CN109063428A - 一种数字动画的篡改检测方法及其系统 - Google Patents
一种数字动画的篡改检测方法及其系统 Download PDFInfo
- Publication number
- CN109063428A CN109063428A CN201810674501.6A CN201810674501A CN109063428A CN 109063428 A CN109063428 A CN 109063428A CN 201810674501 A CN201810674501 A CN 201810674501A CN 109063428 A CN109063428 A CN 109063428A
- Authority
- CN
- China
- Prior art keywords
- animation
- fingerprint
- lbp
- img
- matching
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000000605 extraction Methods 0.000 claims abstract description 32
- 239000000284 extract Substances 0.000 claims abstract description 10
- 230000004927 fusion Effects 0.000 claims abstract description 8
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 4
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 22
- 230000000153 supplemental effect Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004321 preservation Methods 0.000 claims description 5
- 101100280477 Caenorhabditis elegans lbp-1 gene Proteins 0.000 claims description 4
- 101100280481 Caenorhabditis elegans lbp-2 gene Proteins 0.000 claims description 4
- 101100446025 Caenorhabditis elegans lbp-3 gene Proteins 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 241000669244 Unaspis euonymi Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000004925 denaturation Methods 0.000 description 1
- 230000036425 denaturation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000005435 mesosphere Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000004224 protection Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
- G06F21/16—Program or content traceability, e.g. by watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Technology Law (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种数字动画的篡改检测方法，动画指纹提取模块使用融合时序的局部二值混合模式算法提取原动画指纹，算法综合了时序与空间信息的纹理特征，提取出的原动画指纹脱机保存到本地或数据库；将待检测动画输入动画指纹提取模块，将输出的动画指纹与本地或数据库保存的原动画指纹一同输入到动画指纹匹配模块，然后输出匹配结果，输出的匹配结果包含待检测动画帧在原动画视频中被篡改的时间位置和被篡改区域。本发明对经典LBP算法进行了改进，创造性地提出了一种数字动画指纹提取算法，增加了时序与空间位置上的信息，使它适应动画指纹的提取，对提取的动画指纹，设计了一种基于最长公共子序列的指纹匹配算法。
Description
技术领域
本发明涉及数字动画的版权保护，尤其是涉及一种数字动画的篡改检测方法及其系统。
背景技术
