DeepFake天敌出现：用血氧仪原理识别假脸，准确率高达97％
DeepFake 已经不再是只有少数科研人员掌握的技术了，它被越来越多怀有不良动机的人，应用到现实生活的方方面面中，引发不必要的误解，比如说炮制色情影片或者虚假新闻等。
识别人脸面部因心跳血流产生的微弱变化。
血管遍布人体全身，包括脸上。比如在睡觉的时候，你可能会感觉到面部血液流动产生的轻微“跳动”感。
随着心跳导致的血液流动，人体皮肤也会出现区域性
颜色变化
。常见的脉搏血氧仪，其工作方式其实就是识别这种变化。（学名叫做光体积变化描记法 Photoplethysmography, 简称 PPG。后面还会提到这个词。）
因心跳产生的皮肤颜色变化，在人脸上同样会出现，只是极其微弱，对肉眼不可见，在视频里就更难看出来了。不过对视频进行特定处理，增强颜色变化的效果，肉眼就可以很明显地观察出来了：
你可能想问：这种方法识别心跳准确吗？当然准了，Apple Watch 和一大堆血氧仪都采用的这种方法。它的准确率和心电图基本吻合，如下图所示：
空间维度
还是
时间维度
上，DeepFake 的假人脸都
无法还原这种因血液流动造成的微弱变化。
空间维度就是面部区域，时间维度就是心跳频率。DeepFake 的假人脸，不是体现不了这种微弱变化。在进行大量测试后，研究人员发现：DeepFake 视频里的人脸，读取到的 PPG 信号是不稳定的。
这句话的意思是：如果你对 DeepFake 视频进行增强，会发现血流变化产生的颜色变化在人脸上显示非常不自然，变化的频率也完全不像真的心跳。
从下图中你可以看的更清楚：四种 DeepFake 算法生成的视频，产生的 PPG 信号都有很多“杂讯”，而真实视频的“杂讯”很少。
基于这个主张，研究人员设计了一套基于卷积神经网络的模型，命名为
FakeCatcher
。
FakeCatcher从不同的 DeepFake 视频中提取 1）关键的人脸区域 2）读取 PPG 信号，将两者组合成一个时空模块（称为一个 PPG 元素）。再对 PPG 元素进行学习，最终就可以给出答案了。
在 Face Forensics++、CelebDF 等常用的假脸数据集上，Fake Catcher 的准确率能够超过90%。
更厉害的是，FakeCatcher 不光能认出视频的真假，还能准确识别出假视频用的是哪种 DeepFake 算法——这是因为每种算法的残差效果的杂讯都有足够明显的特种。研究人员透露，他们在 DeepFakes、Face2Face、FaceSwap 和 NeuralTex 四种主流算法上的识别准确率整体超过了93%。
接下来，他们打算训练一个更复杂的模型，同时对真实视频和 DeepFake 视频的 PPG 信号进行训练。
所谓魔高一尺道高一丈，赶在 DeepFake 算法被大肆滥用之前堵住他们的路，让他们无路可走。
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20201030A0980J00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
