CN110418129A - 数字视频帧间篡改检测方法及系统 - Google Patents
数字视频帧间篡改检测方法及系统 Download PDFInfo
- Publication number
- CN110418129A CN110418129A CN201910653251.2A CN201910653251A CN110418129A CN 110418129 A CN110418129 A CN 110418129A CN 201910653251 A CN201910653251 A CN 201910653251A CN 110418129 A CN110418129 A CN 110418129A
- Authority
- CN
- China
- Prior art keywords
- residual quantity
- video
- digital video
- interframe
- similarity
- 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
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
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
Abstract
本发明公开一种数字视频帧间篡改检测方法及系统,包括:获取待检测数字视频;将待检测数字视频转换为按时间排序的视频帧序列;获得按时间排序的差量矩阵序列;计算差量矩阵序列中所有相邻或相隔的两个差量矩阵之间的相似度,根据所有的相似度获得待检测数字视频的帧间相似度/时间散点图并判断该数字视频是否存在帧间篡改。由于在未被篡改的数字视频中的运动目标动作是连续的,使得相邻或相隔差量矩阵之间的帧间相似度/时间散点图也应当是平滑的,因此能够直接根据帧间相似度/时间散点图来判断数字视频是否存在帧间篡改,为数字视频篡改帧间检测提供更加高效、精确的可行性方案。
Description
技术领域
本发明涉及视频检测技术领域,具体是一种数字视频帧间篡改检测方法 及系统。
背景技术
目前数字视频在社会各领域被广泛使用,数字视频已经成为一种强大的 信息传播方式。随着计算机软件应用技术的飞速发展,各种视频编辑软件层 出不穷,视频篡改操作变得越来越傻瓜化,以至于没有任何专业知识的人只 需要根据操作教程就能使用数字视频编辑软件能对视频进行随心所欲的篡 改。一些目的性的篡改库被用在诸如事故鉴定司法取证、自媒体导向性宣传、 大数据计算有效样本选择等方面。恶意篡改往往会带来一些严重的后果,破 坏司法公正,损害新闻权威,影响社会稳定性。
常见的数字视频内容篡改方法主要有以下几类:
(1)删除。删除操作主要是通过将数字视频中的一部分帧序列移除或者 切割帧,达到掩盖视频部分数据反映出的信息的目的。例如:从视频监控中 删除某人路过的一段视频序列,实现视频场景中删除某人经过的所有信息。
(2)替换。替换操作主要通过选取数字视频本身或者其他数字视频的一 小部分,对被目标视频进行成段或局部内容替换。例如将视频中某人的脸替 换为另一个人的脸,或者是选取视频的某一帧或多帧,替换掉相应长度的视 频帧序列。
(3)复制。复制操作会增加某一个物品在数字视频中出现的次数,通过 选取某一特定区域或特定物品,进行复制-粘贴操作,让该物品出现在视频帧 内的其他位置。或者是将某一帧复制多次,达到一个画面静止,掩盖某一事 件发生事实的效果。
不同的篡改操作,在不同的处理方式下,也会产生不同的篡改效果,篡改 者往往会根据其目的采用不同的篡改方式。视频篡改相对于静态图片的篡改, 尽管篡改难度更加大,技术要求更高,由于互联网以及软件行业的发展,更 丰富的操作简便的视频编辑软件却使得人们对视频的篡改变得越来越容易。 由于视频的真实性变得不再可靠,视频篡改检测研究也就变得十分必要。
基于视频帧的篡改通常是复制、删除或移动视频帧。这种篡改会破坏原视 频帧的相似度匹配,破坏相邻帧之间的连续性,使相邻帧与未篡改帧之间的 差异明显。视频帧间的相似性匹配可以作为判断视频篡改的一个重要因素。 汤超提出了一套基于视频帧全局纹理特征的帧间篡改检测方法。该方法利用 一维Haar小波变换提取视频帧图像的低频分量作为测试帧序列。利用GIST 的特征描述提取视频帧的全局纹理特征,针对视频帧复制、帧插入、帧删除 篡改等问题,分别利用欧氏距离、相关系数和局部异常因子构造检测算法,设置识别规则,实现视频帧复制检测、帧插入检测和帧删除篡改检测。但其 实施过程较为繁琐,检测速度较慢;在视频帧的全局纹理特征的提取过程容 易受到噪声的影响,进而影响检测结果的精确度。
发明内容
本发明提供一种数字视频帧间篡改检测方法及系统,为数字视频篡改帧 间检测提供更加高效、精确的可行性方案。
为实现上述目的,本发明提供一种数字视频帧间篡改检测方法,包括以 下步骤:
步骤101,获取待检测数字视频;
步骤102,将待检测数字视频转换为按时间排序的视频帧序列;
步骤103,将视频帧序列中所有相邻的两个视频帧相减,获得按时间排序 的差量矩阵序列;
步骤104,计算差量矩阵序列中所有相邻或相隔的两个差量矩阵之间的相 似度,根据所有的相似度获得待检测数字视频的帧间相似度/时间散点图;
步骤105,在待检测数字视频的帧间相似度/时间散点图出现跳变时,认 为该数字视频存在帧间篡改。
进一步优选的,所述步骤105之后还包括:
步骤106,检测待检测数字视频的帧间相似度/时间散点图中发生跳变的 帧数与位置以及待检测数字视频的帧间相似度/时间散点图中平滑部位的时 间;根据上述结果识别发生帧间篡改的类型与位置。
进一步优选的,步骤104中,所述计算差量矩阵序列中所有相邻或相隔 的两个差量矩阵之间的相似度,具体为:
计算差量矩阵序列中所有间隔为1的两个差量矩阵之间的相似度。
进一步优选的,步骤104中,所述计算差量矩阵序列中所有相邻或相隔 的两个差量矩阵之间的相似度,具体为:
计算差量矩阵序列中所有间隔为2的两个差量矩阵之间的相似度。
进一步优选的,所述步骤106包括:
若检测到帧间相似度/时间散点图中平滑的区段出现连续的多帧相似度 值突然变小的跳变然后恢复平滑,则判断该跳变位置处的视频帧图像发生单 帧删除或单帧替换或单帧插入中的一种或多中篡改;
若检测到帧间相似度/时间散点图中平滑的区段出现连续的多帧相似度 值突然变大的跳变然后恢复平滑,则判断该跳变位置处的视频帧图像发生帧 连续复制的篡改。
进一步优选的,所述步骤102还包括:将视频帧序列中各视频帧图像以 字符串处理、字符串编号的方式实现逐帧存储。
进一步优选的,所述步骤104中,两个差量矩阵之间相似度的计算过程 为:
SSIM(x,y)=[l(x,y)]α[c(x,y)]β[s(x,y)]γ
式中,SSIM(x,y)表示差量矩阵x与差量矩阵y之间相似度;l(x,y)表示 差量矩阵x与差量矩阵y的亮度比较、c(x,y)表示差量矩阵x与差量矩阵y的 对比度比较、s(x,y)表示差量矩阵x与差量矩阵y的结构比较;μx与μy分别 为差量矩阵x与差量矩阵y的平均值;σx与σy分别为差量矩阵x与差量矩阵 y的标准差、σxy为差量矩阵x与差量矩阵y的协方差;α、β、γ、c1、c2、c3均为常数。
为实现上述目的,本发明还提供一种计算机设备,包括存储器和处理器, 所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述 方法的步骤。
为实现上述目的,本发明还提供一种计算机可读存储介质,其上存储有 计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
本发明提供的一种数字视频帧间篡改检测方法、计算机设备及存储介质, 以将数字视频中相邻的视频帧图像相减的方式获得差量矩阵,进而对数字视 频中的运动目标达到追踪效果,随后根据差量矩阵获得待检测数字视频的帧 间相似度/时间散点图,由于在未被篡改的数字视频中的运动目标动作是连续 的,使得相邻或相隔差量矩阵之间的帧间相似度/时间散点图也应当是平滑 的,因此能够直接根据帧间相似度/时间散点图来判断数字视频是否存在帧间 篡改,为数字视频篡改帧间检测提供更加高效、精确的可行性方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面 描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲, 在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的 附图。
图1为本发明实施例中数字视频帧间篡改检测方法的流程示意图;
图2为本发明实施例中视频帧序列的存储/提取示意图;
图3为本发明实施例中相邻帧相减获得差量矩阵的示意图;
图4为本发明实施例中实验过程中所采用的视频的单针图像示意图;
图5为本发明实施例中实验过程中视频篡改前帧间相似度/时间散点图
图6为本发明实施例中实验过程中视频篡改后帧间相似度/时间散点图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步 说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行 清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例, 而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有 作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、 后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位 置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应 地随之改变。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的, 而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数 量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少 一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个, 三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“连接”、“固定”等 应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或 成一体;可以是机械连接,也可以是电连接,还可以是物理连接或无线通信 连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内 部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的 普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以 本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无 法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范 围之内。
如图1所示的一种数字视频帧间篡改检测方法,包括以下步骤:
步骤101,获取待检测数字视频;
步骤102,将待检测数字视频转换为按时间排序的视频帧序列;
步骤103,将视频帧序列中所有相邻的两个视频帧相减,获得按时间排序 的差量矩阵序列;
步骤104,计算差量矩阵序列中所有相邻或相隔的两个差量矩阵之间的相 似度,根据所有的相似度获得待检测数字视频的帧间相似度/时间散点图;
步骤105,在待检测数字视频的帧间相似度/时间散点图出现跳变时,认 为该数字视频存在帧间篡改。
步骤106,检测待检测数字视频的帧间相似度/时间散点图中发生跳变的 帧数与位置以及待检测数字视频的帧间相似度/时间散点图中平滑部位的时 间;根据上述结果识别发生帧间篡改的类型与位置。
步骤101中,待检测数字视频输入采用的是在Visual studio 2015下安装 的OpenCV 4.0.0的计算机视觉库,通过VideoCapture类(视频流捕捉器) 对视频流进行获取操作以及获取摄像头,在程序中可以分别通过以下代码来 实现对视频文件的读取或打开摄像头,实现该功能的代码为:
代码功能:利用视频流捕捉器打开视频文件或摄像头
VideoCapture cpt;
cpt.open("D:\\video\\5-9.mp4");//打开路径为"D:\\video\\5-9.mp4"的 视频文件
cpt.open(0);//打开设备id为0的摄像头
本实施例的目的为检测数字视频是否被篡改,所以未使用即时采集的视 频来进行操作,所以代码中均为打开视频文件的方法实现。
步骤102中,通过VideoCapture类中的各种API(Application ProgrammingInterface,应用程序编程接口)对待检测数字视频进行信息提取,将将待检测 数字视频的每一帧分别写入到Mat(基本图像容器)容器中,通过字符串处理 和imwrite()函数的搭配使用将视频处输出为如图2所示的按时间排序的 JEPG格式图片序列,即视频帧序列。
步骤103中,计算视频帧序列中所有相邻的两个视频帧相减时需要对视 频帧序列的每一张视频帧图像进行逐帧提取,一个视频有数百帧甚至是上千 帧,将这些帧进行分别保存是一个编程较难操作的地方,因此本实施例中通 过字符串处理、字符串编号等操作来实现的逐帧编号保存以及逐帧读取文件 的功能,具体的实现代码为:
函数名称:get_str
函数功能:获取相应帧路径字符串
函数输入:int arr_tot;
函数输出:char arr_name[64];
在上面代码中,get_str()函数是获取视频帧图像文件路径字符串,通过将 预先设置好的保存路径和文件名前缀和当前视频帧图像序号以及文件后缀格 式字符串拼接起来,保存到arr_name字符串中,arr_name最终就是目标视频 帧图像文件的路径。其中get_arr_str()函数是将当前的整形的序号转换为字符 串类型保存在arr数组中,具体实现代码如下:
函数名称:get_arr_str
函数功能:转换数字为字符串
函数输入:int n;
函数输出:char arr[9];
因此在对视频帧序列中的指定视频帧图像进行读取时,写入操作只需要 通过mat=imread(arr_name)和imwriter(arr_name,mat)这两个API接口即可将 实现。
步骤103中将数字视频中相邻的视频帧图像相减的方式获得差量矩阵, 进而对数字视频中的运动目标达到追踪效果,而未被篡改的数字视频中视频 帧图像特征是具有连续性的,无论帧内对象的运动快慢,连续的视频的特征 运动也会呈现连续性。由于视频帧删除篡改往往通过删除某一个或某一段帧, 以此来达到隐藏某一事件发生的目的,视频帧删除篡改会破坏掉这一特征运 动的连续性,会使得连续性出现阶梯式的断层。视频帧替换与视频帧插入, 可以理解为将一段视频帧删除,替换为后续的帧序列,其体现的特征与帧删 除相同。视频帧复制是将某一帧多次进行重复,使某一段视频序列均变为同 一帧,以此来给人一种此状态为视频中未出现运动目标的认知。但是此操作 会使得前后两帧完全一致,可以以此来作为判断数字视频是否被篡改依据。 如图3所示,将第一个视频帧图像与第二个视频帧图像相减得到差量矩阵序 列中的第一个差量矩阵,将第二个视频帧图像与第三个视频帧图像相减得到 差量矩阵序列中的第二个差量矩阵,将第三个视频帧图像与第四个视频帧图 像相减得到差量矩阵序列中的第三个差量矩阵,依次类推直至得到完整的差 量矩阵序列。
步骤104中,计算差量矩阵序列中所有相邻或相隔的两个差量矩阵之间 的相似度,具体为:计算差量矩阵序列中所有间隔为1的两个差量矩阵之间 的相似度;或者计算差量矩阵序列中所有间隔为2的两个差量矩阵之间的相 似度。本实施例中通过计算差量矩阵序列中所有间隔为1的两个差量矩阵之 间的相似度进而得到待检测数字视频的帧间相似度/时间散点图,有效的保证 后续判断的精确性,避免因偶然情况导致误判。
其中,步骤104中,两个差量矩阵之间相似度的计算过程为:
SSIM(x,y)=[l(x,y)]α[c(x,y)]β[s(x,y)]γ
式中,SSIM(x,y)表示差量矩阵x与差量矩阵y之间相似度;l(x,y)表示 差量矩阵x与差量矩阵y的亮度比较、c(x,y)表示差量矩阵x与差量矩阵y的 对比度比较、s(x,y)表示差量矩阵x与差量矩阵y的结构比较;μx与μy分别 为差量矩阵x与差量矩阵y的平均值;σx与σy分别为差量矩阵x与差量矩阵 y的标准差、σxy为差量矩阵x与差量矩阵y的协方差;α、β、γ、c1、c2、 c3均为常数。
优选的,设定α=β=γ=1,c3=c2/2,因此两个差量矩阵之间相似度的计 算过程可以简化为:
由上述公式可知SSIM有对称性,即SSIM(x,y)=SSIM(y,x)。SSIM的值 域为[0,1],越大表示图片相似度越高,当SSIM等于1时,表示x与y两幅 图片完全一致。
步骤104中,相似度的计算过程的代码为:
代码功能:实现视频帧间隔计算SSIM值,并保存到文件中
代码输出:文件输出“out.txt”
在上述代码是利用getMSSIM()函数为计算两帧图片相似度值编写的函 数,其函数声明如下,返回的值即为两个图片的SSIM值:double getMSSIM(const Mat&i1,constMat&i2);再将计算出来的SSIM值保存到文本 “out.txt”中。
获取了全部的SSIM值之后绘制帧间相似度/时间散点图,首先绘制画布 与坐标,其代码为:
代码功能:绘制帧间相似度/时间散点图
代码输入:”out.txt”文件
代码输出:Mat ct散点图
在绘制完画布与坐标轴之后,通过读取文件“out.txt”然后将数据在图中 以点的形式绘制出来,由于在画布上进行绘图是以像素点的形式绘制的,一 个像素点在图上无法很明显的表示,所以本实施例通过绘制十字架来让散点 在画布上更清晰。
步骤106中,若该数字视频存在帧间篡改,则根据帧间相似度/时间散点 图获得该数字视频发生帧间篡改篡改的类型与位置差量矩阵的具体过程为:
当篡改量为一帧时,帧删除会在帧间相似度/时间散点图中平滑的区段出 现连续的两帧跳变(SSIM值突然变小)然后恢复平滑;单帧替换和单帧插入 一样,由于替换/插入帧前后仍然是同一序列,相差会比较小,所以在SSIM 值序列中会出现两次较为明显的跳变(SSIM值突然变小),去除两帧跳变帧, 序列仍然能保持平滑状态。而帧连续性的复制,会导致两相邻帧完全相同, 进而计算出来的差量矩阵为0矩阵,两个差量矩阵之间进行SSIM值计算,计 算过程中的结构相似度值会增大,所以会导致连续的两帧跳变(SSIM值突然 变大)然后恢复平滑;由此可以对几种篡改进行识别。
为了验证设计的效果,本实施例通过对输入视频进行相应篡改,然后使 用程序同时对原始视频和篡改后的视频进行篡改检测。原始视频是人物从镜 头右侧走向镜头左侧,然后停在镜头内,即图4所示,其中图4(a)表示原始 视频第25帧的视频帧图像,图4(b)表示原始视频第26帧的视频帧图像,图4(c) 表示原始视频第210帧的视频帧图像,图4(d)表示原始视频第215帧的视频帧 图像,图4中最下面两幅图像分别表示原始视频第220帧与第225帧的视频帧 图像。将该视频进行如下篡改:
①将第40帧复制5次;
②将第60帧到第69帧删除;
③将第80帧复制5次;
④将第95帧替换为第10帧;
使用本实施例中的方法对原始的输入视频进行SSIM值计算,将计算的数 值保存下来,通过SSIM/时间坐标系绘制出散点图,如图5所示。在经计算 后原视频产生的数据绘制出的散点图中可知,视频SSIM特征整体上是连续 的,散点所表现出来的曲线也接近于平滑曲线。这就是没有篡改的原视频特 征。
使用本实施例中的方法对篡改后的输入视频进行SSIM值计算,将计算的 数值保存下来,通过SSIM/时间坐标系绘制出散点图,如图6所示。从图5 和图6可以看出篡改前后视频帧的SSIM/时间值有很明显的差别。
使用本实施例中的方法进行篡改检测前无法得知原视频相似度的特征信 息,不知道视频是否被篡改,所以实施例仅从图6进行篡改检测分析与验证:
①在第40帧的时候视频的SSIM值明显有一个上跳,然后接下来4帧直 接上跳为1,然后再下跳回原来的序列。这说明在第40帧开始后4帧与第40 帧完全相同,此处可以判定为帧复制篡改;
②在第60帧的时候SSIM值出现了两帧明显的下跳,但是仍然有65%以 上的相似度,而跳变的前后均为较平滑的SSIM值曲线,由此可以断定为被篡 改,而复数帧替换在替换帧的前面确实会出现这样的跳变,但是在替换帧的 结束出也同样会出现这样的跳变,所以判断此处为复数帧删除篡改;
③在第80帧的时候SSIM值同样也有一个上跳,再跳到1,与①情况一 致,即此处进行了帧复制篡改。
④在第95帧出现了两个不相连帧的SSIM值下跳,中间相隔1帧,可以 判断此处为单帧篡改。
另外,在图5和图6两个散点图中,可以看到有呈现周期性两帧的SSIM 值会跳变,跳变周期为30帧一个周期。这个周期信号是由于硬件产生的,其 原因就是相机拍摄的视频的帧率并不是完全的30帧/s,而是30.088帧/s,而 在处理的时候是以30帧/s是一个近似值来进行处理的,所以对原视频有一些 压缩,将多出的部分帧压缩到了第30帧上,所以出现了这个跳变信号。这个 信号也能作为判断篡改的依据。
本实施例还提供一种计算机设备,包括存储器和处理器,所述存储器存 储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所 述计算机程序被处理器执行时实现上述的方法的步骤。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围, 凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构 变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范 围内。
Claims (9)
1.一种数字视频帧间篡改检测方法,其特征在于,包括以下步骤:
步骤101,获取待检测数字视频;
步骤102,将待检测数字视频转换为按时间排序的视频帧序列;
步骤103,将视频帧序列中所有相邻的两个视频帧相减,获得按时间排序的差量矩阵序列;
步骤104,计算差量矩阵序列中所有相邻或相隔的两个差量矩阵之间的相似度,根据所有的相似度获得待检测数字视频的帧间相似度/时间散点图;
步骤105,在待检测数字视频的帧间相似度/时间散点图出现跳变时,认为该数字视频存在帧间篡改。
2.根据权利要求1所述数字视频帧间篡改检测方法,其特征在于,所述步骤105之后还包括:
步骤106,检测待检测数字视频的帧间相似度/时间散点图中发生跳变的帧数与位置;根据上述结果识别发生帧间篡改的类型与位置。
3.根据权利要求1所述数字视频帧间篡改检测方法,其特征在于,步骤104中,所述计算差量矩阵序列中所有相邻或相隔的两个差量矩阵之间的相似度,具体为:
计算差量矩阵序列中所有间隔为1的两个差量矩阵之间的相似度。
4.根据权利要求1所述数字视频帧间篡改检测方法,其特征在于,步骤104中,所述计算差量矩阵序列中所有相邻或相隔的两个差量矩阵之间的相似度,具体为:
计算差量矩阵序列中所有间隔为2的两个差量矩阵之间的相似度。
5.根据权利要求2至4任一项所述数字视频帧间篡改检测方法,其特征在于,所述步骤106包括:
若检测到帧间相似度/时间散点图中平滑的区段出现连续的多帧相似度值突然变小的跳变然后恢复平滑,则判断该跳变位置处的视频帧图像发生单帧删除或单帧替换或单帧插入中的一种或多中篡改;
若检测到帧间相似度/时间散点图中平滑的区段出现连续的多帧相似度值突然变大的跳变然后恢复平滑,则判断该跳变位置处的视频帧图像发生帧连续复制的篡改。
6.根据权利要求1至4任一项所述数字视频帧间篡改检测方法,其特征在于,所述步骤102还包括:将视频帧序列中各视频帧图像以字符串处理、字符串编号的方式实现逐帧存储。
7.根据权利要求1至4任一项所述数字视频帧间篡改检测方法,其特征在于,所述步骤104中,两个差量矩阵之间相似度的计算过程为:
SSIM(x,y)=[l(x,y)]α[c(x,y)]β[s(x,y)]γ
式中,SSIM(x,y)表示差量矩阵x与差量矩阵y之间相似度;l(x,y)表示差量矩阵x与差量矩阵y的亮度比较、c(x,y)表示差量矩阵x与差量矩阵y的对比度比较、s(x,y)表示差量矩阵x与差量矩阵y的结构比较;μx与μy分别为差量矩阵x与差量矩阵y的平均值;σx与σy分别为差量矩阵x与差量矩阵y的标准差、σxy为差量矩阵x与差量矩阵y的协方差;α、β、γ、c1、c2、c3均为常数。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910653251.2A CN110418129B (zh) | 2019-07-19 | 2019-07-19 | 数字视频帧间篡改检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910653251.2A CN110418129B (zh) | 2019-07-19 | 2019-07-19 | 数字视频帧间篡改检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110418129A true CN110418129A (zh) | 2019-11-05 |
CN110418129B CN110418129B (zh) | 2021-03-02 |
Family
ID=68362041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910653251.2A Active CN110418129B (zh) | 2019-07-19 | 2019-07-19 | 数字视频帧间篡改检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110418129B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110853033A (zh) * | 2019-11-22 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 基于帧间相似度的视频检测方法和装置 |
CN111144314A (zh) * | 2019-12-27 | 2020-05-12 | 北京中科研究院 | 一种篡改人脸视频检测方法 |
CN112949431A (zh) * | 2021-02-08 | 2021-06-11 | 证通股份有限公司 | 视频篡改检测方法和系统、存储介质 |
CN113114542A (zh) * | 2021-06-15 | 2021-07-13 | 凯睿星通信息科技(南京)股份有限公司 | 一种基于ip应答的卫星通信系统运行状态监测方法及系统 |
CN116582700A (zh) * | 2023-07-06 | 2023-08-11 | 杭州海康威视数字技术股份有限公司 | 实时视频监控篡改检测方法、装置及设备 |
Citations (5)
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 |
CN103618899A (zh) * | 2013-12-05 | 2014-03-05 | 福建师范大学 | 基于光强信息的视频插帧篡改检测方法及装置 |
CN104270644A (zh) * | 2014-09-28 | 2015-01-07 | 上海交通大学 | 基于速度场一致性的视频帧间篡改检测方法 |
CN105657435A (zh) * | 2016-01-25 | 2016-06-08 | 福建师范大学 | 基于量化dct系数的视频单帧复制粘贴篡改检测方法 |
CN109726733A (zh) * | 2018-11-19 | 2019-05-07 | 西安理工大学 | 一种基于帧间相关性的视频篡改检测方法 |
-
2019
- 2019-07-19 CN CN201910653251.2A patent/CN110418129B/zh active Active
Patent Citations (5)
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 |
CN103618899A (zh) * | 2013-12-05 | 2014-03-05 | 福建师范大学 | 基于光强信息的视频插帧篡改检测方法及装置 |
CN104270644A (zh) * | 2014-09-28 | 2015-01-07 | 上海交通大学 | 基于速度场一致性的视频帧间篡改检测方法 |
CN105657435A (zh) * | 2016-01-25 | 2016-06-08 | 福建师范大学 | 基于量化dct系数的视频单帧复制粘贴篡改检测方法 |
CN109726733A (zh) * | 2018-11-19 | 2019-05-07 | 西安理工大学 | 一种基于帧间相关性的视频篡改检测方法 |
Non-Patent Citations (1)
Title |
---|
卢贺楠等: "帧删除篡改检测及定位", 《小型微型计算机系统》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110853033A (zh) * | 2019-11-22 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 基于帧间相似度的视频检测方法和装置 |
CN110853033B (zh) * | 2019-11-22 | 2022-02-22 | 腾讯科技(深圳)有限公司 | 基于帧间相似度的视频检测方法和装置 |
CN111144314A (zh) * | 2019-12-27 | 2020-05-12 | 北京中科研究院 | 一种篡改人脸视频检测方法 |
CN112949431A (zh) * | 2021-02-08 | 2021-06-11 | 证通股份有限公司 | 视频篡改检测方法和系统、存储介质 |
CN113114542A (zh) * | 2021-06-15 | 2021-07-13 | 凯睿星通信息科技(南京)股份有限公司 | 一种基于ip应答的卫星通信系统运行状态监测方法及系统 |
CN113114542B (zh) * | 2021-06-15 | 2021-09-24 | 凯睿星通信息科技(南京)股份有限公司 | 一种基于ip应答的卫星通信系统运行状态监测方法及系统 |
CN116582700A (zh) * | 2023-07-06 | 2023-08-11 | 杭州海康威视数字技术股份有限公司 | 实时视频监控篡改检测方法、装置及设备 |
CN116582700B (zh) * | 2023-07-06 | 2023-09-29 | 杭州海康威视数字技术股份有限公司 | 实时视频监控篡改检测方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110418129B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110418129A (zh) | 数字视频帧间篡改检测方法及系统 | |
Yeung et al. | Segmentation of video by clustering and graph analysis | |
US8849058B2 (en) | Systems and methods for image archaeology | |
CN103530652B (zh) | 一种基于人脸聚类的视频编目方法、检索方法及其系统 | |
US7184100B1 (en) | Method of selecting key-frames from a video sequence | |
Torralba et al. | Labelme: Online image annotation and applications | |
Zhao et al. | Text from corners: a novel approach to detect text and caption in videos | |
US7978936B1 (en) | Indicating a correspondence between an image and an object | |
US6366699B1 (en) | Scheme for extractions and recognitions of telop characters from video data | |
CN110430339A (zh) | 数字视频帧内篡改检测方法及系统 | |
Kennedy et al. | Internet image archaeology: Automatically tracing the manipulation history of photographs on the web | |
US6701014B1 (en) | Method and apparatus for matching slides in video | |
JP2005108225A (ja) | オーディオビジュアルプレゼンテーションのコンテンツの要約及び索引付けするための方法及び装置 | |
Choudary et al. | Summarization of visual content in instructional videos | |
EP2905782A1 (en) | Content management system, management content generation method, management content reproduction method, program and recording medium | |
Hanjalic et al. | Template-based detection of anchorperson shots in news programs | |
JP5031504B2 (ja) | 画像処理装置および操作者検索方法 | |
Ma et al. | Lecture video segmentation and indexing | |
Hanjalic et al. | Automatically segmenting movies into logical story units | |
US20070061727A1 (en) | Adaptive key frame extraction from video data | |
CN103093213B (zh) | 视频文件分类方法及终端 | |
CN110825821B (zh) | 人员关系的查询方法、装置、电子设备及存储介质 | |
Dimitrova et al. | MPEG-7 Videotext description scheme for superimposed text in images and video | |
Yang et al. | A framework for automatic detection of soccer goal event based on cinematic template | |
Kim et al. | An efficient graphical shot verifier incorporating visual rhythm |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |