买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院计算技术研究所申请的专利基于人脸时序信息的人脸视频深度伪造检测方法与装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117275064B 。

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311211903.X，技术领域涉及：G06V40/16；该发明授权基于人脸时序信息的人脸视频深度伪造检测方法与装置是由唐胜;王志浩;曹娟设计研发完成，并于2023-09-19向国家知识产权局提交的专利申请。

本基于人脸时序信息的人脸视频深度伪造检测方法与装置在说明书摘要公布了：本发明提出一种基于人脸时序信息的人脸视频深度伪造检测方法和装置，包括：获取以标准真伪标签的人脸视频作为训练数据；通过基础网络对训练数据中多个视频帧提取特征，得到原始特征，以原始特征进行三维人脸重建，得到重建图像；基础网络对重建图像提取特征，得到重建特征；特征差分模块对原始特征以及重建图进行差分并对差分结果进行降维，得到差分特征；将重建特征和差分特征作为查询特征，并将原始特征作为待查询特征，分别输入查询模块，根据查询特征与待查询特征的相似度，对待查询特征的重新加权，得到加权差分特征和加权重建特征；自适应融合模块将原始特征、加权差分特征和加权重建特征加权融合后进行真伪分类。

本发明授权基于人脸时序信息的人脸视频深度伪造检测方法与装置在权利要求书中公布了：1.一种基于人脸时序信息的人脸视频深度伪造检测方法，其特征在于，包括： 初始步骤，构建包括以特征提取器作为基础网络、特征差分模块、查询模块和自适应融合模块的深度伪造检测模型；获取以标准真伪标签的人脸视频作为训练数据； 图像重建步骤，通过该基础网络对该训练数据中多个视频帧提取特征，得到原始特征，以该原始特征进行三维人脸重建，得到重建图像；该基础网络对该重建图像提取特征，得到重建特征； 特征差分步骤，该特征差分模块对该原始特征以及该重建特征进行差分并对 差分结果进行降维，得到差分特征； 查询加权步骤，将该重建特征和该差分特征作为查询特征，并将该原始特征作为待查询特征，分别输入该查询模块，根据该查询特征与该待查询特征的相似度，对该待查询特征的重新加权，得到加权差分特征和加权重建特征； 模型训练步骤，该自适应融合模块将该原始特征、该加权差分特征和该加权重建特征加权融合后进行真伪分类，并根据分类结果和该真伪标签构建损失函数，以更新训练该深度伪造检测模型； 深伪检测步骤，采用训练完成后的该深度伪造检测模型执行人脸视频伪造检测人物，得到待检测人脸视频是否属于伪造视频的分类结果； 其中该图像重建步骤包括： 该基础网络基于下式提取人脸相关特征和人脸无关特征： 这里代表抽取得到的第i个视频帧,RNet代表人脸三维特征提取模型，属于 该人脸相关特征，分别为人脸身份特征、人脸表情特征、人脸纹理特征；属于该人脸无 关特征，分别为光照特征和姿态特征； 该人脸相关特征驱动3DMM模型得到三维重建人脸模型中各个顶点的位置和颜色，结合 该人脸无关特征渲染该三维重建人脸模型，得到二维重建人脸图像，将该二维重建人脸图 像贴回该视频帧，替换视频帧中人脸图像，得到该重建图像； 该特征差分步骤包括： 其中，表示用于特征提取网络，代表待检测图片，代表重建图像；和，其中w,h,c是特征图的大小，将和先通过特征差分模块得到差分特征， 再进行降维，最后进行展开： 其中，、和是由一层卷积核大小为的卷积层组成，将其通道值从c降 低到e；接下来将特征在w和h上展开，成为一个长度为，特征维度为e的序列特征 作为该差分特征: 。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院计算技术研究所，其通讯地址为：100080 北京市海淀区中关村科学院南路6号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。