一种视频检测方法、设备及存储介质技术

本申请实施例提供一种视频检测方法、设备及存储介质，其中，所述方法包括：获取待检测视频中的至少一帧图像；提取至少一帧图像中的隐写特征以及与指定对象关联的视觉特征；根据至少一帧图像中的隐写特征以及与指定对象关联的视觉特征，分析至少一帧图像在时序上的特征差异性；根据至少一帧图像中的隐写特征以及与指定对象关联的视觉特征和至少一帧图像在时序上的特征差异性，检测待检测视频是否被改动。本实施例中，可对待检测视频进行空间维度和时序维度的检测，从而可结合空间维度和时间维度的检测情况，确定待检测视频是否被改动，这可有效提高视频检测的全面性和准确性。这可有效提高视频检测的全面性和准确性。这可有效提高视频检测的全面性和准确性。

【技术实现步骤摘要】
一种视频检测方法、设备及存储介质


[0001]本申请涉及视频处理
，尤其涉及一种视频检测方法、设备及存储介质。

技术介绍

[0002]目前，视频造假技术通过替换视频中的人脸、改变表情及嫁接口型等手段，可任意伪造视频中人物的行为表现。
[0003]视频造假对司法调查、保险鉴定、网络安全等领域带来严重干扰。在这些领域中，视频的真实性尤为重要，因此，检测视频的真实性成为亟需解决的问题。

