CN103747255A - 一种基于空域感知哈希的视频篡改检测方法和装置 - Google Patents
一种基于空域感知哈希的视频篡改检测方法和装置 Download PDFInfo
- Publication number
- CN103747255A CN103747255A CN201410039331.6A CN201410039331A CN103747255A CN 103747255 A CN103747255 A CN 103747255A CN 201410039331 A CN201410039331 A CN 201410039331A CN 103747255 A CN103747255 A CN 103747255A
- Authority
- CN
- China
- Prior art keywords
- video
- checked
- tampered
- frame
- structural information
- 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.)
- Pending
Links
Images
Landscapes
- Editing Of Facsimile Originals (AREA)
Abstract
本发明公开了一种基于空域感知哈希的视频篡改检测方法和装置,所述方法通过提取待检视频的每一帧的结构信息,形成一结构信息特征矩阵;对每一帧对应的结构信息特征矩阵进行量化,得到结构哈希向量;提取相同视频长度的原始视频的帧图像结构特征矩阵;根据待检视频和原始视频的结构特征矩阵计算待检视频和原始视频中对应帧的结构特征距离;将每一帧的结构特征距离与一设定的阈值进行比较,当结构特征距离小于阈值时,待检视频中对应帧没有被篡改;反之,则被篡改;实现了视频篡改检测,大大提高了视频篡改检测速度和准确率。
Description
技术领域
本发明涉及视频篡改检测领域,尤其涉及的是一种基于空域感知哈希的视频篡改检测方法和装置。
背景技术
随着数字多媒体技术的飞速发展,视频媒体应用逐渐占据了网络多媒体应用中的主要份额。面对极度膨胀的信息量和越来越多的使用方式,视频信息安全问题和大规模视频文件库的管理问题日益突出,成为制约多媒体技术以及相关学科发展的一大瓶颈,如何对视频信息进行版权保护,如何对篡改的视频进行准确、快速的篡改检测与定位,如何从海量的视频数据中检测到可疑的视频内容,这些均是迫切需要解决的问题。同时,当今对于视频处理缺少人眼感知因素的加入,制约各种有效方法的形成,这些也成为亟待解决的关键问题。
为解决上述问题,国内外研究人员展开了深入的探讨,提出了视频数字签名和视频指纹等内容标识技术。国内外研究人员展开了深入的探讨,提出了视频数字签名和视频指纹等内容标识技术。然而,多年来的研究虽然已取得一定的进展,但是仍然无法有效满足视频应用的需要,原因主要在于两点:第一,由于视频结构信息,无法准确捕捉丰富的视频特征;第二,视频数据量巨大,无法准确区分在传输或存储过程中出现的视频内容保持操作与内容非法篡改操作。
国内视频内容检测与篡改定位研究相对分离,主要表现为拷贝检测与篡改检测。在前者中,研究者们重点关注视频特征提取方法,而且以帧为单位的提取与匹配方法占据了主导地位,通过视频特征的相似度计算达到对具有相似或者相同内容的视频检测。检测算法复杂度较高且对于视频特征的结构组织形式讨论较少。篡改检测中,以模式噪声为主的检测方法成为研究热点,该方法虽然对于是否进行篡改的检测较为准确,但是由于需要原始摄像机才能进行计算,具有天然的不足,并且对定位技术研究不深。通过嵌入水印的方式对篡改进行定位成为讨论热点,然而由于其需要严格控制水印的嵌入方式与嵌入规模,定位精度亦较低。其他方法多数实现篡改模糊定位或者侧重于篡改检测,定位技术涉及甚少。
而国外文献中的算法对于特征提取方法以基本的信号变换方法居多:如傅里叶变换、DCT变换、奇异值分解、小波变换等。DCT变换和傅里叶分析揭示了时域与频域之间的内在联系,反映了整个时间范围内的“全部”频谱成分,虽然具有很强的频域局域化能力,但并不具有时间局域化能力;然而,信号变换技术无法有效体现人类感知特性,且时间复杂度、空间复杂度较高,针对海量的视频数据信息,难以起到有价值的实际应用。对于视频的篡改检测与定位,多数算法是通过视频帧的逐一匹配策略,利用海明距离,JND等手段计算特征之间的相似度,算法的时间复杂度、空间复杂度更高,计算起来既耗时、又耗力,难以实现大数据量视频处理的有效应用。
因此,现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于空域感知哈希的视频篡改检测方法和装置,旨在解决现有技术中视频篡改检测复杂的问题。
