的鉴别和进一步分析处理的需求。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种视频信息的处理方法、一种用于鉴别伪造图像的神经网络模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种视频信息的处理方法。该方法包括：对包括第一视频帧序列的待检测视频进行采样，以获取包括多个视频帧的第二视频帧序列；确定第二视频帧序列中的伪造视频帧；以及响应于确定第二视频帧序列中的第一视频帧为伪造视频帧，基于第一视频帧以及在第二视频帧序列中与第一视频帧相邻的第二视频帧，在第一视频帧序列中确定待检测视频中的伪造片段。
根据本公开的另一方面，提供了一种用于鉴别伪造图像的神经网络模型的训练方法。神经网络模型包括图像分类网络和语义分割子网络。该方法包括：获取样本图像和样本图像的真实分类标签，其中，样本图像中包括人物面部图像；将样本图像输入语义分割子网络，以获取语义分割子网络输出的样本图像中的人物面部轮廓分割特征；基于人物面部轮廓分割特征计算第一损失值；将样本图像和人物面部轮廓分割特征输入图像分类网络，以获取图像分类网络输出的样本图像的预测分类标签；基于预测分类标签和真实分类标签，计算第二损失值；以及至少基于第一损失值和第二损失值，调整神经网络模型的参数。
根据本公开的另一方面，提供了一种视频信息的处理装置。该装置包括：采样单元，采样单元被配置为对包括第一视频帧序列的待检测视频进行采样，以获取包括多个视频帧的第二视频帧序列；第一确定单元，第一确定单元被配置为确定第二视频帧序列中的伪造视频帧；以及第二确定单元，第二确定单元被配置为响应于确定第二视频帧序列中的第一视频帧为伪造视频帧，基于第一视频帧以及在第二视频帧序列中与第一视频帧相邻的第二视频帧，在第一视频帧序列中确定待检测视频中的伪造片段。
根据本公开的另一方面，提供了一种用于鉴别伪造图像的神经网络模型的训练装置，其中，神经网络模型包括图像分类网络和语义分割子网络。该装置包括：第一单元，第一单元被配置为获取样本图像和样本图像的真实分类标签，其中，样本图像中包括人物面部图像；第二单元，第二单元被配置为将样本图像输入语义分割子网络，以获取语义分割子网络输出的样本图像中的人物面部轮廓分割特征；第三单元，第三单元被配置为基于人物面部轮廓分割特征计算第一损失值；第四单元，第四单元被配置为将样本图像和人物面部轮廓分割特征输入图像分类网络，以获取图像分类网络输出的样本图像的预测分类标签；第五单元，第五单元被配置为基于预测分类标签和真实分类标签，计算第二损失值；以及第六单元，第六单元被配置为至少基于第一损失值和第二损失值，调整神经网络模型的参数。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任意一种方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述任意一种方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述任意一种方法。
根据本公开的一个或多个实施例，可以定位视频中的伪造片段。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
图2示出了根据本公开的实施例的视频信息的处理方法的流程图；
图3示出了根据本公开的实施例的图2的方法中部分示例过程的流程图；
图4示出了根据本公开的实施例的图2的方法中部分示例过程的流程图；
图5示出了可以实现根据本公开的实施例的视频信息的处理方法的场景图；
图6示出了根据本公开的实施例的用于鉴别伪造图像的神经网络模型的训练方法的流程图；
图7示出了根据本公开的实施例的视频信息的处理装置的结构框图；
图8示出了根据本公开的实施例的用于鉴别伪造图像的神经网络模型的训练装置的结构框图；以及
图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术利用神经网络，可以对视频整体进行鉴别，从而判断视频整体是否是伪造视频。然而，相关技术无法定位视频中的伪造片段的具体位置。例如，在一些场景中，待检测的视频中仅有部分片段(例如，视频中涉及某个人物面部图像的片段)是伪造的，若能够定位伪造片段的具体位置，可以为处理该视频片段提供帮助。此外，相关技术利用3D卷积对视频整体进行鉴伪，该过程的计算量极大，因此鉴别伪造视频的速度较慢。
基于此，本公开提出一种视频信息的处理方法，通过从待检测视频中采样多个帧，对采样的帧进行鉴伪，并基于伪视频帧以及与其相邻的视频帧来实现对视频中伪造片段的具体位置的定位，并且能够提高视频鉴伪的速度。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、 102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中，服务器120可以运行使得能够执行视频伪造片段的定位方法的一个或多个服务或软件应用。
在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、 102、103、104、105和/或106的用户。
