关键词：
人脸编辑技术的发展和广泛使用引起人们对隐私安全等的担忧，如 DeepFakes 可以实现视频换脸，且逼真程度很高，有时人类都无法分辨真伪。为此，本研究提出了一种检测人脸伪造图像的新方法以及包含来自 1000 个真实视频的 510,207 张图像和目标真值的数据集。本研究使用该数据集，采用额外的人脸区域特定领域知识，改善了人脸图像伪造检测的准确率。现在，操纵视觉内容已经很普遍，也是数字社会中最重要的话题之一。比如，DeepFakes 展示了如何使用计算机图形学和视觉技术进行视频换脸，进而破坏别人的声誉。人脸是目前视觉内容操纵方法的主要兴趣点，这有很多原因。首先，人脸重建和追踪是计算机视觉中比较成熟的领域，而它正是这些编辑方法的基础。其次，人脸在人类沟通中起核心作用，因为人脸可以强调某个信息，甚至可以传达某个信息。目前的人脸操纵（facial manipulation）方法分为两类：面部表情操纵和面部身份操纵（见图 2）。最著名的面部表情操纵技术之一 Face2Face 来自于 Thies 等人 [48]。它可基于商用硬件，将一个人的面部表情实时迁移至另一个人。后续的研究（如《Synthesizing Obama: learning lip sync from audio》[45]）能够基于音频输入序列使人脸动起来。《Bringing portraits to life》[8] 可以编辑图像中的面部表情。
图 2：人脸数字化的发展是现代人脸图像编辑工具的基础。这些编辑工具分为两类：身份修改和表情修改。除了使用 Photoshop 等工具手动编辑人脸以外，近年来出现了很多自动化方法。最著名、最广泛的身份编辑技术是换脸（face swapping）。这些技术流行的根源在于其轻量级特性，方便在手机上运行。facial reenactment 技术可以将源人脸的表情迁移到目标人脸，从而改变一个人的表情。
身份操纵是人脸伪造的第二大类。与改变表情不同，身份操纵方法将一个人的脸换到另一个人的面部。因此，这个类别又叫换脸。随着 Snapchat 等消费者级别应用的广泛使用，这类技术变得流行。DeepFakes 也可以换脸，但它使用了深度学习技术。尽管基于简单计算机图形学技术的换脸可以实时运行，但 DeepFakes 需要为每一个视频对进行训练，这非常耗时。
本研究展示了一种方法，可以自动、可靠地检测出此类人脸操纵，且性能大幅超过人类观察者。研究者利用深度学习的近期进展，即使用卷积神经网络（CNN）学习极强图像特征的能力。研究者以监督学习的方式训练了一个神经网络，可以解决人脸伪造检测的问题。为了以监督的方式学习并评估人类观察者的表现，研究者基于 Face2Face、FaceSwap 和 DeepFakes 生成了一个大规模人脸操纵数据集。
本文贡献如下：
使用特定领域知识的当前最先进人脸伪造检测技术。
新型人脸伪造图像数据集，包含来自 1000 个真实视频的 510,207 张图像和目标真值，以保证监督学习。
进行了用户调查，以评估所用人脸操纵方法的有效性，以及人类观察者在不同视频质量情况下检测伪造图像的能力。
论文：FaceForensics++: Learning to Detect Manipulated Facial Images
论文链接：https://arxiv.org/pdf/1901.08971.pdf
摘要：合成图像生成和操纵的快速发展引起人们对其社会影响的巨大担忧。这会导致人们丧失对数字内容的信任，也可能会加剧虚假信息的传播和假新闻的捏造，从而带来更大的伤害。在本文中，我们检查了当前最先进人脸图像操纵技术结果的逼真程度，以及检测它们的困难性——不管是自动检测还是人工检测。具体来说，我们聚焦于 DeepFakes、Face2Face、FaceSwap 这几种最具代表性的人脸操纵方法。我们为每种方法各创建了超过50万张操纵过的图像。由此产生的公开数据集至少比其它同类数据集大了一个数量级，它使我们能够以监督的方式训练数据驱动的伪造图像检测器。我们证明了使用额外的特定领域知识可以改善伪造检测方法，使其准确性达到前所未有的高度，即使在强压缩的情况下同样如此。通过一系列深入实验，我们量化了经典方法、新型深度学习方法和人类观察者之间的性能差异。
