CN106375756B - 一种针对监控视频单一对象移除篡改的检测方法 - Google Patents

一种针对监控视频单一对象移除篡改的检测方法 Download PDF

Info

Publication number
CN106375756B
CN106375756B CN201610858275.8A CN201610858275A CN106375756B CN 106375756 B CN106375756 B CN 106375756B CN 201610858275 A CN201610858275 A CN 201610858275A CN 106375756 B CN106375756 B CN 106375756B
Authority
CN
China
Prior art keywords
image
frequency difference
high frequency
angle value
monitor video
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.)
Expired - Fee Related
Application number
CN201610858275.8A
Other languages
English (en)
Other versions
CN106375756A (zh
Inventor
王让定
王斌
严迪群
盛琪
李倩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo University
Original Assignee
Ningbo University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningbo University filed Critical Ningbo University
Priority to CN201610858275.8A priority Critical patent/CN106375756B/zh
Publication of CN106375756A publication Critical patent/CN106375756A/zh
Application granted granted Critical
Publication of CN106375756B publication Critical patent/CN106375756B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明公开了一种针对监控视频单一对象移除篡改的检测方法，其对待检测的监控视频中的监控图像的灰度化图像经小波变换后得到的高高频分量进行重构；然后对重构图像分图像块处理；接着计算重构图像中的每个图像块的高频差异度值；之后将待检测的监控视频中所有监控图像各自的灰度化图像的高高频分量的重构图像中相同空域位置的图像块的高频差异度值构成一个高频差异度值集，并计算每个高频差异度值集中的所有高频差异度值的均值，进而根据每个高频差异度值集中的所有高频差异度值的均值确定移除篡改判定阈值；再根据移除篡改判定阈值，判定图像块是否为对象移除篡改区域；优点是不易受量化编码的影响，且能够有效检测出较小的移除篡改目标对象。

