本发明专利技术涉及电子取证领域，针对视频静止背景下的运动前景进行删除操作的篡改检测的方法，其过程是：求差异帧及分块，求它们的差异帧ΔI；进行自适应稀疏化；选定一个测量矩阵Θ进行稀疏测量；对稀疏测量得到的特征向量分类类别使用k-means聚类算法进行特征聚类处理；通过聚类处理，基于稀疏表示的过完备字典训练的视频篡改检测方法。本发明专利技术检测结果直观，拥有较强的鲁棒性，可有效抵抗拍摄场景中的随风摆动的树木、花草等因素的影响，抗干扰能力强，检测结果准确，拥有较强的实际应用价值；需要配置参数较少，极大地方便了用户的使用。
【技术实现步骤摘要】
【专利摘要】本专利技术涉及电子取证领域，针对视频静止背景下的运动前景进行删除操作的篡改检测的方法，其过程是：求差异帧及分块，求它们的差异帧ΔI；进行自适应稀疏化；选定一个测量矩阵Θ进行稀疏测量；对稀疏测量得到的特征向量分类类别使用k-means聚类算法进行特征聚类处理；通过聚类处理，。本专利技术检测结果直观，拥有较强的鲁棒性，可有效抵抗拍摄场景中的随风摆动的树木、花草等因素的影响，抗干扰能力强，检测结果准确，拥有较强的实际应用价值；需要配置参数较少，极大地方便了用户的使用。【专利说明】
本专利技术涉及电子取证领域，针对视频静止背景下的运动前景进行删除操作的篡改检测的方法。
技术介绍
随着数字多媒体技术的发展，数字照相机、摄像机、手持DV等多媒体采集设备已经渐渐成为人们生活中的一部分。同时，大量的针对视频处理的软件也被广泛的运用，如Adobe 公司开发的 Photoshop、Premiere pro, Imagineer Systems 公司开发的 Mokey,这些软件使得非专业人士经过简单的学习就可以轻易地对视频进行篡改，达到以假乱真的效果。然而，经过篡改的视频通常会改变其视频内容和意义，掩盖视频所反映的真实情况，这些视频有可能被恶意的用于媒体宣传、科学发现、保险和法庭证物，无疑会对政治和社会各个方面产生严重的影响。因此，对视频的真实性和完整性的认证已经显得越来越重要和紧迫。使用视频处理软件对视频中的不需要的运动物体进行删除操作，是视频篡改常用的方法之一。其原理主要是利用需要删除区域的周围或者区域所在帧的前后几帧提供的已知信息，逐帧对删除区域进行填充、修补，以达到肉眼无法察觉该视频已经被篡改过的效果。由于这种篡改方法需要逐帧修改视频内容，因此，当视频中的一个物体被移除后，就无法通过视觉、颜色、纹理等信息从单帧的内容上判断视频是否曾经被篡改。但是，在视频序列中，由于需要修改的帧数量较多，因此逐帧修改所留下的痕迹就会造成修改后视频画面在时域上出现不连贯或者不一致，尤其在阴影区域，这种现象称作“鬼影(ghost shadow)”现象。近几年来，对于视频篡改检测方面的方法比较少，主要包括如下=Wang等人利用视频时空域的相关性对区域复制篡改进行检测，但是当篡改区域较小时，这种检测方法计算复杂度较高。Kobayashi等人利用噪声特征的不一致性来对视频篡改进行检测，但是其局限性在于当篡改的视频来源于同一部相机时，这种方法将不能进行有效检测。Hsu等人提出一种利用帧间对应块的噪声相关性来检测视频的帧内篡改。天津大学的张明玉等人则提出一种基于累计差分图像，并利用篡改区域周围的纹理特征检测篡改痕迹，该方法可以对静止背景下的运动物体的删除操作进行检测，但其检测需要根据经验配置的参数较多，实验结果容易受拍摄场景中树木、花草等环境影响。本专利技术的主要特点在于:1、检测结果直观，本专利技术以二值图像的形式显示输出结果，能够明显的揭示出这种篡改痕迹，并且该结果也可反应出原本被删除的运动前景的运动轨迹；2、本专利技术拥有较强的鲁棒性，可有效抵抗拍摄场景中的随风摆动的树木、花草等因素的影响，抗干扰能力强，检测结果准确，拥有较强的实际应用价值；3、本专利技术需要配置参数较少，极大地方便了用户的使用。
技术实现思路
本专利技术利用被篡改视频出现的“鬼影”现象，提出了。该方法主要针对视频静止背景下的运动前景被删除的情况进行检测，并通过构造二值图像直观地反映被篡改视频留下的篡改痕迹。本专利技术主要包括五个步骤，具体流程如下:1、求差异帧及分块在输入待测视频序列后，记当前帧为Iramnt ;从视频序列中选取仅包含静止背景且未被篡改过的一帧作为参考帧，记作;对当前帧I—与参考帧进行灰度化后，求它们的差异帧ΔΙ:Δ I = Icurrent-1refer为提高算法的鲁棒性，允许当前帧的画面与参考帧的画面有轻微整体偏移，因此本专利技术对Λ I的每个像素点取2*2的邻域，得到每个像素点对应的图像块。接着，将每一个图像块中的各列从左到右首尾相连组成列向量形式，再将得到的所有列向量再组成一个新矩阵I’。2、自适应稀疏化对于矩阵I’，对其稀疏化的过程可以用下式表示:I，= DIsparse其中，D称为字典，Ispfffse称为I’的稀疏表不。本专利技术使用基于稀疏表不的过完备字典训练方法(称为K-SVD)对I’进行稀疏化处理。K-SVD算法的过程为两步迭代结构，即稀疏编码估计和字典元素更新。下面讨论如何通过K-SVD算法来实现对I’的稀疏化处理。(I)字典初始化:将字典D初始化为下式:【权利要求】1.一种，其特征在于采用以下步骤: (1)求差异帧及分块 在输入待测视频序列后，记当前帧为Icm ;从视频序列中选取仅包含静止背景且未被篡改过的一帧作为参考帧，记作;对当前帧Icmrait与参考帧IMfCT进行灰度化后，求它们的差异帧ΔΙ ； (2)自适应稀疏化 对于矩阵I’，对其稀疏化的过程可以用下式表示: I^=DIsparse 其中，D称为字典，Isparse称为I’的稀疏表示； 检查运行次数是否大于4次，如果是，则算法结束，令Ispa_=X ;否则，使用匹配追踪得到I’的稀疏表示X和字典D ; 逐列更新字典D和逐行更新稀疏表示X ； 如果字典D和稀疏表示X全部更新完毕则返回步骤2，否则进入步骤3，最终结果得到训练信号I’在超完备字典D下的稀疏表示Ispa_。 (3)稀疏测量 选定一个测量矩阵?，使得Ispmse满足下式: Tfeature= @ Tsparse 取Θ为2XN的高斯随机矩阵作为测量矩阵对Isp_进行测量，其中N为Isparse的行数； (4)特征聚类 由稀疏测量得到的I—可将其记为I— = 11, ^ 12,..., ^21,其中Ifeature中的每一列β ij均可以看作差异帧中各个像素(i，j)所对应2*2邻域的特征向量；取分类类别数量c=2，使用k-means聚类算法将Ifeature中的特征向量β u分为两类，将个数较少的一类记为α 1；另一类记为α 2 ;通过k-means聚类算法得到每个β u的所属类别后，构造二值矩阵Λ (current),使其与β u满足下式: 2.根据权利要求1所述的一种，其特征在于步骤(1)所述的差异帧Al，计算方式为 A I ^current ^refer03.根据权利要求1所述的一种，其特征在于步骤(2)所述的字典初始化，其过程为下式: 4.根据权利要求1所述的一种，其特征在于步骤(2)所述的更新字典D和逐行更新稀疏表示X，其过程是: Ca)记Ek为字典第k列的更新误差，先求解Ek: 【文档编号】G06T7/00GK103559718SQ201310581337【公开日】2014年2月5日 申请日期:2013年11月19日 优先权日:2013年11月19日 【专利技术者】黄添强, 苏立超 申请人:福建师范大学本文档来自技高网...