在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或 106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来向服务器120提供待检测视频。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类 Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA) 等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络 (VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如 PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中，服务器120可以包括一个或多个应用程序，例如，基于图像、视频、语音、文本、数字信号等数据的目标检测与识别、信号转换等服务的应用程序，以处理从客户端设备101、102、103、104、105和/或 106接收的语音交互、文本分类、图像识别或关键点检测等任务请求。服务器可以根据具体的深度学习任务，利用训练样本训练神经网络模型，并且可以对神经网络模型的超网络模块中的各个子网络进行测试，根据各个子网络的测试结果，确定用于执行深度学习任务的神经网络模型的结构和参数。可以将各种数据作为深度学习任务的训练样本数据，如图像数据、音频数据、视频数据或文本数据等。在神经网络模型的训练完成后，服务器120还可以通过模型搜索技术自动搜索出最优模型结构来执行相应的任务。
在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130 可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开的实施例的视频信息的处理方法200的流程图。
如图2所示，方法200包括：步骤S210、对包括第一视频帧序列的待检测视频进行采样，以获取包括多个视频帧的第二视频帧序列；步骤S220、确定第二视频帧序列中的伪造视频帧；以及步骤S230、响应于确定第二视频帧序列中的第一视频帧为伪造视频帧，基于第一视频帧以及在第二视频帧序列中与第一视频帧相邻的第二视频帧，在第一视频帧序列中确定待检测视频中的伪造片段。由此，通过从待检测视频中采样多个帧，对采样的帧进行鉴伪，并基于伪视频帧以及与其相邻的视频帧来实现对视频中伪造片段的具体位置的定位，并且能够提高视频鉴伪的速度。
在方法200中，第一视频帧序列可以是待检测视频中的所有视频帧组成的序列；并且第二视频帧序列可以是采样得到的视频帧组成的序列。
根据一些实施例，步骤S210、对包括第一视频帧序列的待检测视频进行采样，以获取包括多个视频帧的第二视频帧序列可以包括：对待检测视频进行均匀采样，以获取包括多个视频帧的第二视频帧序列，其中，经采样获得的每两个相邻视频帧在第一视频帧序列中的间隔相等。由此，使得采样得到的帧在第一视频帧序列中均匀分布，能够尽可能避免采集的样本过于集中分布，而导致未采集到伪造的视频帧，从而能够更加准确地对视频中的伪造片段进行定位。
可以理解的是，经采样获得的每两个相邻视频帧在第一视频帧序列中的间隔相等，并且该间隔可以是任意值。例如，在一个包括100个视频帧的待检测视频中，可能仅有第10-25帧是伪造视频帧。通过将采样间隔设置为每隔10帧采样1帧，则例如可以分别对第1帧、第11帧、第21帧、第31帧等进行采样，从而可以避免采集的样本集中分布(例如仅采集第45帧至55 帧)而导致未采集到伪造的视频帧。
根据一些实施例，所述待检测视频的至少一个视频帧中可以包括人物面部图像，并且步骤S220、确定第二视频帧序列中的伪造视频帧可以包括：对第二视频帧序列中的每个视频帧进行人物面部识别；以及响应于识别到伪造的人物面部图像，确定包括伪造的人物面部图像的视频帧为伪造视频帧。
在一些场景中，视频伪造者可能会对视频中的人物面部图像进行伪造，例如，对人物面部进行修改甚至替换。针对人物面部图像伪造的视频可能被应用于违法目的。因此，通过确定第二视频帧序列中的每个视频帧中是否包括伪造的人物面部图像，能够对包括人物面部的视频进行鉴伪，从而对待检测视频中伪造了人物面部的片段的具体位置进行定位。
需要说明的是，本实施例中的人物面部图像数据来自于公开数据集，并不是针对某一特定用户的人脸数据，并不能反映出某一特定用户的个人信息。
根据一些实施例，在步骤S220、确定第二视频帧序列中的伪造视频帧可以包括：将第二视频帧序列中的每个视频帧输入训练好的神经网络模型，获取神经网络模型输出的指示每个视频帧是否为伪造视频帧的预测结果。利用训练好的神经网络模型对提取出的视频帧的真伪进行判断，能够更有针对性地对特定的伪造方法生成的伪造视频进行鉴伪，从而提高视频鉴伪的准确率。
其中，训练好的神经网络模型可以是利用Resnest50网络作为主干网络训练得到的分类器模型，例如可以将待检测的视频分类为真和伪两类；也可以将待检测的视频分类为多个类别，该多个类别中可以包括真类以及包含多种伪造手段的伪类。
在一些实施例中，上述训练好的神经网络模型可以是用于鉴别伪造图像的神经网络模型。该神经网络模型可以包括图像分类网络和语义分割子网络。在训练该神经网络模型的过程中，可以将样本图像(样本图像中包括人物面部图像)输入语义分割子网络，以获取语义分割子网络输出的样本图像中的人物面部轮廓分割特征；并且可以将样本图像和人物面部轮廓分割特征输入图像分类网络，以最终完成模型的训练。由于在伪造图像的过程中，对人物面部的伪造最为频繁和复杂，并且伪造手段多样，由此，通过利用语义分割子网络输出的样本图像中的人物面部轮廓分割特征对图像分类网络进行引导，使得当训练出的图像分类网络对图像进行分类时，图像分类网络能够更加关注人物面部轮廓特征，从而提升模型的鉴伪精度。由此，在使用该模型进行视频鉴伪时，能够进一步提升视频鉴伪的精度。