本发明解决技术问题所采用的技术方案如下:
一种基于空域感知哈希的视频篡改检测方法,其中,包括以下步骤:
S100、提取待检视频的每一帧的结构信息,形成一结构信息特征矩阵;
S200、对每一帧对应的结构信息特征矩阵进行量化,得到对应的结构哈希向量;
S300、提取相同视频长度的原始视频的帧图像结构特征矩阵,并量化得到对应的结构哈希向量;根据待检视频和原始视频的结构哈希向量计算待检视频和原始视频中对应帧的结构特征距离;
S400、将每一帧的结构特征距离与一设定的阈值进行比较,当所述结构特征距离小于所述阈值时,则待检视频中对应帧没有被篡改;反之,则被篡改。
所述的基于空域感知哈希的视频篡改检测方法,其中,所述步骤S100具体包括:
S110、在待检视频的每一帧图像上随机产生多个矩形块,其中,各个矩形块互相交叠,各个矩形块的大小随机产生;
S120、对矩形块进行编号,设定步长;计算编号差为设定的步长的两个矩形块的亮度均值差;
S130、将亮度差形成对应的结构信息特征矩阵。
所述的基于空域感知哈希的视频篡改检测方法,其中,所述步骤S200具体包括:
S210、将结构信息特征矩阵中亮度差小于零的值量化为0;将亮度差大于等于零的值量化为1;得到对应的结构哈希向量。
所述的基于空域感知哈希的视频篡改检测方法,其中,所述步骤S300具体包括:
所述的基于空域感知哈希的视频篡改检测方法,其中,所述步骤S400具体包括:
所述的基于空域感知哈希的视频篡改检测方法,其中,在所述步骤S400之后,还包括:
S500、将原始视频和被篡改视频感知哈希值进行相同的分段,其中分段大小随机确定,以原始视频为X轴,以被篡改视频为Y轴,建立相似度矩阵;
S600、计算相似度矩阵对角线的海民距离,当相似度矩阵在对角线处没有达到最大值时,对被篡改视频中此处视频进行定位。
所述的基于空域感知哈希的视频篡改检测方法,其中,所述步骤S100具体包括:
S111、在待检视频的每一帧图像上根据密钥,在伪随机函数的控制下产生多个矩形块,其中,各个矩形块互相交叠;
S120、对矩形块进行编号,设定步长;计算编号差为设定的步长的两个矩形块的亮度均值差;
S130、将亮度差形成对应的结构信息特征矩阵。
一种基于空域感知哈希的视频篡改检测装置,其中,包括:
结构信息特征矩阵提取模块,用于提取待检视频的每一帧的结构信息,形成一结构信息特征矩阵;及用于提取相同视频长度的原始视频的帧图像结构特征矩阵;
量化模块,用于对每一帧对应的结构信息特征矩阵进行量化,得到对应的结构哈希向量;
结构特征距离计算模块,用于根据待检视频和原始视频的结构哈希向量计算待检视频和原始视频中对应帧的结构特征距离;
比较模块,用于将每一帧的结构特征距离与一设定的阈值进行比较,当所述结构特征距离小于所述阈值时,则待检视频中对应帧没有被篡改;反之,则被篡改。
所述的基于空域感知哈希的视频篡改检测装置,其中,所述结构信息特征矩阵提取模块包括:
矩形块产生单元,用于在待检视频的每一帧图像上随机产生多个矩形块,其中,各个矩形块互相交叠,各个矩形块的大小随机产生;
编号及步长设定单元,用于对矩形块进行编号,及设定步长;
亮度均值差计算单元,用于计算编号差为设定的步长的两个矩形块的亮度均值差。
所述的基于空域感知哈希的视频篡改检测装置,其中,还包括:
相似度矩阵建立模块,用于将原始视频和被篡改视频感知哈希值进行相同的分段,其中分段大小随机确定,以原始视频为X轴,以被篡改视频为Y轴,建立相似度矩阵;
海明距离计算模块,用于计算每个分段二者的海明距离;
定位模块,用于当相似度矩阵在对角线处没有达到最大值时,对被篡改视频中此处视频进行定位。
本发明所提供的基于空域感知哈希的视频篡改检测方法和装置,通过提取待检视频的每一帧的结构信息,形成一结构信息特征矩阵;对每一帧对应的结构信息特征矩阵进行量化,得到对应的结构哈希向量;提取相同视频长度的原始视频的帧图像结构特征矩阵,并量化得到对应的结构哈希向量;根据待检视频和原始视频的结构哈希向量计算待检视频和原始视频中对应帧的结构特征距离;将每一帧的结构特征距离与一设定的阈值进行比较,当所述结构特征距离小于所述阈值时,则待检视频中对应帧没有被篡改;反之,则被篡改;有效的解决了现有技术中视频篡改检测复杂的问题,实现了对待检视频是否被篡改的检测,其检测速度快,准确率高,通过研究人类视觉注意机制,模拟人类感知视频自顶向下、随机采样过程,提出融合人类视觉感知的视频空域与特征信息的特征提取及量化方案,体现更强的视觉感知因素影响,大大提高了视频篡改检测速度和准确率。
附图说明
图1为本发明提供的基于空域感知哈希的视频篡改检测方法第一实施例的流程图。
图2为本发明提供的基于空域感知哈希的视频篡改检测方法第二实施例的流程图。
图3为本发明提供的基于空域感知哈希的视频篡改检测装置的结构框图。
具体实施方式
