CN114124397A - 用于确定视频的真实性的方法和设备 - Google Patents
用于确定视频的真实性的方法和设备 Download PDFInfo
- Publication number
- CN114124397A CN114124397A CN202110967447.6A CN202110967447A CN114124397A CN 114124397 A CN114124397 A CN 114124397A CN 202110967447 A CN202110967447 A CN 202110967447A CN 114124397 A CN114124397 A CN 114124397A
- Authority
- CN
- China
- Prior art keywords
- image quality
- quality measurement
- image
- video
- image 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005259 measurement Methods 0.000 claims abstract description 135
- 230000008859 change Effects 0.000 claims abstract description 87
- 230000004044 response Effects 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 25
- 230000033001 locomotion Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
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
- H04N17/02—Diagnosis, testing or measuring for television systems or their details for colour television signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/46—Embedding additional information in the video signal during the compression process
- H04N19/467—Embedding additional information in the video signal during the compression process characterised by the embedded information being invisible, e.g. watermarking
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
- G06T1/0028—Adaptive watermarking, e.g. Human Visual System [HVS]-based watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3247—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving digital signatures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Technology Law (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Studio Devices (AREA)
Abstract
公开了用于确定视频的真实性的方法和设备。具体地,公开了一种确定监控系统中的视频的真实性的方法。捕获场景的图像帧的序列,并且跟踪对象。确定至少第一图像帧和第二图像帧中的与被跟踪的对象相对应的图像区域中的当前图像质量测量。进行选择,使得对象已经在第一图像帧和第二图像帧之间移动至少预定的距离。确定对象的当前图像质量测量变化,该图像质量测量变化描述随所述对象的在图像帧中的位置而变化的图像质量测量。将当前图像质量测量变化与已知图像质量测量变化相比较。响应于当前图像质量测量变化从已知的像素密度变化的偏离小于预定的量,确定视频是真实的。
Description
技术领域
本发明涉及确定捕获的视频的真实性。具体地,其涉及确定监控系统中的视频的真实性。
背景技术
过去人们常说,相机决不说谎。然而,随着技术进步,不幸地是,对通过技术所创建的信息进行伪造的尝试也在进步。在监控或监视环境时,已经开发了技术来用于阻止这样的伪造尝试以及用于检测何时作出了伪造尝试。一种此类技术是在从相机传送捕获的视频之前向其添加数字签名。在接收端,能够检验签名,以便确定所接收的视频是否与由相机所传送的视频相同。以这种方式,能够发现在相机和接收机之间某处的伪造尝试。存在应用签名的许多方式。例如,其可以采取数字水印的形式,通常以变化凭肉眼是不可见的方式,根据特定图案修改视频的图像帧中的像素值。应用签名的另一种方式是在图像帧的报头中将其存储为元数据。
即使数字签名使确保所接收的视频在其从相机传送之后没有被干预成为可能,这也不保证所接收的视频是由相机监视的场景中的事件的真表示。在提高来自显示器的图像质量的情况下,可以通过使相机捕获不是实际场景的、而是在相机之前放置的显示器的视频来欺骗捕获的视频的观看者。由相机应用的数字签名将在这样的情形中告诉观看者视频是真实的,这是因为其在其被捕获和传送之后没有被干预,因此可能给予真实性的错觉。
因此仍然需要对阻止或检测这样的重放视频攻击的形式的伪造的问题的解决方案。
发明内容
本发明的目的是提供确定视频的真实性的方法,并且具体地在监控系统中。
另一个目的是提供的方法确定在视频中捕获的事件是出现在由相机监视的场景中的事件。
另外的目的是提供使确定视频的真实性成为可能的认证器系统。
又一个目的是提供允许确定视频的真实性的相机和计算机可读存储介质。
根据第一方面,通过用于确定监控系统中的视频的真实性的方法来全部或至少部分地实现这些和其他目的,该方法包括:捕获场景的图像帧的序列;跟踪图像帧的序列中的对象;确定图像帧的至少第一图像帧和第二图像帧中的与被跟踪的对象相对应的图像区域中的当前图像质量测量,第一图像帧和第二图像帧中的对象被跟踪,其中第一图像帧和第二图像帧是这样选择的:使得对象已经在第一图像帧和第二图像帧之间移动至少预定的距离;根据第一图像帧和第二图像帧中的所确定的图像质量测量来识别对象的当前图像质量测量变化,图像质量测量变化描述随对象的在第一图像帧和第二图像帧中的位置而变化的图像质量测量;将当前图像质量测量变化与已知图像质量测量变化相比较;以及响应于当前图像质量测量变化从已知的像素密度变化的偏离小于第一预定的量,确定视频是真实的。这样的方法使如下情况成为可能:确定捕获的视频是否很可能描绘出现在所监视的场景中的事件、而不是出现在放置在场景中的显示器上的事件。由于显示器是平坦的,在显示的视频中移动的对象将不呈现与在场景中移动的对象相同的图像质量改变。例如,在场景中走来走去的人有时将靠近相机的焦点距离并且有时远离该焦点距离,因此人将有时在焦点上并且有时离焦。然而,在显示的视频中移动的人将总是位于与相机相同的距离,即从相机到显示器的距离。因此,即使显示的视频中的人看起来朝向或远离相机而移动,但关于相机的焦点距离的距离将保持不变。通过将在被跟踪的对象移动时图像质量测量的变化与该图像质量测量的预期变化相比较,可以确定对象是否很可能在场景中移动或者其反而可能是在显示器上移动。返回到焦点的示例,从非常接近相机的点在场景中移动的人通过相机的焦点距离并且进一步远离相机将被预计首先离焦、然后在焦点上,并且然后再次离焦。如果人反而是在相机的签名的屏幕上显示的视频中移动,则屏幕与相机的距离将保持不变,并且人将因此保持在相同的相对焦点,在焦点上或离焦。如将进一步讨论的,焦点只是图像质量测量的一个示例,可以研究其变化来用于确定捕获的视频的真实性。
为了能够研究与被跟踪的对象相对应的图像区域中的图像质量测量的变化,对象需要移动至少预定的距离。这可以转换为场景中的距离,但是更重要的是,对象已经在图像中移动足够长的距离。距离可以是在任何方向上,诸如跨场景、向下、向上,或者朝向或远离相机。移动距离也可以由似动(apparent movement)引起,诸如当相机变焦时,或者当可移动的相机平移或倾斜时。预定的距离可以对于不同的移动方向不同并且其可以对于不同的图像质量测量不同。此外,预定的距离可以在图像的不同的区域中是不同的。例如,透镜畸变的影响不需要是线性的,使得与图像的外围相比较,更短的移动距离充分接近图像的中心,或者反之亦然。作为另一个示例,与进一步远离相机相比,焦点在接近相机的改变的距离改变得更快速。
对于每个图像帧,不管对象是否已经移动足够长的距离,都可以确定与被跟踪的对象相对应的图像区域中的当前图像质量测量。然而,对于识别图像质量测量的变化,对于其进行当前图像质量测量的图像帧必须表示对象的充分长的移动。
图像质量测量是来自由像素对比度、焦点、运动模糊、像素范围填充以及噪声水平组成的组的至少一个。
在方法的一种变体中,根据包括第一图像帧和第二图像帧的三个或更多个图像帧中的所确定的图像质量测量来识别当前图像质量测量变化。与使用仅仅两个图像帧相比,使用更多的图像帧可以通常提供变化的更清晰的效果。在许多情况下,使用大约100个帧(对应于视频的1秒或数秒),可以是有用的。
在方法的一些变体中,可以研究两个或更多不同的图像质量测量。因此,确定与被跟踪的对象相对应的图像区域中的当前图像质量测量的步骤可以包括:确定第一当前图像质量测量和第二当前图像质量测量,第二当前图像质量测量不同于第一当前图像质量测量,识别当前图像质量测量变化的步骤可以包括:根据第一图像帧和第二图像帧中的所确定的第一图像质量测量来识别第一当前图像质量测量变化,以及根据第一图像帧和第二图像帧中的所确定的第二图像质量测量来识别第二当前图像质量测量变化,并且将当前图像质量测量变化与已知图像质量测量变化相比较的步骤可以包括:将第一当前图像质量测量变化与第一已知图像质量测量变化相比较以及将第二当前图像质量测量变化与第二已知图像质量测量变化相比较。在确定视频的真实性时,这可以提供更好的确定性,这是因为显示的视频将根据两个或更多不同的图像质量测量的而非仅仅一个图像质量测量的已知变化进行表现是不太可能的。
响应于当前图像质量测量变化从已知图像质量测量变化的偏离超过第二预定的量,该方法可以包括发出指示可能的重放视频攻击的警告。因此,该方法不仅仅提供确定视频的真实性的方式,而且也提供向用户警告视频可能未描绘相机应该监视的实际的场景的方式。第二预定的量可以与第一预定的量相同,因此方法的结果将是关于视频是真实的指示或关于其可能是伪造的指示。替换地,第二预定的量可以大于第一预定的量,因此认证方法的结果可以是关于视频是真实的指示、关于视频可能为伪造的指示,或其间模棱两可的结果。可以通过关于不能够确定视频的真实性的明确指示,或者通过缺乏关于发现视频是真实的或伪造的指示来向用户通知不可能以充分的可靠性确定视频是真实的或可能地重放攻击的结果。
该方法可以进一步包括将所确定的图像质量测量存储在视频序列中。以这种方式,可以在稍后的时间确定视频的真实性。
可以将所确定的图像质量测量存储在相应图像帧的报头中。
方法的变体可以进一步包括:存储视频序列、调取存储的视频序列,以及执行将当前图像质量测量变化与调取的视频序列上的已知图像质量测量变化相比较的步骤。因而,不需要在捕获时就确定视频的真实性,而是能够稍后确定其(如果真实性被怀疑的话)。由此,可以在捕获时节省计算资源。与如果也在稍后在真实性被怀疑时确定图像质量测量相比,在捕获时确定并且存储图像质量测量可以使稍后的认证更安全,这是因为视频的压缩可能以另外方式影响图像质量测量。
在一些变体中,该方法可以进一步包括响应于确定视频是真实的,向视频序列应用第一签名,以及响应于没有确定视频是真实的,向视频序列应用第二签名,第二签名不同于第一签名。不同的签名的使用可以是向用户通知认证方法的结果的便利方式。
根据第二方面,借助于用于确定监控系统中的视频的真实性的认证器系统来全部或至少部分地实现上述目的,该系统包括被配置为执行以下的电路:捕获功能,被配置为捕获场景的图像帧的序列;跟踪功能,被配置为跟踪图像帧的序列中的对象;确定功能,被配置为确定图像帧的至少第一图像帧和第二图像帧中的与被跟踪的对象相对应的图像区域中的当前图像质量测量,第一图像帧和第二图像帧中的对象被跟踪,其中第一图像帧和第二图像帧是这样选择的:使得对象已经在第一图像帧和第二图像帧之间移动至少预定的距离;识别功能,被配置为根据第一图像帧和第二图像帧中的所确定的图像质量测量来识别对象的当前图像质量测量变化;以及比较功能,被配置为将当前图像质量测量变化与已知图像质量测量变化相比较,以及响应于当前图像质量测量变化从已知的像素密度变化的偏离小于预定的量,确定视频是真实的。利用该认证器系统,可以以有效方式确定视频的真实性。认证器系统使如下成为可能:确定是否很可能是视频描绘所监视的场景中的事件还是是否很可能是其描绘在被放置在相机前方的显示器上显示的视频。通过将图像质量测量如何随被跟踪的对象的位置变化而变化与图像质量测量的已知的行为相比较,可以评定对象是否是在所监视的场景中移动或者其是否反而可能是在显示的视频中移动。如上面指出的,在第一方面的上下文中,在显示的视频中移动的对象将对监视场景的相机而言看起来像在与相机的恒定距离,即,从相机到显示器的距离。因此,将预计因为对象关于相机移动而出现的图像质量测量的改变将不出现。如本领域技术人员将认识到,也可能实际上也对于显示的视频中的跟踪的对象存在图像质量测量的改变,但是那些改变将反而由对象关于捕获显示的视频的相机而不是捕获包含显示该视频的显示器的场景的相机的移动引起。图像质量测量是来自由像素对比度、焦点、运动模糊、像素范围填充以及噪声水平组成的组的至少一个。
可以基本上与第一方面的方法相同的方式体现第二方面的认证器系统,具有伴随的优点。
根据第三方面,借助于包括根据第二方面的认证器系统的相机来全部或至少部分地实现上述的目的。
根据第四方面,借助于具有当在具有处理能力的设备上执行时实施根据第一方面的方法的存储在其上的指令的非暂时性计算机可读存储介质来全部或至少部分地实现上述的目的。
根据在下面给出的具体实施方式,本发明的应用的进一步范围将变得明显。然而,应当理解,具体实施方式和特定示例在指示本发明的优选的实施例时是仅仅作为说明被给出,这是因为根据该具体实施方式,在本发明的范围内的各种改变和修改将对那些本领域技术人员变得明显。
因此,应当理解,本发明不局限于所描述的设备的特定组成部分或所描述的方法的步骤,照此设备和方法可以改变。也将理解的是,在本文使用的术语仅仅用于描述特定实施例的目的并且不意图进行限制。必须指出,如在说明书和所附权利要求中使用的,冠词“一”、“该”和“所述”意图意指存在一个或多个要素,除非该上下文清楚地另外指示其他。因此,例如对“对象”或“该对象”的引用可以包括若干对象,等等。此外,词“包括”不排除其他要素或步骤。
附图说明
现在将通过示例并且参考所附示意图来更详细地描述本发明,在附图中:
图1是由相机监视的场景的立体图,
图2是在有放置在相机前面的显示器的情况下在图1中的场景的立体图,
图3示出在图1或图2中由相机捕获的一系列图像,
图4是示出当前图像质量测量变化和已知图像质量测量变化的示例的图,
图5是图示出发明方法的变体的流程图,
图6是图示出发明方法的另一个变体的流程图,
图7是示出本发明认证器系统的实施例的框图,并且
图8是包括诸如在图7中的一个等等的认证器系统的相机的框图。
具体实施方式
在图1中,示出了由相机2监视的场景1。借助于相机2,可以监视例如到建筑物4的入口3周围的区域。
在图2中,示出了与在图1中相同的场景1,但是在这里,视频显示器5已经被放置在场景中。显示器5被放置在相机2前方,使得并非捕获至建筑物4的入口3的图像,相机1现在将捕获显示器5的图像。
图3示出了由相机2捕获的视频序列的三个图像6。图像6a、6b、6c描绘朝向入口3步行的人7。根据图像6a至6c不是明显可知视频是否表示在实际的场景中发生了什么或者其是否表示在显示器5上显示的某些东西。发明人已经认识到,为了解决确定视频是否真实的问题,应当研究随着被跟踪的对象的位置而变化的一个或多个图像质量测量中的变化。在以下,将最初参考图1至图3通过示例来描述用于认证视频的本发明方法和系统。
相机2是采用可见光来捕获图像帧6的序列的数字相机。跟踪图像序列中的对象。在该示例中,被跟踪的对象是人7。许多对象跟踪方法是为本领域技术人员所知的,并且这里将因此不详细地讨论跟踪本身。
随着人7关于相机2移动,一个或多个图像质量测量随着人的位置而变化。例如,在图3a中,人7靠近相机2。在该示例中,相机的焦点被固定并且设置为进一步远离相机2,在相机2和入口3之间的某处。因此,人7最初应当离焦。在图3b中,人已经朝向入口移动离开相机,并且现在位于对应于相机2的焦点距离的场景中的位置。因此预期人7位于焦点上。被跟踪的人7朝向门继续并且在图3c中已经几乎到达入口3。该位置超出相机2的焦点距离,并且人因此应当再次离焦。
在了解相机2的焦点设置以及透镜的行为(诸如在改变的焦点设置的景深)的情况下,可以发现在对象和相机之间的改变的距离的情况下焦点应当如何改变。然后能够将该已知的变化与焦点在捕获的图像序列中如何变化相比较。在每个图像帧6a至6c中,确定与被跟踪的对象相对应的图像区域中的当前图像质量测量。因此,在该示例中,在每个帧6a至6c中的人7的图像区域中确定焦点值。可以以任何已知的方式确定焦点值。基于确定的焦点值,识别当前焦点变化。该变化可以基于仅仅两个或一些图像帧中的所确定的图像质量测量,但是基于更长序列的连续图像帧可以是有利的。
图4是诸如焦点之类的图像质量测量在所捕获的图像中如何变化以及基于相机和其组件的知识预期相同的图像质量测量如何变化的示例的简化图示。x轴表示图像帧中的被跟踪的对象的位置,并且y轴表示被研究的图像质量测量的值。应当注意到,在图4中绘制的值仅仅用于说明并且不一定表示任何真实图像质量测量。