【技术保护点】
一种基于稀疏表示的过完备字典训练的视频篡改检测方法，其特征在于采用以下步骤：（1）求差异帧及分块在输入待测视频序列后，记当前帧为Icurrent；从视频序列中选取仅包含静止背景且未被篡改过的一帧作为参考帧，记作Irefer；对当前帧Icurrent与参考帧Irefer进行灰度化后，求它们的差异帧ΔI；（2）自适应稀疏化对于矩阵I’，对其稀疏化的过程可以用下式表示：I’＝DIsparse其中，D称为字典，Isparse称为I’的稀疏表示；检查运行次数是否大于4次，如果是，则算法结束，令Isparse=X；否则，使用匹配追踪得到I’的稀疏表示X和字典D；逐列更新字典D和逐行更新稀疏表示X；如果字典D和稀疏表示X全部更新完毕则返回步骤2，否则进入步骤3，最终结果得到训练信号I’在超完备字典D下的稀疏表示Isparse。（3）稀疏测量选定一个测量矩阵Θ，使得Isparse满足下式：Ifeature＝ΘIsparse取Θ为2×N的高斯随机矩阵作为测量矩阵对Isparse进行测量，其中N为Isparse的行数；（4）特征聚类由稀疏测量得到的Ifeature可将其记为Ifeature＝[β11,β12,...,β21,β22,...]，其中Ifeature中的每一列βij均可以看作差异帧中各个像素(i,j)所对应2*2邻域的特征向量；取分类类别数量c=2，使用k?means聚类算法将Ifeature中的特征向量βij分为两类，将个数较少的一类记为α1，另一类记为α2；通过k?means聚类算法得到每个βij的所属类别后，构造二值矩阵Λ(current)，使其与βij满足下式：Λ(current)(i,j)=1ifβij∈α10ifβij∈α2由于Λ(current)中的元素仅为“1”或者“0”，因此可将其视为一个二值图像，即 “0”表示为黑色，“1”表示为白色；对Λ(current)进行1次“腐蚀”运算，去除图像中的孤立点，保留其连通区域，此时Λ(current)内的数据为当前帧Icurrent的处理结果；在完成Icurrent的处理之后，根据帧间隔参数n=5，记当前帧序号为current，检查current+n是否大于视频结束帧序号last。如果是，则进入下一步结果处理；否则，取第current=current+n帧作为下一次检测的当前帧Icurrent，返回步骤1求差异帧及分块继续检测；（5）结果处理通过上一步的处理，记数据Λ(k)为视频序列中第k帧的处理结果，其中k=first,...,first+n,…；当完成整个视频序列的处理工作后（current+n>last），需要对每一帧的处理结果按照下式进行组合，以形成最终结果并输出；建立一个二值矩阵Iresult，使其与Λ中的各个数据满足下式（first表示待测视频起始帧序号）：Iresult＝Λ(first)|Λ(first+n)|...|Λ(first+mn)s.t.first+mn≤last?and?first+(m+1)n＞last上式中，符号“|”表示“或”运算，上式表示将Λ中存储的每个视频帧的处理结果依次进行“或”运算得到Iresult；接着对Iresult对应的二值图像进行三次“膨胀”运算，目的在于加强图像中连通区域的显示效果；最后将处理结果存储到Ifinal；如果Ifinal的图像中出现了明显的白色连通区域，则表示该视频序列经过运动前景删除篡改；如果Ifinal的图像没有出现任何白色连通区域则表示该视频未经过篡改。...
【技术特征摘要】
【专利技术属性】
技术研发人员：黄添强，苏立超，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：
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。