本发明提供一种基于空域感知哈希的视频篡改检测方法和装置,为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
请参阅图1,图1为本发明提供的基于空域感知哈希的视频篡改检测方法的流程图,如图1所示,所述方法包括:
S100、提取待检视频的每一帧的结构信息,形成一结构信息特征矩阵;
S200、对每一帧对应的结构信息特征矩阵进行量化,得到对应的结构哈希向量;
S300、提取相同视频长度的原始视频的帧图像结构特征矩阵,并量化得到对应的结构哈希向量;根据待检视频和原始视频的结构哈希向量计算待检视频和原始视频中对应帧的结构特征距离;
S400、将每一帧的结构特征距离与一设定的阈值进行比较,当所述结构特征距离小于所述阈值时,则待检视频中对应帧没有被篡改;反之,则被篡改。
以下结合具体的实施例对本发明提供的基于空域感知哈希的视频篡改检测方法进行详细说明。
在实际应用时,所述步骤S100具体包括:S110、在待检视频的每一帧图像上随机产生多个矩形块,其中,各个矩形块互相交叠,各个矩形块的大小随机产生;S120、对矩形块进行编号,设定步长;计算编号差为设定的步长的两个矩形块的亮度均值差;S130、将亮度差形成对应的结构信息特征矩阵。
具体来说,以帧图像的数量关系作为每一帧的结构特征,利用随机分块的方式模拟人类视觉选择的随机采样,首先将视频帧看做由其内部各个局部区域构成的集合,其中表示可能被关注的局部区域的个数。每个局部区域可以使用一个简单的矩形块来表示。矩形块之间的亮度差是它们之间的一个简单的数量关系,如,其中是帧分块的亮度均值。鉴于此,使用一个由随机种子seed控制的伪随机函数来模拟视觉选择的随机性,从而随机可重叠分块可以被描述为视频观察者在视频帧所有可能被关注的局部区域上的一个随机采样的过程:,其中,,表示特定观察者在特定时刻观察视频时基于视角seed所选择的感知区域,随机可重叠分块使得感知区域的选择符合人类随机选取的视觉特性。
然后,针对待检视频的视频序列每一帧进行结构特征描述,在随机种子的控制下产生N个随机的矩形块。各个分块以互相交叠的方式散布在整个帧图像上,大小同样随机产生。对分块进行编号,得到序列,确定步长为,通过步长确定亮度差计算的两个分块,然后统计帧的分块亮度均值差作为结构信息,形成该帧图像对应的结构信息特征矩阵。所述步长T根据需要进行设定。
优选地,针对上述结构特征提取方案,每一帧的结构信息可以定义为:
;其中,。这里用密钥key代替seed随机种子进行描述,随机可重叠分块不仅使得感知区域的选择符合人类随机选取的视觉特性,同时通过密钥控制的分块策略增强了算法的安全性。在伪随机函数的控制下产生N个随机分块,然后使用公式计算分块之间的亮度差。
优选地,所述步骤S200具体包括:S210、将结构信息特征矩阵中亮度差小于零的值量化为0;将亮度差大于等于零的值量化为1;得到结构哈希向量。具体来说,针对每一帧的结构信息特征矩阵,采用如下公式所示量化方式得到对应的结构哈希向量:;这样,利用结构信息量化方式得到结构哈希向量,起到了降低奇异值影响和压缩的目的。
然后,检测待检视频与原始视频的相似度,以特征距离作为匹配的度量标准,特征距离越大,相似度越低;特征距离越小,相似度越高。优选地,所述步骤S300具体包括:S310、对视频长度为M的待检视频以及视频长度同样为M的目标视频,分别计算提取帧图像结构特征矩阵对应的结构哈希向量,分别为:和;
为使视频感知哈希算法在主观上和客观上统一,定义了一个粗略的人的视觉感知评价准则,该评价准则可以直观地应用于算法实验结果的各种显示图形上,使得我们对实验结果有个直观的认识,下述感知距离即为所述结构特征距离,定义如下表1所示:
表1
在实际应用时,所述步骤S00具体包括:S410、将待检视频和原始视频中对应帧的结构特征距离与一设定的阈值比较,当和之间的结构特征距离小于设定的阈值时,对应帧没有被篡改;当和之间的结构特征距离不小于设定的阈值时,对应帧被篡改。所述设定的阈值可根据实际情况进行设定。由于放置一段时间之后的待检视频或拷贝的待检视频,其视频的图像可能会发生一点点变化,在阈值范围内,这都是可以接受的。
优选地,在检测待检视频被篡改之后,还可以进一步对篡改的地方进行定位。定位的方式主要通过相似度矩阵进行,首先对原始视频和待检视频哈希结果进行区段划分,这里可以是较大的步长,在此基础上绘制相似度矩阵拟合图,利用相似度作为拟合图的灰度值,则在灰度值显著的地方就为定位的区段范围;经过第一次比对,可以得到大区段的准确定位,再将该区段拿出来进行二次划分,这时的区段范围更小更加精确,同样采用相似度拟合图进行定位得到篡改位置,依次类推,定位可以设定不同粒度、不同精度、并可以精准定位。如图2所示,所述基于空域感知哈希的视频篡改检测方法还包括:
S500、将原始视频和被篡改视频感知哈希值进行相同的分段,其中分段大小随机确定,以原始视频为X轴,以被篡改视频为Y轴,建立相似度矩阵;
S600、计算相似度矩阵对角线的海民距离,当相似度矩阵在对角线处没有达到最大值时,对被篡改视频中此处视频进行定位。
具体来说,首先将原始视频与篡改视频感知哈希值进行相同的分段(分段大小随机确定,多数以粒度为参考目标)处理,在此基础上构建相似度矩阵。以原始视频为X轴,以篡改视频为Y轴,对于每个分段计算二者相似度(海明距离等)。这里,对角线反映二者对应的整体匹配程度,通过计算相似度矩阵对角线相似度达到整体检测的目的。在没有被篡改的情况下,理论上相似度矩阵会在对角线处达到最大值。当相似度矩阵在对角线处没有达到最大值时,在被篡改视频中此处视频符合定位要求,即此处视频为待检视频被篡改之处。优选地,举例说明如下:在检测相似度矩阵中某分段中的对角线处未达到最大值,则对该分段又进行分段,即循环处理,建立下一粒度的相似度矩阵,循环逼近符合定位要求之处,也就是待检视频的被篡改之处,实现精确定位。
本发明提供的基于空域感知哈希的视频篡改检测方法,通过研究人类视觉注意机制,模拟人类感知视频自顶向下、随机采样过程,提出融合人类视觉感知的视频结构信息的特征提取及量化方案,体现更强的视觉感知因素影响;针对感知哈希得到的最终结果,通过计算特征距离降低了特征相似度计算的复杂性,提高了篡改检测速度,准确区分视频篡改操作与内容保持操作,提高了视频内容篡改的检测速度,通过相似度及阈值分析,实现对视频内容保持操作与篡改操作的准确区分;进一步实现篡改精确定位;加大结构信息的影响,实现了视频快速、准确篡改检测与定位。
基于上述空域感知哈希的视频篡改检测方法,本发明还提供了一种基于空域感知哈希的视频篡改检测装置,如图3所示,包括:
结构信息特征矩阵提取模块110,用于提取待检视频的每一帧的结构信息,形成一结构信息特征矩阵;及用于提取相同视频长度的原始视频的帧图像结构特征矩阵;具体如步骤S100所述;
量化模块120,用于对每一帧对应的结构信息特征矩阵进行量化,得到对应的结构哈希向量;具体如步骤S200所述;
结构特征距离计算模块130,用于根据待检视频和原始视频的结构哈希向量计算待检视频和原始视频中对应帧的结构特征距离;具体如步骤S300所述;
比较模块140,用于将每一帧的结构特征距离与一设定的阈值进行比较,当所述结构特征距离小于所述阈值时,则待检视频中对应帧没有被篡改;反之,则被篡改;具体如步骤S400所述;
所述结构信息特征矩阵提取模块110、量化模块120、结构特征距离计算模块130和比较模块140依次连接。
具体来说,所述结构信息特征矩阵提取模块110提取同样长度的待检视频和原始视频的帧图像结构特征矩阵,也就是对应的两个视频的结构特征矩阵。然后将结构特征矩阵发送至量化模块120中,转换为对应的结构哈希向量。所述结构特征距离计算模块130根据待检视频和原始视频中的结构特征矩阵计算待检视频和原始视频中对应帧的结构特征距离,然后将其发送至比较模块140中,所述比较模块140将结构特征距离与阈值进行比较,小于阈值的,表明待检视频中没有被篡改,超过阈值的,则被篡改。
进一步地,所述结构信息特征矩阵提取模块110包括:
矩形块产生单元,用于在待检视频的每一帧图像上随机产生多个矩形块,其中,各个矩形块互相交叠,各个矩形块的大小随机产生;
编号及步长设定单元,用于对矩形块进行编号,及设定步长;
亮度均值差计算单元,用于计算编号差为设定的步长的两个矩形块的亮度均值差。
进一步地,所述基于空域感知哈希的视频篡改检测装置还包括:
相似度矩阵建立模块,用于将原始视频和被篡改视频感知哈希值进行相同的分段,其中分段大小随机确定,以原始视频为X轴,以被篡改视频为Y轴,建立相似度矩阵;具体如步骤S500所述;
海明距离计算模块,用于计算相似度矩阵对角线的海民距离;具体如步骤S600所述;
定位模块,用于当相似度矩阵在对角线处没有达到最大值时,对被篡改视频中此处视频进行定位;具体如步骤S600所述。
具体来说,所述相似度矩阵建立模块先将原始视频与篡改视频感知哈希值进行相同的分段(分段大小随机确定,多数以粒度为参考目标)处理,在此基础上构建相似度矩阵,以原始视频为X轴,以篡改视频为Y轴。然后海明距离计算模块对于每个分段计算二者相似度(海明距离等),计算相似度矩阵对角线的海民距离。对角线反映二者对应的整体匹配程度,通过计算相似度矩阵对角线相似度达到了整体检测的目的。在没有被篡改的情况下,理论上相似度矩阵会在对角线处达到最大值。当相似度矩阵在对角线处没有达到最大值时,在被篡改视频中此处视频符合定位要求,即此处视频为待检视频被篡改之处,定位模块对该处进行定位。优选地,在检测相似度矩阵中某分段中的对角线处未达到最大值,则对该分段又进行分段,建立下一粒度的相似度矩阵,循环逼近符合定位要求之处,也就是待检视频的被篡改之处,实现精确定位。
