CN115512276A - 一种基于人工智能的视频防伪识别方法及系统 - Google Patents
一种基于人工智能的视频防伪识别方法及系统 Download PDFInfo
- Publication number
- CN115512276A CN115512276A CN202211306315.XA CN202211306315A CN115512276A CN 115512276 A CN115512276 A CN 115512276A CN 202211306315 A CN202211306315 A CN 202211306315A CN 115512276 A CN115512276 A CN 115512276A
- Authority
- CN
- China
- Prior art keywords
- video
- counterfeiting
- module
- identification information
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 239000000203 mixture Substances 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 22
- 238000000354 decomposition reaction Methods 0.000 claims description 17
- 230000003068 static effect Effects 0.000 claims description 12
- 230000008447 perception Effects 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims 2
- 239000000284 extract Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明涉及图像处理技术领域，尤其涉及一种基于人工智能的视频防伪识别方法，包括：将视频按帧分解，并对各帧中的图片信息进行构图分析；根据图像的对比度和构图分析确定各图片的重点区域；使用调整亮度的方式将视频识别信息嵌入非重点区域，并在视频四角的像素点中利用颜色信息存入视频识别信息的位置；解读防伪信息的位置，并通过判定防伪识别是否存在的方式进行防伪识别。利用识别视频中非重点区域的方式，将视频识别信息嵌入视频各帧中，在有效避免了因嵌入明显水印导致视频观感下降的同时，有效提升了视频识别信息的隐蔽性。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于人工智能的视频防伪识别方法及系统。
背景技术
视频防伪作为一种保护知识产权的重要手段，其方式多种多样，但因视频形式的局限性，防伪图标十分影响观感，同时也较易被去除。
中国专利申请公开号：CN114254277A公开了一种基于人工智能的视频防伪识别方法及系统，利用声称子二维码信息确定二维码信息，基于确定的所述二维码信息与预设二维码信息确定所述第一目标视频的真伪；
中国专利申请公开号：CN112770189A公开了一种通过插帧技术实现视频防伪防盗的方法，利用随机加入防伪视频帧的方式进行视频防伪防盗；
中国专利申请公开号：CN112383836A公开了一种视频校验系统及方法，利用设置防伪节点的方式进行视频验证。
由此可见，上述技术方案存在以下问题：视频防伪信息过于明显，易识别的同时易被去除。
发明内容
为此，本发明提供一种基于人工智能的视频防伪识别方法及系统，用以克服现有技术中视频防伪信息过于明显，易识别的同时易被去除的问题。
一方面，本发明提供一种基于人工智能的视频防伪识别方法，包括：
步骤S1，利用视频分解模块，将视频按帧分解，并对各帧中的图片信息进行构图分析；
步骤S2，利用图像划分模块根据图像的对比度和构图分析确定各图片的重点区域；
步骤S3，利用防伪嵌入模块使用调整亮度的方式将视频识别信息嵌入非重点区域，并在视频四角的像素点中利用颜色信息存入视频识别信息的位置；
