CN115174762A - 视频时间戳的取证方法 - Google Patents
视频时间戳的取证方法 Download PDFInfo
- Publication number
- CN115174762A CN115174762A CN202210733975.XA CN202210733975A CN115174762A CN 115174762 A CN115174762 A CN 115174762A CN 202210733975 A CN202210733975 A CN 202210733975A CN 115174762 A CN115174762 A CN 115174762A
- Authority
- CN
- China
- Prior art keywords
- video
- power grid
- time
- frame
- grid frequency
- 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 50
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000005286 illumination Methods 0.000 claims description 58
- 238000005070 sampling Methods 0.000 claims description 37
- 238000005096 rolling process Methods 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000010339 dilation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000001579 optical reflectometry Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
-
- 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
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种视频时间戳的取证方法,包括:对待取证的视频进行预处理,得到去除了运动信息干扰的灰度视频;对步骤1得到的灰度视频进行进一步地处理以去除场景信息的干扰;根据视频曝光差异以不同方式获得视频记录中的电网频率信号;将获得的电网频率信号与参考数据库中真实电网频率信号匹配,选出相关系数最大的参考信号部分所对应的时间,即认为是视频录制的估计时间。能够利用电网频率的时间和地点差异,在检测视频篡改的基础上,实现对视频录制时间的估计,且是目前已知的时间戳检测的唯一手段。
Description
技术领域
本发明多媒体数字取证的技术领域,具体涉及一种基于电网频率技术的视频时间戳取证方法。
背景技术
近年来,数字技术的发展使得数字图像、视频等多媒体内容在人们的生活中越来越常见,且随着消费级电子产品(如智能手机、数码相机、平板电脑等) 的不断普及,这些多媒体内容的存储、传输和应用也更加方便快捷,逐渐成为日常生活中传递信息的重要方式之一。但数字技术的发展也带来了一些问题,随着多媒体编辑工具的普及,人们能够轻易地对视频内容进行有目的性地伪造、篡改,对视频本身的信息安全造成了一定的破坏。因此,研究视频取证方法与技术对维护国家信息安全和社会稳定发展意义重大。
视频取证是指对音频文件的真实性、完整性、原始性和可靠性进行鉴定和验证,包括时间戳溯源、录音设备源识别、篡改检测与识别等应用。目前视频取证的方法可以分为两大类:主动取证和被动取证。主动取证方法通过设计各种数字水印和签名,并在视频传播前期将它们嵌入视频中,在鉴定阶段通过提取对比检测视频是否被篡改以及篡改发生的位置。但主动取证技术由于需要借助预先嵌入的特定信息,在增加了存储需求的同时,计算量和取证复杂度等也明显增大,且实际不可能对传播中的所有视频添加这些信息,所以在很多实际场合无法实现取证。和主动取证方法相比,被动取证方法不依赖预先嵌入的信息,而是通过图像采集、存储以及编辑过程中的痕迹进行取证分析,在图像取证领域中更具备研究与应用价值。然而,现有技术在中的其他被动取证方法无法检测视频录制的时间,因此,需要开发一种能监测时间戳的被动取证方法。
发明内容
本发明的目的在于针对现有技术的不足之处,提供一种视频时间戳的取证方法,该方法能够利用电网频率的时间和地点差异,在检测视频篡改的基础上,实现对视频录制时间的估计,且是目前已知的时间戳检测的唯一手段。
为解决上述技术问题,本发明采用如下技术方案:
一种视频时间戳的取证方法,包括步骤如下:
步骤1,对待取证的视频进行预处理,得到去除了运动信息干扰的灰度视频;
