CN102595186A - 一种视频原始帧率的鉴定方法 - Google Patents
一种视频原始帧率的鉴定方法 Download PDFInfo
- Publication number
- CN102595186A CN102595186A CN2012100367079A CN201210036707A CN102595186A CN 102595186 A CN102595186 A CN 102595186A CN 2012100367079 A CN2012100367079 A CN 2012100367079A CN 201210036707 A CN201210036707 A CN 201210036707A CN 102595186 A CN102595186 A CN 102595186A
- Authority
- CN
- China
- Prior art keywords
- video
- identified
- frame per
- amplitude
- original frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种视频原始帧率的鉴定方法。其包括步骤:(1)计算待鉴定视频帧间的相关性获得相关性序列;(2)对相关性序列自适应产生阈值进行量化处理;(3)对量化后的相关性序列进行傅立叶变换获得傅立叶频谱;(4)寻找傅立叶频谱中幅度最大的尖峰并计算傅立叶频谱的平均幅度;(5)设置幅度阈值,判断傅立叶频谱中最大幅度是否小于幅度阈值,若是则待鉴定视频帧率为原始帧率,否则待鉴定视频为经过帧率转换的视频,执行步骤(6)计算原始帧率;(6)对傅立叶频谱的横坐标进行归一化操作,提取最大幅度的尖峰对应的频率值,根据最大幅度尖峰的频率值计算待鉴定视频的原始帧率。本发明能够有效检测经过帧率上转换的视频原始帧率。
Description
技术领域
本发明属于多媒体信息安全领域,具体涉及一种视频原始帧率的鉴定方法。
背景技术
随着科学技术的飞速发展,多媒体视频的获取变得越来越容易。拍照手机的普及更是促进了视频自拍和分享的流行。但是由于很多视频获取设备,例如手机,拍摄质量不佳,帧率达不到高清的标准。为了在视频分享网站上获得更高的点击率,用户将视频上传至视频分享网站前可能会通过转换软件将视频帧率进行上转换的操作,从而伪造出高帧率的视频。同时在视频拼接中,通常将两段不同帧率的视频进行拼接,将某一段视频经历视频帧率的提高转换才能使整个视频帧率一致。
而目前在视频认证方法、技术方面,对于视频原始帧率的鉴别还没有可靠的技术手段。
发明内容
本发明解决的技术问题是克服现有技术的不足,提供一种有效检测经过帧率上转换的视频原始帧率的视频原始帧率的鉴定方法。
为解决上述技术问题,本发明的技术方案如下:
一种视频原始帧率的鉴定方法,包括如下步骤:
(1)计算待鉴定视频帧间的相关性,获得相关性序列;
(2)对相关性序列自适应产生阈值,进行量化处理;
(3)对量化后的相关性序列进行傅立叶变换获得傅立叶频谱;
(4)寻找傅立叶频谱中幅度最大的尖峰,并计算傅立叶频谱的平均幅度;
(5)根据傅立叶频谱平均幅度设置幅度阈值,判断傅立叶频谱中的最大幅度是否小于幅度阈值,若小于则所述待鉴定视频为原始视频,其视频帧率则为原始帧率,若大于则所述待鉴定视频为经过帧率转换的视频,执行步骤(6)计算所述待鉴定视频的原始帧率;
(6)对傅立叶频谱的横坐标进行归一化操作,提取最大幅度的尖峰对应的频率值,根据最大幅度尖峰的频率值计算待鉴定视频的原始帧率。
上述方案中,所述步骤(1)中利用SSIM计算待鉴定视频相邻帧间的相关性,其具体是:
其中SSIM(x,y)为待鉴定视频帧间的相关性序列,μx和μy是待鉴定视频相邻帧间的两幅图像x,y的均值,σx,σy为两幅图像对应的方差,σxy是两幅图像x,y的协方差,c1,c2是两个常数。
上述方案中,所述步骤(2)的具体步骤为:
(21)将相关性序列中最小值和最大值之间的区间等分为若干个区间,统计每个区间的相关性序列值的分布;
(22)保留统计分布中值最高的前若干个区间,将划分出保留区间的分布数值作为阈值;
(23)判断所述阈值是否位于区间[0.95,0.995]内,若是将阈值保持不变,若不是判断阈值是否大于0.995或者小于0.95,若是大于0.995则将阈值取为0.995,若是小于0.95则将阈值取为0.95;
(24)阈值确定后,将相关性序列中小于阈值的数量值量化为0,得到量化后的相关性序列。
上述方案中,所述步骤(6)中根据最大幅度尖峰的频率值计算待鉴定视频的原始帧率具体为:
FR1=(1-f)×FR2;
其中f为最大幅度尖峰的频率值,FR2为视频转换后的现有帧率,FR1是视频的原始帧率。
与现有技术相比,本发明技术方案的有益效果是:
本发明通过分析视频帧间相似性的周期性来判断视频是否经过帧率提高,从而鉴定出当前视频帧率是否为原始帧率,并且通过傅里叶频谱的特性,鉴定出视频原始帧率。本发明能够有效检测经过帧率上转换的视频原始帧率,为视频原始帧率的鉴定提供了有效、简单的方法。
附图说明
图1为视频帧率篡改的流程图;
图2为本发明的流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案做进一步的说明。
如图1所示为本发明的一种视频原始帧率的鉴定方法的流程图,其具体包括如下步骤:
(S1)计算待鉴定视频帧间的相关性,获得相关性序列;利用SSIM计算待鉴定视频相邻帧间的相关性,SSIM(structural similarity index)是一种度量图像之间结构性相似度的方法,其具体是:
其中SSIM(x,y)为待鉴定视频帧间的相关性序列,μx和μy是待鉴定视频相邻帧间的两幅图像x,y的均值,σx,σy为两幅图像对应的方差,σxy是两幅图像x,y的协方差,c1,c2是两个常数,设置c1,c2是用于防止分母为0的情况出现。帧率经过上转换的视频,其相邻的视频帧间的相关性是呈现周期性特征的。
(S2)对相关性序列自适应产生阈值,进行量化处理;其具体是:
(S21)将相关性序列中最小值和最大值之间的区间等分为若干个区间,统计每个区间的相关性序列值的分布;
(S22)保留统计分布中值最高的前若干个区间,将划分出保留区间的分布数值作为阈值;
(S23)判断所述阈值是否位于区间[0.95,0.995]内,若是将阈值保持不变,若不是判断阈值是否大于0.995或者小于0.95,若是大于0.995则将阈值取为0.995,若是小于0.95则将阈值取为0.95;
(S24)阈值确定后,将相关性序列中小于阈值的数量值量化为0,得到量化后的相关性序列。
(S3)对量化后的相关性序列进行傅立叶变换获得傅立叶频谱,以检测周期性特征,具体是:其中s(n)为量化后的相关性序列,N为s(n)序列的长度,X(k)为傅立叶频谱。
(S4)寻找傅立叶频谱中幅度最大的尖峰,并计算傅立叶频谱的平均幅度;
(S5)根据傅立叶频谱平均幅度设置幅度阈值,判断傅立叶频谱中的最大幅度是否小于幅度阈值,若小于则待鉴定视频为原始视频,其视频帧率则为原始帧率,若大于则待鉴定视频为经过帧率转换的视频,执行步骤(S6)计算待鉴定视频的原始帧率。
(S6)对傅立叶频谱的横坐标进行归一化操作,提取最大幅度的尖峰对应的频率值,根据最大幅度尖峰的频率值计算待鉴定视频的原始帧率,具体为:
FR1=(1-f)×FR2;
其中f为最大幅度尖峰的频率值,FR2为视频转换后的现有帧率,FR1是视频的原始帧率。由于f和视频的帧率之间存在如下关系:其中FR1是视频的原始帧率,FR2为视频转换后的现有帧率,利用此关系,可以计算出视频的原始帧率FR1。此时由于频谱的对称性,频谱中最大幅度尖峰通常会有两个位置,根据两个位置的尖峰所对应的频率值计算处理获得的FR1有两个值,根据现有技术中常用视频帧率和先验知识选择在常用视频帧率范围内的帧率即为待鉴定视频的原始帧率。
对不同的100个视频组利用本发明进行具体实验的实验结果如下所示:
上述第一个表中待鉴定视频为未经过压缩处理的视频,其中每组实验均包括100个视频,平均检测率计算为(TNR+TPR)/2。
上述第二个表中待鉴定视频为H.264压缩视频,其中每组实验均包括100个视频,平均检测率计算为(TNR+TPR)/2。从以上的实验数据可以明显看出,利用本发明对经过上转换视频的原始帧率的检测,不管是经过压缩处理还是未经过压缩处理的视频都能够进行原始帧率检测,而且平均检测率最大能够达到100%,一般平均检测率达到97.5%以上,说明本发明对视频原始帧率鉴定具有很高的准确性。
Claims (5)
1.一种视频原始帧率的鉴定方法,其特征在于,包括如下步骤:
(1)计算待鉴定视频帧间的相关性,获得相关性序列;
(2)对相关性序列自适应产生阈值,进行量化处理;
(3)对量化后的相关性序列进行傅立叶变换获得傅立叶频谱;
(4)寻找傅立叶频谱中幅度最大的尖峰,并计算傅立叶频谱的平均幅度;
(5)根据傅立叶频谱平均幅度设置幅度阈值,判断傅立叶频谱中的最大幅度是否小于幅度阈值,若小于则所述待鉴定视频为原始视频,其视频帧率则为原始帧率,若大于则所述待鉴定视频为经过帧率转换的视频,执行步骤(6)计算所述待鉴定视频的原始帧率;
(6)对傅立叶频谱的横坐标进行归一化操作,提取最大幅度的尖峰对应的频率值,根据最大幅度尖峰的频率值计算待鉴定视频的原始帧率。
2.根据权利要求1所述的视频原始帧率的鉴定方法,其特征在于,所述步骤(1)中利用SSIM计算待鉴定视频相邻帧间的相关性,其具体是:
其中SSIM(x,y)为待鉴定视频帧间的相关性序列,μx和μy是待鉴定视频相邻帧间的两幅图像x,y的均值,σx,σy为两幅图像对应的方差,σxy是两幅图像x,y的协方差,c1,c2是两个常数。
3.根据权利要求1所述的视频原始帧率的鉴定方法,其特征在于,所述步骤(2)的具体步骤为:
(21)将相关性序列中最小值和最大值之间的区间等分为若干个区间,统计每个区间的相关性序列值的分布;
(22)保留统计分布中值最高的前若干个区间,将划分出保留区间的分布数值作为阈值;
