CN116582282B - 一种车载录像防篡改加密存储方法 - Google Patents

一种车载录像防篡改加密存储方法 Download PDF

Info

Publication number
CN116582282B
CN116582282B CN202310855463.5A CN202310855463A CN116582282B CN 116582282 B CN116582282 B CN 116582282B CN 202310855463 A CN202310855463 A CN 202310855463A CN 116582282 B CN116582282 B CN 116582282B
Authority
CN
China
Prior art keywords
frame
image
vehicle
group
matrix
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.)
Active
Application number
CN202310855463.5A
Other languages
English (en)
Other versions
CN116582282A (zh
Inventor
郑华开
邓海滨
韦锦平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Meitrack Group Co ltd
Original Assignee
Shenzhen Meitrack Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Meitrack Group Co ltd filed Critical Shenzhen Meitrack Group Co ltd
Priority to CN202310855463.5A priority Critical patent/CN116582282B/zh
Publication of CN116582282A publication Critical patent/CN116582282A/zh
Application granted granted Critical
Publication of CN116582282B publication Critical patent/CN116582282B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • H04L9/3236—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 using cryptographic hash functions
    • H04L9/3239—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 using cryptographic hash functions involving non-keyed hash functions, e.g. modification detection codes [MDCs], MD5, SHA or RIPEMD
    • 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
    • H04N21/21—Server components or server architectures
    • H04N21/214—Specialised server platform, e.g. server located in an airplane, hotel, hospital
    • 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 or manipulating encoded video stream scene graphs
    • H04N21/2347—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving video stream encryption
    • 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
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/414—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance
    • H04N21/41422—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance located in transportation means, e.g. personal vehicle
    • 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 or rendering scenes according to encoded video stream scene graphs
    • H04N21/4408—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving video stream encryption, e.g. re-encrypting a decrypted video stream for redistribution in a home network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/84—Vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像数据加密技术领域，具体涉及一种车载录像防篡改加密存储方法，包括：获取车载录像以及车载记录仪相关信息并作相应的预处理操作得到逐帧分组和逐帧图像；对逐帧图像进行帧间信息和帧内信息处理得到逐帧分组的唯一指纹信息；利用唯一指纹信息对车载录像进行拓展，对拓展后的车载录像进行加密并上传存储。本发明利用车载录像的帧间信息和帧内信息得到车载录像的唯一指纹信息，利用唯一指纹信息对车载录像进行拓展，对拓展后的车载录像进行加密并上传存储，实现了对加密的精度提升，同时达到了防篡改的技术效果。

Description

一种车载录像防篡改加密存储方法
技术领域
本发明涉及图像数据加密技术领域，具体涉及一种车载录像防篡改加密存储方法。
背景技术
在交通领域，行车记录仪一直作为评判道路交通事故责任方的重要辅助证据，而不能成为直接的诉讼证据和定案证据，一个很重要的原因就是车载录像的真实性和可靠性无法得到保证，同时无法保证某车载录像是在某时某地合法拍摄的以及视频的内容是否被篡改过。且现有技术中对车载录像的防篡改大多采用数字签名进行验证，即将视频数据压缩为固定长度的数字串，使得虽视频数据的任何篡改都会导致压缩后数字串发生改变，从而保证了原来录像数据的完整性。但是采用数字签名/>进行直接运算只能提取视频的静态特征，无法提取动态特征，因此利用/>进行视频指纹提取的精度不高，容易出现误判，且在反加密过程中数值对应关系较为单一，容易被篡改。
发明内容
本发明提供一种车载录像防篡改加密存储方法，以解决现有的问题。
本发明的一种车载录像防篡改加密存储方法采用如下技术方案：
本发明一个实施例提供了一种车载录像防篡改加密存储方法，该方法包括以下步骤：
获取车载录像以及车载记录仪的速度记录，对车载录像进行预处理操作得到若干个包含若干逐帧图像的逐帧分组；
对每个逐帧图像进行分割得到每个子区域，并将每个逐帧图像转换到多维颜色空间中得到分量图像，在每个分量图像上分别衡量图像的每个分量指标，将所有分量指标进行合并得到每个逐帧图像的颜色亮度特征矩阵；
对每个逐帧分组进行主体检测得到研究对象，利用研究对象在每个逐帧分组中每两个相邻的逐帧图像中的位置的帧间位移得到每个逐帧分组的帧间位移矩阵，利用车载记录仪的速度记录中的帧速度结合每个逐帧分组的帧间位移矩阵得到每个逐帧分组的帧组运动矩阵，根据每个逐帧分组中每张逐帧图像的颜色亮度特征和每个逐帧分组的帧组运动矩阵得到每个逐帧分组的指纹信息；
对每个逐帧分组的指纹信息统筹后进行数据摘要得到车载录像的唯一录像信息指纹，利用车载录像的唯一录像信息指纹对车载录像进行拓展加密，完成车载录像防纂改加密存储。
优选的，所述在每个分量图像上分别衡量图像的每个分量指标，包括的具体步骤如下：
对每个逐帧分组中的每张逐帧图像进行子区域划分，将其按照井字结构划分为若干个大小相等且完全独立不重叠的子区域；
将每张逐帧图像转换到颜色空间中得到绿红分量图像、蓝黄分量图像和每个像素点的亮度；计算绿红分量图像和蓝黄分量图像的所有像素点的平均灰度值，统计每张逐帧图像在绿红分量图像上超过绿红分量图像的像素点的平均灰度值的像素点的数目，记为超阈绿红分量值，统计每张逐帧图像在绿红分量图像上超过蓝黄分量图像的像素点的平均灰度值的像素点的数目，记为超阈蓝黄分量值；在每一帧图像的绿红分量图像和蓝黄分量图像上按照同样的镜子结构划分得到对应子区域，计算在每一帧图像的绿红分量图像和蓝黄分量图像上每个子区域内所有像素点的灰度值的算术均值，分别记为每个逐帧分组中的每张逐帧图像的绿红分量图像和蓝黄分量图像在每个对应子区域的均灰度值；计算得到不同颜色空间下的颜色指标，具体的计算公式如下：
其中，和/>分别表示第/>个逐帧分组中的第/>张逐帧图像在不同/>颜色空间下的绿红分量和蓝黄分量的颜色指标，/>和/>分别表示超阈绿红分量值和超阈蓝黄分量值，/>和/>分别表示第/>个逐帧分组中的第/>张逐帧图像的绿红分量图像和蓝黄分量图像上的像素点的总量，/>和/>分别表示第/>个逐帧分组中的第/>张逐帧图像的绿红分量图像和蓝黄分量图像在第/>个对应子区域的均灰度值，/>和/>分别表示第/>个逐帧分组中的第/>张逐帧图像的绿红分量图像和蓝黄分量图像上所有子区域的均灰度值的算术均值。
优选的，所述将所有分量指标进行合并得到每个逐帧图像的颜色亮度特征矩阵，包括的具体步骤如下：
计算每个逐帧分组中的每张逐帧图像上的每个子区域的平均亮度值，将平均亮度值按照子区域的井字结构排列得到每张逐帧图像的图像亮度矩阵；将每张逐帧图像的图像亮度矩阵、每张逐帧图像在不同颜色空间下的绿红分量的颜色指标以及每张逐帧图像在不同/>颜色空间下的蓝黄分量的颜色指标相乘，得到每张逐帧图像的颜色亮度特征矩阵。
优选的，所述利用研究对象在每个逐帧分组中每两个相邻的逐帧图像中的位置的帧间位移得到每个逐帧分组的帧间位移矩阵，包括的具体步骤如下：
对每个逐帧分组中的每一帧图像利用主体检测技术检测出图像中的显著对象，随后通过图像识别技术进行运动对象筛选，去除每一张逐帧图像中建筑、树木、路牌不可移动的静止对象后，得到逐帧图像中剩余的像素点记为主体像素点；
将主体像素点组合成的区域记为主体，选择逐帧分组中的每一帧图像上都存在的且像素点占比最高的主体作为运动特征的研究对象，得到研究对象中包含若干个像素点，对第个逐帧分组中的第/>张逐帧图像的第/>个主体边缘点进行位置标记，记为/>，对第/>个逐帧分组中的第/>张逐帧图像的第/>个主体边缘点进行位置标记，记为；计算第/>个逐帧分组中的第/>张逐帧图像的第/>个主体边缘点和第/>个逐帧分组中的第/>张逐帧图像的第/>个主体边缘点位置上的欧氏距离，记为第/>个逐帧分组中的第/>张逐帧图像和第/>张逐帧图像上第/>个主体边缘点的位移因子；计算第/>个逐帧分组中的第/>张逐帧图像和第/>张逐帧图像上每个主体边缘点的位移因子，计算每个主体边缘点的位移因子的算数平均值，将算数平均值记为第/>个逐帧分组中的第/>张逐帧图像和第/>张逐帧图像的帧间位移。
优选的，所述利用车载记录仪的速度记录中的帧速度结合每个逐帧分组的帧间位移矩阵得到每个逐帧分组的帧组运动矩阵，包括的具体步骤如下：
整合帧间位移得到每个逐帧分组的帧间位移矩阵，每个逐帧分组的帧间位移矩阵的表达式如下：
其中，表示第/>个逐帧分组的帧间位移矩阵，/>表示第/>个逐帧分组中的第张逐帧图像和第/>张逐帧图像的帧间位移；
获取行车记录仪的速度记录，利用速度记录中的帧速度得到每个逐帧分组的帧组运动矩阵，具体的计算公式如下：
其中，表示第/>个逐帧分组的帧组运动矩阵，/>表示第/>个逐帧分组中的第/>张逐帧图像对应的速度记录中的帧速度，/>表示第/>个逐帧分组的帧间位移矩阵。
优选的，所述根据每个逐帧分组中每张逐帧图像的颜色亮度特征和每个逐帧分组的帧组运动矩阵得到每个逐帧分组的指纹信息的具体计算公式如下：
其中，表示第/>个逐帧分组的指纹信息，/>为矩阵展开函数，将矩阵按行进行展开得到一组一维数据，/>表示第/>个逐帧分组的帧组运动矩阵，/>表示第/>个逐帧分组中的第/>张逐帧图像的颜色亮度特征矩阵，/>表示每个逐帧分组中包含逐帧图像的数目，且有/>。
本发明的技术方案的有益效果是：针对采用数字签名进行直接运算只能提取视频的静态特征，无法提取动态特征，导致利用/>进行视频指纹提取的精度不高，容易出现误判的问题，在对车载录像进行指纹提取时，不是对于整个录像进行一次性的哈希算法取值，而是利用车载录像视频的帧瞬时速度、帧时间戳等相关特征，得到车载录像的帧间信息，并使用色彩分离的手段得到车载录像的帧内信息，结合每一帧图像的帧间信息和帧内信息以及录像视频所拍摄到的主体的运动特征对整个录像进行指纹信息提取，在对车载录像进行加密时连带指纹信息同时进行加密，既提高了车载录像加密的精度，减小了误判率，又由于指纹信息不可反加密，达到了防止加密的车载录像被篡改的技术效果。
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获得其他的附图。
图1为本发明一种车载录像防篡改加密存储方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种车载录像防篡改加密存储方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种车载录像防篡改加密存储方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种车载录像防篡改加密存储方法的步骤流程图，该方法包括以下步骤：
步骤S001：获取车载录像以及车载记录仪相关信息，通过相应的预处理操作得到若干个包含若干逐帧图像的逐帧分组。
需要说明的是，在对车载影像进行数据加密的过程中，一般是按照时序上的逐帧图像进行加密的，因此需要获取到待存储的车载录像信息和行车记录仪所存储的唯一加密密钥。另外，为方便在后续对车载录像进行指纹提取和加密存储，还需要对车载录像信息进行分组。
具体的，获取需要存储的车载录像的逐帧图像、每一帧逐帧图像时刻所对应的车速、逐帧图像的时间戳、行车记录仪所存储的唯一加密密钥。另外，本实施例将需要存储的车载录像的逐帧图像以时间戳上初始时间开始，每个时序上连续的逐帧图像为一组，本实施例以/>为例进行叙述，本实施例不进行具体限定，其中/>可根据具体实施情况而定，只要在实施过程中保证/>的值为某自然数的平方值加一即可（保证数值有平方数个间隔，可以构成方形矩阵）；对需要存储的车载录像的逐帧图像进行分组得到/>个逐帧分组，每个逐帧分组中有10个逐帧图像。
至此，得到了若干个包含若干逐帧图像的逐帧分组。
步骤S002：对每个逐帧图像进行分解，得到每个逐帧图像的颜色亮度特征矩阵。
需要说明的是，在每一张逐帧图像上存在不同的帧内特征，这些帧内特征可以被用来进行加密时的特征强化且不可被还原，因而具有防篡改的技术效果。因此对于帧内特征，获取每张逐帧图像在不同颜色空间的分空间中整合后的颜色亮度特征矩阵。
具体的，获取每个逐帧分组，对每个逐帧分组中的每张逐帧图像进行子区域划分，将其按照井字结构划分为个大小相等且完全独立不重叠的子区域，本实施例以为例进行叙述，本实施例不进行具体限定，其中/>可根据具体实施情况而定，将每张逐帧图像转换到/>颜色空间中得到绿红分量图像、蓝黄分量图像和每个像素点的亮度，计算绿红分量图像和蓝黄分量图像的所有像素点的平均灰度值，统计每张逐帧图像在绿红分量图像上超过绿红分量图像的像素点的平均灰度值的像素点的数目，记为超阈绿红分量值，统计每张逐帧图像在绿红分量图像上超过蓝黄分量图像的像素点的平均灰度值的像素点的数目，记为超阈蓝黄分量值，在每一帧图像的绿红分量图像和蓝黄分量图像上按照同样的井字结构划分得到对应子区域，计算在每一帧图像的绿红分量图像和蓝黄分量图像上每个子区域内所有像素点的灰度值的算术均值，分别记为每个逐帧分组中的每张逐帧图像的绿红分量图像和蓝黄分量图像在每个对应子区域的均灰度值，计算得到不同颜色空间下的颜色指标的计算公式如下：
其中，和/>分别表示第/>个逐帧分组中的第/>张逐帧图像在不同/>颜色空间下的绿红分量和蓝黄分量的颜色指标，/>和/>分别表示超阈绿红分量值和超阈蓝黄分量值，/>和/>分别表示第/>个逐帧分组中的第/>张逐帧图像的绿红分量图像和蓝黄分量图像上的像素点的总量，/>和/>分别表示第/>个逐帧分组中的第/>张逐帧图像的绿红分量图像和蓝黄分量图像在第/>个对应子区域的均灰度值，/>和/>分别表示第/>个逐帧分组中的第/>张逐帧图像的绿红分量图像和蓝黄分量图像上所有子区域的均灰度值的算术均值。公式利用子区域的颜色分量特征，对子区域内图像色彩进行分析，利用两种颜色分量的总体离散程度，结合高于平均分量值的像素点占比得到逐帧图像颜色的分布特征，以达到对逐帧图像的颜色特征提取的技术效果。
进一步，计算每个逐帧分组中的每张逐帧图像上的每个子区域的平均亮度值，并将第个逐帧分组中的第/>张逐帧图像中的第/>个子区域的平均亮度值记为/>，将/>按照子区域的井字结构排列得到第/>个逐帧分组中的第/>张逐帧图像的图像亮度矩阵/>，从而得到每张逐帧图像的颜色亮度特征矩阵的计算公式如下：
其中，表示第/>个逐帧分组中的第/>张逐帧图像的颜色亮度特征矩阵，/>和分别表示第/>个逐帧分组中的第/>张逐帧图像在不同/>颜色空间下的绿红分量和蓝黄分量的颜色指标。本公式旨在利用将每一张逐帧图像分解到/>颜色空间中获取不同分量的信息后再整合从而得到每一张逐帧图像的帧内信息，由于最后存在三个矩阵的相乘，而矩阵相乘的逆运算结果是非线性对应的，故后续将该帧内信息作为指纹信息的一个因子进行加密时，一旦该因子被篡改，则会导致加密后的车载录像无法被还原，从而达到防篡改的技术效果。
至此，对每个逐帧图像进行分解得到每个分层的信息，并进行进一步分析得到了每个逐帧图像的颜色亮度特征矩阵。
步骤S003：对每个逐帧分组进行主体检测得到研究对象，并对研究对象进行计算得到帧组运动参量矩阵，结合每张逐帧图像的颜色亮度特征得到每个逐帧分组的指纹信息。
需要说明的是，由于车载录像是在车辆运动下由行车记录仪拍摄记录的，因此出现在录像中的任何事物都会呈现出位置变化。指纹提取可以有效保留这一帧间特征，因而在对车载录像进行指纹提取时对逐帧图像之间的位置变化进行筛选保留以达到提升车载录像指纹精度的技术效果，同时在每一张逐帧图像上也存在不同的帧内特征，这些帧内特征可以被用来进行加密时的特征强化且不可被还原，因而具有防篡改的技术效果。因此本发明采用帧内特征和帧间特征结合的指纹信息提取方法对车载录像进行加密补充，对于帧内信息，获取每张逐帧图像在颜色空间下的颜色亮度特征；对于帧间信息。则利用主体检测获取到图像的显著物体，随后对物体进行帧间偏移量推演和帧间运动参量计算，得到帧组运动参量矩阵，随后结合颜色亮度特征得到帧组指纹，最后对本次处理的车载录像的所有帧组指纹进行数据摘要，获得录像的指纹信息。
具体的，首先对每个逐帧分组中的每一帧图像利用主体检测技术检测出图像中的显著对象，随后通过图像识别技术进行运动对象筛选，去除每一张逐帧图像中建筑、树木、路牌等不可移动的静止对象后，得到逐帧图像中剩余的像素点记为主体像素点，将主体像素点组合成的区域记为主体，选择逐帧分组中的每一帧图像上都存在的且像素点占比最高的主体作为运动特征的研究对象，得到研究对象中包含的个像素点，将其中的任意一个记为第/>个主体边缘点，且有/>，对第/>个逐帧分组中的第/>张逐帧图像的第/>个主体边缘点进行位置标记，记为/>，对第/>个逐帧分组中的第/>张逐帧图像的第/>个主体边缘点进行位置标记，记为/>，计算帧间位移计算方式的具体计算公式为：
其中，表示第/>个逐帧分组中的第/>张逐帧图像和第/>张逐帧图像的帧间位移，/>和/>分别表示第/>个逐帧分组中的第/>张逐帧图像和第张逐帧图像上的第/>个主体边缘点的像素坐标，/>表示研究对象中包含主体边缘点的总数，且有/>。由于本发明是利用两帧图像的差分图进行帧间位移计算的，考虑到主体由于自身运动或者车辆行进的原因，在进行位移计算时需要取两帧都拥有的部分进行计算，因此主体边缘点的数量遵循取两帧主体边缘点数量的交集。同时由于边缘点数量较多，在连续的两个逐帧图像上无法避免对相同位置的边缘进行重复计算，导致所求帧间位移量的计算错误，因此，本发明采用标记点的位置，以能够达到对于位移量的准确计算，同时为了减小部分位移点由于识别失败或者帧图像虚影造成的位移量的计算偏差，采用边缘像素点的整体位移量均值来降低这部分影响，从而得到更加准确的位移值。
进一步，整合帧间位移得到帧间位移矩阵的表达式如下：
其中，表示第/>个逐帧分组的帧间位移矩阵，/>表示第/>个逐帧分组中的第张逐帧图像和第/>张逐帧图像的帧间位移。在本实施例中，/>的最后一项为，其中10等于每个逐帧分组中包含的逐帧图像的数量。
需要进一步说明的是，由于需要对主体的运动细节进行提取，而对于车载录像，并不能得到视频中主体的相关速度信息，但由于车载录像是车辆在运行时拍摄的，由运动的相对性，可以将车辆本身作为参照物，结合拍摄主体的帧间位移量，从而得到计算主体的相对运动状态，利用其描述主体的运动，达到对录像主体的运动特征的提取效果；由于需要获取的是帧组的录像主体运动特征，因此不能仅利用帧瞬时速度进行描述完整的帧间信息以及主体运动情况，因此采用了加速度表示法进行帧间关联性加强，实现描述完整的帧间信息以及主体运动情况的目的。
进一步，获取行车记录仪的速度记录，利用速度记录中的帧速度得到帧组运动矩阵如下：
其中，表示第/>个逐帧分组的帧组运动矩阵，/>表示第/>个逐帧分组中的第/>张逐帧图像对应的速度记录中的帧速度，在本实施例中，/>的最后一项为/>，其中10等于每个逐帧分组中包含的逐帧图像的数量，/>表示第/>个逐帧分组的帧间位移矩阵。本公式通过计算连续的两个逐帧图像之间的帧速度的差异来衡量的帧间信息，同时结合帧间位移矩阵描述连续的两个逐帧图像之间关联性加强的主体运动情况，得到的帧组运动矩阵描述了完整的帧间信息以及主体运动情况。
进一步，利用颜色亮度特征矩阵和帧组运动矩阵利用得到指纹信息的具体公式如下：
其中，表示第/>个逐帧分组的指纹信息，/>为矩阵展开函数，可以将矩阵按行进行展开得到一组一维数据，/>表示第/>个逐帧分组的帧组运动矩阵，/>表示第/>个逐帧分组中的第/>张逐帧图像的颜色亮度特征矩阵，/>表示每个逐帧分组中包含逐帧图像的数目，且有/>。对逐帧分组指纹信息进行提取时，需要对逐帧分组中的所有颜色亮度矩阵进行均值处理，使其能够表示所有逐帧分组的图像亮度特征，随后与帧组运动矩阵进行运算，得到能够表示录像帧内信息、帧间信息以及录像拍摄主体运动信息的帧组录像指纹矩阵，由于后续需要将该指纹信息存入视频的拓展区域中，因此需要对指纹信息矩阵使用展开函数进行降维处理将其展开为字符串，方便后续加密处理过程中对指纹信息进行随带以提高加密精度。同样由于存在矩阵乘法，导致指纹信息无法被反解密，从而达到了防篡改的技术效果。
至此，对每个逐帧分组进行主体检测得到研究对象，并对研究对象进行计算得到帧组运动矩阵，并结合每张逐帧图像的颜色亮度特征得到了每个逐帧分组的指纹信息。
步骤S004：对每个逐帧分组的指纹信息统筹后进行数据摘要得到车载录像的唯一录像信息指纹，对车载录像进行拓展加密，完成车载录像防纂改加密存储。
需要说明的是，在对车载录像加密的过程中，可以利用加入指纹信息来对加密进行精度加强，同时不可被反解密的指纹信息拓展了车载录像加密的过程后，由于指纹信息不可被反解密，则加密后的车载录像无法被篡改，故利用每个逐帧分组的指纹信息对车载录像进行拓展加密，就能达到预期的技术效果。
具体的，得到每个逐帧分组的指纹信息后，将每个逐帧分组的指纹信息进行整合得到车载录像指纹信息组，利用安全散列算法1即函数对车载录像指纹信息组进行数据摘要并映射到一个160位的唯一录像信息指纹，对车载录像指纹信息组进行处理，使其满足512位整数倍的分组条件；对处理后的车载录像指纹信息组进行分块划分得到若干个512位的消息块；初始化/>函数的变量得到初始化变量；对消息块进行逐一处理得到初始化变量的存储值，对初始化变量的存储值按照从右到左，从低到高位的顺序连接起来得到车载录像的唯一录像信息指纹。
进一步，将车载录像的唯一录像信息指纹合并到车载录像存储的唯一加密密钥的拓展空间内进行补充加密，完成车载录像防篡改加密储存。
至此，完成了对车载录像的防纂改加密存储。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (6)