综上所述,本发明提供的基于空域感知哈希的视频篡改检测方法和装置,通过提取待检视频的每一帧的结构信息,形成一结构信息特征矩阵;对每一帧对应的结构信息特征矩阵进行量化,得到对应的结构哈希向量;提取相同视频长度的原始视频的帧图像结构特征矩阵,并量化得到对应的结构哈希向量;根据待检视频和原始视频的结构哈希向量计算待检视频和原始视频中对应帧的结构特征距离;将每一帧的结构特征距离与一设定的阈值进行比较,当所述结构特征距离小于所述阈值时,则待检视频中对应帧没有被篡改;反之,则被篡改;大大提高了视频篡改检测速度和准确率;通过相似度及阈值分析,实现对视频内容保持操作与篡改操作的准确区分。本发明采用随机可重叠分块的方法模拟人眼感知多媒体信息随机采样过程,更加准确描述了随机采样过程,进一步合理设置随机密钥,更加准确合理的描述人类感知多媒体信息的自顶向下模型,从而掌握视频帧图像结构信息。进一步地,本发明提供的定位方法,定位耗时短,定位精确。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1. 一种基于空域感知哈希的视频篡改检测方法,其特征在于,包括以下步骤:
S100、提取待检视频的每一帧的结构信息,形成一结构信息特征矩阵;
S200、对每一帧对应的结构信息特征矩阵进行量化,得到对应的结构哈希向量;
S300、提取相同视频长度的原始视频的帧图像结构特征矩阵,并量化得到对应的结构哈希向量;根据待检视频和原始视频的结构哈希向量计算待检视频和原始视频中对应帧的结构特征距离;
S400、将每一帧的结构特征距离与一设定的阈值进行比较,当所述结构特征距离小于所述阈值时,则待检视频中对应帧没有被篡改;反之,则被篡改。
2.根据权利要求1所述的基于空域感知哈希的视频篡改检测方法,其特征在于,所述步骤S100具体包括:
S110、在待检视频的每一帧图像上随机产生多个矩形块,其中,各个矩形块互相交叠,各个矩形块的大小随机产生;
S120、对矩形块进行编号,设定步长;计算编号差为设定的步长的两个矩形块的亮度均值差;
S130、将亮度差形成对应的结构信息特征矩阵。
3.根据权利要求2所述的基于空域感知哈希的视频篡改检测方法,其特征在于,所述步骤S200具体包括:
S210、将结构信息特征矩阵中亮度差小于零的值量化为0;将亮度差大于等于零的值量化为1;得到对应的结构哈希向量。
6.根据权利要求1所述的基于空域感知哈希的视频篡改检测方法,其特征在于,在所述步骤S400之后,还包括:
S500、将原始视频和被篡改视频感知哈希值进行相同的分段,其中分段大小随机确定,以原始视频为X轴,以被篡改视频为Y轴,建立相似度矩阵;
S600、计算相似度矩阵对角线的海民距离,当相似度矩阵在对角线处没有达到最大值时,对被篡改视频中此处视频进行定位。
7.根据权利要求1所述的基于空域感知哈希的视频篡改检测方法,其特征在于,所述步骤S100具体包括:
S111、在待检视频的每一帧图像上根据密钥,在伪随机函数的控制下产生多个矩形块,其中,各个矩形块互相交叠;
S120、对矩形块进行编号,设定步长;计算编号差为设定的步长的两个矩形块的亮度均值差;
S130、将亮度差形成对应的结构信息特征矩阵。
8.一种基于空域感知哈希的视频篡改检测装置,其特征在于,包括:
结构信息特征矩阵提取模块,用于提取待检视频的每一帧的结构信息,形成一结构信息特征矩阵;及用于提取相同视频长度的原始视频的帧图像结构特征矩阵;
量化模块,用于对每一帧对应的结构信息特征矩阵进行量化,得到对应的结构哈希向量;
结构特征距离计算模块,用于根据待检视频和原始视频的结构哈希向量计算待检视频和原始视频中对应帧的结构特征距离;
比较模块,用于将每一帧的结构特征距离与一设定的阈值进行比较,当所述结构特征距离小于所述阈值时,则待检视频中对应帧没有被篡改;反之,则被篡改。
9.根据权利要求8所述的基于空域感知哈希的视频篡改检测装置,其特征在于,所述结构信息特征矩阵提取模块包括:
矩形块产生单元,用于在待检视频的每一帧图像上随机产生多个矩形块,其中,各个矩形块互相交叠,各个矩形块的大小随机产生;
编号及步长设定单元,用于对矩形块进行编号,及设定步长;
亮度均值差计算单元,用于计算编号差为设定的步长的两个矩形块的亮度均值差。
10.根据权利要求8所述的基于空域感知哈希的视频篡改检测装置,其特征在于,还包括:
相似度矩阵建立模块,用于将原始视频和被篡改视频感知哈希值进行相同的分段,其中分段大小随机确定,以原始视频为X轴,以被篡改视频为Y轴,建立相似度矩阵;
海明距离计算模块,用于计算每个分段二者的海明距离;
定位模块,用于当相似度矩阵在对角线处没有达到最大值时,对被篡改视频中此处视频进行定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410039331.6A CN103747255A (zh) | 2014-01-27 | 2014-01-27 | 一种基于空域感知哈希的视频篡改检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410039331.6A CN103747255A (zh) | 2014-01-27 | 2014-01-27 | 一种基于空域感知哈希的视频篡改检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103747255A true CN103747255A (zh) | 2014-04-23 |
Family
ID=50504239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410039331.6A Pending CN103747255A (zh) | 2014-01-27 | 2014-01-27 | 一种基于空域感知哈希的视频篡改检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103747255A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104244016A (zh) * | 2014-08-12 | 2014-12-24 | 中山大学 | 一种h264视频内容篡改检测方法 |
CN106375773A (zh) * | 2016-09-08 | 2017-02-01 | 福建师范大学 | 基于动态阈值的帧复制粘贴篡改检测方法 |
CN108259932A (zh) * | 2018-03-15 | 2018-07-06 | 华南理工大学 | 基于时空域极坐标余弦变换的鲁棒哈希重复视频检测方法 |
CN111104872A (zh) * | 2019-11-29 | 2020-05-05 | 兰州交通大学 | 一种运用sift和svd感知哈希的gf-2影像完整性认证方法 |
CN112037754A (zh) * | 2020-09-09 | 2020-12-04 | 广州华多网络科技有限公司 | 一种语音合成训练数据的生成方法及相关设备 |
CN113851091A (zh) * | 2021-09-28 | 2021-12-28 | 北京大上科技有限公司 | 电子墨水显示屏的刷新方法和显示系统 |
CN114241223A (zh) * | 2021-12-17 | 2022-03-25 | 北京达佳互联信息技术有限公司 | 视频相似度确定方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110123063A1 (en) * | 2002-01-22 | 2011-05-26 | Delp Edward J | Synchronization of Digital Watermarks |
CN102244658A (zh) * | 2011-06-28 | 2011-11-16 | 南京工业大学 | 基于散列链的无线传感器网络分区式动态安全路由方法 |
CN102393900A (zh) * | 2011-07-02 | 2012-03-28 | 山东大学 | 基于鲁棒哈希的视频拷贝检测方法 |
US20120087583A1 (en) * | 2010-10-06 | 2012-04-12 | Futurewei Technologies, Inc. | Video Signature Based on Image Hashing and Shot Detection |
CN102497597A (zh) * | 2011-12-05 | 2012-06-13 | 中国华录集团有限公司 | 高清视频文件的完整性校验方法 |
CN102547477A (zh) * | 2012-01-12 | 2012-07-04 | 合肥工业大学 | 一种基于轮廓波变换模型的视频指纹方法 |
CN103313142A (zh) * | 2013-05-26 | 2013-09-18 | 中国传媒大学 | 面向三网融合的视频内容安全责任认定方法 |
US20130318053A1 (en) * | 2010-11-16 | 2013-11-28 | Actifio, Inc. | System and method for creating deduplicated copies of data by tracking temporal relationships among copies using higher-level hash structures |