技术实现思路

[0004]本申请的多个方面提供一种视频检测方法、设备及存储介质，用以检测视频是否被改动。
[0005]本申请实施例提供一种视频检测方法，包括：
[0006]获取待检测视频中的至少一帧图像；
[0007]提取所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征；
[0008]根据所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征，分析所述至少一帧图像在时序上的特征差异性；
[0009]根据所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征和所述至少一帧图像在时序上的特征差异性，检测所述待检测视频是否被改动。
[0010]本申请实施例还提供一种计算设备，包括存储器和处理器；
[0011]所述存储器用于存储一条或多条计算机指令；
[0012]所述处理器与所述存储器耦合，用于执行所述一条或多条计算机指令，以用于：
[0013]获取待检测视频中的至少一帧图像；
[0014]提取所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征；
[0015]根据所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征，分析所述至少一帧图像在时序上的特征差异性；
[0016]根据所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征和所述至少一帧图像在时序上的特征差异性，检测所述待检测视频是否被改动。
[0017]本申请实施例还提供一种存储计算机指令的计算机可读存储介质，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行前述的视频检测方法。
[0018]在本申请实施例中，在对待检测视频进行检测的过程中，可提取单帧图像中的隐写特征和与指定对象关联的视觉特征，并可根据单帧图像中的隐写特征和与指定对象关联的视觉特征，分析帧图像之间在时序上的特征差异性，从而可根据单帧图像中的隐写特征以及与指定对象关联的视觉特征和帧图像之间在时序上的特征差异性，确定待检测视频中的指定对象是否被改动。据此，本实施例中，可基于单帧图像中的隐写特征和与指定对象关联的视觉特征，对待检测视频进行空间维度的检测，并可基于帧图像之间在时序上的特征
差异性，对待检测视频进行时序维度的检测，从而可结合空间维度和时间维度的检测情况，确定待检测视频是否被改动，这可有效提高视频检测的全面性和准确性。
附图说明
[0019]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0020]图1a为本申请一实施例提供的视频检测方法的流程示意图；
[0021]图1b为本申请一实施例提供的一种视频检测过程示意图；
[0022]图2为本申请一实施例提供的一种应用场景的示意图；
[0023]图3为本申请另一实施例提供的一种计算设备的结构示意图。
具体实施方式
[0024]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0025]目前，视频检测的技术尚不完善，无法有效检测视频中是否存在造假。为了解决现有技术存在的问题，本申请的一些实施例中：可基于单帧图像中的隐写特征和与指定对象关联的视觉特征，对待检测视频进行空间维度的检测，并可基于帧图像之间在时序上的特征差异性，对待检测视频进行时间维度的检测，从而可结合空间维度和时间维度的检测情况，确定待检测视频是否被改动，这可有效提高视频检测的全面性和准确性。
[0026]以下结合附图，详细说明本申请各实施例提供的技术方案。
[0027]图1a为本申请一实施例提供的一种视频检测的方法的流程示意图。如图1a所示，该方法包括：
[0028]100、获取待检测视频中的至少一帧图像；
[0029]101、提取至少一帧图像中的隐写特征以及与指定对象关联的视觉特征；
[0030]102、根据至少一帧图像中的隐写特征以及与指定对象关联的视觉特征，分析至少一帧图像在时序上的特征差异性；
[0031]103、根据至少一帧图像中的隐写特征以及与指定对象关联的视觉特征和至少一帧图像在时序上的特征差异性，检测待检测视频是否被改动。
[0032]本实施例提供的视频检测方法，可应用于各种需要进行视频检测的场景中，例如，司法调查、保险鉴定或网络安全等场景。在各种应用场景中，指定对象可按需设定。本实施例中，指定对象可以是人脸、车牌号、商标或其它可能被改动的对象，在此不做限定。
[0033]图1b为本申请一实施例提供的一种视频检测过程示意图，图1b与图1a相对应。在图1a和图1b中，可获取待检测视频中的至少一帧图像。其中，至少一帧图像可以是待检测视频中的一组连续帧图像，也可以是经采样而选取的一组帧图像，当然，还可以是从待检测视频中抽取出的指定对象所在的帧图像，本实施例对此不做限定。另外，待检测视频可以是成品视频，也可以是编辑中的视频。
[0034]基于词，可对获取到至少一帧图像分别进行隐写特征提取和视觉特征提取，，以获
得至少一帧图像中的隐写特征以及与指定对象关联的视觉特征。
[0035]其中，隐写特征是指数字图像成像过程中隐藏在数据中的固有特性信息。隐写特征可以是邻域相关性、彩色滤波阵列CFA、镜头特性或JPEG压缩特征等等，本实施例对此不做限定。其中，领域相关性可表征图像中的像素点和它周围像素点之间的关系。
[0036]其中，视觉特征(Frame特征)是指图像中指定对象所在区域的图像属性信息。视觉特征可以是边缘对比度等，本实施例对此不做限定。
[0037]值得说明的是，正如上文提及的，至少一帧图像可以是待检测视频中任意的一组连续帧图像，因此，至少一帧图像中可能存在未包含指定对象的帧图像，这种情况下，针对未包含指定对象的帧图像，为简化操作，可无需执行提取与指定对象关联的视觉特征的操作，当然，本实施例对此不做限定，也可执行该操作。
[0038]据此，可提取到至少一帧图像中的隐写特征以及与指定对象关联的视觉特征。例如，当指定对象为人脸，隐写特征为邻域相关性，视觉特征为边缘对比度时，基于步骤101，可提取至少一帧图像中的邻域相关性以及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频检测方法，其特征在于，包括：获取待检测视频中的至少一帧图像；提取所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征；根据所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征，分析所述至少一帧图像在时序上的特征差异性；根据所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征和所述至少一帧图像在时序上的特征差异性，检测所述待检测视频是否被改动。2.根据权利要求1所述的方法，其特征在于，所述提取所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征，包括：将所述至少一帧图像输入卷积神经网络，利用所述卷积神经网络提取所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征。3.根据权利要求2所述的方法，其特征在于，将所述至少一帧图像输入卷积神经网络，利用所述卷积神经网络提取所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特，包括：将所述至少一帧图像输入第一卷积神经网络，利用所述第一卷积神经网络对所述至少一帧图像进行卷积处理，以从所述至少一帧图像中提取反映隐写特征的特征图；将所述至少一帧图像输入第二卷积神经网络，利用所述第二卷积神经网络对所述至少一帧图像进行卷积处理，以从所述至少一帧图像中提取反映与指定对象关联的视觉特征的特征图。4.根据权利要求3所述的方法，其特征在于，所述隐写特征为邻域相关性，所述利用所述第一卷积神经网络对所述至少一帧图像进行卷积处理，以从所述至少一帧图像中提取反映隐写特征的特征图，包括：针对每一帧图像，利用所述第一卷积神经网络的多个卷积层依次对所述帧图像进行卷积处理，以从所述帧图像中提取反映邻域相关性的特征图；其中，在所述第一卷积神经网络的首个卷积层中，利用均值为0的卷积核对所述帧图像进行卷积处理。5.根据权利要求2所述的方法，其特征在于，所述将所述至少一帧图像输入卷积神经网络，包括：检测所述至少一帧图像中的指定对象；对所述至少一帧图像中的指定对象进行对齐处理；将经过对齐处理的所述至少一帧图像输入所述卷积神经网络，以利用所述卷积神经网络提取所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征。6.根据权利要求1所述的方法，其特征在于，所述根据所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征，分析所述至少一帧图像在时序上的特征差异性，包括：根据所述至少一帧图像中的隐写特征以及与所述指定对象关联的视觉特征，分别生成所述至少一帧图像各自对应的空间特征向量；按照所述至少一帧图像之间的时序关系，对所述至少一帧图像各自对应的空间特征向量进行排序，以形成空间特征序列；根据所述空间特征序列，分析所述至少一帧图像在时序上的特征差异性。
7.根据权利要求6所述的方法，其特征在于，所述根据所述至少一帧图像中的隐写特征以及与指定对象关联的视觉特征，分别生成所述至少一帧图像各自对应的空间特征向量，包括：针对每一帧图像，分别对所述帧图像中提取出的隐写特征和与指定对象关联的视觉特征进行全局池化处理，以获得所述帧图像对应的隐写特征向量和视觉特征向量；将所述帧图像对应的隐写特征向量和视觉特征向量拼接，并将拼接结果输入第一全连接网络；在所述第一全连接网络内，基于预置的权重参数对所述帧图像对应的隐写特征向量和视觉特征向量进行融合，以获得所述帧图像对应的空间特征向量。8.根据权利要求6所述的方法，其特征在于，根据所述空间特征序列，分析所述至少一帧图像在时序上的特征差异性，包括：将所述空间特征序列输入循环神经网络，利用所述循环神经网络，分析所述至少一帧图像在时序上的特征差异性。9.根据权利要求1-8任一项所述的方法，其特征在于，所述根据所述至少一帧图像中的隐写特征以及与所述指定对象关联的视觉特征和所述至少一帧图像在时序上的特征差异性，检测所述待检测视频是否被改动，包括：将所述至少一帧图像中的隐写特征以及与所述指定对象关联的视觉特征和所述至少一帧图像在时序上的特征差异性输入第二全连接网络；利用所述第二全连接网络检测所述待检测视频被改动的概率，以确定所述待检测视频是否被改动。10.根据权利要求1-8任一项所述的方法，其特征在于，所述指定对象为人脸、文字、车牌号或商标。11.根据权利要求1所述的方法，其特征在于，还包括：若所述待检测视频中携带有预埋特征提示信息，则对所述至少一帧图像进行预埋特征的提取，所述预埋特征为隐藏配置在所述待检测视频中的自定义特征；根据预埋特征提取结果，检测所述待检测视频是否被改动。12.根据权利要求11所述的方法，其特征在于，所述预埋特征提取结果包括：未提取到预埋特征、确定提取到的预埋特征存在异常或确定提取到的预埋特征未存在异常。13.根据权利要求11所述的方法，其特征在于，所述预埋特征为水印特征、数字签名特征或白噪声特征中的一种或多种。14.一种计算设备，其特征在于，包括存储器和处理器；所述存储器用于存储一条或多条计算机指令；所述处理器与所述存储器耦合，用于执行所述一条或多条计算机指令，以用于：获取待检测视频中的至少一帧图像；提取所述至少一帧图像中的隐写特...

【专利技术属性】
技术研发人员：谢榛，吴西，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：