(23)判断所述阈值是否位于区间[0.95,0.995]内,若是将阈值保持不变,若不是判断阈值是否大于0.995或者小于0.95,若是大于0.995则将阈值取为0.995,若是小于0.95则将阈值取为0.95;
(24)阈值确定后,将相关性序列中小于阈值的数量值量化为0,得到量化后的相关性序列。
4.根据权利要求1所述的视频原始帧率的鉴定方法,其特征在于,所述步骤(3)进行傅立叶变换的具体计算公式为:其中s(n)为量化后的相关性序列,N为s(n)序列的长度,X(k)为傅立叶频谱。
5.根据权利要求1至4任一项所述的视频原始帧率的鉴定方法,其特征在于,所述步骤(6)中根据最大幅度尖峰的频率值计算待鉴定视频的原始帧率具体为:
FR1=(1-f)×FR2;
其中f为最大幅度尖峰的频率值,FR2为视频转换后的现有帧率,FR1是视频的原始帧率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210036707.9A CN102595186B (zh) | 2012-02-17 | 2012-02-17 | 一种视频原始帧率的鉴定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210036707.9A CN102595186B (zh) | 2012-02-17 | 2012-02-17 | 一种视频原始帧率的鉴定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102595186A true CN102595186A (zh) | 2012-07-18 |
CN102595186B CN102595186B (zh) | 2014-01-01 |
Family
ID=46483327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210036707.9A Expired - Fee Related CN102595186B (zh) | 2012-02-17 | 2012-02-17 | 一种视频原始帧率的鉴定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102595186B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103533377A (zh) * | 2013-09-23 | 2014-01-22 | 中山大学 | 一种基于h.264/avc视频的删帧篡改检测方法 |
CN105376584A (zh) * | 2015-11-20 | 2016-03-02 | 信阳师范学院 | 基于噪声水平估计的视频运动补偿帧率上转取证方法 |
CN106686371A (zh) * | 2015-11-11 | 2017-05-17 | 广州市动景计算机科技有限公司 | 一种帧率测试方法、装置、设备及系统 |
CN106878704A (zh) * | 2017-02-14 | 2017-06-20 | 福建师范大学 | 基于光流周期特性的视频帧率上转篡改检测方法 |
CN113191266A (zh) * | 2021-04-30 | 2021-07-30 | 江苏航运职业技术学院 | 船舶动力装置远程监控管理方法及系统 |
CN115209221A (zh) * | 2022-06-14 | 2022-10-18 | 北京博雅睿视科技有限公司 | 视频帧率的检测方法、装置、电子设备及介质 |
-
2012
- 2012-02-17 CN CN201210036707.9A patent/CN102595186B/zh not_active Expired - Fee Related
Non-Patent Citations (2)
Title |
---|
CHIH-CHUNG HSU,ET,AL.: "Video forgery detection using correlation of noise residue", 《MULTIMEDIA SIGNAL PROCESSING, 2008 IEEE 10TH WORKSHOP ON》 * |
FARID, H.: "Image forgery detection", 《SIGNAL PROCESSING MAGAZINE, IEEE》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103533377A (zh) * | 2013-09-23 | 2014-01-22 | 中山大学 | 一种基于h.264/avc视频的删帧篡改检测方法 |
CN103533377B (zh) * | 2013-09-23 | 2017-05-24 | 中山大学 | 一种基于h.264/avc视频的删帧篡改检测方法 |
CN106686371A (zh) * | 2015-11-11 | 2017-05-17 | 广州市动景计算机科技有限公司 | 一种帧率测试方法、装置、设备及系统 |