当代互联网中，视频越来越成为信息流通的形式。由于视频在互联网中的产生量与流动量巨大，要对这些视频进行管理和监督显得无比困难，给不法分子可乘之机。例如，视频版权问题、敏感信息视频隐藏、不良内容传播、恶意篡改、盗窃他人视频用于商业用途。因此，对数字视频处理技术的研究显得极为重要。
数字动画属于影视音像作品中的一类，我国的动画产业发展仍处于上升期，产业规模不断扩大，并带动关联产业如周边、网络游戏、主题公园等的发展。因此，对数字动画处理的研究具有重要意义。
对数字动画的处理，最基本的是篡改检测，尤其是拷贝检测。因为对数字动画的篡改最简单的且不容易被发现的手段，是将其他时间段的视频拷贝到需要掩盖的时间段处。如何检测数字动画是否被篡改并定位其被篡改的位置，对于保护数字动画的版权，促进数字动画产业的健康发展有着重要的意义。
发明内容
本发明要解决的技术问题在于，针对现有技术的不足，提供一种数字动画的篡改检测方法及其系统。
为解决上述技术问题，本发明采用如下技术方案。
一种数字动画的篡改检测方法，动画指纹提取模块使用融合时序的局部二值混合模式算法提取原动画指纹，算法综合了时序与空间信息的纹理特征，提取出的原动画指纹脱机保存到本地或数据库；将待检测动画输入动画指纹提取模块，将输出的动画指纹与本地或数据库保存的原动画指纹一同输入到动画指纹匹配模块，然后输出匹配结果，输出的匹配结果包含待检测动画帧在原动画视频中被篡改的时间位置和被篡改区域。
优选地，所述融合时序的局部二值混合模式算法，即Time Combined And MixedLocal Binary Pattern，简称TM-LBP特征算法，包括以下步骤：
a、对每帧图像提取不同尺度下的Local Binary Pattern,即LBP图像；
b、找到纹理交界的点，即满足在各个尺度下的LBP都为混合模式的点作为特征点；
c、对帧图像分块，构建一个和分块数相同大小的矩阵，矩阵每个元素的值为对应块存在特征点的真值；
d、特征合并，将特征矩阵分别进行内部合并与帧间合并，降低特征存储大小；
e、生成辅助特征，以便快速匹配，提高匹配速度。
优选地，对步骤a中不同尺度下的LBP图像提取包括以下步骤：现将LBP图像方形邻域改为圆形邻域，增加LBP图像取样半径，使LBP图像可以选择不同的取样半径和取样点数，定义LBP算子为LBP(N,R)，N表示邻域取样点的个数，R表示取样半径；
设原图像灰度值为img，img(i,j)为图像第i行第j列像素的灰度值，遍历图像的每个像素，当遍历到第(p,q)个像素时，将img(p,q)半径R＝r1的邻域内的8个点img(p-r1,q-r1)、img(p-r1,q)、img(p-r1,q+r1)、img(p,q+r1)、img(p+r1,q+r1)、img(p+r1,q)、img(p+r1,q-r1)、img(p,q-r1)、img(p-r1,q-r1)分别与img(p,q)相比，大于则将值设为1，否则设为0，r1为整数；img(p,q)与邻域内8个点img按上述顺序保存在数组buf[9]，结果保存在数组lbp，见计算公式(1)，就得到了半径为r1的LBP,设其为lbp r1，
优选地，步骤b中特征点的计算过程为：对于一个LBP二进制序列lbp，设lbp(i)为序列第i位，y为LBP跳变数；初始化y＝0，在lbp末尾增加一位，值为lbp(1)，然后从第二位开始遍历lbp序列，当lbp(i)！＝lbp(i-1)时，y＝y+1，否则y不变，见公式(2)；
其中，N为邻域取样点数，nz为不为零函数。
对lbp1、lbp2、lbp3分别计算LBP跳变数得到y1、y2、y3，计算逻辑表达式y1>2&y2>2&y3>2的真值，得到的结果是一点处的混合模式真值，所有点的混合模式真值构成一帧图像的混合模式真值图像，记为MI。
优选地，步骤e中生成辅助特征的过程为：设视频第k帧为Img(k)，第i帧和第j帧的最大差异度量值为MDS(i,j)，则MDS的计算公式见公式(3)
MDS(i，j)＝max{abs(img(i)-img(j))}
其中img为矩阵，矩阵大小为img分辨率大小，abs为绝对值函数，
设定一个阈值p，当MDS<p时，则认为第j帧为第i帧的冗余帧；额外设置一个辅助特征ass，用于存储每一独立帧在原视频中的位置。
一种数字动画数字动画的篡改检测系统，所述系统包括动画指纹提取模块和动画指纹匹配模块，动画指纹提取模块用于使用融合时序的局部二值混合模式算法提取原动画指纹和待检测动画指纹，提取出的原动画指纹脱机保存到本地或数据库，提取出的待检测动画指纹输出给动画指纹匹配模块；动画指纹匹配模块用于：将待检测动画输入动画指纹提取模块后输出的待检测动画指纹与本地或数据库保存的原动画指纹比对，然后输出匹配结果，输出的匹配结果包含待检测动画帧在原动画视频中被篡改的时间位置和被篡改区域。
具体的，所述动画指纹提取模块输入为数字动画文件，输出为指纹文件。
