H.265/HEVC视频的时间域篡改检测

针对H.265/HEVC压缩编码视频中帧删除、帧重复及帧插入等时间域篡改问题,根据H.265/HEVC编码标准的新特点,文中提出了一种基于视频压缩特征的时间域篡改检测算法.该算法通过利用视频压缩域的相关参数,在不需对视频进行完全解码的情况下实现篡改位置的检测.实验结果表明,文中提出的算法对不同程度的帧删除、帧重复和帧插入篡改以及不同压缩码率的篡改视频都具有较好的检测效果,有效缩短检测时间.     

视频帧内运动目标复制-粘贴篡改检测算法

摘要： 提出了一种基于Lucas_Kanade(LK)光流及运动目标预检机制的视频帧内运动目标复制 粘贴篡改检测算法.该算法分为运动目标检测与跟踪、运动序列筛选和空间域匹配3个阶段.运动目标检测与跟踪利用背景建模算法和卡尔曼滤波器进行检测和跟踪;运动序列的筛选采用LK方法得到各运动序列的光流值,并计算其相关性来选择可能存在篡改的视频帧序列;空间域匹配利用尺度不变特征变换算法对上一阶段得到的对应运动序列逐帧进行匹配,过滤正常的视频序列.实验结果表明,本文算法能有效检测同源视频中针对运动目标的多帧复制 粘贴篡改.     

一种基于特征提取与追踪的视频复制粘贴篡改检测方法

提出一种基于特征提取与追踪的视频篡改检测方法.首先对视频序列按照一定帧间隔进行特征提取,寻找出首个篡改帧及其篡改区域;其次采用追踪算法对该篡改区域进行学习,并定位该帧之后的每个视频帧的可疑区域;最后对可疑区域再使用特征提取算法进行相似点匹配,确定出视频篡改帧的位置及其篡改区域.结果证明了方法的有效性和鲁棒性,以及在执行时间上相对于已有算法的优越性.     

基于TCS-LBP算子的视频帧复制篡改检测算法

针对监控视频帧复制篡改,提出一种基于时空域特征的篡改检测算法.受空域局部二值模式(LBP)算子设计的启发,设计一种时域TCS-LBP算子,反映当前视频帧与其前后若干帧在同一空间位置像素之间的关系;然后在当前图像上逐点计算TCS-LBP特征值,构造能同时反映当前视频帧时域和空域特征的特征图像;利用特征图像,逐帧检测是否存在帧复制;对于初步检测到的篡改区域,再进行虚警和漏检的修正以及篡改边界的精确定位.实验结果表明,文中算法具有良好的性能,与现有的2种同类算法相比,性能明显提升.     

基于模式噪声的数字视频篡改取证

为了实现视频信号的真实性鉴别,提出一种基于模式噪声的数字视频篡改检测算法.由于成像传感器的非理想性,每一种数码摄像机都会输出一种相对稳定的残留噪声,通过维纳小波滤波器从视频的每一帧中提取这一噪声,将一段视频中的每帧噪声取平均值,从而建立模式噪声.当一段视频遭受篡改处理时,通过比较待鉴别帧的噪声与模式噪声之间的相关性,利用实验经验阈值判断,定位篡改区域.实验结果证明该方法能够对视频篡改进行有效的检测.     

基于颜色内容一致性的视频篡改检测

研究假设视频同源帧插入、异源帧插入、替换、删除篡改能够导致视觉内容发生变化,并致力于以底层特征为基础建立这种微小变化数学模型.首先,提取RGB 3个通道的彩色直方图作为底层特征,采用直方图相交法定义视频帧之间的颜色内容一致性值;其次,采用拉依达准则设定阈值,一旦待检测视频帧的颜色内容一致性值小于自适应阈值,则判定该帧被篡改了.实验结果表明该假设是合理,有效的,所设计的算法能够检测出道路监控视频、背景相对复杂视频中的同源帧插入、异源帧插入、替换、删除的篡改.     

一种基于模式噪声的视频抠像检测算法

蓝屏抠像技术是一种常用的视频篡改手段,为实现对其有效检测,本文提出一种基于模式噪声的数字视频抠像检测算法.算法基于成像传感器的像素不均匀性,采用了小波滤波器提取视频帧中相对稳定的残留噪声,并利用对多帧残留噪声取平均值的办法,获取视频的模式噪声.通过分析抠像视频与正常视频的模式噪声的频谱差异,实现对抠像视频的检测.实验结果表明,该算法的可行性和有效性.     