步骤S4，当进行防伪识别时，利用识别模块解读防伪信息的位置，并通过判定防伪识别是否存在的方式进行防伪识别。
进一步地，对于单个视频，其由若干帧画面组成，其中单个帧对应的画面为一静态图片，所述视频分解模块根据该帧与上一帧的变化，将发生变化的图片区域设定为重点区域，静态图片中重点区域外的各区域属于非重点区域；所述视频识别信息为若干像素点组成的图片，当所述防伪嵌入模块将视频识别信息嵌入各帧对应的静态图片时，其与上一帧对应位置的亮度差形成的图片，与视频识别信息中的图片相同。
进一步地，对于第i帧图片，将其非重点区域记为Fi，其中i=2,3，4，…，n，n为视频的最大帧数，所述图像划分模块将第i帧与第i-1帧位于相同区域j的非重点区域进的色相差值记为Hij，以确定所述视频识别信息的嵌入方式，其中j=1，2,3，…，m，m为单个图像的区域总数，图像划分模块中设有第一预设色相Hα以及第二预设色相Hβ，其中0＜Hα＜Hβ，第一预设色相Hα为最小感知色相差，第二预设色相Hβ为最大感知色相差，图像划分模块通过对色相的比较确定视频识别信息的嵌入位置，
若|Hij|≤Hα，所述图像划分模块判定第j个位置在相邻帧中无变化，并判断该位置适合嵌入所述视频识别信息，并将第j个位置四个角的坐标进行记录，同时将第j个位置的优先级设定为2；
若Hα＜|Hij|≤Hβ，所述图像划分模块判定第j个位置在相邻帧中有变化，并判断该位置能够嵌入所述视频识别信息，并将第j个位置四个角的坐标进行记录，同时根据图像的饱和度进行进一步判断；
若Hβ＜|Hij|，所述图像划分模块判定第j个位置包含重点区域，并判断该位置不能嵌入所述视频识别信息。
进一步地，对于第i帧图片的第j个区域，将其与第i-1帧的第j个区域的颜色饱和度差值为Sij；所述图像划分模块中设有第一预设饱和度差Sα以及第二预设饱和度差Sβ，其中0＜Sα＜Sβ，第一预设饱和度差Sα为最小感知饱和度差，第二预设饱和度差Sβ为最大感知饱和度差，将所述Sij与第一预设饱和度差Sα以及第二预设饱和度差Sβ，以判定人眼对该区域的变化的敏感性，
若|Sij|＜Sα，所述图像划分模块判定第j个区域在相邻帧中无变化，并判断该位置适合嵌入所述视频识别信息，同时将第j个位置的优先级设定为2；
若Sα≤|Sij|＜Sβ，所述图像划分模块判定第j个位置在相邻帧中有变化且人眼无法明显感知，同时将第j个位置的优先级设定为2；
若Sβ＜|Sij|，所述图像划分模块判定第j个位置包含重点区域，并判断该位置不能嵌入所述视频识别信息。
进一步地，当第i帧的各非重点区域中，若存在优先级为2的区域，所述防伪嵌入模块选用优先级为2的区域嵌入所述视频识别信息，若不存在优先级为2的区域，所述防伪嵌入模块选用优先级为1的区域嵌入视频识别信息，所述防伪嵌入模块选定的非重点区域设定为待嵌入区域；
当所述防伪嵌入模块在第i帧的第j个区域嵌入视频识别信息时，防伪嵌入模块将所述视频识别信息的各像素点制作成亮度为δH且色相与饱和度均为0的图片，将该图片叠加入所述待嵌入区域并将叠加后的图片对应的帧设定为防伪识别帧。
进一步地，当所述防伪嵌入模块将所述视频识别信息嵌入对应帧的同时，所述防伪嵌入模块设定所述带嵌入区域中嵌入视频识别信息的四个角的像素对应的坐标分别为（xi1，yi1）、（xi2，yi2）、（xi3，yi3）以及（xi4，yi4），其嵌入的所述视频识别信息的亮度为δH；
所述防伪嵌入模块将所述防伪识别帧对应的静态图片中的四个角的像素设定为信息像素，并将其对应的色彩C1、C2、C3以及C4的RGB值设定为C1（δH，xi1，yi1）、C2（δH，xi2，yi2）、C3（δH，xi3，yi3）以及C4（δH，xi4，yi4）作为识别点与对应像素进行替换。
进一步地，对于单个已经嵌入所述视频识别信息的视频，所述识别模块将其中任一帧的对应静态图像进行分析，根据该图像的四个角的像素点解析出该图片的嵌入所述视频识别信息的位置，并根据原亮度将该区域反向解析，使视频识别信息出现。
另一方面，本发明提供一种基于人工智能的视频防伪识别系统，包括：
视频分解模块，用以将视频分解为若干帧，并将各帧进行编号以待嵌入视频识别信息；