具体的，动画指纹匹配模块对“＝＝”运算符进行重载，经过最长公共子序列LCS算法，得到匹配的序列及序列长度，进行迭代计算，每次匹配后都截取各个指纹的剩余部分再次匹配，直到LCS值大于K，最后输出匹配结果。
具体的，在没有先验知识情况下，动画指纹匹配模块则将待检测动画指纹分别与本地或数据库所有保存的动画指纹匹配，匹配结果包含多条匹配的子序列与对应LCS值，以及未匹配的元素；利用辅助特征找出未匹配的元素在待检测视频中的对应时间轴位置，这个位置就是被篡改的位置；未匹配元素与原动画指纹对应位置元素进行帧特征匹配，其结果可以找到篡改区域；最后，输出待检测动画相对原动画的篡改时间与相应区域。
本发明公开的一种数字动画的篡改检测方法及其系统技术效果:
1、对经典LBP算法进行了改进，创造性地提出了一种数字动画指纹提取算法，增加了时序与空间位置上的信息，使它适应动画指纹的提取。
2、提供了数字动画指纹提取算法，包括提取不同尺度下的LBP、找到特征点、帧图像分块与帧特征提取、特征合并、生成辅助特征等步骤。对提取的动画指纹，设计了一种基于最长公共子序列的指纹匹配算法。
3、整合了数字动画指纹提取算法与指纹匹配算法，构建了数字动画篡改检测系统。
附图说明
图1为本发明数字动画的篡改检测方法流程示意图；
图2为本发明TM-LBP特征算法流程图；
图3为本发明不同取样半径和取样点数下的拓展LBP特征示意图；
图4为本发明不同尺度下每个点的LBP邻域取样位置与顺序示意图；
图5为本发明去除冗余帧与生成辅助特征流程图；
图6为本发明数字动画指纹提取模块图；
图7为本发明数字动画指纹匹配模块图。
具体实施方式
下面结合附图和实施例对本发明作更加详细的描述。
如图1所示，本发明公开了一种数字动画的篡改检测方法，动画指纹提取模块使用融合时序的局部二值混合模式算法提取原动画指纹，算法综合了时序与空间信息的纹理特征，提取出的原动画指纹脱机保存到本地或数据库；将待检测动画输入动画指纹提取模块，将输出的动画指纹与本地或数据库保存的原动画指纹一同输入到动画指纹匹配模块，然后输出匹配结果，输出的匹配结果包含待检测动画帧在原动画视频中被篡改的时间位置和被篡改区域。
如图2所示，融合时序的局部二值混合模式算法，即Time Combined And MixedLocal Binary Pattern，简称TM-LBP特征算法，包括以下步骤：
a、对每帧图像提取不同尺度下的Local Binary Pattern,即LBP图像；
b、找到纹理交界的点，即满足在各个尺度下的LBP都为混合模式的点作为特征点；
c、对帧图像分块，构建一个和分块数相同大小的矩阵，矩阵每个元素的值为对应块存在特征点的真值；
d、特征合并，将特征矩阵分别进行内部合并与帧间合并，降低特征存储大小；
e、生成辅助特征，以便快速匹配，提高匹配速度。
融合时序的局部二值混合模式特征算法，在空间上借鉴SIFT特征寻找特征点的设计思想，对LBP算子进行变形，用LBP值是否为混合模式的真值代替LBP值。每一个像素点的特征描述由8位缩小为1位，从而使一帧图像的特征大小缩小为原来的八分之一。同时，为进一步压缩特征大小，将图像分块并将每块特征描述统合。在时间上融合动画的时序特征，并且因为特征本身具有的图像分辨特性，同时也将动画划分为一个个镜头，每个镜头内再对特征向量统合与降维。
如图3、图4所示，对步骤a中不同尺度下的LBP图像提取包括以下步骤：现将LBP图像方形邻域改为圆形邻域，增加LBP图像取样半径，使LBP图像可以选择不同的取样半径和取样点数，定义LBP算子为LBP(N,R)，N表示邻域取样点的个数，R表示取样半径；设原图像灰度值为img，img(i,j)为图像第i行第j列像素的灰度值，遍历图像的每个像素，当遍历到第(p,q)个像素时，将img(p,q)半径R＝r1的邻域内的8个点img(p-r1,q-r1)、img(p-r1,q)、img(p-r1,q+r1)、img(p,q+r1)、img(p+r1,q+r1)、img(p+r1,q)、img(p+r1,q-r1)、img(p,q-r1)、img(p-r1,q-r1)分别与img(p,q)相比，大于则将值设为1，否则设为0，r1为整数；img(p,q)与邻域内8个点img按上述顺序保存在数组buf[9]，结果保存在数组lbp，见计算公式(1)，就得到了半径为r1的LBP,设其为lbp r1，
具体实施例，遍历图像的每个像素，当遍历到第(p,q)个像素时，将img(p,q)半径r1＝1的邻域内的8个点img(p-1,q-1)、img(p-1,q)、img(p-1,q+1)、img(p,q+1)、img(p+1,q+1)、img(p+1,q)、img(p+1,q-1)、img(p,q-1)、img(p-1,q-1)分别与img(p,q)相比，如图6内圈取样位置，大于则将值设为1，否则设为0。将img(p,q)与邻域8个点按上述顺序保存在数组buf[9]，结果保存在数组lbp，则计算公式见公式(1)，就得到了半径为1的LBP设为lbp1。
同理，再令取样半径r2＝2，邻域内的8个点分别取img(p-2,q-1)、img(p-2,q+1)、img(p-1,q+2)、img(p+1,q+2)、img(p+2,q+1)、img(p+2,q-1)、img(p+1,q-2)、img(p-1,q-2)、img(p-2,q-1)，如图6中间圈取样位置，得到lbp2。
令取样半径r3＝3，取样点数N＝8，邻域内的8个点分别取img(p-2,q-2)、img(p-1,q)、img(p-2,q+2)、img(p,q+3)、img(p+2,q+2)、img(p+3,q)、img(p+2,q-2)、img(p,q-3)、img(p-2,q-2)，如图6外圈取样位置，得到lbp3。
通过以上步骤，就得到了三种不同尺度下的LBP图像。对于不同尺度的同一副图像，人眼能够轻易识别，然而对于计算机而言却不是那么简单。提取图像特征时要考虑到对于内容相同而尺度不同的图像，提取的特征应保持不变，即尺度不变性。本发明实现尺度不变性的方式是选择不同取样半径，相同邻域取样点数，分别提取多福LBP图像。
步骤b中特征点的计算过程为：对于一个LBP二进制序列lbp，设lbp(i)为序列第i位，y为LBP跳变数；初始化y＝0，在lbp末尾增加一位，值为lbp(1)，然后从第二位开始遍历lbp序列，当lbp(i)！＝lbp(i-1)时，y＝y+1，否则y不变，见公式(2)；
其中，N为邻域取样点数，nz为不为零函数。
对lbp1、lbp2、lbp3分别计算LBP跳变数得到y1、y2、y3，计算逻辑表达式y1>2&y2>2&y3>2的真值，得到的结果是一点处的混合模式真值，所有点的混合模式真值构成一帧图像的混合模式真值图像，记为MI。
TM-LBP算法试图寻找出纹理交界处的点作为特征点，以特征点在图像上的位置来表示图像的独特性。一个点的LBP二进制序列中从0到1和从1到0的跳变数越大，则该点处交界的纹理数越多。本发明把LBP符合混合模式的点找出作为特征点。
如图5所示，步骤e中生成辅助特征的过程为：设视频第k帧为Img(k)，第i帧和第j帧的最大差异度量值为MDS(i,j)，则MDS的计算公式见公式(3)
MDS(i，j)＝max{abs(img(1)-img(j))}
其中img为矩阵，矩阵大小为img分辨率大小，abs为绝对值函数，
设定一个阈值p，当MDS<p时，则认为第j帧为第i帧的冗余帧。
显然，p的值不能设的过大，否则就会误将非冗余帧识别为冗余帧。也不能设的过小，否则会漏掉很多冗余帧，优选P为25。
由于本发明将相邻的冗余帧合并为独立帧，虽然降低了提取的视频指纹大小，但是丢失了帧的时间信息。当检测到一个独立帧被篡改后，由于各独立帧合并的冗余帧数目不一，就找不到被篡改帧在原视频中的位置。解决办法是额外设置一个辅助特征ass，它的作用是存储每一独立帧在原视频中的位置。因为冗余帧是向前合并的，所以ass保存的是相邻多副相似帧组成的片段的开始位置。ass的计算在寻找独立帧的过程中进行。
如图6、图7所示，一种数字动画数字动画的篡改检测系统，所述系统包括动画指纹提取模块和动画指纹匹配模块，动画指纹提取模块用于使用融合时序的局部二值混合模式算法提取原动画指纹和待检测动画指纹，提取出的原动画指纹脱机保存到本地或数据库，提取出的待检测动画指纹输出给动画指纹匹配模块；动画指纹匹配模块用于：将待检测动画输入动画指纹提取模块后输出的待检测动画指纹与本地或数据库保存的原动画指纹比对，然后输出匹配结果，输出的匹配结果包含待检测动画帧在原动画视频中被篡改的时间位置和被篡改区域。
具体的，所述动画指纹提取模块输入为数字动画文件，输出为指纹文件。
具体的，动画指纹匹配模块对“＝＝”运算符进行重载，经过最长公共子序列LCS算法，得到匹配的序列及序列长度，进行迭代计算，每次匹配后都截取各个指纹的剩余部分再次匹配，直到LCS值大于K，最后输出匹配结果。
具体的，在没有先验知识情况下，动画指纹匹配模块则将待检测动画指纹分别与本地或数据库所有保存的动画指纹匹配，匹配结果包含多条匹配的子序列与对应LCS值，以及未匹配的元素；利用辅助特征找出未匹配的元素在待检测视频中的对应时间轴位置，这个位置就是被篡改的位置；未匹配元素与原动画指纹对应位置元素进行帧特征匹配，其结果可以找到篡改区域；最后，输出待检测动画相对原动画的篡改时间与相应区域。
以上所述只是本发明较佳的实施例，并不用于限制本发明，凡在本发明的技术范围内所做的修改、等同替换或者改进等，均应包含在本发明所保护的范围内。
Claims (9)
1.一种数字动画的篡改检测方法，其特征在于，动画指纹提取模块使用融合时序的局部二值混合模式算法提取原动画指纹，算法综合了时序与空间信息的纹理特征，提取出的原动画指纹脱机保存到本地或数据库；将待检测动画输入动画指纹提取模块，将输出的动画指纹与本地或数据库保存的原动画指纹一同输入到动画指纹匹配模块，然后输出匹配结果，输出的匹配结果包含待检测动画帧在原动画视频中被篡改的时间位置和被篡改区域。
2.根据权利要求1所述数字动画的篡改检测方法，其特征在于，所述融合时序的局部二值混合模式算法，即Time Combined And Mixed Local Binary Pattern，简称TM-LBP特征算法，包括以下步骤：
a、对每帧图像提取不同尺度下的Local Binary Pattern,即LBP图像；
b、找到纹理交界的点，即满足在各个尺度下的LBP都为混合模式的点作为特征点；
c、对帧图像分块，构建一个和分块数相同大小的矩阵，矩阵每个元素的值为对应块存在特征点的真值；
d、特征合并，将特征矩阵分别进行内部合并与帧间合并，降低特征存储大小；
e、生成辅助特征，以便快速匹配，提高匹配速度。
3.根据权利要求2所述数字动画的篡改检测方法，其特征在于，对步骤a中不同尺度下的LBP图像提取包括以下步骤：现将LBP图像方形邻域改为圆形邻域，增加LBP图像取样半径，使LBP图像可以选择不同的取样半径和取样点数，定义LBP算子为LBP(N,R)，N表示邻域取样点的个数，R表示取样半径；
设原图像灰度值为img，img(i,j)为图像第i行第j列像素的灰度值，遍历图像的每个像素，当遍历到第(p,q)个像素时，将img(p,q)半径R＝r1的邻域内的8个点img(p-r1,q-r1)、img(p-r1,q)、img(p-r1,q+r1)、img(p,q+r1)、img(p+r1,q+r1)、img(p+r1,q)、img(p+r1,q-r1)、img(p,q-r1)、img(p-r1,q-r1)分别与img(p,q)相比，大于则将值设为1，否则设为0，r1为整数；img(p,q)与邻域内8个点img按上述顺序保存在数组buf[9]，结果保存在数组lbp，见计算公式(1)，就得到了半径为r1的LBP,设其为lbp r1，
4.根据权利要求3所述数字动画的篡改检测方法，其特征在于，步骤b中特征点的计算过程为：对于一个LBP二进制序列lbp，设lbp(i)为序列第i位，y为LBP跳变数；初始化y＝0，在lbp末尾增加一位，值为lbp(1)，然后从第二位开始遍历lbp序列，当lbp(i)！＝lbp(i-1)时，y＝y+1，否则y不变，见公式(2)；
其中，N为邻域取样点数，nz为不为零函数。
对lbp1、lbp2、lbp3分别计算LBP跳变数得到y1、y2、y3，计算逻辑表达式y1>2&y2>2&y3>2的真值，得到的结果是一点处的混合模式真值，所有点的混合模式真值构成一帧图像的混合模式真值图像，记为MI。
5.根据权利要求4所述数字动画的篡改检测方法，其特征在于，步骤e中生成辅助特征的过程为：设视频第k帧为Img(k)，第i帧和第j帧的最大差异度量值为MDS(i,j)，则MDS的计算公式见公式(3)
MDS(i，j)＝max{abs(img(i)-img(j))}
其中img为矩阵，矩阵大小为img分辨率大小，abs为绝对值函数，设定一个阈值p，当MDS<p时，则认为第j帧为第i帧的冗余帧；额外设置一个辅助特征ass，用于存储每一独立帧在原视频中的位置。
6.一种数字动画数字动画的篡改检测系统，其特征在于，所述系统包括动画指纹提取模块和动画指纹匹配模块，动画指纹提取模块用于使用融合时序的局部二值混合模式算法提取原动画指纹和待检测动画指纹，提取出的原动画指纹脱机保存到本地或数据库，提取出的待检测动画指纹输出给动画指纹匹配模块；动画指纹匹配模块用于：将待检测动画输入动画指纹提取模块后输出的待检测动画指纹与本地或数据库保存的原动画指纹比对，然后输出匹配结果，输出的匹配结果包含待检测动画帧在原动画视频中被篡改的时间位置和被篡改区域。
7.根据权利要求5所述数字动画数字动画的篡改检测系统，其特征在于，所述动画指纹提取模块输入为数字动画文件，输出为指纹文件。
8.根据权利要求5所述数字动画数字动画的篡改检测系统，其特征在于，动画指纹匹配模块对“＝＝”运算符进行重载，经过最长公共子序列LCS算法，得到匹配的序列及序列长度，进行迭代计算，每次匹配后都截取各个指纹的剩余部分再次匹配，直到LCS值大于K，最后输出匹配结果。
9.根据权利要求5所述数字动画数字动画的篡改检测系统，其特征在于，在没有先验知识情况下，动画指纹匹配模块则将待检测动画指纹分别与本地或数据库所有保存的动画指纹匹配，匹配结果包含多条匹配的子序列与对应LCS值，以及未匹配的元素；利用辅助特征找出未匹配的元素在待检测视频中的对应时间轴位置，这个位置就是被篡改的位置；未匹配元素与原动画指纹对应位置元素进行帧特征匹配，其结果可以找到篡改区域；最后，输出待检测动画相对原动画的篡改时间与相应区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810674501.6A CN109063428A (zh) | 2018-06-27 | 2018-06-27 | 一种数字动画的篡改检测方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810674501.6A CN109063428A (zh) | 2018-06-27 | 2018-06-27 | 一种数字动画的篡改检测方法及其系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109063428A true CN109063428A (zh) | 2018-12-21 |
