CN105141969B - 一种视频帧间篡改被动认证方法 - Google Patents
一种视频帧间篡改被动认证方法 Download PDFInfo
- Publication number
- CN105141969B CN105141969B CN201510603179.4A CN201510603179A CN105141969B CN 105141969 B CN105141969 B CN 105141969B CN 201510603179 A CN201510603179 A CN 201510603179A CN 105141969 B CN105141969 B CN 105141969B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msubsup
- pixel
- msub
- 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.)
- Active
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视频帧间篡改被动认证方法,通过横向或纵向截取视频帧,每帧截得一条像素线,然后将每像素线与其后面连续的四条像素线集合成为一个像素带,从而形成一个像素带集合;接着利用直方图相交法计算每相隔四个像素带的两个像素带之间的相关性,从而得到一组相关系数,再利用箱线图检测法对相关系数值进行异常值检测,进而完成视频篡改的被动认证。
Description
技术领域
本发明属于视频检测技术领域,更为具体地讲,涉及一种视频帧间篡改被动认证方法。
背景技术
随着网络技术和和硬件技术以及商业模式的发展,视频已经广泛的应用于娱乐、安防、教育、交通等各大领域。与此同时,视频处理相关技术和软件也相继发展与应用也给视频的完整性带来巨大的挑战。有些恶意篡改是为了达到嫁祸他人或者传播谣言等目的,这些违法篡改的视频信息可能对社会造成一定程度的不良影响。因此如何能够有效地防止和检测数字多媒体信息资源的恶意篡改,已经在信息安全领域引起了高度的重视。目前主动认证已经得到了很大的发展,且广泛应用于版权认证、安防等方面。但是目前视频被动认证研究还是比较少,大多都停留在图片被动认证的研究基础上。
对于目前的研究现状,本文暂且将其大致分为:基于扫描方式被动检测、基于压缩方式被动检测、基于噪声被动检测以及基于内容被动检测四类。基于扫描方式:W.Wang和H.Farid一文中根据篡改对的逐行和隔行的扫描的视频分别引起相关参数的变化来实现检测。基于噪声模式被动检测主要有Hsu提出利用噪声残留统计特性来实现被动检测,分析划分的宏块之间的噪声残留的时间相关性来定位篡改位置;Michihiro提出在固定镜头的视频中基于噪声特性,定位可疑篡改区域;H.Farid中利用篡改后,视频需要再次压缩这一弊端,研究MPEG视频再次压缩引入的一些静态和时域的统计特性的扰动,并由此检测篡改;W.Q.Luo在文中研究了MPEG压缩的引起块效应,并由建立帧间块效应模型来检测篡改。基于内容篡改检测:J.Zhang提出了利用模糊强度值来检测标识移除的帧内篡改,在针对帧内物体的移动或者移除的篡改,可以借助于修复痕迹“鬼影”来进行检测。J.Chao利用帧间光流一致性来检测帧间篡改;目前没有比较完备的算法能够同时解决帧间篡改和帧内篡改,针对帧间篡改检测相对较少,且对于帧删除的检测效果不是很理想。
发明内容
本发明的目的在于克服现有技术的不足,提供一种视频帧间篡改被动认证方法,通过截取视频的横或纵截面,将每帧的截得的像素线形成像素带,再利用直方图相交法来计算像素带之间的相关性,从而辨别视频是否被改动。
为实现上述发明目的,本发明一种视频帧间篡改被动认证方法,其特征在于,包括以下步骤:
(1)、获取视频像素带
设待检测视频是长度为L帧、画面高度为H、宽度为W的图像序列S;
(1)、获取视频像素带
设待检测视频是长度为L帧、画面高度为H、宽度为W的图像序列S;
(1.1)、获取图像序列S中每一帧的像素线
在图像序列S中每一帧的同一水平位置或同一垂直位置上的进行像素提取,得到每一帧的像素线;
即:在第i帧水平方向上生成的横向像素线为:
其中,k表示横向像素线的纵坐标值,XOY表示坐标轴;
在第i帧垂直方向上生成的纵向像素线为:
其中,k'表示纵向像素线的横坐标值;
(1.2)、生成像素带
把提取的各帧的横向像素线按原有的时空顺序拼接起来,其中相邻的四条像素线形成一条横向像素带
再将所有的横向像素带组合成横向像素带集合Bh;
把提取的各帧的纵向像素线按原有的时空顺序拼接起来,其中相邻的四条像素线形成一条纵向像素带
再将所有的纵向像素带组合成纵向像素带集合Bv;
(2)、利用直方图相交法计算像素带集合中每相隔四条像素带的两像素带之间的相关系数
设定统计直方图的离散函数
其中,P代表统计直方图的特征值,M是特征值的取值个数,np是统计直方图中具有特征值为P的像素的个数,N是统计直方图中像素的总数;
利用直方图相交法计算横向、纵向像素带集合中每相隔四条像素带的两像素带之间的相关系数;
则横向像素带与的相关系数Rh(i)可表示为:
进而得到横向像素带相关系数集合:
Rh={Rh(1),Rh(2),…,Rh(L-7)}
纵向像素带与的相关系数Rv(i)可表示为:
进而得到横向像素带相关系数集合:
Rv={Rv(1),Rv(2),…,Rv(L-7)}
(3)、相关系数异常值检测
(3.1)、将相关系数集合进行升序排序得:R'h={R'h(1),R'h(2),…,R'h(L-7)};
(3.2)、计算第一四分位数Q1,第三四分位数Q2,
(3.3)、根据Q1、Q2分别找到对应的相关系数,标记为R'h(Q1)/R'v(Q1)、R'h(Q2)/R'v(Q2);
(3.4)、根据步骤(3.3)中的相关系数计算最小值Min和最大值Max;
其中,横向最小值Min和最大值Max为:
Min=R′h(Q1)-1.5*(R′h(Q2)-R′h(Q1))
Max=R′h(Q2)+1.5*(R′h(Q2)-R′h(Q1))
纵向最小值Min和最大值Max为:
Min=R′v(Q1)-1.5*(R′v(Q2)-R′v(Q1))
Max=R′v(Q2)+1.5*(R′v(Q2)-R′v(Q1))
(3.5)、利用箱线图算法对相关系数进行异常值检测
利用横向最小值Min和最大值Max检测横向的相关系数Rh(i),如果Rh(i)小于Min或者大于Max,则该相关系数Rh(i)为异常值;
利用纵向最小值Min和最大值Max检测纵向的相关系数Rv(i),如果Rv(i)小于Min或者大于Max,则该相关系数Rv(i)为异常值。
本发明的发明目的是这样实现的:
本发明一种视频帧间篡改被动认证方法,通过横向或纵向截取视频帧,每帧截得一条像素线,然后将每像素线与其后面连续的四条像素线集合成为一个像素带,从而形成一个像素带集合;接着利用直方图相交法计算每相隔四个像素带的两个像素带之间的相关性,从而得到一组相关系数,再利用箱线图检测法对相关系数值进行异常值检测,进而完成视频篡改的被动认证。
同时,本发明一种视频帧间篡改被动认证方法还具有以下有益效果:
(1)、通过横切或者竖切视频序列获得像素线,即提取到了每帧图像的信息,同时又大大减少了视频像帧庞大的数据量;
(2)、通过将连续的像素线合成一个像素带,克服了单一两条像素线之间相关性系数的不稳定,像素带集中了四个相邻的像素线,增大了信息量,在计算两个完全不相关的像素带的之间的相关系数时,能做到增大它们之间的差异,从而有利于检测相关系数集合中的异常值;
(3)、直方图相交法是一种比较简单的图形匹配的算法,对于海量的数据的计算能大大增快其计算速度,对于现实可行性可非常有利;
附图说明
图1是本发明一种视频帧间篡改被动认证方法流程图;
图2是视频序列中获得像素线的示意图;
图3是像素带与像素线之间的关系图;
图4是当视频发生帧插入篡改时,其像素带之间的相关系数分布图;
图5是当视频发生帧插入篡改时,其像素带之间的相关系数异常值检测结果图;
图6是当视频发生帧复制篡改时,其像素带之间的相关系数分布图;
图7是当视频发生帧复制篡改时,其像素带之间的相关系数异常值检测结果图;
图8是当视频发生帧删除篡改时,其像素带之间的相关系数分布图;
图9是当视频发生帧删除篡改时,其像素带之间的相关系数异常值检测结果图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图1是本发明一种视频帧间篡改被动认证方法流程图。
在本实施例中,如图1所示,本发明一种视频帧间篡改被动认证方法,主要包括以下三个步骤:
S1、获取待检测视频的像素带集合;
S2、利用直方图相交法计算像素带集合中每相隔四条像素带的两个像素带间的相关系数;
S3、对相关系数进行异常值检测。
下面针对上述步骤进行详细说明,具体如下:
S1、获取待检测视频的像素带集合
设待检测视频是长度为L帧、画面高度为H、宽度为W的图像序列S;
S1.1、获取图像序列S中每一帧的像素线
在图像序列S中每一帧的同一水平位置或同一垂直位置上的进行像素提取,得到每一帧的像素线;
在本实施例中,如图2所示,在图像序列S的第i帧中,建立直角坐标系I[i]XOY,以第i帧的左上角作为原点,X轴正方向为W方向,Y轴正方向为H方向。然后从第i帧的位置点k处出发,沿水平方向提取W个像素点,然后将取得的像素点按时空顺序拼接起来形成水平像素线。可以下式表示为:
其中,k表示横向像素线的纵坐标值;
同理,也可以沿垂直方向提取H像素点,进而得到第i帧在垂直方向上生成的纵向像素线为:
其中,k'表示纵向像素线的横坐标值;
S1.2、生成像素带集合
把提取的各帧的横向像素线按原有的时空顺序拼接起来,其中相邻的四条像素线形成一条横向像素带
如图3所示,每条像素带包含4条像素线,且像素线形成像素带的步进为单位1;
如图3所示,再将所有的横向像素带组合成横向像素带集合Bh;
同理,把提取的各帧的纵向像素线按原有的时空顺序拼接起来,其中相邻的四条像素线形成一条纵向像素带
再将所有的纵向像素带组合成纵向像素带集合Bv;
S2、利用直方图相交法计算像素带集合中每相隔四条像素带的两个像素带间的相关系数
设定统计直方图的离散函数
其中,P代表统计直方图的特征值,M是特征值的取值个数,np是统计直方图中具有特征值为P的像素的个数,N是统计直方图中像素的总数;
利用直方图相交法计算横向、纵向像素带集合中每相隔四条像素带的两个像素带间的相关系数;