3 数据集
本文的核心贡献之一是 FaceForensics 数据集。这个新的大规模数据集使我们能够以监督的方式训练当前最佳的人脸图像伪造检测器。为此，我们将三种当前最先进的自动人脸操纵方法应用到 1000 个原始真实视频上（这些视频均是从网上下载的）。
表 1：FaceForensics 数据集中每一种方法相关图像的数量，包括训练、验证和测试数据集中的图像数量
图 4：FaceForensics 数据集统计数据。VGA 表示视频分辨率为 480p，HD 表示 720p，FHD 表示 1080p。c 中 x 轴表示给定像素高度，y 轴表示序列数。
4 伪造检测
我们将伪造检测视为被操纵视频每一帧的二分类问题。下面是人工和自动伪造检测的结果。对于所有的实验，我们将数据集分成固定的训练、验证和测试集，分别包含 720、140 和 140 个视频。所有评估结果都是基于测试集中的视频报告的。
图 6：143 个参与用户的伪造检测结果。准确率取决于视频质量，视频质量差则准确率会下降。原始视频上的检测准确率为 72%，高质量视频上的准确率为 71%，低质量视频上的准确率只有 61%。
4.2 自动伪造检测方法
图 5：本文提出的特定领域伪造检测流程：先用一种稳健的人脸追踪方法处理输入图像，然后利用特定领域信息提取图像中被脸部覆盖的区域，将该区域输送至一个训练好的分类网络，最后该网络的输出即是图像真伪的最终结果。
图 7：使用人脸图像伪造的特定领域信息（即人脸追踪），所有使用架构在不同操纵方法上的二分类检测准确率。这些架构在不同的操纵方法上独立训练。
图 8：使用人脸图像伪造的特定领域信息（即人脸追踪），本文提出检测器的所有变体在不同操纵方法上的二分类检测准确率。除了最右侧分类器使用完整图像作为输入，这些架构都使用人脸追踪器的追踪信息在完整数据集上训练。
图 9：使用人脸图像伪造的特定领域信息（即人脸追踪），本文提出检测器的所有变体在不同操纵方法上的平均二分类检测准确率。除了最右侧分类器使用完整图像作为输入，这些方法都使用人脸追踪器的追踪信息在完整数据集上训练。
图 10：本文提出的方法使用 XceptionNet 的检测性能依赖于训练语料库的大小。尤其是，低质量视频数据需要较大型的数据集 参考技术A ai软件提取不到人脸或者识别一直失败有网络状况、光线状况、软件版本等原因；
1.网络状况：设备没有链接网络，或信号太差，无法把录入的数据上传到终端，不能执行下一步指令；
2.光线状况：在人脸识别时，所处环境较暗，设备无法清晰辨别人脸；
3.系统推送最新的软件版本，设备没有更新，影响数据传送到终端。 参考技术B 人脸识别的原理是使用者首先需要采集自己的人脸特征信息，在应用的过程中，使用摄像头获取当前人物的面相特征。最后将当前捕获到的人像特征与之前存储的人脸数据档案进行对比。人脸识别技术经历了20多年的发展历史，从最初的2D识别到现在的3D识别，识别精度达到了99%以上，未来以3D是主流，而且会是融合方案，就是为了提高识别的精准度和应用场景，他会同时用多个摄像头。人脸识别主要是靠硬件进步+AI来推动，在硬件方面主要是这几种：1、3D结构光：通过近红外激光器，将具有一定结构特征的光线投射到被拍摄物体上，再由专门的红外摄像头进行采集。这种具备一定结构的光线，会因被摄物体的不同深度区域，而采集不同的图像相位信息，然后通过运算单元将这种结构的变化换算成深度信息，以此来获得三维结构。3D结构光的好处就是精准度高，但是有个bug就是，对距离有要求，要隔得近才能识别，大家可以试试自己手机的识别距离，所以适合做前置摄像头。2、TOF是飞行时间(Time of Flight)技术的缩写，其原理是：传感器发出经调制的脉冲红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，此外再结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来 参考技术C 人脸识别的原理是使用者首先需要采集自己的人脸特征信息，在应用的过程中，使用摄像头获取当前人物的面相特征。最后将当前捕获到的人像特征与之前存储的人脸数据档案进行对比。人脸识别技术经历了20多年的发展历史，从最初的2D识别到现在的3D识别，识别精度达到了99%以上，未来以3D是主流，而且会是融合方案，就是为了提高识别的精准度和应用场景，他会同时用多个摄像头。人脸识别主要是靠硬件进步+AI来推动，在硬件方面主要是这几种：1、3D结构光：通过近红外激光器，将具有一定结构特征的光线投射到被拍摄物体上，再由专门的红外摄像头进行采集。这种具备一定结构的光线，会因被摄物体的不同深度区域，而采集不同的图像相位信息，然后通过运算单元将这种结构的变化换算成深度信息，以此来获得三维结构。3D结构光的好处就是精准度高，但是有个bug就是，对距离有要求，要隔得近才能识别，大家可以试试自己手机的识别距离，所以适合做前置摄像头。2、TOF是飞行时间(Time of Flight)技术的缩写，其原理是：传感器发出经调制的脉冲红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，此外再结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来。 参考技术D 使用ai软件提取不到人脸
你的4.psd这个图被你移动过，链接进AI的图是不能随便移动的，不然AI就找着了！修复的方法就只能找到这个文件然后放回原来的地方，否则只能重做！建议你以后做这样的图，考虑直接用AI打开，然后复制进去使用，不要链接，否则链接一丢失就很麻烦了
使用 svm 进行人脸检测和使用 matlab 进行特征提取 [关闭]
】使用svm进行人脸检测和使用matlab进行特征提取[关闭]【英文标题】：facedetectionwithsvmandfeatureextractionusingmatlab[closed]【发布时间】：2016-01-2403:27:12【问题描述】：我的项目主题是svm的“人脸识别”，我必须实现它。所以在使用svm... 查看详情
大家好！请问比较专业的ai换脸软件电脑的有什么推荐？
Fakeapp系统：Win7,Win10优点：容易使用，集成GUI图形界面，环境安装比较简单，只要下载主程序和CORE文件就行缺点：容易出错，效率偏低，更新很慢2.Faceswap系统：Win7,Win10优点：Github开源软件，更新很快，效率高，不容易出错，出... 查看详情
ai安全帽识别/人脸识别智能分析网关在easycvr配置告警信息推送
...的应用意义。将智能分析网关与EasyCVR视频融合平台结合使用，能实现前端接入资源的统一汇聚管理、监控观看、告警推送 查看详情
使用 Picasa API 自动进行人脸检测以提取单个图像
】使用PicasaAPI自动进行人脸检测以提取单个图像【英文标题】：AutomaticfacedetectionusingPicasaAPItoextractindividualimages【发布时间】：2011-04-2118:56:19【问题描述】：（已向超级用户询问与应用程序相关的答案类似的问题。该问题发布在... 查看详情
ai人脸识别/车辆识别/口罩识别智能分析网关烟火检测算法的配置及使用
随着人工智能技术的不断成熟与落地，各行各业也逐渐融入AI智能检测技术，尤其是在视频监控领域，通过AI视频智能检测与分析，可以大大提高监管部门的工作效率。智能分析网关可支持AI视频智能分析功能，... 查看详情
基于百度ai开放平台的人脸识别及语音合成(代码片段)
...题课题需求（1）人脸识别在Web界面上传人的照片，后台使用Java技术接收图片，然后对图片进行解码，调用云平台接口识别人脸特征，接收平台返回的人员年龄、性别、颜值等信息，将信息返回到Web界面进行显示。（2）人脸比对... 查看详情
如何从旋转图像中提取人脸部分？
...的图像中提取人脸图像/部分。我有如下图片：我已尝试使用以下代码。importcv2importsysimportnumpyasnpimportcv2importmatplotlib.pyplotasplt%matplotlibinli 查看详情
在 django（使用 python-opencv）项目中找不到人脸（人脸检测）