Description

一种针对监控视频单一对象移除篡改的检测方法
技术领域
本发明涉及一种视频移除篡改的检测技术，尤其是涉及一种针对监控视频单一对象移除篡改的检测方法。
背景技术
随着视频监控技术的快速发展，视频安防监控已成为继刑事科学技术、技术侦查、网络侦查技术之后的第四大侦查技术。作为一种视听资料，视频安防监控图像已成为法定八大证据之一，在司法实践和案件侦查中已显现出越来越重要的地位。但是，随着视频篡改软件的普及，视频监控极易被篡改，若将篡改后的监控视频作为证据使用，则会给司法实践和案件侦查带来不可估量的危害。
对象移除篡改是视频篡改最常见的形式之一，此类篡改往往直接影响了人们对视频内容的理解和认知，因此需要利用对象移除篡改的检测技术对视频进行检测。目前常见的对象移除篡改的检测技术是直接在像素点上进行操作的。如杨婧、任延珍、汪肇翔、崔晓煜提出的基于差异能量的监控视频篡改检测算法，其通过对监控视频对象删除篡改手段的分析，得到删除对象的篡改视频帧与提供复制内容的视频帧具有极高的相似性，利用此原理寻找匹配块，以达到检测的目的，由于该方法是在像素点的基础上进行的操作，因此当监控视频在传输过程中，通常会遇到二次压缩，这就会引进量化编码噪声，最终会使像素点基础上的检测准确度降低。又如刘雨青、黄添强提出的基于时空域能量可疑度的视频篡改检测与篡改区域定位，其通过计算每帧的能量可疑度来检测此帧内是否有高频分量丢失，由于该方法以帧为基本单位，因此当目标对象较小时，篡改后对整帧的影响微乎其微，此时该方法将会失效；此外，当篡改区域纹理较简单的时候，如果只检测高频的减少，则检测效果也不会明显。
发明内容
本发明所要解决的技术问题是提供一种针对监控视频单一对象移除篡改的检测方法，其不易受量化编码的影响，且能够有效检测出较小的移除篡改目标对象。
本发明解决上述技术问题所采用的技术方案为：一种针对监控视频单一对象移除篡改的检测方法，其特征在于包括以下步骤：
①对待检测的监控视频中的N帧监控图像进行灰度化操作，得到待检测的监控视频中的N帧监控图像各自的灰度化图像；然后对待检测的监控视频中的N帧监控图像各自的灰度化图像进行小波变换，得到待检测的监控视频中的N帧监控图像各自的灰度化图像的高高频分量、高低频分量、低高频分量、低低频分量；再对待检测的监控视频中的N帧监控图像各自的灰度化图像的高高频分量进行重构，得到待检测的监控视频中的N帧监控图像各自的灰度化图像的高高频分量的重构图像；其中，N表示待检测的监控视频中包含的监控图像的总帧数，N≥50；
②将待检测的监控视频中的N帧监控图像各自的灰度化图像的高高频分量的重构图像分割成10×10个互不重叠的尺寸大小为的图像块；其中，符号为向下取整符号，W表示待检测的监控视频中的监控图像的宽度，H表示待检测的监控视频中的监控图像的高度；
③计算待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中的每个图像块的高频差异度值，将待检测的监控视频中的第n帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值记为Cn,k，
其中，n的初始值为1，1≤n≤N-5，k的初始值为1，1≤k≤100，min()为取最小值函数，1≤m≤Mn+5,k，Mn+5,k表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的邻域块的总个数，当k为1、10、91或100时Mn+5,k＝3，当k为2、3、4、5、6、7、8、9、11、20、21、30、31、40、41、50、51、60、61、70、71、80、81、90、92、93、94、95、96、97、98或99时Mn+5,k＝5，当k为其余值时Mn+5,k＝8，fn,k(x,y)表示待检测的监控视频中的第n帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块中坐标位置为(x,y)的像素点的像素值，fn+5,k,1(x,y)表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第1个邻域块中坐标位置为(x,y)的像素点的像素值，fn+5,k,m(x,y)表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第m个邻域块中坐标位置为(x,y)的像素点的像素值，表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第Mn+5,k个邻域块中坐标位置为(x,y)的像素点的像素值，符号“| |”为取绝对值符号；
④将待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中相同空域位置的图像块的高频差异度值构成一个高频差异度值集，共获得100个高频差异度值集，每个高频差异度值集中包含N-5个高频差异度值；将待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值构成的高频差异度值集记为Jk，Jk＝{C1,k,C2,k,…,Cn,k,…,CN-5,k}；其中，C1,k表示待检测的监控视频中的第1帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值，C2,k表示待检测的监控视频中的第2帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值，CN-5,k表示待检测的监控视频中的第N-5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值；