图3示出了根据本公开的实施例的图2的方法200中部分示例过程的流程图。在图3中，步骤S310和步骤S320分别与上文中关于图2描述的步骤 S210和步骤S220相同，在此不再赘述。
根据一些实施例，步骤S330、基于第一视频帧以及在第二视频帧序列中与第一视频帧相邻的第二视频帧，在第一视频帧序列中确定待检测视频中的伪造片段可以包括：步骤S331、响应于第二视频帧被确定为伪造视频帧，在第一视频帧序列中，确定第一视频帧与被确定为伪造的第二视频帧之间的片段为伪造片段。由于第一视频帧已被确定为伪造视频帧，因此当在第二视频帧序列中，与该伪造的第一视频帧相邻的第二视频帧也被确定为伪造视频帧的情况下，可以快速地在第一视频帧序列中确定两个伪造的视频帧(即第一视频帧和第二视频帧)之间的片段为伪造片段。
根据一些实施例，步骤S330、基于第一视频帧以及在第二视频帧序列中与第一视频帧相邻的第二视频帧，在第一视频帧序列中确定待检测视频中的伪造片段可以包括：步骤S332、响应于第二视频帧被确定为非伪造视频帧，确定第三视频帧，其中，第三视频帧是在第一视频帧序列中并位于第一视频帧与第二视频帧之间的中间帧；以及步骤S333、在第一视频帧序列中，确定第一视频帧与第三视频帧之间的片段为伪造片段。由于第一视频帧已被确定为伪造视频帧，因此当在第二视频帧序列中，与该伪造的第一视频帧相邻的第二视频帧被确定为非伪造视频帧的情况下，通过在第一视频序列中确定第一视频帧(伪造视频帧)与第二视频帧(非伪造视频帧)之间的第三视频帧 (可以认为第三视频帧是伪造视频帧)，并确定第一视频帧与第三视频帧之间的片段为伪造片段，由此可以快速地在伪造视频帧与非伪造视频帧之间确定出伪造片段。
图4示出了根据本公开的实施例的图2的方法200中部分示例过程的流程图。在图4中，步骤S410与上文中关于图2描述的步骤S210相同，在此不再赘述。
根据一些实施例，步骤S220、确定第二视频帧序列中的伪造视频帧可以包括：步骤S421、对第二视频帧序列中的每个视频帧进行分类，以获得视频帧分类结果以及与视频帧分类结果相对应的置信度；以及步骤S422、响应于置信度大于第一阈值，确定与该置信度相对应的视频帧为伪造视频帧。利用与分类结果相对应的置信度来判断第二视频帧序列中的每个视频帧是否为伪造视频帧，通过适当地调低第一阈值，便能够提高识别伪造视频帧的准确率，从而使得定位的视频伪造片段更加准确。
可以理解的是，可以使用上述任意一种训练好的神经网络模型来对第二视频帧序列中的每个视频帧进行分类。
进一步地，继续参考图4，根据一些实施例，步骤S230、基于第一视频帧以及在第二视频帧序列中与第一视频帧相邻的第二视频帧，在第一视频帧序列中确定待检测视频中的伪造片段可以包括：步骤S431、响应于第二视频帧被确定为非伪造视频帧，对与第一视频帧相对应的置信度以及与第二视频帧相对应的置信度进行归一化；步骤S432、基于归一化的结果，确定第四视频帧，其中，第四视频帧是在第一视频帧序列中并位于第一视频帧与第二视频帧之间的帧；以及步骤S433、在第一视频帧序列中，确定第一视频帧与第四视频帧之间的片段为伪造片段。由于第一视频帧已被确定为伪造视频帧，因此当在第二视频帧序列中，与该伪造的第一视频帧相邻的第二视频帧被确定为非伪造视频帧的情况下，利用与第一视频帧相对应的置信度(例如0.9) 以及与第二视频帧相对应的置信度(例如0.3)，得到归一化后的结果(例如分别为0.75和0.25)，可以在第一视频帧序列中确定第四视频帧的位置(例如距离第一视频帧75％的位置处；或距离第二视频帧25％的位置处)，并确定第一视频帧与第四视频帧之间的片段为伪造片段，由此可以更加准确地在伪造视频帧与非伪造视频帧之间确定出伪造片段。
下文中，将结合应用场景，对根据本公开的实施例的视频伪造片段的定位方法进行进一步描述。
图5示出了可以实现根据本公开的实施例的视频伪造片段的定位方法的场景图。
如图5所示，待检测视频包括第一视频帧序列，第一视频帧序列示例性地包括21个视频帧。对待检测视频进行采样，可以获取第二视频帧序列，第二视频帧序列包括采样出的多个视频帧(第1视频帧、第11视频帧、第 21视频帧)。并且，利用方法200中的示例性步骤，确定了第二视频帧序列中第11视频帧为伪造视频帧。进一步地，在第二视频帧序列中，与第11视频帧相邻的第1视频帧和第21视频帧分别被确定为伪造视频帧和非伪造视频帧。
在一个示例中，由于第11视频帧和第1视频帧为伪造视频帧，因此可以快速地在第一视频帧序列中确定两个伪造的视频帧(即第11视频帧和第 1视频帧)之间的片段为伪造片段。由于第21视频帧被确定为非伪造视频帧，通过确定第11视频帧与第21视频帧之间的中间帧(即，第16视频帧)，并进一步确定第11视频帧与第16视频帧之间的片段为伪造片段。由此，通过从待检测视频中采样多个帧，对采样的帧进行鉴伪，并基于伪视频帧以及与其相邻的视频帧来实现对视频中伪造片段的具体位置的定位(如图5下方所示，以另外一种虚线形式示出了被确定属于伪造片段的视频帧，即伪造片段的定位结果为第一视频帧序列中的第1视频帧至第16视频帧)。