将捕获的图像帧中的被跟踪的对象的焦点值的变化与预期或已知的变化相比较。可以通过对描述当前变化的曲线和描述已知变化的曲线执行图像分析(诸如计算边缘的强度的局部和的边缘检测分析)来进行该比较。可以替换地通过计算当前变化中的和已知的变化中的多个点的绝对差之和来进行比较。作为比较的一部分,可以参考已知的变化来进行当前变化的校准或标准化,或者反之亦然。
如果比较的结果是当前图像质量测量变化或者在该示例中焦点值变化与预期或已知的变化的不同小于第一预定的量,则确定视频是真实的。
另一方面,如果比较的结果是当前图像质量测量变化与预期或已知的变化的不同超过第一预定的量,将不确定视频是真实的。该方法可以在这样的实例中以这样的非决定性的结果结束或可以确定其是否还没有可能确定视频是真实的,然后视频可能是不真实的或伪造的。替换地,可以针对比第一预定的量大的第二预定的量检查当前图像质量测量变化和已知的变化之间的差别,并且如果当前图像质量测量变化与已知图像质量测量变化的不同超过第二预定的量,则可以确定视频可能是伪造的。如果当前图像质量测量变化与已知图像质量测量变化不同超过第一预定的量、但是小于第二预定的量,则比较将是非决定性的,并且不能确定视频是真实的还是可能是伪造的。
如果已经确定视频是真实的,则可以以各种方式将此指示给用户。例如,能够在从相机2传送视频之前将可见的水印作为覆盖添加到视频。然而,视频中的这样的可见的指示对于观看视频的某人而言是讨厌的,并且可以因此优选的是,使用指示已经发现视频真实的其他方式。作为替代,数字签名可以用于作出指示。当在从相机2传输之前对图像帧进行编码时,可以将数字签名作为元数据存储在图像帧的报头中。一个签名可以用于指示已经确定视频真实,并且另一个签名可以用于指示已经确定视频不真实。当认证的结果是非决定性的时,可以使用第三签名或不使用签名。
致力于概括本发明方法,现在将参考图5中的流程来描述示例。在步骤S1中,捕获图像帧的序列。在步骤S2中,跟踪捕获的图像帧中的对象。在步骤S3中,确定与被跟踪的对象相对应的图像区域中的至少两个图像帧中的当前图像质量测量。选择这两个图像帧,使得对象已经在两个帧之间移动至少预定的距离。在步骤S4中,识别当前图像质量变化。换句话说,识别当前图像质量测量如何随着至少两个图像帧中的对象的位置的变化而变化。在步骤S5中,将识别的图像质量测量变化与已知图像质量测量变化(即,基于相机的知识并且基于至少两个图像中的被跟踪的对象的位置所预期的变化)相比较。如果发现当前图像质量测量变化与已知的变化几乎没有不同,即,其不同小于第一预定的量,则在步骤S6中确定视频序列是真实的。如以上讨论的,能够以不同的方式设立如果发现当前图像质量测量变化与已知的变化的不同超过第一预定的量时什么会发生。
参考图5,现在将描述关于图4所描述的方法的修改。该修改可以使方法甚至更可靠。前两个步骤和以前一样,因此在步骤S1中捕获图像帧的序列,并且在步骤S2中跟踪图像帧中的对象。然后将该方法修改为确定两个不同的图像质量测量。例如,可以确定像素对比度和像素范围填充两者。因此,在步骤S3a中,确定与被跟踪的对象相对应的图像区域中的第一图像质量测量,并且在步骤S3b中,确定与被跟踪的对象相对应的图像区域中的第二图像质量测量。对于每个图像质量测量,如上所述的相同的处理继之后。因此,在步骤S4a中,识别第一图像质量测量变化,该第一图像质量测量变化描述第一图像质量测量如何随着被跟踪的对象的位置的变化而变化,并且在步骤S4b中,识别第二图像质量测量变化,该第二图像质量测量变化描述第二图像质量测量如何随着被跟踪的对象的位置的变化而变化。在步骤S5a中,将第一图像质量测量变化与用于第一图像质量测量的已知的变化相比较,并且在步骤S5b中,将第二图像质量测量变化与用于第二图像质量测量的已知的变化相比较。如果当前图像质量测量变化两者都足够类似于相应的已知的变化,则在步骤S6中确定视频是真实的。另一方面,如果第一图像质量测量和第二图像质量测量中的任一个与相应的已知的变化的不同超过预定的量,则不确定视频是真实的。例如,如果第一当前图像质量测量与第一已知的图像质量变化的不同超过第一预定的量,并且第二当前图像质量测量充分地类似于第二已知的图像质量,则可以确定结果是非决定性的。如果当前图像质量测量变化两者都与已知图像质量测量变化有很大的差别的话,则可以确定视频序列很可能是不真实的或伪造的。即使在具有偶然地或按技能很好地对应于一个图像质量测量的已知变化的行为的相机前面显示视频,另一个图像质量测量的已知变化也能够被仿真的可能性较低。因此,通过研究一个以上图像质量测量变化,可以使得认证更加具有适应能力并且更加可靠。这的变体可以是使得从执行认证方法时拾取图像质量测量的集合。可以随机拾取要确定的图像质量测量。由此,可以节省计算资源,这是因为仅仅需要对于每个视频序列研究一个图像质量测量,同时仍然使得欺骗该认证方法更困难,这是因为这会使得欺骗该认证方法需要模仿数个图像质量测量的行为。
在相机2传送视频之前,可以在相机2中进行视频序列的认证。然而,可能存在在已经从相机2传送视频序列之后希望在稍后执行认证的情形。可能在如果相机具有受限的计算资源的情况下对此感兴趣。在其中不需要对于由相机2捕获的所有视频序列但是只有少数进行认证的场景中的情况下,也可能对此感兴趣。在绝大部分时间,捕获的视频可能不是特别所感兴趣的,但是如果已经在所监视的场景中犯下罪行,则在罪行时捕获的视频可以具有法庭价值,并且确定该视频是否是可信任的,可能是必要的。在仍然提供确定视频序列的真实性的可能性时节省用于在相机2中的计算的时间和资源的方式是在不同的设备之间划分认证方法。因而,可以对相机2执行方法的第一步骤,使得相机捕获图像、跟踪图像中的对象,并且确定与被跟踪的对象相对应的图像区域中的当前图像质量测量。对于每个图像帧,可以将当前图像质量测量存储在视频序列中(例如存储在当对图像帧进行编码时所创建的报头中)。然后可以从相机2向控制中心或其中可以实时地观看和/或记录视频序列的其他位置传送视频序列。可以在接收视频序列的位置继续该方法,直接地当接收到视频序列时或在其已经被记录之后的某稍后点。因此,在控制中心,或者在别处,可以调取关于当前图像质量测量的存储在视频序列中的数据。然后能够基于调取的图像质量测量数据来识别当前图像质量测量变化,能够将以与已经如上所述相同的方式将该变化与已知图像质量测量变化相比较。就像以前,如果当前图像质量测量变化与已知图像质量测量变化的不同小于第一预定的量,则确定视频序列是真实的。以如以上讨论的相同的方式,也可以指示比较的其他结果。
在到此为止的描述中,讨论的图像质量测量已然主要是焦点。然而,可以关于诸如像素对比度、运动模糊、像素范围填充,以及噪声电平之类的其他图像质量测量来使用相同的方式。确定这些图像质量测量的方法为本领域技术人员所知的并且将因此仅仅被简要地讨论。
可以将焦点测量为图像中的边缘的局部锐利度。其随与焦点中心的距离而变化。
可以将像素对比度测量为通用局部对比度,计算一个像素的值与周围的像素的值之间的差。该测量与图像中的角分辨率密切相关。像素对比度随从相机到对象的距离以及相机和对象之间的角度而变化。
运动模糊测量图像中的移动对象的模糊程度。可以通过估计模糊的点扩散函数来进行测量运动模糊。运动模糊随对象的速度而变化,但是预期不管从相机到对象的距离怎么样都是相同的。
像素范围填充是局部像素如何很好地填满像素值的可用范围的测量。这可以对于例如32x32像素的邻域测量。像素值的范围例如可以是8比特表示的0-255。像素范围取决于在相机中的图像处理中使用的局部色调映射。因此,当对象移动到特定图像区域中时,不管从相机到对象的怎么样,都预期像素范围填充是相同的。
可以将噪声电平测量为时间或空间噪声的局部量。其将在移动和静止物体之间以及在不同的照明水平之间不同。然而,如果两个或更多对象同时地移动,则预计噪音水平是相同的。
本领域技术人员将认识到,可以存在附加的图像质量测量,只要能够建立附加的图像质量测量随着对象在图像帧中的位置的预期变化,就能够研究它们。可以基于相机和诸如透镜之类的相机的组件的参数的知识在理论上或数学上确定相应的图像质量测量的已知变化。替换地,可以通过使对象在场景中来回移动、捕获对象的图像序列以及识别随着对象的位置的变化,来按经验确定已知的变化。
图7示意地示出用于确定监控系统中的视频的真实性的本发明认证器系统70的实施例。该系统包括用于执行通常符合已经如上所述被描述的许多功能的电路。认证器系统具有被配置为执行捕获功能71的电路,该捕获功能71被配置为捕获场景的图像帧的序列。认证器系统电路也被配置为执行跟踪功能72,该跟踪功能72被配置为跟踪图像帧的序列中的对象。此外,认证器系统的电路被配置为执行确定功能73,该确定功能73被配置为确定图像帧的至少第一图像帧和第二图像帧中的与被跟踪的对象相对应的图像区域中的当前图像质量测量,第一图像帧和第二图像帧中的对象被跟踪,其中第一图像帧和第二图像帧是这样选择的:使得对象已经在第一图像帧和第二图像帧之间移动至少预定的距离。另外地,电路被配置为执行识别功能74,该识别功能74被配置为根据第一图像帧和第二图像帧中的所确定的图像质量测量来识别对象的当前图像质量测量变化,以及比较比较功能75,该比较功能75被配置为将当前图像质量测量变化与已知图像质量测量变化相比较。响应于当前图像质量测量变化从已知像素密度变化的偏离小于第一预定的量,认证器系统被配置为确定视频是真实的。认证器系统70可以根据在以上描述的方法进行操作。
在图8中,示出了相机2的示例。相机具有本来已知的若干组件,但是将在仅仅这里描述具体与本发明有关的那些。相机2具有透镜81和用于捕获其监视的场景(诸如图1和2中示出的场景1)的图像的图像传感器82。此外,相机2包括图像处理器83、编码器84,以及网络接口85。在相机2中集成有诸如图7中示出的认证器系统之类的认证器系统70。
将理解的是,本领域技术人员能够以许多方式修改以上所描述的实施例并且仍然使用在以上实施例中示出的本发明的优点。作为示例,发明方法可以非常好地与其他认证方法(诸如在背景部分中讨论的数字签名)相结合。这将使从捕获的场景到传送视频的接收点查明一连串真实性成为可能。
如果存在在图像帧中移动的一个以上对象,则通过评估两个或更多跟踪的对象的图像质量测量(具体地如果对象沿着不同的行迹移动),增加认证的可靠性将是可能的。如果所有这样的评估指示当前图像质量测量和已知的图像质量测量之间的差别小于第一预定的量,则可以确定视频序列是真实的,但是如果当前图像质量测量变化中的至少一个的变化大于第一预定的量,则可以确定不能认证视频序列或者甚至其可能是伪造的。
在以上的示例中,相机使用可见光用于捕获图像。可见光相机可以包括CCD或CMOS图像传感器。然而,相同的原理可以用于诸如IR相机之类的其他类型的相机。
认证器系统已经在以上被描述为被集成到相机中。尽管如此,将认证器系统作为连接到相机的单独的设备来提供,将是可能的。在实施例中,在认证方法被分割在两个或更多设备之间的情况下,认证器系统的数个部分可以被集成在相机中或直接地连接到相机,并且其他部分可以相比相机被远程地布置,例如被布置在其中接收从相机传送的视频的控制中心。
尽管在以上的示例中的相机是数字相机,但关于连接到数字化单元的模拟相机,也可以有利地使用本发明。
应当理解,图7和图8中的所图示的和公开的组件可以被实施为硬件、软件,或其组合。
在组件的硬件实施中,组件可以对应于专用的并且具体地被设计为提供部分的功能的电路。电路可以是一个或多个集成电路的形式,诸如一个或多个专用集成电路或一个或多个现场可编程门阵列。
在组件的软件实施中,电路可以反而是处理器的形式,诸如微处理器,其与存储在诸如非易失性存储器之类的(非暂时性)计算机可读介质上的计算机代码指令相关联,使处理器执行在本文公开的任何方法(的一部分)。非易失性存储器的示例包括只读存储器、闪速存储器、铁电RAM、磁性计算机存储设备、光盘,等等。例如,在软件情况中,认证器系统可以对应于存储在计算机可读介质上的计算机代码指令的一部分,当该计算机可读介质由处理器执行时,使相机中的或在别处的处理器执行组件的功能。
当本发明被体现在软件中时,可以由任何种类的处理器(例如,中央处理单元(CPU)、图形处理单元(GPU)、被实施在集成电路中的定做处理设备、ASIC、FPGA,或者包括分立的组件的逻辑电路)来执行程序代码。
因而,本发明不应当被限制到示出的实施例,而是应当通过所附权利要求物来限定。
Claims (13)
1.一种确定监控系统中的视频的真实性的方法,所述方法包括:
捕获场景的图像帧的序列,
跟踪所述图像帧的序列中的对象,
确定所述图像帧的至少第一图像帧和第二图像帧中的与被跟踪的所述对象相对应的图像区域中的当前图像质量测量,所述第一图像帧和所述第二图像帧中的所述对象被跟踪,其中所述第一图像帧和所述第二图像帧是这样选择的:使得所述对象已经在所述第一图像帧和所述第二图像帧之间移动至少预定的距离,
根据所述第一图像帧和所述第二图像帧中的所确定的所述图像质量测量来识别所述对象的当前图像质量测量变化,所述图像质量测量变化描述随着所述对象的在所述第一图像帧和所述第二图像帧中的位置而变化的图像质量测量,
将所述当前图像质量测量变化与已知图像质量测量变化相比较,以及
响应于所述当前图像质量测量变化从所述已知图像质量测量变化的偏离小于第一预定的量,确定所述视频是真实的,
其中,所述图像质量测量是来自由像素对比度、焦点、运动模糊、像素范围填充以及噪声水平组成的组的至少一个。
2.根据权利要求1所述的方法,其中,所述当前图像质量测量变化是根据包括所述第一图像帧和所述第二图像帧的三个或更多个图像帧中的所确定的所述图像质量测量识别的。
3.根据权利要求1所述的方法,其中:
确定与被跟踪的所述对象相对应的图像区域中的当前图像质量测量的步骤包括:确定第一当前图像质量测量和第二当前图像质量测量,所述第二当前图像质量测量不同于所述第一当前图像质量测量,
识别当前图像质量测量变化的步骤包括:根据所述第一图像帧和所述第二图像帧中的所确定的第一图像质量测量来识别第一当前图像质量测量变化,以及根据所述第一图像帧和所述第二图像帧中的所确定的第二图像质量测量来识别第二当前图像质量测量变化,以及
将所述当前图像质量测量变化与已知图像质量测量变化相比较的步骤包括:将所述第一当前图像质量测量变化与第一已知图像质量测量变化相比较以及将所述第二当前图像质量测量变化与第二已知图像质量测量变化相比较。
4.根据权利要求1所述的方法,其中,响应于所述当前图像质量测量变化从所述已知图像质量测量变化的偏离超过第二预定的量,发出指示可能的重放视频攻击的警告。
5.根据权利要求1所述的方法,进一步包括将所确定的所述图像质量测量存储在所述视频序列中。
6.根据权利要求5所述的方法,其中,所确定的所述图像质量测量被存储在相应图像帧的报头中。
7.根据权利要求5所述的方法,进一步包括:
存储所述视频序列,
调取所存储的所述视频序列,以及
执行步骤:将所述当前图像质量测量变化与所调取的所述视频序列上的已知图像质量测量变化相比较。
8.根据权利要求1所述的方法,进一步包括:
响应于确定所述视频是真实的,向所述视频序列应用第一签名,以及
响应于没有确定所述视频是真实的,向所述视频序列应用第二签名,所述第二签名不同于所述第一签名。
9.一种确定监控系统中的视频的真实性的认证器系统,所述系统包括被配置为执行以下的电路:
捕获功能,被配置为捕获场景的图像帧的序列,
跟踪功能,被配置为跟踪所述图像帧的序列中的对象,
确定功能,被配置为确定所述图像帧的至少第一图像帧和第二图像帧中的与被跟踪的所述对象相对应的图像区域中的当前图像质量测量,所述第一图像帧和所述第二图像帧中的所述对象被跟踪,其中所述第一图像帧和所述第二图像帧是这样选择的:使得所述对象已经在所述第一图像帧和所述第二图像帧之间移动至少预定的距离,
识别功能,被配置为根据所述第一图像帧和第二图像帧中的所确定的所述图像质量测量来识别所述对象的当前图像质量测量变化,以及
比较功能,被配置为将所述当前图像质量测量变化与已知图像质量测量变化相比较,以及响应于所述当前图像质量测量变化从已知的像素密度变化的偏离小于第一预定的量,确定所述视频是真实的,
其中,所述图像质量测量是来自由像素对比度、焦点、运动模糊、像素范围填充以及噪声水平组成的组的至少一个。
10.根据权利要求9所述的认证器系统,其中,所述识别功能被配置为根据包括所述第一图像帧和所述第二图像帧的三个或更多个图像帧中的所确定的所述图像质量测量来识别所述当前图像质量测量变化。
11.根据权利要求9所述的认证器系统,进一步包括存储功能,所述存储功能被配置为将所确定的所述图像质量测量存储在所述视频序列中。
12.一种包括根据权利要求9所述的认证器系统的相机。
13.一种非暂时性计算机可读存储介质,所述非暂时性计算机可读存储介质上存储有指令,所述指令用于当在具有处理能力的设备上执行时实施根据权利要求1所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20193417.1 | 2020-08-28 | ||
EP20193417.1A EP3961480B1 (en) | 2020-08-28 | 2020-08-28 | Method and device for determining authenticity of a video |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114124397A true CN114124397A (zh) | 2022-03-01 |
CN114124397B CN114124397B (zh) | 2024-05-14 |
Family
ID=72290945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110967447.6A Active CN114124397B (zh) | 2020-08-28 | 2021-08-23 | 用于确定视频的真实性的方法和设备 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11989869B2 (zh) |
EP (1) | EP3961480B1 (zh) |
JP (1) | JP7441815B2 (zh) |
KR (1) | KR102677750B1 (zh) |
CN (1) | CN114124397B (zh) |
TW (1) | TWI830028B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11995869B2 (en) * | 2021-09-28 | 2024-05-28 | Johnson Controls Tyco IP Holdings LLP | System and method to improve object detection accuracy by focus bracketing |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080192980A1 (en) * | 2007-02-14 | 2008-08-14 | Samsung Electronics Co., Ltd. | Liveness detection method and apparatus of video image |
US20140363044A1 (en) * | 2013-06-06 | 2014-12-11 | Apple Inc. | Efficient Machine-Readable Object Detection and Tracking |
CN104956400A (zh) * | 2012-11-19 | 2015-09-30 | 株式会社理光 | 移动对象识别器 |
CN109792543A (zh) * | 2016-09-27 | 2019-05-21 | 深圳市大疆创新科技有限公司 | 根据可移动物捕获的图像数据创建视频抽象的方法和系统 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004034325A1 (en) * | 2002-10-09 | 2004-04-22 | Koninklijke Philips Electronics N.V. | Localisation of image tampering |
US9148557B2 (en) | 2010-07-16 | 2015-09-29 | Canon Kabushiki Kaisha | Focus adjustment apparatus and method, and image capturing apparatus and control method thereof |
JP2012137861A (ja) * | 2010-12-24 | 2012-07-19 | Jvc Kenwood Corp | 映像処理装置および映像処理方法 |
KR101939700B1 (ko) | 2012-10-17 | 2019-01-17 | 에스케이 텔레콤주식회사 | 에지 영상을 이용한 카메라 탬퍼링 검출장치 및 방법 |
US9082018B1 (en) * | 2014-09-30 | 2015-07-14 | Google Inc. | Method and system for retroactively changing a display characteristic of event indicators on an event timeline |
US9594958B2 (en) * | 2014-11-24 | 2017-03-14 | Intel Corporation | Detection of spoofing attacks for video-based authentication |
CA3030015A1 (en) * | 2016-07-05 | 2018-01-11 | Yecheng WU | Spoofing attack detection during live image capture |
CN107025647B (zh) | 2017-03-09 | 2020-02-28 | 中国科学院自动化研究所 | 图像篡改取证方法及装置 |
US20190088108A1 (en) | 2017-09-18 | 2019-03-21 | Qualcomm Incorporated | Camera tampering detection |
CN107909063B (zh) | 2017-12-22 | 2021-05-04 | 天津科技大学 | 基于灰度变化的生物识别视频回放攻击检测方法 |
US10922438B2 (en) * | 2018-03-22 | 2021-02-16 | Bank Of America Corporation | System for authentication of real-time video data via dynamic scene changing |
JP7249766B2 (ja) * | 2018-12-14 | 2023-03-31 | キヤノン株式会社 | 情報処理装置、システム、情報処理装置の制御方法、及び、プログラム |
CN111212291A (zh) | 2020-01-14 | 2020-05-29 | 广东工业大学 | 基于dfl-cnn网络的视频帧内对象移除篡改检测方法 |
US20210279469A1 (en) * | 2020-03-05 | 2021-09-09 | Qualcomm Incorporated | Image signal provenance attestation |
-
2020
- 2020-08-28 EP EP20193417.1A patent/EP3961480B1/en active Active
-
2021
- 2021-06-16 TW TW110121823A patent/TWI830028B/zh active
- 2021-07-20 US US17/380,127 patent/US11989869B2/en active Active
- 2021-07-22 KR KR1020210096675A patent/KR102677750B1/ko active IP Right Grant
- 2021-08-18 JP JP2021133304A patent/JP7441815B2/ja active Active
- 2021-08-23 CN CN202110967447.6A patent/CN114124397B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080192980A1 (en) * | 2007-02-14 | 2008-08-14 | Samsung Electronics Co., Ltd. | Liveness detection method and apparatus of video image |
CN104956400A (zh) * | 2012-11-19 | 2015-09-30 | 株式会社理光 | 移动对象识别器 |
US20140363044A1 (en) * | 2013-06-06 | 2014-12-11 | Apple Inc. | Efficient Machine-Readable Object Detection and Tracking |
CN109792543A (zh) * | 2016-09-27 | 2019-05-21 | 深圳市大疆创新科技有限公司 | 根据可移动物捕获的图像数据创建视频抽象的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
US11989869B2 (en) | 2024-05-21 |
CN114124397B (zh) | 2024-05-14 |
EP3961480B1 (en) | 2022-06-29 |
EP3961480A1 (en) | 2022-03-02 |
US20220067909A1 (en) | 2022-03-03 |
TW202209861A (zh) | 2022-03-01 |
JP7441815B2 (ja) | 2024-03-01 |
TWI830028B (zh) | 2024-01-21 |
KR20220029364A (ko) | 2022-03-08 |
JP2022040012A (ja) | 2022-03-10 |
KR102677750B1 (ko) | 2024-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7961953B2 (en) | Image monitoring system | |
CN107005655B (zh) | 图像处理方法 | |
US20140146182A1 (en) | Device and method for detecting moving objects | |
JP5701005B2 (ja) | 物体検知装置、物体検知方法、監視カメラシステム、およびプログラム | |
JP6638723B2 (ja) | 画像解析装置、画像解析方法、及び、画像解析プログラム | |
JP6292540B2 (ja) | 情報処理システム、情報処理方法及びプログラム | |
EP4064703A1 (en) | Method of highlighting an object of interest in an image or video | |
KR20140029069A (ko) | 촬영영상으로부터 객체를 감시하기 위한 장치 및 방법 | |
KR101972582B1 (ko) | Ptz 촬상장치 기반 변위 측정 시스템 및 방법 | |
CN114124397B (zh) | 用于确定视频的真实性的方法和设备 | |
US10628681B2 (en) | Method, device, and non-transitory computer readable medium for searching video event | |
JP5173549B2 (ja) | 画像処理装置及び撮像装置 | |
JP2009301242A (ja) | 頭部候補抽出方法、頭部候補抽出装置、頭部候補抽出プログラムおよびそのプログラムを記録した記録媒体 | |
CN110706257A (zh) | 有效特征点对的识别方法、相机状态的确定方法及装置 | |
JP2007336431A (ja) | 映像監視装置及び方法 | |
KR101327256B1 (ko) | Ptz 카메라에 의한 차량 그림자 영역 탐지를 이용한 차량 검지 시스템 및 방법 | |
KR101294356B1 (ko) | 한옥의 디지털 영상 합성 변형 측정 시스템 및 그 방법 | |
CN116527877B (zh) | 设备检测方法、装置、设备及存储介质 | |
JP6705486B2 (ja) | 被写体検知装置、システム、方法およびプログラム | |
CN111183334B (zh) | 图像解析距离信息提供系统、方法以及记录介质 | |
JP4938065B2 (ja) | 画像パラメータ調整装置及び方法及びプログラム | |
JPH07105381A (ja) | 監視装置及び監視装置のための画像処理方式 | |
CN115701307A (zh) | 评价方法、信息处理装置以及评价程序 | |
CN112989866A (zh) | 对象识别方法、装置、电子设备和可读存储介质 | |
CN113158877A (zh) | 成像偏差分析及活体检测方法、装置及计算机存储介质 |
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 |