EP2670151A1 (en) * | 2012-05-28 | 2013-12-04 | Tektronix Inc. | Heuristic method for drop frame detection in digital baseband video |
US20130339319A1 (en) * | 2012-06-18 | 2013-12-19 | Actifio, Inc. | System and method for caching hashes for co-located data in a deduplication data store |
-
2014
- 2014-01-27 CN CN201410039331.6A patent/CN103747255A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110123063A1 (en) * | 2002-01-22 | 2011-05-26 | Delp Edward J | Synchronization of Digital Watermarks |
US20120087583A1 (en) * | 2010-10-06 | 2012-04-12 | Futurewei Technologies, Inc. | Video Signature Based on Image Hashing and Shot Detection |
US20130318053A1 (en) * | 2010-11-16 | 2013-11-28 | Actifio, Inc. | System and method for creating deduplicated copies of data by tracking temporal relationships among copies using higher-level hash structures |
CN102244658A (zh) * | 2011-06-28 | 2011-11-16 | 南京工业大学 | 基于散列链的无线传感器网络分区式动态安全路由方法 |
CN102393900A (zh) * | 2011-07-02 | 2012-03-28 | 山东大学 | 基于鲁棒哈希的视频拷贝检测方法 |
CN102497597A (zh) * | 2011-12-05 | 2012-06-13 | 中国华录集团有限公司 | 高清视频文件的完整性校验方法 |
CN102547477A (zh) * | 2012-01-12 | 2012-07-04 | 合肥工业大学 | 一种基于轮廓波变换模型的视频指纹方法 |
EP2670151A1 (en) * | 2012-05-28 | 2013-12-04 | Tektronix Inc. | Heuristic method for drop frame detection in digital baseband video |
US20130339319A1 (en) * | 2012-06-18 | 2013-12-19 | Actifio, Inc. | System and method for caching hashes for co-located data in a deduplication data store |
CN103313142A (zh) * | 2013-05-26 | 2013-09-18 | 中国传媒大学 | 面向三网融合的视频内容安全责任认定方法 |
Non-Patent Citations (3)
Title |
---|
朱映映等: "基于视频感知哈希的视频篡改检测与多粒度定位", 《中国图像图形学报》 * |
杜以华等: "融合结构信息与时域定序法的视频拷贝检测算法", 《第七届和谐人机环境联合学术会议(HHME2011)论文集》 * |
马媛媛等: "基于粒计算多层次结构相似度的图像检索", 《广西师范大学学报(自然科学版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104244016A (zh) * | 2014-08-12 | 2014-12-24 | 中山大学 | 一种h264视频内容篡改检测方法 |
CN104244016B (zh) * | 2014-08-12 | 2018-04-10 | 中山大学 | 一种h264视频内容篡改检测方法 |
CN106375773A (zh) * | 2016-09-08 | 2017-02-01 | 福建师范大学 | 基于动态阈值的帧复制粘贴篡改检测方法 |