在另一个示例中，由于第11视频帧和第1视频帧为伪造视频帧，因此可以快速地在第一视频帧序列中确定两个伪造的视频帧(即第11视频帧和第1视频帧)之间的片段为伪造片段。其中，第11视频帧被确定为伪造视频帧的同时，获得了相应的置信度为0.9。由于第21视频帧被确定为非伪造视频帧(相应的置信度为0.3)，可以先对上述两个置信度进行归一化，分别得到归一化结果为0.75和0.25。由此，可以在第一视频帧序列中确定第四视频帧的位置，例如距离第11视频帧75％的位置处(第17帧)，并最终确定伪造片段的定位结果为第一视频帧序列中的第1视频帧至第17视频帧，从而获得在该置信度下的更加准确的定位结果。
图6示出了根据本公开的实施例的用于鉴别伪造图像的神经网络模型的训练方法的流程图。
根据本公开的另一方面，提供了一种用于鉴别伪造图像的神经网络模型的训练方法600。神经网络模型包括图像分类网络和语义分割子网络。如图 6所示，方法600包括：步骤S610、获取样本图像和样本图像的真实分类标签，其中，样本图像中包括人物面部图像；步骤S620、将样本图像输入语义分割子网络，以获取语义分割子网络输出的样本图像中的人物面部轮廓分割特征；步骤S630、基于人物面部轮廓分割特征计算第一损失值；步骤S640、将样本图像和人物面部轮廓分割特征输入图像分类网络，以获取图像分类网络输出的样本图像的预测分类标签；步骤S650、基于预测分类标签和真实分类标签，计算第二损失值；以及步骤S660、至少基于第一损失值和第二损失值，调整神经网络模型的参数。由于在伪造图像的过程中，对人物面部的伪造最为频繁和复杂，并且伪造手段多样，由此，通过利用语义分割子网络输出的样本图像中的人物面部轮廓分割特征对图像分类网络进行引导，使得当训练出的图像分类网络对样本图像进行分类时，图像分类网络能够更加关注人物面部轮廓特征，从而提升训练出的模型的鉴伪精度。
在一些实施例中，通过方法600训练出的模型可以应用于上文中描述的视频伪造片段的定位方法200，训练出的模型用于接收输入的每个视频帧，并输出指示每个视频帧是否为伪造视频帧的预测结果。由此，在对视频中的伪造片段进行定位的基础上，进一步提升了鉴伪的精度。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
图7示出了根据本公开的实施例的视频信息的处理装置700的结构框图。
如图7所示，装置700包括：采样单元710，采样单元710被配置为对包括第一视频帧序列的待检测视频进行采样，以获取包括多个视频帧的第二视频帧序列；第一确定单元720，第一确定单元720被配置为确定第二视频帧序列中的伪造视频帧；以及第二确定单元730，第二确定单元730被配置为响应于确定第二视频帧序列中的第一视频帧为伪造视频帧，基于第一视频帧以及在第二视频帧序列中与第一视频帧相邻的第二视频帧，在第一视频帧序列中确定待检测视频中的伪造片段。
在一些实施例中，其中，第二确定单元730可以被进一步配置为：响应于第二视频帧被确定为伪造视频帧，在第一视频帧序列中，确定第一视频帧与被确定为伪造的第二视频帧之间的片段为伪造片段。
在一些实施例中，第二确定单元730可以被进一步配置为：响应于第二视频帧被确定为非伪造视频帧，确定第三视频帧，其中，第三视频帧是在第一视频帧序列中并位于第一视频帧与第二视频帧之间的中间帧；以及在第一视频帧序列中，确定第一视频帧与第三视频帧之间的片段为伪造片段。
在一些实施例中，第一确定单元720可以被进一步配置为：对第二视频帧序列中的每个视频帧进行分类，以获得视频帧分类结果以及与视频帧分类结果相对应的置信度；以及响应于置信度大于第一阈值，确定与该置信度相对应的视频帧为伪造视频帧。
在一些实施例中，第二确定单元730可以被进一步配置为：响应于第二视频帧被确定为非伪造视频帧，对与第一视频帧相对应的置信度以及与第二视频帧相对应的置信度进行归一化；基于归一化的结果，确定第四视频帧，其中，第四视频帧是在第一视频帧序列中并位于第一视频帧与第二视频帧之间的帧；以及在第一视频帧序列中，确定第一视频帧与第四视频帧之间的片段为伪造片段。
在一些实施例中，采样单元710可以被进一步配置为：对待检测视频进行均匀采样，以获取包括多个视频帧的第二视频帧序列，其中，经采样获得的每两个相邻视频帧在第一视频帧序列中的间隔相等。
在一些实施例中，第一确定单元720可以被进一步配置为：将第二视频帧序列中的每个视频帧输入训练好的神经网络模型，获取神经网络模型输出的指示每个视频帧是否为伪造视频帧的预测结果。
在一些实施例中，待检测视频的至少一个视频帧中可以包括人物面部图像，并且，第一确定单元720可以被进一步配置为：对第二视频帧序列中的每个视频帧进行人物面部识别；以及响应于识别到伪造的人物面部图像，确定包括伪造的人物面部图像的视频帧为伪造视频帧。
图8示出了根据本公开的实施例的用于鉴别伪造图像的神经网络模型的训练装置800的结构框图。其中，神经网络模型包括图像分类网络和语义分割子网络。
如图8所示，装置800包括：第一单元810，第一单元810被配置为获取样本图像和样本图像的真实分类标签，其中，样本图像中包括人物面部图像；第二单元820，第二单元820被配置为将样本图像输入语义分割子网络，以获取语义分割子网络输出的样本图像中的人物面部轮廓分割特征；第三单元830，第三单元830被配置为基于人物面部轮廓分割特征计算第一损失值；第四单元840，第四单元840被配置为将样本图像和人物面部轮廓分割特征输入图像分类网络，以获取图像分类网络输出的样本图像的预测分类标签；第五单元850，第五单元850被配置为基于预测分类标签和真实分类标签，计算第二损失值；以及第六单元860，第六单元860被配置为至少基于第一损失值和第二损失值，调整神经网络模型的参数。
