The invention discloses a video moving object tampering forensics method based on VGg \u2011 11 convolutional neural network, which comprises the following steps: calculating the motion residuals between the forgery frame and the forgery frame in the video by aggregation operation, classifying the forgery frame and the forgery frame; extracting the feature of the motion residuals graph based on the motion residuals; constructing the convolutional neural network based on VGg \u2011 11; using the motion Training the convolution neural network based on VGg \u2011 11, and using the convolution neural network based on VGg \u2011 11 to determine whether the video moving object has been tampered. Compared with the prior art, the invention can automatically recognize the forged frames in the tampered video.
【技术实现步骤摘要】
基于VGG-11卷积神经网络的视频运动对象篡改取证方法
本专利技术涉及视频篡改检测技术,尤其涉及基于VGG-11卷积神经网络的视频运动对象篡改取证方法。
技术介绍
当今互联网时代,随着计算机多媒体技术的不断发展,越来越多的图像、音频、视频成为网民们共享的网络资源。尤其是数字视频,以其直观、方便、信息内容丰富而成为了网络的主要信息承载形式,也成为许多社交网络软件的重要数据来源。如有必要,这些视频文件将作为新闻、政治、保险索赔、辩护和法律审判领域许多重要事项的证据。然而功能强大的多媒体编辑工具如AdobePhotoshop,AdobePremiere,Lightworks,VideoEditMagicandCinelerra等的广泛使用,使得一些非专业人士都能轻易的对视频内容进行修改,并且其中一些伪造视频令专家们都难辨真假。这导致人们对数字视频内容的可信性产生怀疑。因此,迫切需要有效的取证技术来验证视频内容的真实性、原创性和完整性。数字视频篡改主要分为帧间篡改和帧内篡改两种,帧间篡改指的是以图像帧为篡改单位修改视频内容,常见的帧间篡改方式有帧删除、帧插入和帧复制;帧内篡改指的是视频帧的部分区域为篡改对象对视频时间域和空间域同时进行修改的篡改方式,主要篡改方式有帧内复制-粘贴篡改、对象删除篡改和视频合成篡改。针对这两种篡改的数字视频取证技术分为主动取证和被动取证两种,主动取证指的是在待取证的数字视频中预先嵌入验证信息如数字指纹或数字水印,在取证的过程中通过验证所嵌入的验证信息是否完整来判断视频是否经过篡改。而被动取 ...
【技术保护点】
1.基于VGG-11卷积神经网络的视频运动对象篡改取证方法,其特征在于,包括步骤/nS1:采用聚合运算计算视频中伪造帧与未伪造帧之间的运动残差,对伪造帧和未伪造帧进行分类;/nS2:基于所述运动残差,提取运动残差图特征;/nS3:构建基于VGG-11的卷积神经网络;/nS4:使用所述运动残差图特征,训练所述基于VGG-11的卷积神经网络;/nS5:使用所述基于VGG-11的卷积神经网络判定视频运动对象是否被篡改。/n
【技术特征摘要】
1.基于VGG-11卷积神经网络的视频运动对象篡改取证方法,其特征在于,包括步骤
S1:采用聚合运算计算视频中伪造帧与未伪造帧之间的运动残差,对伪造帧和未伪造帧进行分类;
S2:基于所述运动残差,提取运动残差图特征;
S3:构建基于VGG-11的卷积神经网络;
S4:使用所述运动残差图特征,训练所述基于VGG-11的卷积神经网络;
S5:使用所述基于VGG-11的卷积神经网络判定视频运动对象是否被篡改。
2.如权利要求1所述的基于VGG-11卷积神经网络的视频运动对象篡改取证方法,其特征在于,所述步骤S2中所述运动残差图特征提取包括提取548维的CC-PEV、686维的SPAM、2510维的CC-JRM和7850维的CF这四种特征。
3.如权利要求1所述的基于VGG-11卷积神经网络的视频运动对象篡改取证方法,其特征在于,步骤S3还包括步骤S31:在输入VGG-11网络前加入一层全连接层,用于将不同维度大小的特征转化为固定维度大小的特征,便于构造相同尺寸的特征图,...
【专利技术属性】
技术研发人员:甘艳芬,钟君柳,杨继翔,赖文达,
申请(专利权)人:广东外语外贸大学南国商学院,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。