则横向像素带与的相关系数Rh(i)可表示为:
进而得到横向像素带相关系数集合:
Rh={Rh(1),Rh(2),…,Rh(L-7)}
纵向像素带与的相关系数Rv(i)可表示为:
进而得到横向像素带相关系数集合:
Rv={Rv(1),Rv(2),…,Rv(L-7)}
S3、对相关系数进行异常值检测
S3.1、将相关系数集合进行升序排序得:R'h={R'h(1),R'h(2),…,R'h(L-7)};
S3.2、计算第一四分位数Q1,第三四分位数Q2,
S3.3、根据Q1、Q2分别找到对应的相关系数,标记为R'h(Q1)/R'v(Q1)、R'h(Q2)/R'v(Q2);
S3.4、根据步骤S3.3中的相关系数计算最小值Min和最大值Max;
其中,横向最小值Min和最大值Max为:
Min=R′h(Q1)-1.5*(R′h(Q2)-R′h(Q1))
Max=R′h(Q2)+1.5*(R′h(Q2)-R′h(Q1))
纵向最小值Min和最大值Max为:
Min=R′v(Q1)-1.5*(R′v(Q2)-R′v(Q1))
Max=R′v(Q2)+1.5*(R′v(Q2)-R′v(Q1))
S3.5、利用箱线图算法对相关系数进行异常值检测
利用横向最小值Min和最大值Max检测横向的相关系数Rh(i),如果Rh(i)小于Min或者大于Max,则该相关系数Rh(i)为异常值;
利用纵向最小值Min和最大值Max检测纵向的相关系数Rv(i),如果Rv(i)小于Min或者大于Max,则该相关系数Rv(i)为异常值。
实例
在本实施例中,针对上述认证方法,本发明基于Matlab进行了多次仿真实验。实验采用Logitech C270摄像头,分辨率为320×240,帧速率为25FPS,实验视频压缩方式为IYUV和H.264。
帧插入篡改检测:试验中将一个共606帧、播放速度为25帧/秒的视频中插入一段长为132帧的视频,插入位置为原始视频的第364帧,那么篡改后的视频中的接缝处为364处与496处。取出插入视频的前后静止场景部分的像素带进行试验。
在图4(a)、(b)中均出现凹陷突变,且出现的极小值位置分别是第360处与第492处。因为对于接缝处j而言,组成像素带bh(j)与bh(j-4)之间像素线是来自于完全原视频的帧和完全来自插入视频的帧(或者相反),那么他们的相关性达到最低,在j-4处会出现极小值,而j-4的前三个与后三个像素带之间的匹配值会呈现异常,但是相关性系数都会大于j-4处。
在本实施例中,如图5(a)和图5(b)所示,异常值存在j-7处至j-1处,且检测到的异常值为极小值及其前后一个异常匹配值。因为bh(j)(包括bh(j))之后的像素线都是来自于篡改部分视频序列,bh(j-7)之前的像素线来自于原始视频。在图5(a)和图5(b)中,横坐标代表箱线图个数,纵坐标代表相关系数;若检测过程中发现某一运动场景前后的静止场景像素带匹配值均为异常,则说明为帧插入篡改;若j-4处出现极小值,则说明原始视频中改为位置为第j帧处。
帧复制篡改检测:在一个长为449帧视频中,将20帧复制帧的插入到原视频的第241帧处。接缝处分别是241与161处实验结果如下:
对于图(6)而言,若接缝处j,从j-4处之后的像素带均含有复制帧,所以对于j之前突变分析与帧插入相同,对于j之后的像素带均相同,其匹配值为1,直到下一个接缝处的前第四处结束,后一个突变分析如前。
图(7)是异常值检测,检测到的异常值为极小值和极大值,以及在极值附近的异常值。若异常值中出现1,或者接近于1,且同时出现极小值,则说明为帧复制篡改。若j-4处为极小值,则原始视频中第j帧处发生篡改。
帧删除篡改检测:原始视频长度为766帧,删除其中运动场景264至532帧。取接缝处静止像素带计算匹配值。实验结果如下:
图(8)中,相关系数在260处出现了极小值,若接缝处为j,j-4处为像素带极小值,类似于帧插入的接缝处,帧删除篡改视频的匹配值也会出现突变。图(9)为帧删除篡改视频的匹配值异常值检测,异常值存在j-7处至j-1,能检测到的异常值为极小值及其前后一个异常匹配值。如果被检测视频中只有一处异常值,则说明为帧删除篡改,如极小值出现在j-4处,则篡改位置为j。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (1)
1.一种视频帧间篡改被动认证方法,其特征在于,包括以下步骤:
(1)、获取视频像素带
设待检测视频是长度为L帧、画面高度为H、宽度为W的图像序列S;
(1.1)、获取图像序列S中每一帧的像素线
在图像序列S中每一帧的同一水平位置或同一垂直位置上的进行像素提取,得到每一帧的像素线;
在图像序列S的第i帧中,建立直角坐标系I[i]XOY,以第i帧的左上角作为原点,X轴正方向为W方向,Y轴正方向为H方向;
然后从第i帧的位置点k处出发,沿水平方向提取W个像素点,然后将取得的像素点按时空顺序拼接起来形成水平像素线;
即:在第i帧水平方向上生成的横向像素线为:
<mrow>
<msubsup>
<mi>l</mi>
<mi>h</mi>
<mi>i</mi>
</msubsup>
<mo>=</mo>
<mi>I</mi>
<msub>