本公开还提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任意一种方法。
本公开还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述任意一种方法。
本公开还提供一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述任意一种方法。
参考图9，现将描述可以作为本公开的服务器或客户端的电子设备900 的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器 (RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM903 中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902 以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向设备 900输入信息的任何类型的设备，输入单元906可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和 /或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的方法200或600的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200或600。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备 (CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器 (CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管) 或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (21)
1.一种视频信息的处理方法，包括：
对包括第一视频帧序列的待检测视频进行采样，以获取包括多个视频帧的第二视频帧序列；
确定所述第二视频帧序列中的伪造视频帧；以及
响应于确定所述第二视频帧序列中的第一视频帧为伪造视频帧，基于所述第一视频帧以及在所述第二视频帧序列中与所述第一视频帧相邻的第二视频帧，在所述第一视频帧序列中确定所述待检测视频中的伪造片段。
2.根据权利要求1所述的方法，其中，基于所述第一视频帧以及在所述第二视频帧序列中与所述第一视频帧相邻的第二视频帧，在所述第一视频帧序列中确定所述待检测视频中的伪造片段包括：
响应于所述第二视频帧被确定为伪造视频帧，在所述第一视频帧序列中，确定所述第一视频帧与被确定为伪造的第二视频帧之间的片段为伪造片段。
3.根据权利要求1所述的方法，其中，基于所述第一视频帧以及在所述第二视频帧序列中与所述第一视频帧相邻的第二视频帧，在所述第一视频帧序列中确定所述待检测视频中的伪造片段包括：
响应于所述第二视频帧被确定为非伪造视频帧，确定第三视频帧，其中，所述第三视频帧是在所述第一视频帧序列中并位于所述第一视频帧与所述第二视频帧之间的中间帧；以及
在所述第一视频帧序列中，确定所述第一视频帧与所述第三视频帧之间的片段为伪造片段。
4.根据权利要求1所述的方法，其中，确定所述第二视频帧序列中的伪造视频帧包括：
对所述第二视频帧序列中的每个视频帧进行分类，以获得视频帧分类结果以及与所述视频帧分类结果相对应的置信度；以及
响应于所述置信度大于第一阈值，确定与该置信度相对应的视频帧为伪造视频帧。
5.根据权利要求4所述的方法，其中，基于所述第一视频帧以及在所述第二视频帧序列中与所述第一视频帧相邻的第二视频帧，在所述第一视频帧序列中确定所述待检测视频中的伪造片段包括：
响应于所述第二视频帧被确定为非伪造视频帧，对与所述第一视频帧相对应的置信度以及与所述第二视频帧相对应的置信度进行归一化；
基于归一化的结果，确定第四视频帧，其中，所述第四视频帧是在所述第一视频帧序列中并位于所述第一视频帧与所述第二视频帧之间的帧；以及
在所述第一视频帧序列中，确定所述第一视频帧与所述第四视频帧之间的片段为伪造片段。
6.根据权利要求1至5中任一项所述的方法，其中，对包括第一视频帧序列的待检测视频进行采样，以获取包括多个视频帧的第二视频帧序列包括：
对所述待检测视频进行均匀采样，以获取包括多个视频帧的第二视频帧序列，其中，经采样获得的每两个相邻视频帧在所述第一视频帧序列中的间隔相等。
7.根据权利要求1至3中任一项所述的方法，其中，确定所述第二视频帧序列中的伪造视频帧包括：
将所述第二视频帧序列中的每个视频帧输入训练好的神经网络模型，获取所述神经网络模型输出的指示每个视频帧是否为伪造视频帧的预测结果。
8.根据权利要求1至3中任一项所述的方法，其中，所述待检测视频的至少一个视频帧中包括人物面部图像，并且其中，确定所述第二视频帧序列中的伪造视频帧包括：
对所述第二视频帧序列中的每个视频帧进行人物面部识别；以及
响应于识别到伪造的人物面部图像，确定包括伪造的人物面部图像的视频帧为伪造视频帧。
