(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210940334.1 (22)申请日 2022.08.05 (71)申请人 北京字跳网络技 术有限公司 地址 100190 北京市海淀区紫金 数码园4号 楼2层0207 (72)发明人 郭明宇　刘博元　冉蛟　 (74)专利代理 机构 北京英创嘉友知识产权代理 事务所(普通 合伙) 11447 专利代理师 贺晓蕾 (51)Int.Cl. G06V 40/40(2022.01) G06V 40/16(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 图像检测方法、 装置、 可读介质及电子设备 (57)摘要 本公开涉及一种图像检测方法、 装置、 可读 介质及电子设备。 该方法包括： 获取待检测的目 标图像， 对目标图像进行残差提取处理， 得到待 定图像； 将待定图像输入预先训练的第一检测模 型， 得到目标图像对应的第一真伪检测结果； 将 目标图像输入 预先训练的第二检测模 型， 得到目 标图像对应的第二真伪检测结果； 根据第一真伪 检测结果和第二真伪检测结果， 确定目标图像对 应的目标真伪检测结果。 这样， 通过两个检测模 型分别对原始的目标图像与进行残差提取处理 后的待定图像进行真伪检测， 最后将两种方式的 真伪检测结果进行融合得到目标真伪检测结果， 从而可以提高图像真伪检测的准确率。 权利要求书3页 说明书16页 附图6页 CN 115294662 A 2022.11.04 CN 115294662 A 1.一种图像 检测方法， 其特 征在于， 所述方法包括： 获取待检测的目标图像； 对所述目标图像进行残差提取处 理， 得到待定图像； 将所述待定图像输入预先训练 的第一检测模型， 得到所述目标图像对应的第 一真伪检 测结果； 将所述目标图像输入预先训练 的第二检测模型， 得到所述目标图像对应的第 二真伪检 测结果； 根据所述第 一真伪检测结果和所述第 二真伪检测结果， 确定所述目标图像对应的目标 真伪检测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述目标图像进行残差提取处理， 得到待定图像包括： 对所述目标图像进行 灰度化处 理， 得到第一灰度图像； 对所述第一灰度图像进行 水平卷积残差计算， 得到水平 残差图像； 对所述第一灰度图像进行垂直卷积残差计算， 得到垂直残差图像； 根据所述水平 残差图像和所述垂直残差图像， 获取 所述待定图像。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述水平残差图像和所述垂直残 差图像， 获取 所述待定图像包括： 将所述水平 残差图像和所述垂直残差图像叠加后得到 叠加残差图像； 对所述叠加残差图像进行归一 化处理， 得到所述待定图像。 4.根据权利要求1所述的方法， 其特征在于， 所述第一检测模型通过以下方式训练得 到： 获取第一训练样本集； 其中， 所述第一训练样本集包括真实样本图像和伪造样本图像； 对所述第一训练样本集进行残差提取处理， 得到第二训练样本集； 所述第二训练样本 集中包括对所述真实样本图像进 行残差提取后的真实残差图像， 以及 对所述伪造样本图像 进行残差提取后的伪造残差图像； 根据所述第 二训练样本集对第 一神经网络模型进行训练， 将训练后的第 一神经网络模 型作为所述第一检测模型。 5.根据权利要求 4所述的方法， 其特 征在于， 所述获取第一训练样本集包括： 获取第三训练样本集； 所述第 三训练样本集包括所述真实样本图像和所述伪 造样本图 像； 根据目标掩码对所述真实样本图像进行 数据增强处 理， 得到区域增强样本图像； 根据所述真实样本 图像、 所述伪造样本 图像和所述区域增强样本 图像， 确定所述第一 训练样本集。 6.根据权利要求5所述的方法， 其特 征在于， 所述目标掩码为随机生成的区域掩码。 7.根据权利要求5所述的方法， 其特征在于， 所述目标掩码为环形掩码， 所述数据增强 处理包括运动模糊处理； 所述根据目标掩码对所述真实样本图像进行数据增强处理， 得到 区域增强样本图像包括： 根据所述环形掩码确定所述真实样本图像的目标边 缘区域； 对所述目标边 缘区域进行运动模糊处 理， 得到所述目标边 缘区域对应的半透明伪影；权　利　要　求　书 1/3 页 2 CN 115294662 A 2根据所述真实样本图像和所述半透明伪影， 获取 所述区域增强样本图像。 8.根据权利要求5所述的方法， 其特征在于， 所述数据增强处理包括以下目标处理类型 中的一种或多种： 图像压缩、 高斯模糊、 高斯噪声、 锐化、 颜色抖动和弹性变换。 9.根据权利要求8所述的方法， 其特征在于， 所述根据目标掩码对所述真实样本图像进 行数据增强处 理， 得到区域增强样本图像包括： 确定每个所述目标处 理类型对应的目标权 重； 根据所述目标掩码和所述目标权重对所述真实样本 图像进行至少一种所述目标处理 类型的数据增强处 理， 得到所述区域增强样本图像。 10.根据权利要求5所述的方法， 其特征在于， 所述第二训练样本集还包括对所述区域 增强样本图像进 行残差提取后的区域增强残差图像； 所述根据所述第二训练样本集对第一 神经网络模型进行训练， 将训练后的第一神经网络模型作为所述第一检测模型包括： 以所述真实残差图像、 所述伪 造残差图像和所述 区域增强残差图像分别对应的标签作 为约束条件， 根据第一 目标损失函数对第一神经网络模型进行有监督训练， 将训练后的第 一神经网络模型作为所述第一检测模型。 11.根据权利要求5所述的方法， 其特征在于， 所述第二检测模型通过以下方式训练得 到： 根据所述第 一训练样本集对第 二神经网络模型进行训练， 将训练后的第 二神经网络模 型作为所述第二检测模型。 12.根据权利要求5所述的方法， 其特征在于， 所述根据所述第一训练样本集对第二神 经网络模型进行训练， 将训练后的第二神经网络模型作为所述第二检测模型包括： 以所述真实样本图像、 所述伪 造样本图像和所述 区域增强样本图像分别对应的标签作 为约束条件， 根据第二 目标损失函数对第二神经网络模型进行有监督训练， 将训练后的第 二神经网络模型作为所述第二检测模型。 13.根据权利要求1至12中任一项所述的方法， 其特征在于， 所述目标图像为包括人脸 的图像， 所述目标真伪检测结果用于表征 所述人脸是否被篡改。 14.一种图像 检测装置， 其特 征在于， 所述装置包括： 图像获取模块， 用于获取待检测的目标图像； 残差提取模块， 用于对所述目标图像进行残差提取处 理， 得到待定图像； 第一检测模块， 用于将所述待定 图像输入预先训练的第一检测模型， 得到所述目标图 像对应的第一真伪检测结果； 第二检测模块， 用于将所述目标图像输入预先训练的第二检测模型， 得到所述目标图 像对应的第二真伪检测结果； 目标检测模块， 用于根据所述第一真伪检测结果和所述第二真伪检测结果， 确定所述 目标图像对应的目标真伪检测结果。 15.一种计算机可读介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处 理装置执 行时实现权利要求1至13中任一项所述方法的步骤。 16.一种电子设备， 其特 征在于， 包括： 存储装置， 其上存 储有计算机程序； 处理装置， 用于执行所述存储装置 中的所述计算机程序， 以实现权利要求1至13 中任一权　利　要　求　书 2/3 页 3 CN 115294662 A 3