步骤2,对步骤1得到的灰度视频进行进一步地处理以去除场景信息的干扰;
步骤3,对步骤2得到的视频成像时使用的曝光方式进行判断,根据曝光方式选择相应的处理方式进行处理以得到视频中包含电网频率信息的光照序列,对光照序列进行分析,获得对应频率范围内光照序列的时频变化,以获得嵌入视频中的电网频率信号;
步骤4,将步骤3获得的电网频率信号与电网频率参考信号数据库中真实电网频率信号进行匹配,选出相关系数最大的参考信号部分所对应的时间,即认为是视频录制的估计时间。
进一步地,步骤1具体包括:
在按帧读取视频时,对于视频第一帧画面进行灰度化处理并保存,之后的每一帧画面进行灰度化之后,与保存下来的前一帧灰度图像相减,得到灰度差值图像,设定灰度化的差值阈值,并根据设定的差值阈值对得到的灰度差值图像进行灰度二值化处理得到灰度二值化图像,之后对灰度二值化图像进行膨胀处理,在膨胀后的灰度二值化图像寻找面积超过设定的最小面积阈值的区域,这些区域被认为是当前视频帧受运动影响的区域,剩余其他区域则为当前视频帧不受运动影响的区域。
进一步地,步骤2中去除场景信息的干扰的方法为:
将当前帧的前N帧灰度图像进行平均以获得当前帧中场景对各像素灰度值的影响,在当前帧的灰度图像的基础上,减去前N帧的平均灰度图像,得到去除场景信息干扰后新的当前帧灰度。
进一步地,步骤3中,根据视频是否是按行进行曝光,判断视频采用的曝光方式是全局快门还是卷帘快门,针对不同曝光方式以不同的处理方式获得记录光强变化的光照序列。
进一步地,当判断曝光方式为全局快门曝光时,对去除运动和场景干扰后的全局快门视频灰度图像平均帧内所有像素值获得对应时刻光强的采样值为:
式中,Y(nTfps)为光强序列,Fn[r,c]为灰度图像第n帧r行c列的像素点, Bn[r,c]保存有当前帧的场景信息,Gn[r,c]表示视频第n帧中第r行c列像素受运动影响情况。
运用使用短时傅里叶变换分析光强序列Y(nTfps)在对应混叠频率处的时频变化,以获得视频记录中的电网频率信号。
进一步地,当判断曝光方式为卷帘快门曝光时,将每帧画面的行像素平均后得到行所在时刻对于光照强度的采样值,按照顺序排列后得到的光照序列为:
式中,F(r,n)为光照序列,Fn[r,c]为灰度图像第n帧r行c列的像素点,Bn[r,c] 保存有当前帧的场景信息,Gn[r,c]表示视频第n帧中第r行c列像素受运动影响情况;
将得到的光照序列F(r,n)按照采样时间的先后顺序进行排列,即得到卷帘快门采样的实际光照序列Y[n];
但由于卷帘快门不是连续采样,帧与帧之间存在一段空闲时间;假设卷帘快门曝光时帧间不存在空闲时间,对电网频率信号连续采样获得的光照序列为 X[n],但由于帧间空闲时间的存在实际光照序列为Y[n],两光照序列的频率成分关系为:
其中,Y(f)是实际光照序列Y[n]的频率成分,X(f)表示X[n]的频率成分,为X[n]的频率成分X(f)进行频谱搬移后的各频率成分,T是视频录制时的帧周期,fs是采样频率,M表示假设不存在空闲时间时视频帧周期时间内采样点数,m取0到M-1范围内的整数,Fm(f)表示由于空闲时间存在对应频率处的衰减系数;
根据上述得到的两光照序列的频率成分关系,使用短时傅里叶变换分析得到卷帘快门视频记录中的电网频率信号。
进一步地,步骤4具体方法为:
根据选定的视频录制检索时间段,在电网频率参考信号数据库中,从检索时间段开始位置提取一段参考电网频率信号,所提取的参考电网频率信号长度与视频中提取出的电网频率信号长度一致,计算此时视频中电网频率信号与数据库中电网频率参考信号时频变化的相似程度,以相关系数的计算结果对相似程度进行衡量;重复上述方法,在电网频率参考信号数据库检索范围内,以一定的步长进行移位,计算新的参考信号与视频中的电网频率信号相似程度,当参考信号移动到检索时间段末尾时,比较计算出的所有相关系数大小,相关系数最大的参考信号部分所对应的时间被认为是视频录制的估计时间。
与现有技术相比,本发明的有益效果为:为了解决视频在传播过程中容易遭到篡改且缺少有效验证手段的问题,本发明通过去除运动和场景等因素的干扰,根据视频曝光差异以不同方式获得视频记录中的电网频率信号,将提取的信号与参考信号数据库中的信号进行相关程度比较,实现对视频录制时间的估计;本发明所提供的方法能够在一定条件下完成视频的篡改检测以及时间戳验证的任务。
附图说明
图1是本发明实施例视频时间戳的取证方法的框图;
图2是本发明实施例的运动区域去除方法的示意图;
图3是本发明实施例的场景信息减除方法的示意图;
图4是本发明实施例针对不同视频获取光照序列的流程图;
图5是本发明实施例的全局快门曝光方式对视频中电网频率信号影响示意图;
图6是本发明实施例的卷帘快门曝光方式对视频中电网频率信号影响示意图;
图7是本发明实施例的动态匹配视频时间戳估计方法示意图。
具体实施方式