图像划分模块，其与所述视频分解模块相连，用以将视频中的各帧中的重点内容与非重点内容进行识别和分离，用以嵌入所述视频识别信息；
防伪嵌入模块，其与所述图像划分模块项链，用以将所述视频识别信息嵌入对应位置；
识别模块，其与所述视频分解模块项链，用以识别视频中出现的所述视频识别信息。
进一步地，所述图像划分模块与互联网连接，并根据互联网中的热点内容对各图像的重点区域进行进一步识别，以避免因热点问题将当前热点部分划分入所述非重点区域中。
进一步地，所述识别模块在进行视频防伪识别时，以随机方式抽取视频中任意一帧对应图像作为识别对象进行识别。
与现有技术相比，本发明的有益效果在于，利用识别视频中非重点区域的方式，将视频识别信息嵌入视频各帧中，在有效避免了因嵌入明显水印导致视频观感下降的同时，有效提升了视频识别信息的隐蔽性。
进一步地，利用视频中各帧的变化差异对各帧图像进行分析，从而确定其非重点区域，并将视频识别信息嵌入非重点区域中，在有效避免了因水印影响视频图像的同时，进一步提升了视频识别信息的隐蔽性。
进一步地，利用视频中相邻帧的变化色相变化，确定非重点区域中更难以被注意的位置，在有效避免了因视频识别信息嵌入视频后导致的视频观感下降的同时，进一步提升了视频识别信息的隐蔽性。
进一步地，利用视频中相邻帧饱和度的变化，将非重点区域分类，在有效避免了因颜色干扰带来的视频识别信息显露的同时，进一步提升了视频识别信息的隐蔽性。
进一步地，通过将视频识别信息制作基于像素亮度差的方式，在有效提升了视频识别信息的抗干扰性的同时，进一步提升了视频识别信息的隐蔽性。
进一步地，通过将视频各帧对应的四角设置为信息像素的方式，在有效降低了视频识别信息的查找难度的同时，进一步提升了视频识别信息的隐蔽性。
进一步地，通过对亮度解析的方式显示视频识别信息，在有效提升了视频识别信息的可靠性的同时，进一步提升了视频识别信息的隐蔽性。
进一步地，利用设置视频分解模块、图像划分模块、防伪嵌入模块以及识别的模块的方式，在有效提升了视频防伪制作和识别的效率的同时，进一步提升了视频识别信息的隐蔽性。
进一步地，利用查询热点问题的方式确定非重点区域，在有效避免了因热点导致视频识别信息暴露的同时，进一步提升了视频识别信息的隐蔽性。
进一步地，利用识别任意一帧的方式进行视频防伪识别，在有效降低了视频识别难度的同时，进一步提升了视频识别信息的隐蔽性。
附图说明
图1为本发明基于人工智能的视频防伪识别方法的流程图；
图2为本发明实施例的非重点区域示意图；
图3为本发明实施例的视频识别信息示意图；
图4为本发明实施例的基于人工智能的视频防伪识别系统结构示意图；
其中：1：非重点区域；2：重点区域；3：视频识别信息。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；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。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本发明基于人工智能的视频防伪识别方法的流程图，包括：
步骤S1，利用视频分解模块，将视频按帧分解，并对各帧中的图片信息进行构图分析；
步骤S2，利用图像划分模块根据图像的对比度和构图分析确定各图片的重点区域；
步骤S3，利用防伪嵌入模块使用调整亮度的方式将视频识别信息嵌入非重点区域，并在视频四角的像素点中利用颜色信息存入视频识别信息的位置；
步骤S4，当进行防伪识别时，利用识别模块解读防伪信息的位置，并通过判定防伪识别是否存在的方式进行防伪识别。
利用识别视频中非重点区域的方式，将视频识别信息嵌入视频各帧中，在有效避免了因嵌入明显水印导致视频观感下降的同时，有效提升了视频识别信息的隐蔽性。
具体而言，对于单个视频，其由若干帧画面组成，其中单个帧对应的画面为一静态图片，视频分解模块根据该帧与上一帧的变化，将发生变化的图片区域设定为重点区域，静态图片中重点区域外的各区域属于非重点区域；视频识别信息为若干像素点组成的图片，当防伪嵌入模块将视频识别信息嵌入各帧对应的静态图片时，其与上一帧对应位置的亮度差形成的图片，与视频识别信息中的图片相同。
利用视频中各帧的变化差异对各帧图像进行分析，从而确定其非重点区域，并将视频识别信息嵌入非重点区域中，在有效避免了因水印影响视频图像的同时，进一步提升了视频识别信息的隐蔽性。
请参阅图2所示，其为本发明实施例的非重点区域示意图；
其中，图2中的（a）图为第i-1帧的图像，图2中的（b）图为第i帧的图像，当图像划分模块进行非重点区域划分时，将重点区域2外的部分标记，并找到非重点区域1中变化最小的部分进行标记。
具体而言，对于第i帧图片，将其非重点区域记为Fi，其中i=2,3，4，…，n，n为视频的最大帧数，图像划分模块将第i帧与第i-1帧位于相同区域j的非重点区域进的色相差值记为Hij，以确定视频识别信息的嵌入方式，其中j=1，2,3，…，m，m为单个图像的区域总数，图像划分模块中设有第一预设色相Hα以及第二预设色相Hβ，其中0＜Hα＜Hβ，第一预设色相Hα为最小感知色相差，第二预设色相Hβ为最大感知色相差，图像划分模块通过对色相的比较确定视频识别信息的嵌入位置，
若|Hij|≤Hα，图像划分模块判定第j个位置在相邻帧中无变化，并判断该位置适合嵌入视频识别信息，并将第j个位置四个角的坐标进行记录，同时将第j个位置的优先级设定为2；
若Hα＜|Hij|≤Hβ，图像划分模块判定第j个位置在相邻帧中有变化，并判断该位置能够嵌入视频识别信息，并将第j个位置四个角的坐标进行记录，同时根据图像的饱和度进行进一步判断；
若Hβ＜|Hij|，图像划分模块判定第j个位置包含重点区域，并判断该位置不能嵌入视频识别信息。
利用视频中相邻帧的变化色相变化，确定非重点区域中更难以被注意的位置，在有效避免了因视频识别信息嵌入视频后导致的视频观感下降的同时，进一步提升了视频识别信息的隐蔽性。
具体而言，对于第i帧图片的第j个区域，将其与第i-1帧的第j个区域的颜色饱和度差值为Sij；图像划分模块中设有第一预设饱和度差Sα以及第二预设饱和度差Sβ，其中0＜Sα＜Sβ，第一预设饱和度差Sα为最小感知饱和度差，第二预设饱和度差Sβ为最大感知饱和度差，将Sij与第一预设饱和度差Sα以及第二预设饱和度差Sβ，以判定人眼对该区域的变化的敏感性，
若|Sij|＜Sα，图像划分模块判定第j个区域在相邻帧中无变化，并判断该位置适合嵌入视频识别信息，同时将第j个位置的优先级设定为2；
若Sα≤|Sij|＜Sβ，图像划分模块判定第j个位置在相邻帧中有变化且人眼无法明显感知，同时将第j个位置的优先级设定为2；
若Sβ＜|Sij|，图像划分模块判定第j个位置包含重点区域，并判断该位置不能嵌入视频识别信息。
利用视频中相邻帧饱和度的变化，将非重点区域分类，在有效避免了因颜色干扰带来的视频识别信息显露的同时，进一步提升了视频识别信息的隐蔽性。
具体而言，当第i帧的各非重点区域中，若存在优先级为2的区域，防伪嵌入模块选用优先级为2的区域嵌入视频识别信息，若不存在优先级为2的区域，防伪嵌入模块选用优先级为1的区域嵌入视频识别信息，防伪嵌入模块选定的非重点区域设定为待嵌入区域；
请参阅图3所示，其为本发明实施例的视频识别信息示意图；
图3中的（a）图为视频识别信息3嵌入前的图像，图3中的（b）图为视频识别信息3嵌入后的图像，当图像划分模块确定变化最小的非重点区域时，防伪嵌入模块将视频识别信息3嵌入对应区域内。
当防伪嵌入模块在第i帧的第j个区域嵌入视频识别信息时，防伪嵌入模块将视频识别信息的各像素点制作成亮度为δH，色相与饱和度均为0图片，并叠加入待嵌入区域并将叠加后的图片对应的帧设定为防伪识别帧。
通过将视频识别信息制作基于像素亮度差的方式，在有效提升了视频识别信息的抗干扰性的同时，进一步提升了视频识别信息的隐蔽性。
具体而言，当防伪嵌入模块将视频识别信息嵌入对应帧的同时，防伪嵌入模块设定带嵌入区域中嵌入视频识别信息的四个角的像素对应的坐标分别为（xi1，yi1）、（xi2，yi2）、（xi3，yi3）以及（xi4，yi4），其嵌入的视频识别信息的亮度为δH；
防伪嵌入模块将防伪识别帧对应的静态图片中的四个角的像素设定为信息像素，并将其对应的色彩C1、C2、C3以及C4的RGB值设定为C1（δH，xi1，yi1）、C2（δH，xi2，yi2）、C3（δH，xi3，yi3）以及C4（δH，xi4，yi4）作为识别点与对应像素进行替换。
通过将视频各帧对应的四角设置为信息像素的方式，在有效降低了视频识别信息的查找难度的同时，进一步提升了视频识别信息的隐蔽性。
具体而言，对于单个已经嵌入视频识别信息的视频，识别模块将其中任一帧的对应静态图像进行分析，根据该图像的四个角的像素点解析出该图片的嵌入视频识别信息的位置，并根据原亮度将该区域反向解析，使视频识别信息出现。
通过对亮度解析的方式显示视频识别信息，在有效提升了视频识别信息的可靠性的同时，进一步提升了视频识别信息的隐蔽性。
清参阅图4所示，本发明实施例的基于人工智能的视频防伪识别系统结构示意图，包括：
视频分解模块，用以将视频分解为若干帧，并将各帧进行编号以待嵌入视频识别信息；
图像划分模块，其与视频分解模块相连，用以将视频中的各帧中的重点内容与非重点内容进行识别和分离，用以嵌入视频识别信息；
防伪嵌入模块，其与图像划分模块项链，用以将视频识别信息嵌入对应位置；
识别模块，其与视频分解模块项链，用以识别视频中出现的视频识别信息。
利用设置视频分解模块、图像划分模块、防伪嵌入模块以及识别的模块的方式，在有效提升了视频防伪制作和识别的效率的同时，进一步提升了视频识别信息的隐蔽性。
具体而言，图像划分模块与互联网连接，并根据互联网中的热点内容对各图像的重点区域进行进一步识别，以避免因热点问题将当前热点部分划分入非重点区域中。
利用查询热点问题的方式确定非重点区域，在有效避免了因热点导致视频识别信息暴露的同时，进一步提升了视频识别信息的隐蔽性。
具体而言，识别模块在进行视频防伪识别时，以随机方式抽取视频中任意一帧对应图像作为识别对象进行识别。
利用识别任意一帧的方式进行视频防伪识别，在有效降低了视频识别难度的同时，进一步提升了视频识别信息的隐蔽性。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。 凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于人工智能的视频防伪识别方法，其特征在于，包括：
步骤S1，利用视频分解模块，将视频按帧分解，并对各帧中的图片信息进行构图分析；
步骤S2，利用图像划分模块根据图像的对比度和构图分析确定各图片的重点区域；
步骤S3，利用防伪嵌入模块使用调整亮度的方式将视频识别信息嵌入非重点区域，并在视频四角的像素点中利用颜色信息存入视频识别信息的位置；
步骤S4，当进行防伪识别时，利用识别模块解读防伪信息的位置，并通过判定防伪识别是否存在的方式进行防伪识别。
2.根据权利要求1所述的基于人工智能的视频防伪识别方法，其特征在于，对于单个视频，其由若干帧画面组成，其中单个帧对应的画面为一静态图片，所述视频分解模块根据该帧与上一帧的变化，将发生变化的图片区域设定为重点区域，静态图片中重点区域外的各区域属于非重点区域；所述视频识别信息为若干像素点组成的图片，当所述防伪嵌入模块将视频识别信息嵌入各帧对应的静态图片时，其与上一帧对应位置的亮度差形成的图片，与视频识别信息中的图片相同。
3.根据权利要求2所述的基于人工智能的视频防伪识别方法，其特征在于，对于第i帧图片，将其非重点区域记为Fi，其中i=2,3，4，…，n，n为视频的最大帧数，所述图像划分模块将第i帧与第i-1帧位于相同区域j的非重点区域进的色相差值记为Hij，以确定所述视频识别信息的嵌入方式，其中j=1，2,3，…，m，m为单个图像的区域总数，图像划分模块中设有第一预设色相Hα以及第二预设色相Hβ，其中0＜Hα＜Hβ，第一预设色相Hα为最小感知色相差，第二预设色相Hβ为最大感知色相差，图像划分模块通过对色相的比较确定视频识别信息的嵌入位置，
若|Hij|≤Hα，所述图像划分模块判定第j个位置在相邻帧中无变化，并判断该位置适合嵌入所述视频识别信息，并将第j个位置四个角的坐标进行记录，同时将第j个位置的优先级设定为2；
若Hα＜|Hij|≤Hβ，所述图像划分模块判定第j个位置在相邻帧中有变化，并判断该位置能够嵌入所述视频识别信息，并将第j个位置四个角的坐标进行记录，同时根据图像的饱和度进行进一步判断；
若Hβ＜|Hij|，所述图像划分模块判定第j个位置包含重点区域，并判断该位置不能嵌入所述视频识别信息。