<mrow>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>X</mi>
<mi>O</mi>
<mi>Y</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>L</mi>
<mo>;</mo>
<mi>x</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>W</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,h表示横向,k表示横向像素线的纵坐标值,XOY表示坐标轴;
同理,从第i帧的位置点k'处出发,沿垂直方向提取H像素点,进而得到第i帧在垂直方向上生成的纵向像素线;
在第i帧垂直方向上生成的纵向像素线为:
<mrow>
<msubsup>
<mi>l</mi>
<mi>v</mi>
<mi>i</mi>
</msubsup>
<mo>=</mo>
<mi>I</mi>
<msub>
<mrow>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>X</mi>
<mi>O</mi>
<mi>Y</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>L</mi>
<mo>;</mo>
<mi>y</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>H</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,v表示横向,k'表示纵向像素线的横坐标值;
(1.2)、生成像素带
把提取的各帧的横向像素线按原有的时空顺序拼接起来,其中相邻的四条像素线形成一条横向像素带
<mrow>
<msubsup>
<mi>b</mi>
<mi>h</mi>
<mi>i</mi>
</msubsup>
<mo>=</mo>
<mo>{</mo>
<msubsup>
<mi>l</mi>
<mi>h</mi>
<mi>i</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>l</mi>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>l</mi>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>l</mi>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>3</mn>
</mrow>
</msubsup>
<mo>}</mo>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>L</mi>
<mo>-</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
再将所有的横向像素带组合成横向像素带集合Bh;
<mrow>
<msub>
<mi>B</mi>
<mi>h</mi>
</msub>
<mo>=</mo>
<mo>{</mo>
<msubsup>
<mi>b</mi>
<mi>h</mi>
<mn>1</mn>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>b</mi>
<mi>h</mi>
<mn>2</mn>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>b</mi>
<mi>h</mi>
<mn>3</mn>
</msubsup>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msubsup>
<mi>b</mi>
<mi>h</mi>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msubsup>
<mo>}</mo>
</mrow>
把提取的各帧的纵向像素线按原有的时空顺序拼接起来,其中相邻的四条像素线形成一条纵向像素带
<mrow>
<msubsup>
<mi>b</mi>
<mi>v</mi>
<mi>i</mi>
</msubsup>
<mo>=</mo>
<mo>{</mo>
<msubsup>
<mi>l</mi>
<mi>v</mi>
<mi>i</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>l</mi>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>l</mi>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>l</mi>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>3</mn>
</mrow>
</msubsup>