⑤计算每个高频差异度值集中的所有高频差异度值的均值，将Jk中的所有高频差异度值的均值记为 然后将每个高频差异度值集中的所有高频差异度值的均值的p倍作为该高频差异度值集中的每个高频差异度值对应的图像块的移除篡改判定阈值，Jk中的每个高频差异度值对应的图像块的移除篡改判定阈值为其中，0<p<1；
⑥根据每个高频差异度值集中的每个高频差异度值对应的图像块的移除篡改判定阈值，判定每个高频差异度值集中的每个高频差异度值对应的图像块是否为对象移除篡改区域，对于Jk中的第n个高频差异度值Cn,k对应的图像块，如果Cn,k小于则判定该图像块为对象移除篡改区域；如果Cn,k大于或等于则判定该图像块不为对象移除篡改区域；
⑦根据判定的所有对象移除篡改区域，确定监控视频中发生对象移除篡改的时域位置及移除对象的运动轨迹。
所述的步骤⑤中取p＝0.6。
与现有技术相比，本发明的优点在于：
1)当监控视频发生篡改时，视频篡改软件为隐藏篡改痕迹会进行模糊化处理，监控视频中的高频分量会减少，本发明方法对监控视频中的监控图像的灰度化图像进行小波变换，提取出高高频分量，然后通过检测高高频分量的变化来达到检测目的，这样即使在监控视频中引入量化编码噪声高频分量也不会增加或减少高高频分量，即本发明方法不受量化编码噪声的影响，因此本发明方法在检测受量化编码影响的监控视频时，检测准确度也不会降低。
2)本发明方法在计算一个图像块的高频差异度值时，从该图像块与相隔5帧的监控图像中同位置的图像块的邻域块中所有像素点的像素值的差值绝对值之和中找出最小值，这样可以将运动方向不同、速度快慢的目标对象检测出。
3)本发明方法对监控图像的灰度化图像的高高频分量的重构图像进行分图像块处理，可以检测出较小的目标对象，这样即使目标对象较小，也能有效的检测出移除篡改区域。
附图说明
图1为本发明方法的总体实现框图；
图2为待检测的监控视频中的监控图像的灰度化图像的高高频分量的重构图像分割成10×10个互不重叠的图像块的示意图；
图3a为来源于SULFA数据库的第1个视频中的一幅监控图像；
图3b为来源于SULFA数据库的第2个视频中的一幅监控图像；
图3c为来源于SULFA数据库的第3个视频中的一幅监控图像；
图3d为来源于SULFA数据库的第4个视频中的一幅监控图像；
图3e为来源于SULFA数据库的第5个视频中的一幅监控图像；
图3f为来源于自拍摄的第1个视频中的一幅监控图像；
图3g为来源于自拍摄的第2个视频中的一幅监控图像；
图3h为来源于自拍摄的第3个视频中的一幅监控图像；
图3i为来源于自拍摄的第4个视频中的一幅监控图像；
图3j为来源于自拍摄的第5个视频中的一幅监控图像。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种针对监控视频单一对象移除篡改的检测方法，其总体实现框图如图1所示，其包括以下步骤：
①采用现有技术对待检测的监控视频中的N帧监控图像进行灰度化操作，得到待检测的监控视频中的N帧监控图像各自的灰度化图像；然后对待检测的监控视频中的N帧监控图像各自的灰度化图像进行小波变换，得到待检测的监控视频中的N帧监控图像各自的灰度化图像的高高频分量、高低频分量、低高频分量、低低频分量；再采用现有技术对待检测的监控视频中的N帧监控图像各自的灰度化图像的高高频分量进行重构，得到待检测的监控视频中的N帧监控图像各自的灰度化图像的高高频分量的重构图像；其中，N表示待检测的监控视频中包含的监控图像的总帧数，N≥50，在本实施例中取N＝412。
②将待检测的监控视频中的N帧监控图像各自的灰度化图像的高高频分量的重构图像分割成10×10个互不重叠的尺寸大小为的图像块，大多数监控视频的分辨率都为10的整数倍，如分辨率为1280×720等，但有些监控视频的分辨率不为10的整数倍，此时监控图像的灰度化图像的高高频分量的重构图像未被分割完，多余的像素点不进行处理；其中，符号为向下取整符号，W表示待检测的监控视频中的监控图像的宽度，H表示待检测的监控视频中的监控图像的高度。图2给出了待检测的监控视频中的监控图像的灰度化图像的高高频分量的重构图像分割成10×10个互不重叠的图像块的示意图，图2所示的监控图像的灰度化图像的高高频分量的重构图像刚好分割完。