4.根据权利要求3所述的基于人工智能的视频防伪识别方法，其特征在于，对于第i帧图片的第j个区域，将其与第i-1帧的第j个区域的颜色饱和度差值为Sij；所述图像划分模块中设有第一预设饱和度差Sα以及第二预设饱和度差Sβ，其中0＜Sα＜Sβ，第一预设饱和度差Sα为最小感知饱和度差，第二预设饱和度差Sβ为最大感知饱和度差，将所述Sij与第一预设饱和度差Sα以及第二预设饱和度差Sβ，以判定人眼对该区域的变化的敏感性，
若|Sij|＜Sα，所述图像划分模块判定第j个区域在相邻帧中无变化，并判断该位置适合嵌入所述视频识别信息，同时将第j个位置的优先级设定为2；
若Sα≤|Sij|＜Sβ，所述图像划分模块判定第j个位置在相邻帧中有变化且人眼无法明显感知，同时将第j个位置的优先级设定为2；
若Sβ＜|Sij|，所述图像划分模块判定第j个位置包含重点区域，并判断该位置不能嵌入所述视频识别信息。
5.根据权利要求4所述的基于人工智能的视频防伪识别方法，其特征在于，当第i帧的各非重点区域中，若存在优先级为2的区域，所述防伪嵌入模块选用优先级为2的区域嵌入所述视频识别信息，若不存在优先级为2的区域，所述防伪嵌入模块选用优先级为1的区域嵌入视频识别信息，所述防伪嵌入模块选定的非重点区域设定为待嵌入区域；
当所述防伪嵌入模块在第i帧的第j个区域嵌入视频识别信息时，防伪嵌入模块将所述视频识别信息的各像素点制作成亮度为δH且色相与饱和度均为0的图片，将该图片叠加入所述待嵌入区域并将叠加后的图片对应的帧设定为防伪识别帧。
6.根据权利要求5所述的基于人工智能的视频防伪识别方法，其特征在于，当所述防伪嵌入模块将所述视频识别信息嵌入对应帧的同时，所述防伪嵌入模块设定所述带嵌入区域中嵌入视频识别信息的四个角的像素对应的坐标分别为（xi1，yi1）、（xi2，yi2）、（xi3，yi3）以及（xi4，yi4），其嵌入的所述视频识别信息的亮度为δH；
所述防伪嵌入模块将所述防伪识别帧对应的静态图片中的四个角的像素设定为信息像素，并将其对应的色彩C1、C2、C3以及C4的RGB值设定为C1（δH，xi1，yi1）、C2（δH，xi2，yi2）、C3（δH，xi3，yi3）以及C4（δH，xi4，yi4）作为识别点与对应像素进行替换。
7.根据权利要求6所述的基于人工智能的视频防伪识别方法，其特征在于，对于单个已经嵌入所述视频识别信息的视频，所述识别模块将其中任一帧的对应静态图像进行分析，根据该图像的四个角的像素点解析出该图片的嵌入所述视频识别信息的位置，并根据原亮度将该区域反向解析，使视频识别信息出现。
8.一种使用权利要求1-7任一项权利要求所述方法的基于人工智能的视频防伪识别系统，其特征在于，包括：
视频分解模块，用以将视频分解为若干帧，并将各帧进行编号以待嵌入视频识别信息；
图像划分模块，其与所述视频分解模块相连，用以将视频中的各帧中的重点内容与非重点内容进行识别和分离，用以嵌入所述视频识别信息；
防伪嵌入模块，其与所述图像划分模块项链，用以将所述视频识别信息嵌入对应位置；
识别模块，其与所述视频分解模块项链，用以识别视频中出现的所述视频识别信息。
9.根据权利要求8所述的基于人工智能的视频防伪识别系统，其特征在于，所述图像划分模块与互联网连接，并根据互联网中的热点内容对各图像的重点区域进行进一步识别，以避免因热点问题将当前热点部分划分入所述非重点区域中。
10.根据权利要求9所述的基于人工智能的视频防伪识别系统，其特征在于，所述识别模块在进行视频防伪识别时，以随机方式抽取视频中任意一帧对应图像作为识别对象进行识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211306315.XA CN115512276B (zh) | 2022-10-25 | 2022-10-25 | 一种基于人工智能的视频防伪识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211306315.XA CN115512276B (zh) | 2022-10-25 | 2022-10-25 | 一种基于人工智能的视频防伪识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115512276A true CN115512276A (zh) | 2022-12-23 |