Family
ID=64821167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810674501.6A Withdrawn CN109063428A (zh) | 2018-06-27 | 2018-06-27 | 一种数字动画的篡改检测方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109063428A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111932544A (zh) * | 2020-10-19 | 2020-11-13 | 鹏城实验室 | 篡改图像检测方法、装置及计算机可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104038792A (zh) * | 2014-06-04 | 2014-09-10 | 紫光软件系统有限公司 | 用于iptv监管的视频内容分析方法及设备 |
| CN104581431A (zh) * | 2014-11-28 | 2015-04-29 | 安科智慧城市技术（中国）有限公司 | 一种视频认证方法及装置 |
| US9361507B1 (en) * | 2015-02-06 | 2016-06-07 | Hoyos Labs Ip Ltd. | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices |
| CN105959696A (zh) * | 2016-04-28 | 2016-09-21 | 成都三零凯天通信实业有限公司 | 一种基于sift特征算法的视频内容安全监管方法 |
-
2018
- 2018-06-27 CN CN201810674501.6A patent/CN109063428A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104038792A (zh) * | 2014-06-04 | 2014-09-10 | 紫光软件系统有限公司 | 用于iptv监管的视频内容分析方法及设备 |
| CN104581431A (zh) * | 2014-11-28 | 2015-04-29 | 安科智慧城市技术（中国）有限公司 | 一种视频认证方法及装置 |
| US9361507B1 (en) * | 2015-02-06 | 2016-06-07 | Hoyos Labs Ip Ltd. | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices |
| CN105959696A (zh) * | 2016-04-28 | 2016-09-21 | 成都三零凯天通信实业有限公司 | 一种基于sift特征算法的视频内容安全监管方法 |
Non-Patent Citations (2)
| Title |
|---|
| ABUBAKAR SIDDIQUE等: "A Comprehensive Strategy for Mammogram Image Classification using Learning Classifier Systems", 《IEEE》 * |
| 田兴发: "面向视频篡改检测的特征提取算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111932544A (zh) * | 2020-10-19 | 2020-11-13 | 鹏城实验室 | 篡改图像检测方法、装置及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Exploring image enhancement for salient object detection in low light images | |
| CN103593464B (zh) | 基于视觉特征的视频指纹检测及视频序列匹配方法及系统 | |
| WO2020211624A1 (zh) | 对象追踪方法、追踪处理方法、相应的装置、电子设备 | |
| Rajam et al. | Recognition of Tamil sign language alphabet using image processing to aid deaf-dumb people | |
| CA2790009C (en) | Memory having information refinement detection function, information detection method using memory, device including memory, information detection method, method for using memory, and memory address comparison circuit | |
| KR20100134079A (ko) | 이미지 내의 자동 얼굴 검출 및 식별 마스킹, 및 그 응용 | |
| Huang et al. | Water flow driven salient object detection at 180 fps | |
| Jiang et al. | Improved YOLO v5 with balanced feature pyramid and attention module for traffic sign detection | |
| JP2017084349A (ja) | 集合演算機能を備えたメモリ及びこれを用いた集合演算処理方法 | |
| CN101635851B (zh) | 视频指纹提取方法 | |
| Dong et al. | A 4.29 nJ/pixel stereo depth coprocessor with pixel level pipeline and region optimized semi-global matching for IoT application | |
| Golovanov et al. | Combining hand detection and gesture recognition algorithms for minimizing computational cost | |
| CN109063428A (zh) | 一种数字动画的篡改检测方法及其系统 | |
| CN113139544A (zh) | 一种基于多尺度特征动态融合的显著性目标检测方法 | |
| Wang et al. | A new interaction method for augmented reality based on ARToolKit | |
| Biao et al. | Improvements on Vibe algorithm for detecting foreground objects | |
| Zhang et al. | Spatial HOG based TV logo detection | |
| Lan et al. | Gad: A global-aware diversity-based template matching method | |
| Li et al. | A novel automatic image stitching algorithm for ceramic microscopic images | |
| Lam et al. | Real Time Detection of Object Blob Localization Application using 1-D Connected Pixel and Windowing Method on FPGA | |
| Sontakke et al. | Logo matching and recognition: a concise review | |
| Xing et al. | Blind identification technology of computer generated image based on texture recognition | |
| Susmitha et al. | Context dependent logo detection and recognition based on context dependent similarity kernel | |
| Jian et al. | Application of approximate string matching in video retrieval | |
| Liao et al. | Feature Extraction Method Based on Gray Value Star-shaped Projection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181221 |