視頻內容幀間篡改模式認知的關鍵技術研究

《視頻內容幀間篡改模式認知的關鍵技術研究》是依託上海交通大學，由孫錟鋒擔任項目負責人的面上項目。

基本介紹

• 中文名：視頻內容幀間篡改模式認知的關鍵技術研究
• 項目類別：面上項目
• 項目負責人：孫錟鋒
• 依託單位：上海交通大學

項目摘要

視頻篡改模式認知技術，屬多媒體信息處理和模式識別領域的套用基礎研究。準確高效的視頻篡改模式認知算法對視頻內容篡改取證、篡改追蹤與恢復等具有重要的套用前景。本課題針對視頻篡改被動和主動認知方法，展開對視頻幀間篡改模式認知得到新算法研究。對於被動認知方法，分別提出了Slice結構特徵、宏塊參數統計特徵等新的獲取方法，以及雙模態特徵交叉驗證匹配模型；並結合多層過濾結構，實現對不同視頻間篡改模式的被動認知。對於主動認知方法，提出新的微結構水印和新的嵌入域實現認知信息嵌入，並研究失真漂移消除的補償算法，實現篡改模式的主動認知。課題提出的視頻幀間篡改模式認知方法，有效地融合被動認知和主動認知技術的各自優勢，可提高對視頻幀間篡改模式認知的準確性和適用範圍，在面向司法鑑定等要求視頻真實性和可追溯性明晰的領域更加有效。研究成果對濫用視頻、著作權侵權、惡意製造虛假信息牟利等違法行為甄別，具有重要的社會意義。

結題摘要

對數字視頻幀間篡改認知及被動檢測的研究，屬於信息取證與內容安全領域的理論基礎研究。由於視頻來源的多樣性以及內容監管技術的缺失，在以新聞網路視頻為主的新媒體中，偽造合成的視頻廣泛存在。而類似的問題也出現在監控視頻內容安全領域。目前我國已經立法將數字證據列為司法證據之一。由於數字視頻是一種重要的數字證據，其內容真實性取證技術具有非常重要的研究價值和經濟價值。 本課題重點研究視頻內容幀間篡改模式認知的關鍵技術，其中包括視頻幀間篡改被動檢測方法和視頻幀間篡改主動檢測方法。本課題的主要研究內容是解決視頻幀間篡改模式認知的核心難題，提出了基於金字塔LK光流特徵，稀疏光流特徵，稠密光流特徵，速度場特徵，時空亮度變化率特徵，馬爾科夫特徵，首位係數特徵，局部運動矢量特徵，宏塊類型統計特徵等新的特徵模型。這些特徵用於有效檢測視頻幀間篡改模式。在主動檢測方面，本課題提出了一種基於宏塊DCT係數域微水印的主動認知算法及漂移補償算法。同時也研究了新型的分類方法及分類器，例如，fisher分類器，Sparse Coding分類器，隨機森林分類器，SVM多核分類器，深度學習模型分類器等，有助於提升檢測準確率。有鑒於這一領域缺乏國際標準的篡改測試庫，我們的篡改測試庫主要來源於國際KTH庫和TRECVID2009測試庫中部分視頻。根據實驗需求，我們生成了不同篡改模式類型的篡改視頻，合計6000段。在自建的篡改資料庫上測試的結果:不同算法平均準確率從92%到100%，而算法的實時性隨著準確率上升而下降。 本課題已公開發表17篇學術論文（其中重要期刊論文7篇，國際知名會議論文10篇），申請國家發明專利6項，軟著1項。本課題方法部分已經轉化為可實用的工具系統原型，並試點套用在檢察機關。但是隨著視頻硬體技術的發展和新視頻編解碼方式會帶來更多新的問題有待解決。對視頻篡改模式的認知和檢測將是新的挑戰和機遇。