| CN115512276B CN115512276B (zh) | 2023-07-25 |
Family
ID=84511581
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211306315.XA Active CN115512276B (zh) | 2022-10-25 | 2022-10-25 | 一种基于人工智能的视频防伪识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115512276B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103379266A (zh) * | 2013-07-05 | 2013-10-30 | 武汉烽火众智数字技术有限责任公司 | 一种具有视频语义分析功能的高清网络摄像机 |
| CN104091176A (zh) * | 2014-07-18 | 2014-10-08 | 吴建忠 | 人像比对在视频中的应用技术 |
| CN104599263A (zh) * | 2014-12-23 | 2015-05-06 | 安科智慧城市技术（中国）有限公司 | 一种图像检测的方法及装置 |
| CN108320371A (zh) * | 2017-01-17 | 2018-07-24 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪的方法及装置 |
| CN112016655A (zh) * | 2020-08-18 | 2020-12-01 | 杭州僖磊科技发展有限公司 | 一种可追溯扫描码印刷方法及系统 |
| CN112866820A (zh) * | 2020-12-31 | 2021-05-28 | 宁波大学科学技术学院 | 基于jnd模型和t-qr的鲁棒hdr视频水印嵌入提取方法、系统及存储介质 |
| CN114565874A (zh) * | 2022-02-28 | 2022-05-31 | 杭州涂鸦信息技术有限公司 | 一种视频图像中绿植的识别方法 |
| CN114666619A (zh) * | 2022-03-11 | 2022-06-24 | 平安国际智慧城市科技股份有限公司 | 视频文件的水印处理方法、装置、设备及存储介质 |
-
2022
- 2022-10-25 CN CN202211306315.XA patent/CN115512276B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103379266A (zh) * | 2013-07-05 | 2013-10-30 | 武汉烽火众智数字技术有限责任公司 | 一种具有视频语义分析功能的高清网络摄像机 |
| CN104091176A (zh) * | 2014-07-18 | 2014-10-08 | 吴建忠 | 人像比对在视频中的应用技术 |
| CN104599263A (zh) * | 2014-12-23 | 2015-05-06 | 安科智慧城市技术（中国）有限公司 | 一种图像检测的方法及装置 |
| CN108320371A (zh) * | 2017-01-17 | 2018-07-24 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪的方法及装置 |
| CN112016655A (zh) * | 2020-08-18 | 2020-12-01 | 杭州僖磊科技发展有限公司 | 一种可追溯扫描码印刷方法及系统 |
| CN112866820A (zh) * | 2020-12-31 | 2021-05-28 | 宁波大学科学技术学院 | 基于jnd模型和t-qr的鲁棒hdr视频水印嵌入提取方法、系统及存储介质 |