9.一种用于鉴别伪造图像的神经网络模型的训练方法，其中，所述神经网络模型包括图像分类网络和语义分割子网络，所述方法包括：
获取样本图像和所述样本图像的真实分类标签，其中，所述样本图像中包括人物面部图像；
将所述样本图像输入所述语义分割子网络，以获取所述语义分割子网络输出的所述样本图像中的人物面部轮廓分割特征；
基于所述人物面部轮廓分割特征计算第一损失值；
将所述样本图像和所述人物面部轮廓分割特征输入所述图像分类网络，以获取所述图像分类网络输出的所述样本图像的预测分类标签；
基于所述预测分类标签和所述真实分类标签，计算第二损失值；以及
至少基于所述第一损失值和所述第二损失值，调整所述神经网络模型的参数。
10.一种视频信息的处理装置，包括：
采样单元，所述采样单元被配置为对包括第一视频帧序列的待检测视频进行采样，以获取包括多个视频帧的第二视频帧序列；
第一确定单元，所述第一确定单元被配置为确定所述第二视频帧序列中的伪造视频帧；以及
第二确定单元，所述第二确定单元被配置为响应于确定所述第二视频帧序列中的第一视频帧为伪造视频帧，基于所述第一视频帧以及在所述第二视频帧序列中与所述第一视频帧相邻的第二视频帧，在所述第一视频帧序列中确定所述待检测视频中的伪造片段。
11.根据权利要求10所述的视频信息的处理装置，其中，所述第二确定单元被进一步配置为：
响应于所述第二视频帧被确定为伪造视频帧，在所述第一视频帧序列中，确定所述第一视频帧与被确定为伪造的第二视频帧之间的片段为伪造片段。
12.根据权利要求10所述的视频信息的处理装置，其中，所述第二确定单元被进一步配置为：
响应于所述第二视频帧被确定为非伪造视频帧，确定第三视频帧，其中，所述第三视频帧是在所述第一视频帧序列中并位于所述第一视频帧与所述第二视频帧之间的中间帧；以及
在所述第一视频帧序列中，确定所述第一视频帧与所述第三视频帧之间的片段为伪造片段。
13.根据权利要求10所述的视频信息的处理装置，其中，所述第一确定单元被进一步配置为：
对所述第二视频帧序列中的每个视频帧进行分类，以获得视频帧分类结果以及与所述视频帧分类结果相对应的置信度；以及
响应于所述置信度大于第一阈值，确定与该置信度相对应的视频帧为伪造视频帧。
14.根据权利要求13所述的视频信息的处理装置，其中，所述第二确定单元被进一步配置为：
响应于所述第二视频帧被确定为非伪造视频帧，对与所述第一视频帧相对应的置信度以及与所述第二视频帧相对应的置信度进行归一化；
基于归一化的结果，确定第四视频帧，其中，所述第四视频帧是在所述第一视频帧序列中并位于所述第一视频帧与所述第二视频帧之间的帧；以及
在所述第一视频帧序列中，确定所述第一视频帧与所述第四视频帧之间的片段为伪造片段。
15.根据权利要求10至14中任一项所述的视频信息的处理装置，其中，所述采样单元被进一步配置为：
对所述待检测视频进行均匀采样，以获取包括多个视频帧的第二视频帧序列，其中，经采样获得的每两个相邻视频帧在所述第一视频帧序列中的间隔相等。
16.根据权利要求10至12中任一项所述的视频信息的处理装置，其中，所述第一确定单元被进一步配置为：
将所述第二视频帧序列中的每个视频帧输入训练好的神经网络模型，获取所述神经网络模型输出的指示每个视频帧是否为伪造视频帧的预测结果。
17.根据权利要求10至12中任一项所述的视频信息的处理装置，其中，所述待检测视频的至少一个视频帧中包括人物面部图像，并且其中，所述第一确定单元被进一步配置为：
对所述第二视频帧序列中的每个视频帧进行人物面部识别；以及
响应于识别到伪造的人物面部图像，确定包括伪造的人物面部图像的视频帧为伪造视频帧。
18.一种用于鉴别伪造图像的神经网络模型的训练装置，其中，所述神经网络模型包括图像分类网络和语义分割子网络，所述装置包括：
第一单元，所述第一单元被配置为获取样本图像和所述样本图像的真实分类标签，其中，所述样本图像中包括人物面部图像；
第二单元，所述第二单元被配置为将所述样本图像输入所述语义分割子网络，以获取所述语义分割子网络输出的所述样本图像中的人物面部轮廓分割特征；
第三单元，所述第三单元被配置为基于所述人物面部轮廓分割特征计算第一损失值；
第四单元，所述第四单元被配置为将所述样本图像和所述人物面部轮廓分割特征输入所述图像分类网络，以获取所述图像分类网络输出的所述样本图像的预测分类标签；
第五单元，所述第五单元被配置为基于所述预测分类标签和所述真实分类标签，计算第二损失值；以及
第六单元，所述第六单元被配置为至少基于所述第一损失值和所述第二损失值，调整所述神经网络模型的参数。
19.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。
21.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111539627.0A CN114494935B (zh) | 2021-12-15 | 2021-12-15 | 视频信息的处理方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111539627.0A CN114494935B (zh) | 2021-12-15 | 2021-12-15 | 视频信息的处理方法、装置、电子设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114494935A true CN114494935A (zh) | 2022-05-13 |