下面将结合本发明实施例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的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。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合具体实施例对本发明作进一步说明,但不作为本发明的限定。
参见图1,本发明实施例提供一种视频时间戳的取证方法,包括如下步骤:
步骤1,对待取证的视频进行预处理;
直接接入电网中的照明光源其照明光强与电流大小有关,在电网频率影响下,照明光强以两倍电网频率发生变化而被视频记录。即视频中的像素强度信息中包含电网频率信息,但视频记录中的其他信息同样会对视频各像素强度产生影响,这对于视频中电网频率信号的提取来说是个干扰,在此基础上,首先考虑去除视频中运动信息的干扰。
在按帧读取视频时,对于视频第一帧画面直接进行灰度化处理并保存,之后的每一帧画面进行灰度化之后,与保存下来的前一帧灰度图像相减,得到灰度差值图像,并将当前帧的灰度图像覆盖前一帧的灰度图像进行保存在,作为下一帧的运动参考。通过设定一定的差值阈值,只保留前后帧差值超过阈值的较大部分,之后对差值部分进行联通域分析,保留差值图像超过阈值部分中面积较大部分,去除两帧图像直接相减中细小差异造成的误差,由此得到视频中每帧画面的运动区域,如图2所示。
在实施例中,去除视频中运动信息干扰的具体方法为:
对于输入的待取证视频,逐帧读取视频内容,同时在读取后对视频帧进行灰度化操作,将彩色图像转变为灰度图像,进行灰度化操作的一种常见方法是将彩色图像RGB三个分量求和再取平均值,但更为准确的方法是设置不同的权重,将RGB分量按不同的比例进行灰度划分。比如人类的眼睛感官蓝色的敏感度最低,敏感最高的是绿色,因此将RGB按照0.299、0.587、0.144比例加权平均能得到较合理的灰度图像:
Gray=0.299*R+0.587*G+0.114*B;
对获得的每帧灰度图像首先进行高斯滤波处理,对整幅灰度图像进行加权平均,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到,得到当前灰度图像Img。经过高斯滤波后,灰度图像更加平滑,且去除了大部分噪点,平滑程度由高斯核的大小决定,而在本实施例中,选择的高斯核大小为21×21,在去除灰度图像中噪点的同时,尽可能减小图像中物体轮廓等因素对后续操作的影响。
定义一个变量frame,用来保存视频当前帧的前一帧经过滤波后的灰度图像,如果读取的当前帧是视频的第一帧时,则首先直接将变量frame初始化为第一帧经过滤波处理后灰度图像的值,之后每一帧滤波后的灰度图像都与frame 中保存的灰度图像相减,将两者差值的绝对值保存为灰度差值图像frameDelta:
frameDelta=|Img-frame|;
对得到的灰度差值图像frameDelta进行灰度二值化处理,将原始图像处理为仅有两个值的灰度图像,定义灰度化的阈值为gray_thresh,超过阈值的灰度值变为255,小于的取0。在本实施例中,选择灰度化的阈值gray_thresh为25, frameDelta(r,c)表示灰度差值图像第r行,第c列的像素值大小:
之后对新的灰度差值图像进行膨胀处理,将二值化后断裂区域连接,防止差值区域数量的误判,对膨胀后的灰度二值化图像寻找面积超过设定最小面积阈值min_area的区域,这些区域被认为是当前视频帧受运动影响的区域,将其余不受运动影响的区域标记为Bn。本实施例中,这里使用的膨胀内核大小为 3×3,共对图像进行2次膨胀处理,最小面积阈值min_area取值设置为100。
经过上述的运动区域分析后,对每一帧中受运动影响的像素进行标记, Fn[r,c]表示灰度图像第n帧r行c列的像素点,Gn[r,c]表示视频第n帧中第r 行c列像素受运动影响情况,具体地:
Gn[r,c]为1,代表该像素点在当前帧没有被运动影响;Gn[r,c]为0,代表该像素点在当前帧受到运动影响。
步骤2,对步骤1得到的灰度视频进行进一步地处理以去除场景信息的干扰;
除运动内容会对视频记录中的像素强度产生影响之外,视频画面中不同物体由于对光线的反射率存在较大差异,即使在相同照明情况下,经过物体反射后进入相机传感器的光线强度也会有较大差异,导致视频灰度图像中存在场景中物体等因素对嵌入视频中电网频率信号的干扰。
将当前帧的前几帧灰度图像进行平均以获得当前帧中场景对各像素灰度值的影响,在当前帧的灰度图像的基础上,减去前几帧的平均灰度图像,得到没有场景信息干扰的新的当前帧灰度图像,如图3所示。在这个过程中,根据当前帧受场景信息影响程度的不同,动态选择获取当前帧场景信息时平均前面帧的数目,当受场景影响较小时,只选取前面的一两帧进行平均;当影响较大时选取前面的多帧进行平均。实施例中,该步骤的具体处理过程如下:
按帧读取视频画面,并进行灰度化处理,为获得当前帧内场景内容信息,将保存的前面N帧视频灰度画面相加后取平均,因为视频采样速率相较于画面内容变化速率更大,所以可以认为当前帧的内容与临近几帧画面内容相差不大,得到的平均灰度图像认为是当前帧画面内容中的场景信息:
其中,r代表像素点对应的行数,c代表像素点对应的列数,N表示参考帧长,n表示当前在处理的帧数,Fn[r,c,n-N]表示第n-N帧灰度图像中r行c列的像素点的灰度值,得到的Bn[r,c]保存有当前帧的场景信息。
将当前帧图像灰度图像减去前N帧平均灰度图像后,得到去除场景信息干扰后新的当前帧灰度,在这个过程中N的取值要根据当前帧画面内容受光照影响程度判断,如果当前帧保存的画面中照明光强较弱,则N取较小值,反知,照明光强较强情况下,参考帧长N取相对较大值。
在本实施例中,参考帧长N取值根据当前帧灰度图像平均值img_mean进行选取:当前帧平均灰度img_mean小于20时,N取1;在20到50时,N取2;当img_mean大于50时,参考帧长N取3。在尽量不去除电网频率信号对当前帧像素强度影响的基础上,尽可能去除场景无关内容的影响。
步骤3,对步骤2得到的视频成像时使用的曝光方式进行判断,根据曝光方式选择相应的处理方式进行处理以得到视频中包含电网频率信息的光照序列,对光照序列进行分析,获得对应频率范围内光照序列的时频变化,以获得嵌入视频中的电网频率信号;
在本实施例中,对去除运动和场景信息后的待取证视频成像时使用的曝光方式进行判断,根据视频内容是否是按行曝光方式得到的,来区分视频是全局快门还是卷帘快门曝光,由于曝光方式的不同,对视频中画面信息采样速率存在较大差异:全局快门视频整帧画面同时曝光,将帧内所有像素的平均值作为当前帧所在时刻对照明光强的采样值,遍历所有帧后得到全局快门视频包含电网频率信号信息的光照序列;卷帘快门由于其行曝光机制,视频每帧画面的所有行都在不同时刻曝光,保留的是不同时刻的照明光强,计算卷帘快门视频每一帧中各行的平均值作为行曝光时刻对照明光强的采样值,遍历所有帧后得到卷帘快门视频用于分析电网频率信号的光照序列,过程如图4所示。
使用短时傅里叶变换(Short Time Fourier Transform,STFT)对光照序列进行分析,获得对应频率范围内光照序列的时频变化,将获得的光强时频变化认为是视频录制时嵌入其中的电网频率信号。
实施例具体的实施过程说明如下:
首先对全局快门和卷帘快门成像原理,以及两种曝光方式对嵌入视频中的电网频率信号产生的影响进行分析,如图5,6所示。
全局快门曝光时,整帧所有像素在同一时间段内开始和结束对光线的收集,所以其等效采样率等于视频帧率,且由于电网频率信号不是标准的正弦形式,所以存在基频整数倍的谐波成分:
f=k*2fENF
其中,fENF是电网频率,根据拍摄时所处位置的不同标称值取50Hz或60Hz, k是谐波次数,k次谐波处的带宽也是基频带宽的k倍,当采用全局快门曝光时,其等效采样率等于视频拍摄帧率,一般小于电网频率信号基频成分,所以全局快门视频中记录电网频率时会发生混叠。
实施例中以电网频率标称值为50Hz的环境下,视频拍摄时帧率为29.96fps 为例,如图5所示,由于照明光源的光强随电流大小变化,所以标称值为50Hz 的环境中电网频率信号原始频率成分应该为:
f=k*100;
但由于采用全局快门方式曝光时相机等效采样率等于帧率,小于两倍电网频率信号的基频,所以记录在视频中的电网频率信号发生混叠,频率分布在:
falias=k*100±m*29.96;
式中,m取小于不存在空闲时间时视频帧周期内采样点数的正整数;
对去除运动和场景干扰后的全局快门视频灰度图像平均帧内所有像素值获得对应时刻光强的采样值:
式中,Y(nTfps)为光强序列,Fn[r,c]为灰度图像第n帧r行c列的像素点, Bn[r,c]保存有当前帧的场景信息,Gn[r,c]表示视频第n帧中第r行c列像素受运动影响情况;
运用STFT分析光强序列Y(nTfps)在对应混叠频率处的时频变化获得视频记录中的电网频率信号。作为优选,本实施例中分析的是基频成分混叠后在 10.12Hz处的时频变化。
当判断为卷帘快门曝光时,画面中的每一行在不同时刻曝光,即每一行保存了场景不同时刻的光照信息,这使得卷帘快门相较于全局快门有更高的采样率,对电网频率信号采样时不会发生混叠现象,但由于卷帘快门不是连续采样,帧与帧之间存在一段空闲时间,对卷帘快门视频中电网频率信号的频率成分产生了一定影响。
实施例以标称值50Hz的电网环境下,帧率为30fps采用卷帘快门曝光方式获得的光照场景视频为例,如图6所示。
由于卷帘快门的行曝光机制,其对光照场景的等效采样率等于视频帧率乘以帧画面的行数,一般远大于电网频率的两倍,将每帧画面的行像素平均后得到行所在时刻对于光照强度的采样值,按照顺序排列后得到光照序列:
将得到的光照序列按照采样时间的先后顺序进行排列(第一帧的行采样值按照行数从小到大的顺序排列后,紧跟着第二帧按照所在行数从小到大排序的采样值,以此类推),得到卷帘快门采样的实际光照序列Y[n]。
但由于帧间空闲时间的存在,导致采样过程中一部分采样点被丢弃,视频中保存的电网频率信号并不是原始频率成分。假设卷帘快门曝光时帧间不存在空闲时间,对电网频率信号连续采样获得的光照序列为X[n],但由于帧间空闲时间的存在实际光照序列为Y[n],两光照序列的频率成分关系为:
Y(f)是实际光照序列Y[n]的频率成分,X(f)表示X[n]的频率成分,为X[n]的频率成分X(f)进行频谱搬移后的各频率成分,T是视频录制时的帧周期,fs是采样频率,M表示假设不存在空闲时间时视频帧周期时间内采样点数,m取0到M-1范围内的整数,Fm(f)表示由于空闲时间存在对应频率处的衰减系数;由此可以得到实际光照序列Y[n]中电网频率信号的频率成分为换句话来说,实际光照序列的频谱组成是两倍电网频率以视频录制帧率的整数倍进行频谱搬移后各频率成分的加权和,加权系数Fm与卷帘快门曝光时各帧之间空闲时间长度有关,根据空闲时间在帧周期内占比的不同,视频所记录的电网频率信号频率相对组成也不同。根据上述得到的两光照序列的频率成分关系,使用短时傅里叶变换分析得到卷帘快门视频记录中的电网频率信号。
作为优选,实施例中只对频率成分中相对较强的成分——两倍电网频率成分进行分析,得到卷帘快门视频记录中的电网频率信号。
步骤4,将步骤3获得的电网频率信号与电网频率参考信号数据库中真实电网频率信号进行匹配,选出相关系数最大的参考信号部分所对应的时间,即认为是视频录制的估计时间;
在本实施例中,根据选定的视频录制检索时间段,在电网频率参考信号数据库中,从检索时间段开始位置提取一段参考电网频率信号,所提取的参考电网频率信号长度与视频中提取出的电网频率信号长度一致,计算此时视频中电网频率信号与数据库中电网频率参考信号时频变化的相似程度,以相关系数的计算结果对相似程度进行衡量。然后,在电网频率参考信号数据库检索范围内,以一定的步长进行移位,计算新的参考信号与视频中电网频率信号相似程度,当参考信号移动到检索时间段末尾时,比较计算出的所有相关系数大小,相关系数最大的参考信号部分所对应的时间被认为是视频录制的估计时间,如图7。其中,实施例中计算相关系数时使用皮尔逊系数:
在计算时减去序列均值,避免由于频率估计时采样频率误差导致均值差异的影响。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (7)
1.一种视频时间戳的取证方法,其特征在于,包括步骤如下:
步骤1,对待取证的视频进行预处理,得到去除了运动信息干扰的灰度视频;
步骤2,对步骤1得到的灰度视频进行进一步地处理以去除场景信息的干扰;
步骤3,对步骤2得到的视频成像时使用的曝光方式进行判断,根据曝光方式选择相应的处理方式进行处理以得到视频中包含电网频率信息的光照序列,对光照序列进行分析,获得对应频率范围内光照序列的时频变化,以获得嵌入视频中的电网频率信号;
步骤4,将步骤3获得的电网频率信号与电网频率参考信号数据库中真实电网频率信号进行匹配,选出相关系数最大的参考信号部分所对应的时间,即认为是视频录制的估计时间。
2.根据权利要求1所述的视频时间戳的取证方法,其特征在于,步骤1具体包括:
在按帧读取视频时,对于视频第一帧画面进行灰度化处理并保存,之后的每一帧画面进行灰度化之后,与保存下来的前一帧灰度图像相减,得到灰度差值图像,设定灰度化的差值阈值,并根据设定的差值阈值对得到的灰度差值图像进行灰度二值化处理得到灰度二值化图像,之后对灰度二值化图像进行膨胀处理,在膨胀后的灰度二值化图像寻找面积超过设定的最小面积阈值的区域,这些区域被认为是当前视频帧受运动影响的区域,剩余其他区域则为当前视频帧不受运动影响的区域。
3.根据权利要求1所述的视频时间戳的取证方法,其特征在于,步骤2中去除场景信息的干扰的方法为:
将当前帧的前N帧灰度图像进行平均以获得当前帧中场景对各像素灰度值的影响,在当前帧的灰度图像的基础上,减去前N帧的平均灰度图像,得到去除场景信息干扰后新的当前帧灰度。
4.根据权利要求1所述的视频时间戳的取证方法,其特征在于,步骤3中,根据视频是否是按行进行曝光,判断视频采用的曝光方式是全局快门还是卷帘快门,针对不同曝光方式以不同的处理方式获得记录光强变化的光照序列。
6.根据权利要求4所述的视频时间戳的取证方法,其特征在于,当判断曝光方式为卷帘快门曝光时,将每帧画面的行像素平均后得到行所在时刻对于光照强度的采样值,按照顺序排列后得到的光照序列为:
式中,F(r,n)为光照序列,Fn[r,c]为灰度图像第n帧r行c列的像素点,Bn[r,c]保存有当前帧的场景信息,Gn[r,c]表示视频第n帧中第r行c列像素受运动影响情况;
将得到的光照序列F(r,n)按照采样时间的先后顺序进行排列,即得到卷帘快门采样的实际光照序列Y[n];
但由于卷帘快门不是连续采样,帧与帧之间存在一段空闲时间;假设卷帘快门曝光时帧间不存在空闲时间,对电网频率信号连续采样获得的光照序列为X[n],但由于帧间空闲时间的存在实际光照序列为Y[n],两光照序列的频率成分关系为:
其中,Y(f)是实际光照序列Y[n]的频率成分,X(f)表示X[n]的频率成分,为X[n]的频率成分X(f)进行频谱搬移后的各频率成分,T是视频录制时的帧周期,fs是采样频率,M表示假设不存在空闲时间时视频帧周期时间内采样点数,m取0到M-1范围内的整数,Fm(f)表示由于空闲时间存在对应频率处的衰减系数;
根据上述得到的两光照序列的频率成分关系,使用短时傅里叶变换分析得到卷帘快门视频记录中的电网频率信号。
7.根据权利要求1所述的视频时间戳的取证方法,其特征在于,步骤4具体方法为:
根据选定的视频录制检索时间段,在电网频率参考信号数据库中,从检索时间段开始位置提取一段参考电网频率信号,所提取的参考电网频率信号长度与视频中提取出的电网频率信号长度一致,计算此时视频中电网频率信号与数据库中电网频率参考信号时频变化的相似程度,以相关系数的计算结果对相似程度进行衡量;重复上述方法,在电网频率参考信号数据库检索范围内,以一定的步长进行移位,计算新的参考信号与视频中的电网频率信号相似程度,当参考信号移动到检索时间段末尾时,比较计算出的所有相关系数大小,相关系数最大的参考信号部分所对应的时间被认为是视频录制的估计时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210733975.XA CN115174762B (zh) | 2022-06-27 | 2022-06-27 | 视频时间戳的取证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210733975.XA CN115174762B (zh) | 2022-06-27 | 2022-06-27 | 视频时间戳的取证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115174762A true CN115174762A (zh) | 2022-10-11 |
CN115174762B CN115174762B (zh) | 2024-04-16 |
Family
ID=83487127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210733975.XA Active CN115174762B (zh) | 2022-06-27 | 2022-06-27 | 视频时间戳的取证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115174762B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118368483A (zh) * | 2024-06-19 | 2024-07-19 | 华侨大学 | 电网环境下的视频帧间篡改检测方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
KR101795483B1 (ko) * | 2016-07-19 | 2017-11-10 | 고려대학교 산학협력단 | 온라인 미디어로부터 enf 신호를 수집하는 방법 및 장치 |
CN107527337A (zh) * | 2017-08-07 | 2017-12-29 | 杭州电子科技大学 | 一种基于深度学习的视频对象移除篡改检测方法 |
US20180205922A1 (en) * | 2012-11-29 | 2018-07-19 | University Of Maryland, College Park | Techniques to extract enf signals from video image sequences exploiting the rolling shutter mechanism; and a new video synchronization approach by matching the enf signals extracted from soundtracks and image sequences |
CN112287161A (zh) * | 2020-11-04 | 2021-01-29 | 武汉大学 | 面向数字取证的电网频率信号采集和存储方法及系统 |
EP3833011A1 (en) * | 2019-12-05 | 2021-06-09 | Universidad de Vigo | Method and system for the extraction of electric network frequency signals from digital videos |
KR20220027691A (ko) * | 2020-08-27 | 2022-03-08 | 국방과학연구소 | Enf 신호를 획득하는 전자 장치 및 이의 동작 방법 |
-
2022
- 2022-06-27 CN CN202210733975.XA patent/CN115174762B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180205922A1 (en) * | 2012-11-29 | 2018-07-19 | University Of Maryland, College Park | Techniques to extract enf signals from video image sequences exploiting the rolling shutter mechanism; and a new video synchronization approach by matching the enf signals extracted from soundtracks and image sequences |
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 |
KR101795483B1 (ko) * | 2016-07-19 | 2017-11-10 | 고려대학교 산학협력단 | 온라인 미디어로부터 enf 신호를 수집하는 방법 및 장치 |
CN107527337A (zh) * | 2017-08-07 | 2017-12-29 | 杭州电子科技大学 | 一种基于深度学习的视频对象移除篡改检测方法 |
EP3833011A1 (en) * | 2019-12-05 | 2021-06-09 | Universidad de Vigo | Method and system for the extraction of electric network frequency signals from digital videos |
KR20220027691A (ko) * | 2020-08-27 | 2022-03-08 | 국방과학연구소 | Enf 신호를 획득하는 전자 장치 및 이의 동작 방법 |
CN112287161A (zh) * | 2020-11-04 | 2021-01-29 | 武汉大学 | 面向数字取证的电网频率信号采集和存储方法及系统 |
Non-Patent Citations (6)
Title |
---|
GUANG HUA: "Detection of Electric Network Frequency in Audio Recordings–From Theory to Practical Detectors", 《IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY》, 17 July 2020 (2020-07-17) * |
RAVI GARG: "Power-Signature-Based Timestamp for Digital Multimedia via Optical Sensing and Signal Processing", 《IEEE TRANS. INFORMATION FORENSICS AND SECURITY》, 31 December 2013 (2013-12-31) * |
崔三帅: "图像视频中ENF信号的分析及应用综述", 《应用科学学报》, 30 September 2019 (2019-09-30) * |
王宇飞: "时域视频篡改的取证理论与方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 December 2018 (2018-12-15) * |
陈浩森: "基于泛在信号的生成视频检测方法", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 March 2022 (2022-03-15) * |
魏晖;杨高波;夏明;: "一种基于取证哈希的数字视频篡改取证方法", 电子与信息学报, no. 12, 15 December 2013 (2013-12-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118368483A (zh) * | 2024-06-19 | 2024-07-19 | 华侨大学 | 电网环境下的视频帧间篡改检测方法、装置、设备及介质 |