| CN114565874A (zh) * | 2022-02-28 | 2022-05-31 | 杭州涂鸦信息技术有限公司 | 一种视频图像中绿植的识别方法 |
| CN114666619A (zh) * | 2022-03-11 | 2022-06-24 | 平安国际智慧城市科技股份有限公司 | 视频文件的水印处理方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115512276B (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8644602B2 (en) | Colour correcting foreground colours for visual quality improvement | |
| JP4004528B2 (ja) | デジタル像符牒の処理方法及びシステム | |
| Luo et al. | A novel method for detecting cropped and recompressed image block | |
| CN107888925B (zh) | 一种视频数字隐藏信息的嵌入方法和检测方法 | |
| TW201723930A (zh) | 彩色二維條碼的產生方法 | |
| JP2008085695A (ja) | 電子透かし埋め込み装置および検出装置 | |
| US20050207643A1 (en) | Human skin tone detection in YCbCr space | |
| JP5640622B2 (ja) | 赤目オブジェクト候補を分類する方法、コンピューター読み取り可能な媒体および画像処理装置 | |
| JP2009038737A (ja) | 画像処理装置 | |
| US20100266199A1 (en) | Color-image representative color decision apparatus and method of controlling operation thereof | |
| CN1297938C (zh) | 用于在从源图像导出的图像中插入和检测水印的方法和设备 | |
| CN111814543B (zh) | 深度视频对象修复篡改检测方法 | |
| CN115512276A (zh) | 一种基于人工智能的视频防伪识别方法及系统 | |
| CN116579908A (zh) | 一种在图像中植入加密隐藏信息的方法及装置 | |
| CN106658021B (zh) | 一种具有两种水印mpeg视频的嵌入与检测方法 | |
| JP4258283B2 (ja) | 電子透かし埋め込み方法および電子透かし検出方法 | |
| JP2017072958A (ja) | 画像処理装置および画像に多重化された情報の復号方法およびプログラム | |
| CN106658022B (zh) | 一种基于mpeg视频压缩域的完整性水印嵌入与检测方法 | |
| Rani et al. | A Brief Review on Existing Techniques for Detecting Digital Image Forgery | |
| CN114239635B (zh) | 一种针对doi图像涂鸦的处理方法、装置及设备 | |
| JP6145983B2 (ja) | 画像処理装置およびコンピュータプログラム | |
| JP2004336211A (ja) | 画像データの圧縮処理方法及び圧縮システム | |
| JP3640226B2 (ja) | 画像処理装置 | |
| CN117522663A (zh) | 一种水印嵌入方法以及水印溯源方法及相关装置 | |
| Jaiswal et al. | HOG Feature Extraction For Image Forgery Detection |
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 |