基于时空域能量可疑度的视频篡改检测与篡改区域定位

针对视频中运动目标从固定背景中移除的情况,提出一种基于能量可疑度计算的视频篡改检测方法,能定位时域和空域上的篡改位置.首先,计算视频各帧能量可疑度,提取时域上的篡改帧序列,再通过帧差法计算可疑运动点图像,提取空域上的可疑运动图像块,根据能量可疑度排除干扰图像块,确定目标移除块,从而实现空域上的篡改定位.实验结果表明,该方法能有效地检测出在固定背景下运动目标是否被移除.     

基于轻量化网络和密集光流法的精子活力检测

基于便携式家用精子检测仪的研发需求,研究了轻量化卷积神经网络在精子活力检测方面的应用.利用Farneback光流算法提取出不同帧间距的精子视频的密集光流帧图像,并通过多通道图像叠加的方式将其与原始视频帧图像进行叠加.把叠加后的图像作为轻量化卷积神经网络ShuffleNet的输入图像,用于检测视频中精子的活力水平.实验结果表明：使用ShuffleNet能在基本不降低检测精度的前提下显著降低网络整体的计算量和模型所占用的内存,更适用于嵌入式和移动设备.此外,采用多通道叠加密集光流帧和原始帧图像作为输入图像,相较于单一的原始帧图像,有效提升了网络模型的性能.     

利用内容连续性的数字视频篡改检测

本文基于帧间内容连续性,提出一种通过灰度值来刻画视频帧内容,利用帧间内容相关性连续度来刻画连续性与否,自适应设定阈值找出篡改点的视频篡改检测方法.首先将视频帧内容转化为一系列连续的图像帧,通过图像帧的灰度值计算帧间相关性,并计算相关性变化度,二次利用切比雪夫不等式自适应设定阈值,判断出离群点.实验表明,提出的方法检测运...     

一种抗H．264压缩的数字视频水印新法

H.264 标准对网络传输具有了更好的支持功能,在此标准下进行水印技术的研究对于网络视频传输过程中的版权保护有着重要的意义.为此,提出了一种在网络视频流中选择I帧,再在I帧中修改较大色度块DC系数来隐藏版权信息的视频水印算法,该算法在检测水印时不需要原始视频序列因而具有盲检测性.实验结果表明在应对反复压缩、加载噪声、裁切、帧删节、格式转换等多种攻击时显示出较强的鲁棒性,有一定的理论和实际应用价值.     

基于转移概率矩阵的H.264/AVC视频帧内预测模式信息隐藏检测算法

针对基于H.264/AVC帧内预测模式的信息隐藏算法,本文提出了一种信息隐藏检测方案.由图像残差DCT系数量化后的重建信号与原始信号差的期望为零,理论分析得到对于利用H.264/AVC帧内预测模式嵌入秘密信息的视频,经过H.264/AVC重压缩后,其载密的非最优帧内预测模式将转变为嵌入秘密信息前自然视频的最优预测模式.基于此推论及其实验结果,本文构造了帧内预测模式转移概率矩阵,并以此为特征结合支持向量机分类器进行视频信息隐藏检测.实验表明,本文算法对于不同类型的低嵌入率载密视频都具有很高的正确检测率.     

视频帧插值篡改的被动检测综述

视频帧插值是指利用运动补偿插值或者基于深度学习的视频帧合成并且插入到视频，属于视频特有的时域操作.传统的视频帧插值和深度视频帧插值都可以用于提升视频帧率上转，也可能用于提升虚假的视频码率，以吸引用户访问.系统地综述视频帧插值的被动检测技术.首先，分析视频帧插值技术的帧合成机理，尤其突出深度视频帧插值技术，包括其采用的深度网络模型及其特点，以挖掘遗留的细微痕迹.然后，从篡改手段和遗留痕迹的角度，总结基于手工特征和基于深度学习的视频帧插值被动检测的典型方法，并且从采用的特征和优缺点的角度进行比较.最后，指出视频帧插值篡改检测领域在深度学习时代存在的技术挑战和未来的发展趋势.     

一种新的自适应镜头边界检测算法

针对镜头边界检测中存在的检测效果和检测阈值依赖人工经验的问题,提出了一种新的自适应镜头边界检测算法.该算法以视频帧窗口中亮度帧差到帧差均值的距离作为切变检测特征,根据该距离值的变化程度自动选取切变最优化阈值;以视频帧序列中的颜色帧差为渐变检测特征,对该帧差进行数量级量化,直接利用量化结果判定渐变,实现了镜头检测的自适应.实验结果表明,该算法对切变的查准率和查全率分别为96.74%和97.41%,对渐变的查准率和查全率分别为92.34%和89.67%,对于不同类型的视频检测效果稳定.     

一种精确篡改定位的数字语音取证算法

提出了一种精确篡改定位的数字语音取证算法.语音信号分帧后,对各帧信号进行置乱.水印由帧号和信号系数自相关生成,并嵌入到置乱后的信号中.实验分析结果表明,本文算法具有较好的不可听性和对恶意攻击进行精确篡改定位的能力,同时,提高了水印系统的安全性.     

视频监控系统在火灾报警中的应用

针对当前火灾检测、监控能力薄弱的现状,提出了一种用于视频监控系统中对火灾进行有效检测和报警的方法,该方法首先利用DirectShow与FFMPET相结合的方式把视频帧从播放的视频流中提取出来,并保存为视频帧图片文件,接着利用ASIFT算法对得到的视频帧图片与原始静态图片进行特征提取和特征匹配,然后对匹配成功的匹配点进行归一化处理,最后,通过系统对视频流进行自动分帧处理与判别,对超过设定阈值的进行报警,实验结果表明,该方法实现成本较低,操作简单、快速、有效,灵敏度高,可降低误报、漏报,适用于对重点无人职守区域进行火灾检测和报警的监控系统.     

基于均值散度直方图的镜头分割算法

提出一种新的镜头边界枪测算法.该算法充分利用视频帧中的颜色信息,提取每帧的矢量特征值.形成视频帧特征值序列.针对该特征值序列的滑动窗口引入散度算法和非参数密度估计法.根据特定视频帧矢量值在滑动窗口中两个不同概率密度值的相异性特征.得到该帧在两种不同概率分布下的散度值;同时,提出一种新的基于统计学的自动阈值获取方案,能很好地检测出切变和渐变.对多种类型的视频序列进行测试的实验结果表明,检测结果达到了95.3%的查全率和95.2%的查准率.     

结合关联特征和卷积神经网络的视频目标检测

针对视频目标检测领域中使用图像检测算法存在的速度与精度相互制约的问题,为充分利用目标在帧之间的运动信息,提出一种结合关联特征和卷积神经网络的视频检测方法.首先,当前视频帧使用图像检测算法提取特征,其次,利用两帧的关联特征预测当前帧的特征图,最后,使用关联特征中的运动信息来修正最终结果.本文的方法最终在ImageNet数据集上进行了实验,结果比当前方法获得了较好的精度提升,同时保持了较快的速度.     

基于边缘特征分析和线性判断的文本帧检测算法

为保证视频文本检测作用于含有文本的视频帧中,提出一种基于边缘特征和分量线性的文本帧检测算法。算法首先去除模糊视频帧,通过融合颜色和梯度信息以及文本聚类的方法得到边缘图,利用启发式规则滤除非文本分量;然后根据视频文本分量质心位置及最小外接矩形大小规律构建候选文本行;并结合文本行内字符结构特征定义线性关系。最后对候选文本行进行线性判断,若有候选文本行符合线性关系则将视频帧标记为文本帧。实验结果表明所提文本帧检测算法比其他类似算法检测性能更好。     

一种采用内预测模式的HEVC视频信息隐藏算法

针对最新的视频编码标准高效率视频编码(HEVC),提出一种基于帧内模式选择的视频信息隐藏算法.首先,对一幅二值图像进行Arnold置乱和turbo码编码,形成待嵌入的二值信息序列.然后,结合帧内模式选择过程,调制I帧亮度16×16编码单元最优预测模式的奇偶性来实现信息隐藏.由于只在I帧进行信息隐藏,提取时只需部分解码即可提取隐藏信息,无需完全解码与原始视频的参与,实时性较好.实验结果表明:算法对视频质量和比特率的影响较小,且能保证一定的信息隐藏容量,符合视频隐藏算法的基本要求.