買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉華東交通大學申請的專利一種偽造人臉鑒別方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120220256B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510677496.4，技術領域涉及：G06V40/40；該發明授權一種偽造人臉鑒別方法及系統是由曾康利;黃瑞安;呂亞楠;聶學方;蘇凱;朱師鳴設計研發完成，并于2025-05-26向國家知識產權局提交的專利申請。

本一種偽造人臉鑒別方法及系統在說明書摘要公布了：本發明提供了一種偽造人臉鑒別方法及系統，該方法通過獲取待鑒別人臉圖像以及成對的真實人臉與偽造人臉圖像數據集并聚類劃分數據集；使用劃分好的數據集輸入多模型進行特征提取器的聯合訓練；固定訓練好的特征提取器，并利用變分自編碼器將提取到的特征映射至共享的潛在特征空間中，實現不同模型特征的深度協作融合；固定訓練好的特征提取器和變分自編碼器，獲取輸入圖像的特征并送入分類器進行訓練；利用訓練完成的偽造人臉鑒別網絡，對待檢測人臉圖像進行偽造鑒別。其中，通過對數據集的聚類劃分有效提高模型的泛化性，并且通過變分自編碼器融合不同模型特征，使得特征表達更加緊密和魯棒，從而促進不同模型之間的互補性。

本發明授權一種偽造人臉鑒別方法及系統在權利要求書中公布了：1.一種偽造人臉鑒別方法，其特征在于，所述方法包括： 獲取待鑒別人臉圖像，以及成對的真實人臉與偽造人臉圖像的數據集，并利用輕量級CNN提取特征，在特征空間通過K近鄰進行聚類，將數據劃分為多個目標數據集； 將所述目標數據集輸入深度學習模型進行特征提取器的聯合訓練，所述深度學習模型至少包括Inception、ResNet50、ViT、EfficientNet，將所述目標數據集隨機輸入深度學習模型中；特征提取后進行對比學習，然后每個深度學習模型將特征輸入到分類頭中輸出結果，根據損失函數計算出損失，進行迭代訓練，使得每個深度學習模型都能作為獨特的特征提取器，并使用對應測試集進行性能評估； 確定訓練好的特征提取器，并利用變分自編碼器將提取到的特征映射至共享的潛在特征空間，融合不同模型提取的特征，并通過KL散度約束分布，再通過解碼器從潛在空間重建原特征，以確保編碼過程中不會損失關鍵信息； 使用訓練好的特征提取器和變分自編碼器獲取特征，并將特征輸入分類器進行微調，完成偽造人臉鑒別網絡的訓練； 將所述待鑒別人臉圖像輸入訓練完成的偽造人臉鑒別網絡中，輸出鑒別結果； 所述確定訓練好的特征提取器，并利用變分自編碼器將提取到的特征映射至共享的潛在特征空間，融合不同模型提取的特征，并通過KL散度約束分布，再通過解碼器從潛在空間重建原特征的步驟中，固定訓練好的特征提取器，提取數據集特征，簡單拼接后得到特征，為輸入通道數，H和W分別為輸入的高度和寬度，將特征輸入到變分自編碼器中，經過卷積映射到共享的潛在空間，得到特征和特征，具體的， 將特征輸入第一個卷積塊中，通過非線性激活函數和批量歸一化，得到，計算公式為： ； 其中，表示4×4卷積操作，步長為2，填充為1，表示批歸一化操作，表示非線性激活函數； 將輸入第二個卷積塊中，通過非線性激活函數和批量歸一化，得到，計算公式為： ； 其中，表示4×4卷積操作，步長為2，填充為1； 將分別輸入兩個卷積層中，分別得到特征和特征，計算公式為： ； ； 其中，和均表示3×3卷積操作，步長為1，填充為1； 隨后通過KL散度損失約束特征和特征的特征分布； 然后使用重參數化技巧得到潛在表示z，即融合后的特征z，再利用解碼器對z進行特征重建，潛在表示z的計算公式為： ； 其中，作為隨機變量進行采樣，通過重參數化技巧進行采樣，以確保潛在表示z的梯度可以傳遞，使得特征和特征仍然可以通過反向傳播優化。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華東交通大學，其通訊地址為：330000 江西省南昌市經濟技術開發區雙港東大街808號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。