CN106375773B (zh) * | 2016-09-08 | 2019-11-26 | 福建师范大学 | 基于动态阈值的帧复制粘贴篡改检测方法 |
CN108259932A (zh) * | 2018-03-15 | 2018-07-06 | 华南理工大学 | 基于时空域极坐标余弦变换的鲁棒哈希重复视频检测方法 |
CN111104872A (zh) * | 2019-11-29 | 2020-05-05 | 兰州交通大学 | 一种运用sift和svd感知哈希的gf-2影像完整性认证方法 |
CN112037754A (zh) * | 2020-09-09 | 2020-12-04 | 广州华多网络科技有限公司 | 一种语音合成训练数据的生成方法及相关设备 |
CN112037754B (zh) * | 2020-09-09 | 2024-02-09 | 广州方硅信息技术有限公司 | 一种语音合成训练数据的生成方法及相关设备 |
CN113851091A (zh) * | 2021-09-28 | 2021-12-28 | 北京大上科技有限公司 | 电子墨水显示屏的刷新方法和显示系统 |
CN114241223A (zh) * | 2021-12-17 | 2022-03-25 | 北京达佳互联信息技术有限公司 | 视频相似度确定方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103747255A (zh) | 一种基于空域感知哈希的视频篡改检测方法和装置 | |
CN103747271A (zh) | 一种基于混合感知哈希的视频篡改检测方法和装置 | |
CN103747254A (zh) | 一种基于时域感知哈希的视频篡改检测方法和装置 | |
CN102917227B (zh) | 基于压缩感知的自适应视频信息隐藏方法 | |
WO2016082277A1 (zh) | 一种视频认证方法及装置 | |
Fadl et al. | Authentication of surveillance videos: detecting frame duplication based on residual frame | |
CN104636764B (zh) | 一种图像隐写分析方法以及其装置 | |
CN107659754B (zh) | 一种树叶扰动情况下监控视频的有效浓缩方法 | |
CN102693522A (zh) | 一种彩色图像区域复制篡改检测方法 | |
CN110457996B (zh) | 基于vgg-11卷积神经网络的视频运动对象篡改取证方法 | |
CN105657435B (zh) | 基于量化dct系数的视频单帧复制粘贴篡改检测方法 | |
CN117010532B (zh) | 基于多模态深度学习的综合管廊火灾趋势预测方法 | |
CN106027850A (zh) | 云端中值滤波系统 | |
CN108650491A (zh) | 一种面向监控系统的视频水印检测方法 | |
Hou et al. | Detection of hue modification using photo response nonuniformity | |
Kang et al. | Color Image Steganalysis Based on Residuals of Channel Differences. | |
CN106295657A (zh) | 一种视频数据结构化过程中提取人体高度特征的方法 | |
CN103561274B (zh) | 静止摄像头拍摄的运动目标被移除视频时域篡改检测方法 | |
CN103067713A (zh) | 一种位图jpeg压缩检测的方法及系统 | |
CN106683074B (zh) | 一种基于雾霾特性的图像篡改检测方法 | |
KR101215666B1 (ko) | 오브젝트 색상 보정 방법, 시스템 및 컴퓨터 프로그램 제품 | |
CN105740814B (zh) | 一种使用视频分析确定固废危废存放状态的方法 | |
CN106375756B (zh) | 一种针对监控视频单一对象移除篡改的检测方法 | |
CN104484850A (zh) | 基于模糊分类的鲁棒图像水印检测方法 | |
CN106055632A (zh) | 基于场景帧指纹的视频认证方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140423 |
|
RJ01 | Rejection of invention patent application after publication |