<mo>}</mo>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>L</mi>
<mo>-</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
再将所有的纵向像素带组合成纵向像素带集合Bv;
<mrow>
<msub>
<mi>B</mi>
<mi>v</mi>
</msub>
<mo>=</mo>
<mo>{</mo>
<msubsup>
<mi>b</mi>
<mi>v</mi>
<mi>i</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>b</mi>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>b</mi>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msubsup>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msubsup>
<mi>b</mi>
<mi>v</mi>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msubsup>
<mo>}</mo>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>L</mi>
<mo>-</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
(2)、利用直方图相交法计算像素带集合中每相隔四条像素带的两像素带之间的相关系数
设定统计直方图的离散函数
<mrow>
<msub>
<mi>H</mi>
<msub>
<mi>b</mi>
<mi>h</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<msub>
<mi>n</mi>
<mi>p</mi>
</msub>
<mi>N</mi>
</mfrac>
<mo>,</mo>
<mi>p</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
其中,P代表统计直方图的特征值,M是特征值的取值个数,np是统计直方图中具有特征值为P的像素的个数,N是统计直方图中像素的总数;
利用直方图相交法计算横向、纵向像素带集合中每相隔四条像素带的两像素带之间的相关系数;
则横向像素带与的相关系数Rh(i)可表示为:
<mrow>
<msub>
<mi>R</mi>
<mi>h</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>min</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>H</mi>
<msubsup>
<mi>b</mi>
<mi>h</mi>
<mi>i</mi>
</msubsup>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>H</mi>
<msubsup>
<mi>b</mi>
<mi>h</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>4</mn>
</mrow>
</msubsup>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>H</mi>
<msubsup>
<mi>b</mi>
<mi>h</mi>
<mi>i</mi>
</msubsup>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>L</mi>
<mo>-</mo>
<mn>7</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
其中,和“表示横向像素带与经过的直方图统计结果;
进而得到横向像素带相关系数集合:
Rh={Rh(1),Rh(2),…,Rh(L-7)}
纵向像素带与的相关系数Rv(i)可表示为:
<mrow>
<msub>
<mi>R</mi>
<mi>v</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>H</mi>
<msubsup>
<mi>b</mi>
<mi>v</mi>
<mi>i</mi>
</msubsup>
</msub>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>H</mi>
<msubsup>
<mi>b</mi>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>4</mn>
</mrow>
</msubsup>
</msub>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>H</mi>
<msubsup>
<mi>b</mi>
<mi>v</mi>
<mi>i</mi>
</msubsup>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>L</mi>
<mo>-</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,和“表示纵向像素带与经过的直方图统计结果;
进而得到横向像素带相关系数集合:
Rv={Rv(1),Rv(2),…,Rv(L-7)}
(3)、相关系数异常值检测
(3.1)、将相关系数集合进行升序排序得:R'h={R'h(1),R'h(2),…,R'h(L-7)};
(3.2)、计算第一四分位数Q1,第三四分位数Q2,
(3.3)、根据Q1、Q2分别找到对应的相关系数,标记为R'h(Q1)/R'v(Q1)、R'h(Q2)/R'v(Q2);
(3.4)、根据步骤(3.3)中的相关系数计算最小值Min和最大值Max;
其中,横向最小值Min和最大值Max为:
Min=R′h(Q1)-1.5*(R′h(Q2)-R′h(Q1))
Max=R′h(Q2)+1.5*(R′h(Q2)-R′h(Q1))
纵向最小值Min和最大值Max为:
Min=R′v(Q1)-1.5*(R′v(Q2)-R′v(Q1))
Max=R′v(Q2)+1.5*(R′v(Q2)-R′v(Q1))
(3.5)、利用箱线图算法对相关系数进行异常值检测
利用横向最小值Min和最大值Max检测横向的相关系数Rh(i),如果Rh(i)小于Min或者大于Max,则该相关系数Rh(i)为异常值;
利用纵向最小值Min和最大值Max检测纵向的相关系数Rv(i),如果Rv(i)小于Min或者大于Max,则该相关系数Rv(i)为异常值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510603179.4A CN105141969B (zh) | 2015-09-21 | 2015-09-21 | 一种视频帧间篡改被动认证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510603179.4A CN105141969B (zh) | 2015-09-21 | 2015-09-21 | 一种视频帧间篡改被动认证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105141969A CN105141969A (zh) | 2015-12-09 |
CN105141969B true CN105141969B (zh) | 2017-12-26 |
Family
ID=54727155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510603179.4A Active CN105141969B (zh) | 2015-09-21 | 2015-09-21 | 一种视频帧间篡改被动认证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105141969B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106060568B (zh) * | 2016-06-28 | 2018-12-18 | 电子科技大学 | 一种视频篡改检测及定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101795221A (zh) * | 2010-01-29 | 2010-08-04 | 中国科学院空间科学与应用研究中心 | 机群编队的组网拓扑结构和组合多址体制设计方法 |
CN103401637A (zh) * | 2013-07-15 | 2013-11-20 | 北京交大微联科技有限公司 | 一种采用分布式喷泉码的应答器组报文编码与解码方法 |
CN103561271A (zh) * | 2013-11-19 | 2014-02-05 | 福建师范大学 | 静止摄像头拍摄的运动目标被移除视频空域篡改检测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4187519A (en) * | 1978-08-17 | 1980-02-05 | Rockwell International Corporation | System for expanding the video contrast of an image |
US20040183817A1 (en) * | 2002-12-03 | 2004-09-23 | Bitstream Inc. | Methods, systems, and programming for scaled display of web pages |
JP5212742B2 (ja) * | 2007-02-20 | 2013-06-19 | ソニー株式会社 | 画像表示装置、映像信号処理装置および映像信号処理方法 |
US8229227B2 (en) * | 2007-06-18 | 2012-07-24 | Zeitera, Llc | Methods and apparatus for providing a scalable identification of digital video sequences |
CN101127908B (zh) * | 2007-08-27 | 2010-10-27 | 宝利微电子系统控股公司 | 引入全局特征分类的视频图像运动处理方法及其实现装置 |
CN102208026A (zh) * | 2011-05-27 | 2011-10-05 | 电子科技大学 | 一种数字视频指纹的提取方法 |
-
2015
- 2015-09-21 CN CN201510603179.4A patent/CN105141969B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101795221A (zh) * | 2010-01-29 | 2010-08-04 | 中国科学院空间科学与应用研究中心 | 机群编队的组网拓扑结构和组合多址体制设计方法 |
CN103401637A (zh) * | 2013-07-15 | 2013-11-20 | 北京交大微联科技有限公司 | 一种采用分布式喷泉码的应答器组报文编码与解码方法 |
CN103561271A (zh) * | 2013-11-19 | 2014-02-05 | 福建师范大学 | 静止摄像头拍摄的运动目标被移除视频空域篡改检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105141969A (zh) | 2015-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11417076B2 (en) | Detecting a sub-image region of interest in an image using pilot signals | |
CN103561271B (zh) | 静止摄像头拍摄的运动目标被移除视频空域篡改检测方法 | |
CN106534789A (zh) | 一种一体化智慧型安防视频监控系统 | |
US8355079B2 (en) | Temporally consistent caption detection on videos using a 3D spatiotemporal method | |
CN104598933A (zh) | 一种基于多特征融合的图像翻拍检测方法 | |
CN101976353B (zh) | 低密度人群的统计方法及装置 | |
Li et al. | Detecting removed object from video with stationary background | |
CN101146206A (zh) | 一种电视台及节目收视率统计的方法和装置 | |
CN105657547B (zh) | 一种相似视频和盗版视频的检测方法及装置 | |
CN101707711B (zh) | 一种基于压缩域的视频序列Copy-Move篡改检测方法 | |
CN104954807B (zh) | 抗几何攻击的视频复制篡改检测方法 | |
CN102393900A (zh) | 基于鲁棒哈希的视频拷贝检测方法 | |
KR20110021195A (ko) | 동영상에서 중요 정보를 검출하는 방법 및 그 장치 | |
CN101551852A (zh) | 训练系统、训练方法和检测方法 | |
CN102208026A (zh) | 一种数字视频指纹的提取方法 | |
Wandji et al. | Detection of copy-move forgery in digital images based on DCT | |
CN104732236A (zh) | 一种基于分层处理的人群异常行为智能检测方法 | |
Huang et al. | Inter-frame video forgery detection based on multi-level subtraction approach for realistic video forensic applications | |
CN105141969B (zh) | 一种视频帧间篡改被动认证方法 | |
CN101867729A (zh) | 基于人物特征的新闻视频正式独白镜头的检测方法 | |
CN107644391A (zh) | 一种用于打印文档溯源的数字水印处理方法及装置 | |
CN105282397A (zh) | 运动字幕的去隔行方法及装置 | |
CN107040790A (zh) | 一种基于多粒度哈希的视频内容认证和篡改定位方法 | |
CN106060584A (zh) | 一种电视频道识别方法、装置及电视机、服务器 | |
CN103034864A (zh) | 一种基于颜色阈值与角点检测的视频横幅识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |