换脸视频是指通过图像处理技术,利用源视频中的人脸对目标视频中的人脸进行完整替换、部分替换或者表情迁移等。近年来,一种Deepfake换脸视频生成技术通过深度神经网络进行特征提取与人脸生成,能够以较低的技术成本获得逼真的换脸效果,对信息传播和信息安全造成严重影响,针对换脸视频的检测算法研究具有重要的研究意义和实用价值。而现有换脸视频检测算法虽然在同一数据库内具有较好的检测性能,但在不同数据库的测试能力仍有待提升,并且换脸视频在内容和质量上差异较大,需要增强对不同视频的检测稳定性。针对上述研究现状,本文以深度神经网络为基础,围绕换脸视频篡改痕迹的分析与多域特征的提取与结合,对换脸视频检测算法展开研究。本文的具体研究工作如下:1、提出了一种频域-空域特征结合的换脸视频检测算法。针对换脸视频与真实视频在频域上的差异,对换脸视频帧图像进行离散傅里叶变换,并将频谱图输入到双支路网络中。其中空域特征支路对低频分量进行逆变换处理并利用深度网络进行空域特征提取。频域特征支路以中高频分量频谱块作为输入,提取网络的多层次频域特征作为输出,最后对双支路的输出特征进行拼接与分类得到换脸视频的检测结果。实验结果表明该算法具有较好的泛化能力。2、提出了一种空域-时域特征结合的换脸视频检测算法。以换脸视频的篡改痕迹分析作为基础,构建一种三支路网络模型,一个分支直接提取人脸图像的空域特征,另一个分支提取局部人脸的空域特征,余下一个分支对人脸图像进行边缘提取并提取时域特征,通过三种特征的融合与分类对换脸视频进行检测。实验结果表明,该算法能够有效增强模型的检测能力与检测稳定性。