| CN114494935B CN114494935B (zh) | 2024-01-05 |
Family
ID=81494398
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111539627.0A Active CN114494935B (zh) | 2021-12-15 | 2021-12-15 | 视频信息的处理方法、装置、电子设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114494935B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116132084A (zh) * | 2022-09-20 | 2023-05-16 | 马上消费金融股份有限公司 | 视频流处理方法、装置及电子设备 |
| CN116311519A (zh) * | 2023-03-17 | 2023-06-23 | 北京百度网讯科技有限公司 | 动作识别方法、模型训练方法及装置 |
| CN114494935B (zh) * | 2021-12-15 | 2024-01-05 | 北京百度网讯科技有限公司 | 视频信息的处理方法、装置、电子设备和介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109919254A (zh) * | 2019-03-28 | 2019-06-21 | 上海联影智能医疗科技有限公司 | 乳腺密度分类方法、系统、可读存储介质和计算机设备 |
| CN110602527A (zh) * | 2019-09-12 | 2019-12-20 | 北京小米移动软件有限公司 | 视频处理方法、装置及存储介质 |
| CN111160442A (zh) * | 2019-12-24 | 2020-05-15 | 上海联影智能医疗科技有限公司 | 图像分类方法、计算机设备和存储介质 |
| CN111444881A (zh) * | 2020-04-13 | 2020-07-24 | 中国人民解放军国防科技大学 | 伪造人脸视频检测方法和装置 |
| CN111444873A (zh) * | 2020-04-02 | 2020-07-24 | 北京迈格威科技有限公司 | 视频中人物真伪的检测方法、装置、电子设备及存储介质 |
| CN111523566A (zh) * | 2020-03-31 | 2020-08-11 | 易视腾科技股份有限公司 | 目标视频片段定位方法和装置 |
| CN111652875A (zh) * | 2020-06-05 | 2020-09-11 | 西安电子科技大学 | 一种视频伪造检测方法、系统、存储介质、视频监控终端 |
| CN112543368A (zh) * | 2019-09-20 | 2021-03-23 | 北京小米移动软件有限公司 | 视频处理方法、视频播放方法、装置及存储介质 |
| CN112581458A (zh) * | 2020-12-24 | 2021-03-30 | 清华大学 | 一种图像处理方法和装置 |
| CN112733733A (zh) * | 2021-01-11 | 2021-04-30 | 中国科学技术大学 | 伪造视频检测方法、电子设备及存储介质 |
| CN112861671A (zh) * | 2021-01-27 | 2021-05-28 | 电子科技大学 | 一种对深度伪造人脸图像和视频的鉴别方法 |
| CN112926697A (zh) * | 2021-04-21 | 2021-06-08 | 北京科技大学 | 一种基于语义分割的磨粒图像分类方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114494935B (zh) * | 2021-12-15 | 2024-01-05 | 北京百度网讯科技有限公司 | 视频信息的处理方法、装置、电子设备和介质 |
-
2021
- 2021-12-15 CN CN202111539627.0A patent/CN114494935B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109919254A (zh) * | 2019-03-28 | 2019-06-21 | 上海联影智能医疗科技有限公司 | 乳腺密度分类方法、系统、可读存储介质和计算机设备 |
| CN110602527A (zh) * | 2019-09-12 | 2019-12-20 | 北京小米移动软件有限公司 | 视频处理方法、装置及存储介质 |
| CN112543368A (zh) * | 2019-09-20 | 2021-03-23 | 北京小米移动软件有限公司 | 视频处理方法、视频播放方法、装置及存储介质 |
| CN111160442A (zh) * | 2019-12-24 | 2020-05-15 | 上海联影智能医疗科技有限公司 | 图像分类方法、计算机设备和存储介质 |
| CN111523566A (zh) * | 2020-03-31 | 2020-08-11 | 易视腾科技股份有限公司 | 目标视频片段定位方法和装置 |
| CN111444873A (zh) * | 2020-04-02 | 2020-07-24 | 北京迈格威科技有限公司 | 视频中人物真伪的检测方法、装置、电子设备及存储介质 |
| CN111444881A (zh) * | 2020-04-13 | 2020-07-24 | 中国人民解放军国防科技大学 | 伪造人脸视频检测方法和装置 |
| CN111652875A (zh) * | 2020-06-05 | 2020-09-11 | 西安电子科技大学 | 一种视频伪造检测方法、系统、存储介质、视频监控终端 |
| CN112581458A (zh) * | 2020-12-24 | 2021-03-30 | 清华大学 | 一种图像处理方法和装置 |
| CN112733733A (zh) * | 2021-01-11 | 2021-04-30 | 中国科学技术大学 | 伪造视频检测方法、电子设备及存储介质 |
| CN112861671A (zh) * | 2021-01-27 | 2021-05-28 | 电子科技大学 | 一种对深度伪造人脸图像和视频的鉴别方法 |
| CN112926697A (zh) * | 2021-04-21 | 2021-06-08 | 北京科技大学 | 一种基于语义分割的磨粒图像分类方法及装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114494935B (zh) * | 2021-12-15 | 2024-01-05 | 北京百度网讯科技有限公司 | 视频信息的处理方法、装置、电子设备和介质 |
| CN116132084A (zh) * | 2022-09-20 | 2023-05-16 | 马上消费金融股份有限公司 | 视频流处理方法、装置及电子设备 |
| CN116311519A (zh) * | 2023-03-17 | 2023-06-23 | 北京百度网讯科技有限公司 | 动作识别方法、模型训练方法及装置 |
| CN116311519B (zh) * | 2023-03-17 | 2024-04-19 | 北京百度网讯科技有限公司 | 动作识别方法、模型训练方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114494935B (zh) | 2024-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114648638B (zh) | 语义分割模型的训练方法、语义分割方法与装置 | |
| CN114494935B (zh) | 视频信息的处理方法、装置、电子设备和介质 | |
| CN115422389B (zh) | 处理文本图像的方法及装置、神经网络的训练方法 | |
| CN113256583A (zh) | 图像质量检测方法及装置、计算机设备和介质 | |
| US20230047628A1 (en) | Human-object interaction detection | |
| CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
| CN114004985A (zh) | 人物交互检测方法、神经网络及其训练方法、设备和介质 | |
| CN114495103B (zh) | 文本识别方法、装置、电子设备和介质 | |
| CN114547252A (zh) | 文本识别方法、装置、电子设备和介质 | |
| CN113723305A (zh) | 图像和视频检测方法、装置、电子设备和介质 | |
| CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
| CN114998963A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
| CN113596011B (zh) | 流量识别方法及装置，计算设备和介质 | |
| CN114140547B (zh) | 图像生成方法和装置 | |
| CN115269989A (zh) | 对象推荐方法、装置、电子设备和存储介质 | |
| CN115862031A (zh) | 文本处理方法、神经网络的训练方法、装置和设备 | |
| CN114140852A (zh) | 图像检测方法和装置 | |
| CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
| CN114724146A (zh) | 异常文本识别方法及装置、电子设备和存储介质 | |
| CN113486853A (zh) | 视频检测方法及装置、电子设备和介质 | |
| CN113641980A (zh) | 认证方法及装置，电子设备和介质 | |
| CN112579587A (zh) | 数据清洗方法及装置、设备和存储介质 | |
| CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
| CN114511694B (zh) | 图像识别方法、装置、电子设备和介质 | |
| CN116311271B (zh) | 文本图像的处理方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |