基于动态阈值的帧复制粘贴篡改检测

帧复制粘贴是一种常见的时域篡改方式,篡改者采用这种方式来移除视频中某段内容,如犯罪现场、犯罪证据等.针对这种篡改,已经有不少方案被提出,但是它们有两个缺点:一采用固定的阈值;二时间复杂度很高.大部分被篡改视频会经过再压缩处理,由于视频压缩基本是有损压缩,可能会导致固定阈值失去应有作用.因此,本文提出一种基于动态阈值的被动取证算法,来增强算法的鲁棒性,并且通过引入字典排序算法来缩小帧匹配时的搜索范围,成功降低了时间复杂度.文章采用精确度、召回率和平均每帧计算时间来对提出算法的性能进行评估,结果表明本算法在这三方面都优于其他算法,而且具有更好的鲁棒性.

基于NMF和SURF的视频帧间复制粘贴伪造盲检测

针对视频帧间复制粘贴伪造,本文提出一种基于非负矩阵分解(Nonnegative matrix factorization,NMF)和加速稳健特征(Speed-up robust features,SURF)的帧间复制粘贴伪造盲检测算法。通过对视频帧进行小波变换,提取低频系数矩阵进行非负矩阵分解,将得到的系数矩阵作为视频帧的特征表示衡量帧间的相似性,根据相似度变化趋势判断视频帧间的连续性,从而确定疑似伪造复制粘贴序列的首帧及尾帧,并通过SURF特征匹配进行二次判定。实验结果表明,本文所提出帧间伪造检测算法对连续多帧的复制粘贴伪造具有较好的检测效果,避免了逐帧比对,降低了时间复杂度。

帧内复制粘贴视频伪造的盲检测

目的随着数字获取技术的发展,数字媒体文档的获取越来越方便,并已成为人们现代生活中不可缺少的组成部分。功能强大的视频编辑软件为视频复制粘贴提供了方便,因此视频伪造检测具有重大现实需求。利用传统的图像伪造检测算法逐帧对视频进行伪造检测计算量大、耗时冗长,且不能保证检测结果的时空一致性。方法提出了一种基于稠密SIFT(scale invariant feature transform)流的帧内复制粘贴视频伪造盲检测算法。所提算法自适应地在内容最小变化帧位置把视频划分为多个视频段,提取每个视频段的关键帧;在关键帧利用匹配SIFT关键点定位初始疑似复制粘贴伪造区域,通过SIFT关键点和均值漂移分割区域的位置依赖关系细化疑似伪造区域;采用稠密SIFT流把关键帧检测结果过渡至非关键帧,最终实现视频的复制粘贴伪造盲检测。结果实验结果表明,所提算法的检测效率比传统算法快了一个数量级,检测平均准确率比传统算法提高了约20%。结论所提视频伪造盲检测方法能够高效地检测出帧内复制粘贴的视频伪造区域。