CN106686371B (zh) * | 2015-11-11 | 2019-04-02 | 广州市动景计算机科技有限公司 | 一种帧率测试方法、装置、设备及系统 |
CN105376584A (zh) * | 2015-11-20 | 2016-03-02 | 信阳师范学院 | 基于噪声水平估计的视频运动补偿帧率上转取证方法 |
CN105376584B (zh) * | 2015-11-20 | 2018-02-16 | 信阳师范学院 | 基于噪声水平估计的视频运动补偿帧率上转取证方法 |
CN106878704A (zh) * | 2017-02-14 | 2017-06-20 | 福建师范大学 | 基于光流周期特性的视频帧率上转篡改检测方法 |
CN113191266A (zh) * | 2021-04-30 | 2021-07-30 | 江苏航运职业技术学院 | 船舶动力装置远程监控管理方法及系统 |
CN115209221A (zh) * | 2022-06-14 | 2022-10-18 | 北京博雅睿视科技有限公司 | 视频帧率的检测方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102595186B (zh) | 2014-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102595186B (zh) | 一种视频原始帧率的鉴定方法 | |
Ye et al. | Unsupervised feature learning framework for no-reference image quality assessment | |
CN110631812B (zh) | 轨道振动检测方法及装置、振动检测设备 | |
US10402633B2 (en) | Human detection in high density crowds | |
CN103778636A (zh) | 一种用于无参考图像质量评价的特征构建方法 | |
CN106303524B (zh) | 基于预测残差异常模式的视频双重压缩检测方法 | |
US20100166310A1 (en) | Method of establishing skin color model | |
CN102567738B (zh) | 基于高斯分布的色情视频快速检测方法 | |
CN104869421A (zh) | 基于全局运动估计的视频显著性检测方法 | |
Gu et al. | Structural similarity weighting for image quality assessment | |
US9218540B2 (en) | Apparatus and computer readable medium for signal classification using spectrogram and templates | |
CN103985140B (zh) | 一种基于频域处理的抗噪运动目标检测方法 | |
CN110121109A (zh) | 面向监控系统数字视频实时溯源方法、城市视频监控系统 | |
KR101373415B1 (ko) | 이파리 영상 자동인식을 이용한 식물 분류 방법 및 시스템 | |
CN102547477B (zh) | 一种基于轮廓波变换模型的视频指纹方法 | |
CN106778735B (zh) | 一种车牌识别方法及装置 | |
CN104837028A (zh) | 视频同比特率双重压缩检测方法 | |
Hamadouche et al. | A comparative study of perceptual hashing algorithms: Application on fingerprint images | |
CN103268476B (zh) | 一种遥感图像目标监测方法 | |
CN101620734B (zh) | 运动检测方法及装置、背景模型建立方法及装置 | |
CN105959685A (zh) | 一种基于视频内容及聚类分析的压缩码率预测方法 | |
Esmaeilpour et al. | A new SVD-based image quality assessment | |
CN104794698A (zh) | 基于车牌跟踪与帧累积优化的低照度车牌图像恢复算法 | |
Zhang et al. | No-reference Quality Metric of Blocking Artifacts Based on Orthogonal Moments. | |
CN105376584B (zh) | 基于噪声水平估计的视频运动补偿帧率上转取证方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140101 Termination date: 20180217 |