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.     

基于最大似然估计的自适应阈值视频被动取证

基于分块级的模式噪声,提出一种基于最大似然估计的自适应阈值视频被动取证方法.它采用小波去噪和维纳滤波提取传感器的模式噪声,并通过固定大小的滑动窗口,计算分块级的能量梯度、信噪比和相邻帧相同位置块模式噪声的相关性构造特征值向量.在此基础上,采用最大似然估计得到判别篡改区域的自适应阈值.仿真实验结果表明,提出的方法对于复制-粘贴的视频内容篡改取得了较好的取证效果,并且能够对较小区域的篡改进行定位.     

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.     

数字图像取证技术研究进展综述

本文着眼于数字图像取证技术的研究成果,对数字图像取证技术的研究进展进行了系统的论述.从光学一致性、传感器规律一致性、图像篡改时留下的痕迹或成像时留下的痕迹以及统计特征一致性四个方面对基于内在一致性的传统数字图像取证技术进行了概述;从简单的模型迁移、对模型输入层的修改以及模型架构的修改三个方面对深度学习的图像取证技术进行...     

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.     

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.     

基于ASIFT和圆投影特征的图像被动取证

文中针对图像篡改中最常见的复制粘贴篡改被动取证问题展开图像分析研究,提出了一种基于仿射尺度不变特征变换(ASIFT)和圆投影特征的算法,用于检测图像中是否存在复制粘贴篡改.实验结果表明:基于仿射尺度不变特征的算法对具有明显角点特征的篡改图像的取证效果较好,而基于改进圆投影特征的算法对不具备明显角点特征的篡改图像(如随机性纹理、平坦区域)的取证效果较好,因此联合使用基于这两种特征的算法对常见的复制粘贴型图像篡改进行被动取证能达到较好效果.     

基于自适应帧采样算法和BLSTM的视频转文字研究

针对视频转文字(video to text)存在的建模复杂和准确率低的问题,提出了基于自适应帧采样算法和双向长短时记忆模型的视频转文字方法.自适应帧采样算法能够动态地调整采样率,以提供尽量多的特征来训练模型;结合双向长短时记忆模型,能有效学习视频中前面帧和未来帧的相关信息;同时,用于训练的特征是来自深度卷积神经网络的特征,使得这种双深度的网络结构能够学习视频帧在时空上的关联表示及全局依赖信息;帧信息的融合又增加了特征的种类,从而提升了实验效果.结果显示,在M-VAD和MPIIMD两个数据集中,文中的方法在METEOR中的评分均值分别为7.8%和8.6%,相对原S2VT模型分别提高了16.4%和21.1%,也提升了视频转文字的语言效果.     

鲁棒的复制-缩放-粘贴篡改检测方法

为了能够检测图像的复制-缩放-粘贴(CSM)篡改操作,提出了一种基于金字塔模型的CSM图像篡改检测方法.首先,将一幅测试图像缩放成不同尺度的降采样子图像,采用非均匀采样选择子图像,并建立金字塔篡改伪造检测模型;然后,对模型中每一层子图像进行非重叠分块,提取该模型所有图像子块的Zernike矩特征;最后,模型中每一层的所有块特征分别与底层特征建立KD树,以便于搜索图像块的所有近似匹配对,并从匹配对中寻找CSM篡改操作的伪造痕迹平移向量,以便于确定篡改区域.实验结果表明,与现有的图像篡改检测方法相比,所提方法获得了更好的检测结果,且篡改图像检测的查准率和查全率均超过93%.     

融合多尺度特征与多分支预测的多操作检测网络

面对不断进步的图像编辑技术，发展相应的图像取证技术显得尤为重要.针对现有图像篡改检测技术中存在的可检测操作类型单一、鲁棒性不强、篡改区域定位不足等问题，提出一种基于卷积神经网络的多操作图像篡改检测方案.在该网络中，通过构造基于残差块的卷积流以提取操作特征.然后，设计一个多尺度特征融合模块，实现不同尺寸的操作特征融合.最后，将融合后的操作特征输入多分支预测模块进行篡改类型预测与定位，得到多操作检测结果.本文制作了多操作图像篡改数据集，对提出的网络模型进行训练和测试.实验结果表明，本文方案与主流的目标检测网络相比，能够更准确地对篡改区域进行定位，参数量更少，且对常见的图像后处理具有更好的鲁棒性.     

基于宏块突变定位帧复制篡改帧方法的研究

视频资源的海量增长及用户需求的快速变化，视频修改编辑也迅猛发展，必然引起对视频篡改检测的关注。针对帧复制视频篡改检测场景，定位帧复制篡改帧的方法聚焦宏块突变特征，包括P帧化、多帧参考化，倒置编码，分析匹配宏块异常等操作，基本解决后向帧复制及前向帧复制难以定位复制帧的问题。所提的方法对数字视频真实性、完整性的司法鉴定具有较强的实用价值。     

基于JPEG特性的图像被动取证技术现状分析

图像技术的发展,使其成为图像篡改的双刃剑.如何对已篡改的图像进行数字取证成为当前研究热点之一.本文对基于JPEG特性的图像被动取证技术进行分析,根据JPEG图像被动取证技术中不同算法所选用的特征量,将现有的技术方法分为两类:针对JPEG重压缩的被动取证和针对JPEG重采样的被动取证.详细分析了上述两类方法各自的特点及对应的优缺点,指出当前基于JPEG特性的图像被动取证的技术的不足之处,并对相关技术的未来发展方向进行了展望.     

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DeepFake技术的道路交通安全违法行为防范思考

深度学习技术给人们带来高效、智能生活的同时,也给公民人身财产带来隐患。在道路交通安全方面,利用视频篡改技术的道路交通安全违法行为已初现端倪,并且已经对公民财产造成损失。就深度机器学习的篡改视频可能带来的道路交通安全违法行为进行技术分析、隐患问题总结和防治必要性分析,并从交管部门、技术部门、公民个人、法律部门4个角度,给出具体的防治措施和技术路线。     

基于深度学习的监控视频树叶遮挡检测

结合稀疏自编码器的自动提取数据特征能力和深度置信网络较好的分类性能,提出一种基于深度学习的监控视频树叶遮挡检测方法。首先从视频中随机选取一帧图像,通过栈式稀疏自编码器主动学习视频图像的特征信息,然后采用深度置信网络建立分类检测模型,最后引入学习速率自适应调整策略对整个神经网络进行微调。该方法不需要对视频连续取帧,具有较好的图像特征主动学习能力,克服了人工提取特征能力有限的缺陷。实验结果表明,在样本量充足的条件下,使用本文方法进行监控视频树叶遮挡检测可以达到88.97%的准确率。     

基于过渡帧插值的音乐驱动舞蹈动作合成

随着动作捕捉技术的发展,基于音乐的舞蹈生成技术逐渐成为一大研究热点,而如何提高音乐和舞蹈的匹配以及舞蹈生成的真实性是研究的关键点.本文提出的基于过渡帧插值的音乐驱动舞蹈合成,旨在解决为音乐合成与其局部节奏和强度匹配且衔接自然的舞蹈动作问题.为了充分挖掘音乐和舞蹈的局部相关性和提高生成舞蹈的丰富性,先对目标音频分段,然后对音乐片段和动作数据库中已有的动作片段进行特征匹配分析,最后对和目标音乐片段特征匹配的动作片段进行过渡帧插值衔接.本文提出的过渡帧插值算法,使插值后的动作同时保留前一帧动作和后一帧动作的特征,避免动作突变,从而实现自然过渡.另外,提出一种音乐驱动舞蹈合成的框架,包含音乐和动作的共同特征提取、特征匹配分析和动作片段的插值衔接.音乐和动作的共同特征提取从节奏和强度出发,特征匹配分析利用节奏点的同步程度和强度分布的相似性.实验结果表明:本文提出的算法能合成逼真的舞蹈动作,具体合成舞蹈视频在项目网站上呈现.     

基于手工特征的视频哈希研究综述

视频哈希是从视频中提取到的基于视觉内容的短小数字序列,在实际应用中,用视频哈希来表示视频,能降低视频的存储代价和视频相似计算的复杂度。目前,视频哈希已被广泛应用于拷贝检测、篡改取证、视频索引、视频检索等方面。近年,视频哈希研究取得许多重要进展,研究人员设计和开发出多种手工特征提取技术,并建立一系列视频哈希算法。本文将基于手工特征的视频哈希算法分为空域计算和时空域计算2个大类,其中基于空域计算的哈希算法又分为逐帧计算和关键帧计算2类,而基于时空域计算的哈希算法则分为正交变换、统计特征、视觉特征点、数据降维和其他技术5类。根据这些分类,本文先分析每类算法的代表性研究成果并总结其性能;然后介绍常用的哈希度量方法、性能评价指标和视频数据集;最后列出未来研究工作可重点关注的内容,包括面向篡改取证的视频哈希、基于深度学习的高效视频哈希和面向移动应用的轻量级视频哈希等。