③计算待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中的每个图像块的高频差异度值，共计算得到10×10×(N-5)个高频差异度值，将待检测的监控视频中的第n帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值记为Cn,k， 其中，n的初始值为1，1≤n≤N-5，k的初始值为1，1≤k≤100，min()为取最小值函数，1≤m≤Mn+5,k，Mn+5,k表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的邻域块的总个数，当k为1、10、91或100时Mn+5,k＝3，当k为2、3、4、5、6、7、8、9、11、20、21、30、31、40、41、50、51、60、61、70、71、80、81、90、92、93、94、95、96、97、98或99时Mn+5,k＝5，当k为其余值时Mn+5,k＝8，fn,k(x,y)表示待检测的监控视频中的第n帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块中坐标位置为(x,y)的像素点的像素值，fn+5,k,1(x,y)表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第1个邻域块中坐标位置为(x,y)的像素点的像素值，fn+5,k,m(x,y)表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第m个邻域块中坐标位置为(x,y)的像素点的像素值，表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第Mn+5,k个邻域块中坐标位置为(x,y)的像素点的像素值，符号“| |”为取绝对值符号。
④将待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中相同空域位置的图像块的高频差异度值构成一个高频差异度值集，共获得100个高频差异度值集，每个高频差异度值集中包含N-5个高频差异度值；将待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值构成的高频差异度值集记为Jk，Jk＝{C1,k,C2,k,…,Cn,k,…,CN-5,k}；其中，C1,k表示待检测的监控视频中的第1帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值，C2,k表示待检测的监控视频中的第2帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值，CN-5,k表示待检测的监控视频中的第N-5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值。
⑤计算每个高频差异度值集中的所有高频差异度值的均值，将Jk中的所有高频差异度值的均值记为 然后将每个高频差异度值集中的所有高频差异度值的均值的p倍作为该高频差异度值集中的每个高频差异度值对应的图像块的移除篡改判定阈值，Jk中的每个高频差异度值对应的图像块的移除篡改判定阈值为其中，0<p<1，在本实施例中取p＝0.6，p＝0.6是在大量的实验基础上得到的。
⑥根据每个高频差异度值集中的每个高频差异度值对应的图像块的移除篡改判定阈值，判定每个高频差异度值集中的每个高频差异度值对应的图像块是否为对象移除篡改区域，对于Jk中的第n个高频差异度值Cn,k对应的图像块，如果Cn,k小于则判定该图像块为对象移除篡改区域；如果Cn,k大于或等于则判定该图像块不为对象移除篡改区域。
⑦根据判定的所有对象移除篡改区域，确定监控视频中发生对象移除篡改的时域位置及移除对象的运动轨迹。
以一段包含有412帧(N＝412)监控图像的监控视频作为处理对象，利用本发明方法对该段监控视频进行对象移除篡改检测，检测结果如表1所示。
表1检测结果
空域位置 对应时域位置 空域位置 对应时域位置
61 383～389 71 384～389
62 385～387 72 385～389
63 382～385 73 382～386
64 381～383 74 381～385
65 378～381 75 378～381
66 376～379 76 375～379
67 373～378 77 373～377
68 368～374 78 367～372
69 364～367 79 365～367
70 364～369 80 364～369
从表1中可以看出，该段监控视频中发生对象移除篡改的时域位置为第364～389帧，移除对象的运动轨迹为第61～80个图像块。
为了进一步说明本发明方法的可行性和有效性，对本发明方法进行试验。
在Matlab R2012a平台上采用本发明方法进行实验，计算机为64位操作系统，CPU：Intel(R)Core(TM)i3-2130处理器，主频：3.4GHz，内存：4GB。视频篡改软件Mokey V4.0，视频拍摄设备Samsung WB200F和Panasonic Lumix DMC—GM1k。视频测试样本为10个，其中5个来源于SULFA数据库，分辨率为240×320；5个为自拍摄视频，分辨率480×640。帧率统一为30fps，且所有视频在篡改后都经过H.264编码标准进行压缩。所有视频背景部分均静止。图3a、图3b、图3c、图3d和图3e分别为来源于SULFA数据库的5个视频中的一幅监控图像；图3f、图3g、图3h、图3i和图3j分别为来源于自拍摄的5个视频中的一幅监控图像；表2给出了利用本发明方法对上述10个监控视频进行检测的检测结果。
表2检测结果

Claims (2)

1.一种针对监控视频单一对象移除篡改的检测方法，其特征在于包括以下步骤：
①对待检测的监控视频中的N帧监控图像进行灰度化操作，得到待检测的监控视频中的N帧监控图像各自的灰度化图像；然后对待检测的监控视频中的N帧监控图像各自的灰度化图像进行小波变换，得到待检测的监控视频中的N帧监控图像各自的灰度化图像的高高频分量、高低频分量、低高频分量、低低频分量；再对待检测的监控视频中的N帧监控图像各自的灰度化图像的高高频分量进行重构，得到待检测的监控视频中的N帧监控图像各自的灰度化图像的高高频分量的重构图像；其中，N表示待检测的监控视频中包含的监控图像的总帧数，N≥50；
②将待检测的监控视频中的N帧监控图像各自的灰度化图像的高高频分量的重构图像分割成10×10个互不重叠的尺寸大小为的图像块；其中，符号为向下取整符号，W表示待检测的监控视频中的监控图像的宽度，H表示待检测的监控视频中的监控图像的高度；
③计算待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中的每个图像块的高频差异度值，将待检测的监控视频中的第n帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值记为Cn,k，
其中，n的初始值为1，1≤n≤N-5，k的初始值为1，1≤k≤100，min()为取最小值函数，1≤m≤Mn+5,k，Mn+5,k表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的邻域块的总个数，当k为1、10、91或100时Mn+5,k＝3，当k为2、3、4、5、6、7、8、9、11、20、21、30、31、40、41、50、51、60、61、70、71、80、81、90、92、93、94、95、96、97、98或99时Mn+5,k＝5，当k为其余值时fn,k(x,y)表示待检测的监控视频中的第n帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块中坐标位置为(x,y)的像素点的像素值，fn+5,k,1(x,y)表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第1个邻域块中坐标位置为(x,y)的像素点的像素值，fn+5,k,m(x,y)表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第m个邻域块中坐标位置为(x,y)的像素点的像素值，表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第Mn+5,k个邻域块中坐标位置为(x,y)的像素点的像素值，符号“| |”为取绝对值符号；
④将待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中相同空域位置的图像块的高频差异度值构成一个高频差异度值集，共获得100个高频差异度值集，每个高频差异度值集中包含N-5个高频差异度值；将待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值构成的高频差异度值集记为Jk，Jk＝{C1,k,C2,k,…,Cn,k,…,CN-5,k}；其中，C1,k表示待检测的监控视频中的第1帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值，C2,k表示待检测的监控视频中的第2帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值，CN-5,k表示待检测的监控视频中的第N-5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值；
⑤计算每个高频差异度值集中的所有高频差异度值的均值，将Jk中的所有高频差异度值的均值记为然后将每个高频差异度值集中的所有高频差异度值的均值的p倍作为该高频差异度值集中的每个高频差异度值对应的图像块的移除篡改判定阈值，Jk中的每个高频差异度值对应的图像块的移除篡改判定阈值为其中，0<p<1；
⑥根据每个高频差异度值集中的每个高频差异度值对应的图像块的移除篡改判定阈值，判定每个高频差异度值集中的每个高频差异度值对应的图像块是否为对象移除篡改区域，对于Jk中的第n个高频差异度值Cn,k对应的图像块，如果Cn,k小于则判定该图像块为对象移除篡改区域；如果Cn,k大于或等于则判定该图像块不为对象移除篡改区域；
⑦根据判定的所有对象移除篡改区域，确定监控视频中发生对象移除篡改的时域位置及移除对象的运动轨迹。
2.根据权利要求1所述的一种针对监控视频单一对象移除篡改的检测方法，其特征在于所述的步骤⑤中取p＝0.6。
CN201610858275.8A 2016-09-28 2016-09-28 一种针对监控视频单一对象移除篡改的检测方法 Expired - Fee Related CN106375756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610858275.8A CN106375756B (zh) 2016-09-28 2016-09-28 一种针对监控视频单一对象移除篡改的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610858275.8A CN106375756B (zh) 2016-09-28 2016-09-28 一种针对监控视频单一对象移除篡改的检测方法

Publications (2)

Publication Number Publication Date
CN106375756A CN106375756A (zh) 2017-02-01
CN106375756B true CN106375756B (zh) 2017-12-19

Family

ID=57898172

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610858275.8A Expired - Fee Related CN106375756B (zh) 2016-09-28 2016-09-28 一种针对监控视频单一对象移除篡改的检测方法

Country Status (1)

Country Link
CN (1) CN106375756B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106789371A (zh) * 2017-03-01 2017-05-31 郑州云海信息技术有限公司 一种基于云计算的安全监控方法及系统
CN109862383A (zh) * 2019-02-26 2019-06-07 山东浪潮商用系统有限公司 一种基于帧特征实现视频播放监测的方法及系统
CN117893781B (zh) * 2024-03-15 2024-05-07 深圳麦风科技有限公司 图像差异区域的提取方法、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103384331A (zh) * 2013-07-19 2013-11-06 上海交通大学 基于光流一致性的视频帧间篡改检测方法
CN103391441A (zh) * 2013-07-23 2013-11-13 武汉大学 一种基于差异能量的监控视频对象删除篡改检测算法
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
CN103607592A (zh) * 2013-11-28 2014-02-26 广东威创视讯科技股份有限公司 视频篡改检测方法与系统
WO2014042514A2 (en) * 2012-09-12 2014-03-20 Mimos Berhad A surveillance system and a method for tampering detection and correction
CN103905816A (zh) * 2014-03-31 2014-07-02 华南理工大学 一种基于enf相关系数的监控视频篡改盲检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014042514A2 (en) * 2012-09-12 2014-03-20 Mimos Berhad A surveillance system and a method for tampering detection and correction
CN103384331A (zh) * 2013-07-19 2013-11-06 上海交通大学 基于光流一致性的视频帧间篡改检测方法
CN103391441A (zh) * 2013-07-23 2013-11-13 武汉大学 一种基于差异能量的监控视频对象删除篡改检测算法
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
CN103607592A (zh) * 2013-11-28 2014-02-26 广东威创视讯科技股份有限公司 视频篡改检测方法与系统
CN103905816A (zh) * 2014-03-31 2014-07-02 华南理工大学 一种基于enf相关系数的监控视频篡改盲检测方法

Also Published As

Publication number Publication date
CN106375756A (zh) 2017-02-01

Similar Documents

Publication Publication Date Title
US11688057B2 (en) Method and system for quickly matching image features applied to mine machine vision
CN106778595B (zh) 基于高斯混合模型的人群中异常行为的检测方法
CN109870461B (zh) 一种电子元器件质量检测系统
CN104486618B (zh) 视频图像的噪声检测方法及装置
CN106375756B (zh) 一种针对监控视频单一对象移除篡改的检测方法
CN112001429B (zh) 一种基于纹理特征的深度伪造视频检测方法
CN104199823B (zh) 一种基于视觉数据驱动的织物疵点动态检测方法
CN111383244B (zh) 一种目标检测跟踪方法
Thomaz et al. Anomaly detection in moving-camera video sequences using principal subspace analysis
CN111652875A (zh) 一种视频伪造检测方法、系统、存储介质、视频监控终端
CN107610156A (zh) 基于引导滤波和核相关滤波的红外弱小目标跟踪方法
CN106897694A (zh) 用于国土资源监控的违建场景识别方法
CN116258867A (zh) 一种基于关键区域低感知性扰动的对抗样本生成方法
CN115797970B (zh) 基于YOLOv5模型的密集行人目标检测方法及系统
KR102085034B1 (ko) 영상의 전경과 배경을 분리하여 전경영상을 검출하는 방법 및 장치
CN106375773B (zh) 基于动态阈值的帧复制粘贴篡改检测方法
CN113066077B (zh) 火焰检测方法及装置
CN111797761B (zh) 一种三阶段烟雾检测系统、方法及可读介质
Aiordachioaie et al. Change Detection by Feature Extraction and Processing from Time-Frequency Images
CN115965883A (zh) 一种基于Transformer的烟雾检测算法
CN109615607B (zh) 一种基于单张图像自定义特征的噪声检测方法
Balamurugan et al. Classification of Land Cover in Satellite Image using supervised and unsupervised Techniques
CN108805786B (zh) 基于最低有效位匹配隐写分析方法及装置
Chen et al. FS-BAND: A Frequency-Sensitive Banding Detector
CN107301394A (zh) 一种基于视频数据的人流检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171219

CF01 Termination of patent right due to non-payment of annual fee