CN118368483B (zh) * | 2024-06-19 | 2024-09-06 | 华侨大学 | 电网环境下的视频帧间篡改检测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115174762B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hsu et al. | Video forgery detection using correlation of noise residue | |
Goljan | Digital camera identification from images–estimating false acceptance probability | |
Lin et al. | Preprocessing reference sensor pattern noise via spectrum equalization | |
Lawgaly et al. | Sensor pattern noise estimation based on improved locally adaptive DCT filtering and weighted averaging for source camera identification and verification | |
CN108319986B (zh) | 基于prnu的图像来源的鉴定方法及其系统 | |
EP2084624B1 (en) | Video fingerprinting | |
Ren et al. | Fusion of intensity and inter-component chromatic difference for effective and robust colour edge detection | |
WO2022237397A1 (zh) | 图像真伪检测方法、装置、计算机设备和存储介质 | |
Andriotis et al. | JPEG steganography detection with Benford's Law | |
Thing et al. | An improved double compression detection method for JPEG image forensics | |
CN111709930A (zh) | 基于模式噪声的图片出处与窜改认定方法 | |
Singh et al. | Detection of upscale-crop and splicing for digital video authentication | |
CN115174762B (zh) | 视频时间戳的取证方法 | |
Mehrish et al. | Robust PRNU estimation from probabilistic raw measurements | |
CN116383791A (zh) | 一种客户身份认证方法、装置、电子设备及介质 | |
Fan et al. | Modeling the EXIF-image correlation for image manipulation detection | |
Chang et al. | A passive multi-purpose scheme based on periodicity analysis of CFA artifacts for image forensics | |
CN103561274A (zh) | 静止摄像头拍摄的运动目标被移除视频时域篡改检测方法 | |
CN111861976B (zh) | 一种基于硬件指纹相关性的数字图像源拍摄设备识别方法 | |
CN111833368B (zh) | 一种基于相位一致性边缘检测的语音还原方法 | |
Balamurugan et al. | Source camera identification using SPN with PRNU estimation and enhancement | |
CN117011735A (zh) | 摄像设备的遮挡检测方法、装置、设备、介质及产品 | |
CN112183454B (zh) | 图像检测方法及装置、存储介质、终端 | |
Kang et al. | Countering median filtering anti-forensics and performance evaluation of forensics against intentional attacks | |
CN111402189B (zh) | 一种视频图像偏色检测装置及方法 |
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 |