1.一种车载录像防篡改加密存储方法，其特征在于，该方法包括以下步骤：
获取车载录像以及车载记录仪的速度记录，对车载录像进行预处理操作得到若干个包含若干逐帧图像的逐帧分组；
对每个逐帧图像进行分割得到每个子区域，并将每个逐帧图像转换到多维颜色空间中得到分量图像，在每个分量图像上分别衡量图像的每个分量指标，将所有分量指标进行合并得到每个逐帧图像的颜色亮度特征矩阵；
对每个逐帧分组进行主体检测得到研究对象，利用研究对象在每个逐帧分组中每两个相邻的逐帧图像中的位置的帧间位移得到每个逐帧分组的帧间位移矩阵，利用车载记录仪的速度记录中的帧速度结合每个逐帧分组的帧间位移矩阵得到每个逐帧分组的帧组运动矩阵，根据每个逐帧分组中每张逐帧图像的颜色亮度特征和每个逐帧分组的帧组运动矩阵得到每个逐帧分组的指纹信息；
对每个逐帧分组的指纹信息统筹后进行数据摘要得到车载录像的唯一录像信息指纹，利用车载录像的唯一录像信息指纹对车载录像进行拓展加密，完成车载录像防纂改加密存储。
2.根据权利要求1所述一种车载录像防篡改加密存储方法，其特征在于，所述在每个分量图像上分别衡量图像的每个分量指标，包括的具体步骤如下：
对每个逐帧分组中的每张逐帧图像进行子区域划分，将其按照井字结构划分为若干个大小相等且完全独立不重叠的子区域；
将每张逐帧图像转换到颜色空间中得到绿红分量图像、蓝黄分量图像和每个像素点的亮度；计算绿红分量图像和蓝黄分量图像的所有像素点的平均灰度值，统计每张逐帧图像在绿红分量图像上超过绿红分量图像的像素点的平均灰度值的像素点的数目，记为超阈绿红分量值，统计每张逐帧图像在绿红分量图像上超过蓝黄分量图像的像素点的平均灰度值的像素点的数目，记为超阈蓝黄分量值；在每一帧图像的绿红分量图像和蓝黄分量图像上按照同样的镜子结构划分得到对应子区域，计算在每一帧图像的绿红分量图像和蓝黄分量图像上每个子区域内所有像素点的灰度值的算术均值，分别记为每个逐帧分组中的每张逐帧图像的绿红分量图像和蓝黄分量图像在每个对应子区域的均灰度值；计算得到不同颜色空间下的颜色指标，具体的计算公式如下：其中，/>和/>分别表示第/>个逐帧分组中的第/>张逐帧图像在不同/>颜色空间下的绿红分量和蓝黄分量的颜色指标，和/>分别表示超阈绿红分量值和超阈蓝黄分量值，/>和/>分别表示第/>个逐帧分组中的第/>张逐帧图像的绿红分量图像和蓝黄分量图像上的像素点的总量，/>和/>分别表示第/>个逐帧分组中的第/>张逐帧图像的绿红分量图像和蓝黄分量图像在第/>个对应子区域的均灰度值，/>和/>分别表示第/>个逐帧分组中的第/>张逐帧图像的绿红分量图像和蓝黄分量图像上所有子区域的均灰度值的算术均值。
3.根据权利要求1所述一种车载录像防篡改加密存储方法，其特征在于，所述将所有分量指标进行合并得到每个逐帧图像的颜色亮度特征矩阵，包括的具体步骤如下：
计算每个逐帧分组中的每张逐帧图像上的每个子区域的平均亮度值，将平均亮度值按照子区域的井字结构排列得到每张逐帧图像的图像亮度矩阵；将每张逐帧图像的图像亮度矩阵、每张逐帧图像在不同颜色空间下的绿红分量的颜色指标以及每张逐帧图像在不同/>颜色空间下的蓝黄分量的颜色指标相乘，得到每张逐帧图像的颜色亮度特征矩阵。
4.根据权利要求1所述一种车载录像防篡改加密存储方法，其特征在于，所述利用研究对象在每个逐帧分组中每两个相邻的逐帧图像中的位置的帧间位移得到每个逐帧分组的帧间位移矩阵，包括的具体步骤如下：
对每个逐帧分组中的每一帧图像利用主体检测技术检测出图像中的显著对象，随后通过图像识别技术进行运动对象筛选，去除每一张逐帧图像中建筑、树木、路牌不可移动的静止对象后，得到逐帧图像中剩余的像素点记为主体像素点；
将主体像素点组合成的区域记为主体，选择逐帧分组中的每一帧图像上都存在的且像素点占比最高的主体作为运动特征的研究对象，得到研究对象中包含若干个像素点，对第个逐帧分组中的第/>张逐帧图像的第/>个主体边缘点进行位置标记，记为/>，对第/>个逐帧分组中的第/>张逐帧图像的第/>个主体边缘点进行位置标记，记为；计算第/>个逐帧分组中的第/>张逐帧图像的第/>个主体边缘点和第/>个逐帧分组中的第/>张逐帧图像的第/>个主体边缘点位置上的欧氏距离，记为第/>个逐帧分组中的第/>张逐帧图像和第/>张逐帧图像上第/>个主体边缘点的位移因子；计算第/>个逐帧分组中的第/>张逐帧图像和第/>张逐帧图像上每个主体边缘点的位移因子，计算每个主体边缘点的位移因子的算数平均值，将算数平均值记为第/>个逐帧分组中的第/>张逐帧图像和第/>张逐帧图像的帧间位移。
5.根据权利要求1所述一种车载录像防篡改加密存储方法，其特征在于，所述利用车载记录仪的速度记录中的帧速度结合每个逐帧分组的帧间位移矩阵得到每个逐帧分组的帧组运动矩阵，包括的具体步骤如下：
整合帧间位移得到每个逐帧分组的帧间位移矩阵，每个逐帧分组的帧间位移矩阵的表达式如下：
其中，/>表示第/>个逐帧分组的帧间位移矩阵，/>表示第/>个逐帧分组中的第/>张逐帧图像和第/>张逐帧图像的帧间位移；
获取行车记录仪的速度记录，利用速度记录中的帧速度得到每个逐帧分组的帧组运动矩阵，具体的计算公式如下：
其中，/>表示第/>个逐帧分组的帧组运动矩阵，/>表示第/>个逐帧分组中的第/>张逐帧图像对应的速度记录中的帧速度，/>表示第/>个逐帧分组的帧间位移矩阵。
6.根据权利要求1所述一种车载录像防篡改加密存储方法，其特征在于，所述根据每个逐帧分组中每张逐帧图像的颜色亮度特征和每个逐帧分组的帧组运动矩阵得到每个逐帧分组的指纹信息的具体计算公式如下：其中，/>表示第/>个逐帧分组的指纹信息，/>为矩阵展开函数，将矩阵按行进行展开得到一组一维数据，/>表示第/>个逐帧分组的帧组运动矩阵，/>表示第/>个逐帧分组中的第/>张逐帧图像的颜色亮度特征矩阵，/>表示每个逐帧分组中包含逐帧图像的数目，且有。
CN202310855463.5A 2023-07-13 2023-07-13 一种车载录像防篡改加密存储方法 Active CN116582282B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310855463.5A CN116582282B (zh) 2023-07-13 2023-07-13 一种车载录像防篡改加密存储方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310855463.5A CN116582282B (zh) 2023-07-13 2023-07-13 一种车载录像防篡改加密存储方法

Publications (2)

Publication Number Publication Date
CN116582282A CN116582282A (zh) 2023-08-11
CN116582282B true CN116582282B (zh) 2023-09-19

Family

ID=87534576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310855463.5A Active CN116582282B (zh) 2023-07-13 2023-07-13 一种车载录像防篡改加密存储方法

Country Status (1)

Country Link
CN (1) CN116582282B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006059053A1 (en) * 2004-11-30 2006-06-08 The University Court Of The University Of St Andrews System, method & computer program product for video fingerprinting
CN101473657A (zh) * 2006-06-20 2009-07-01 皇家飞利浦电子股份有限公司 产生视频信号的指纹
CN102647635A (zh) * 2012-04-20 2012-08-22 北京视博数字电视科技有限公司 一种防止视频指纹攻击的方法、装置及系统
CN106055632A (zh) * 2016-05-27 2016-10-26 浙江工业大学 基于场景帧指纹的视频认证方法
CN110430339A (zh) * 2019-07-19 2019-11-08 长沙理工大学 数字视频帧内篡改检测方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105893920B (zh) * 2015-01-26 2019-12-27 阿里巴巴集团控股有限公司 一种人脸活体检测方法和装置
CN110430447B (zh) * 2019-08-09 2021-11-26 广东工业大学 一种视频加密方法、装置、摄像设备及可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006059053A1 (en) * 2004-11-30 2006-06-08 The University Court Of The University Of St Andrews System, method & computer program product for video fingerprinting
CN101473657A (zh) * 2006-06-20 2009-07-01 皇家飞利浦电子股份有限公司 产生视频信号的指纹
CN102647635A (zh) * 2012-04-20 2012-08-22 北京视博数字电视科技有限公司 一种防止视频指纹攻击的方法、装置及系统
CN106055632A (zh) * 2016-05-27 2016-10-26 浙江工业大学 基于场景帧指纹的视频认证方法
CN110430339A (zh) * 2019-07-19 2019-11-08 长沙理工大学 数字视频帧内篡改检测方法及系统

Also Published As

Publication number Publication date
CN116582282A (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
US11861816B2 (en) System and method for detecting image forgery through convolutional neural network and method for providing non-manipulation detection service using the same
Alahmadi et al. Passive detection of image forgery using DCT and local binary pattern
CN102226920B (zh) 抗裁剪的jpeg图像压缩历史及合成篡改检测方法
Fadl et al. Exposing video inter-frame forgery via histogram of oriented gradients and motion energy image
CN109635791B (zh) 一种基于深度学习的视频取证方法
CN110611784B (zh) 一种可防篡改的多摄像头记录仪的拍摄存储方法
CN103985130B (zh) 一种针对复杂纹理图像的图像显著性分析方法
CN105404657A (zh) 一种基于cedd特征和phog特征的图像检索方法
Shelke et al. Multiple forgeries identification in digital video based on correlation consistency between entropy coded frames
CN103366336A (zh) 一种基于人眼对比度敏感视觉特性的图像水印方法
CN104636764A (zh) 一种图像隐写分析方法以及其装置
Sharma et al. A hybrid technique to discriminate Natural Images, Computer Generated Graphics Images, Spliced, Copy Move tampered images and Authentic images by using features and ELM classifier
CN113486406A (zh) 一种电子签名保护还原方法、系统、电子设备及存储介质
CN116582282B (zh) 一种车载录像防篡改加密存储方法
Islam et al. Detecting splicing and copy-move attacks in color images
CN105592323B (zh) 将秘密信息写入视频的方法和系统、视频认证方法和系统
Zhang et al. Image splicing detection scheme based on error level analysis and local binary pattern
Zhong et al. A fast forgery frame detection method for video copy-move inter/intra-frame identification
CN102956026A (zh) 基于不变矩的Copy-Move型篡改图像盲检测方法
Savakar et al. Copy-move image forgery detection using shannon entropy
CN103559718A (zh) 基于稀疏表示的过完备字典训练的视频篡改检测方法
Anderson Digital Image analysis: analytical framework for authenticating digital images
CN107154011B (zh) 定位篡改图元组的矢量地图完整性认证方法
CN111985450A (zh) 一种运用感知哈希的高光谱遥感影像完整性认证方法
Wang et al. An efficient passive authentication scheme for copy-move forgery based on DCT

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