】在django（使用python-opencv）项目中找不到人脸（人脸检测）【英文标题】：Notabletofindfaces(face-detection)indjango(usingpython-opencv)project【发布时间】：2016-03-1301:03:29【问题描述】：这段代码（在views.py中）是由一个URL触发的。导入cv2没... 查看详情
python之人脸特征提取(代码片段)
...心圈三、总结参考一、安装dlib及OPENCV1.dlib安装由于本文使用的python版本为3.8，因此直接使用cmd安装：pipinstalldlib-19.19.0-cp38-cp38-win_amd64.whl2.安装opencvp 查看详情
如何从 C++ 人脸边界框中提取长度/宽度
...ingbox【发布时间】：2020-12-2415:58:38【问题描述】：我正在使用OpenCVc++来计算人脸的边界框。我正在使用此代码：haarClassifier.detectMultiScale(frameGray,boxes,1.1,6,CASCADE_SCALE_IMAGE,minFaceS 查看详情
opencv中检测出人脸之后，需要把检测出的人脸区域提取出来，用作人脸识别，那么如何提取人脸区域
首先使用opencv自带的rectangle函数将检测出来的人脸用矩形框框住，然后新定义一个Mat类型变量将矩形框框住的部分提取出来就可以了；如rectangle(image,Rect(x1,y1,w1,h1),Scalar(0,0,255),1);Matimage_cut=image(cvRect(x,y,w,h));imshow("",image_cut);... 查看详情
python - 如何在python中使用MTCNN从文件夹中的图像中提取人脸？
】python-如何在python中使用MTCNN从文件夹中的图像中提取人脸？【英文标题】：HowtofaceextractionfromimagesinafolderwithMTCNNinpython?【发布时间】：2021-03-1406:26:32【问题描述】：我想用Python中的mtcnn从文件夹中的图像（大约有8000张图像）中... 查看详情
使用opencv实现视频中人脸图片的提取(代码片段)
一、先上代码importcv2#pipinstallopencv-pythonimportmatplotlib.pyplotasplt#pipinstallmatplotlibdata=cv2.VideoCapture(r'./video/1.mp4')#获取视频路径j=1#第j张图片face_cascade=cv2.CascadeClassifier(&# 查看详情
人脸识别基于garbor特征提取和svm的人脸识别matlab仿真(代码片段)
1.软件版本matlab2013b2.系统概述步骤一：图片特征提取 这里，关于图片特征的提取，利用garbor变换进行特征提取的。以二维形式存在的人脸图像所包含的数据信息是非常多的，而且，这些数据中还包含了很... 查看详情
人脸识别软件
...app是一款好玩有趣的刷脸工具。第一次打开3D人脸识别app使用，必须要先记录你的脸型。第二次长按提示区，就能完成脸部扫描即刻解锁。3D酷炫组合，带你近距离体验最尖端的科技，与手机一起化身特工组合。2、瑞为人脸锁app... 查看详情
ai人脸识别测温一体机设计(代码片段)
...入某些政务软件平台或是银行APP,还是各大门店，超市使用的"支付宝刷脸支付"等等，这些应用大大方便了人们生活。目前，因为新冠疫情防控的需要，人人出门都需要戴口罩，查验健康码和测量体温... 查看详情
ai人体检测/人脸识别智能分析网关v2的配置步骤及操作使用
...的文章中，我们介绍了智能分析网关V1版本的配置与使用，本篇我们简 查看详情
lite.ai.toolkit使用笔记
...本机测试环境如何编译测试使用gpu加速lite.ai.toolkit是什么Lite.Ai.ToolKit:一个轻量级的C++AI模型工具箱，用户友好（还行吧），开箱即用。已经包括100+流行的开源模型。这是一个根据个人兴趣整理... 查看详情