基于智能技术的视频篡改取证研究

在数字篡改取证研究中，目前的研究较集中于静态图像篡改检测，视频篡改检测研究极少，缺少可靠的理论基础与技术，随着视频与视频编辑软件的广泛应用，该研究将为视频取证提供急需的理论依据。本课题试图运用智能原理来挖掘视频特征空间的模式，以识别视频是否被篡改，研究篡改检测的机理与相关的数据挖掘理论。通过分析视频固有特征模式及其相关性，包括摄像设备与摄像环境产生的固有特征、视频本身的数据特征和视频采集制作特征以及它们的相关性，将这些特征与关系有效地量化表示与建模，研究与应用适合处理高维非线性数据的智能理论与方法，包括流形学习、脉冲神经网络与压缩感知等，设计具有鲁棒性的视频篡改取证模型与智能检测算法。另外，利用已有的静态图像篡改检测算法获取少量的标签，再利用半监督学习技术建模，提高视频篡改检测的精度与效率。为视频篡改检测提供基于智能原理的新方法，研究成果将为视频证据可靠性提供理论基础与技术保障。

本课题组通过分析视频固有特征模式及其相关性，包括摄像设备与摄像环境产生的固有特征、视频本身的数据特征和视频采集存储特征以及它们的相关性，将这些特征与关系有效地量化表示与建模，通过压缩感知、流行学习、离群点挖掘、聚类、半监督学习等机器学习与数据挖掘工具提出视频篡改取证模型与检测算法，包括：①使用视频处理软件对视频中的某些运动前景进行删除操作是视频篡改常用的方法之一。本算法针对静止背景下的运动前景删除的视频篡改检测，提出一种基于压缩感知的视频篡改检测算法。该算法拥有较强的鲁棒性，与已有的同类型算法相比，具有更高的准确度。②使用视频处理软件对视频进行帧内的复制-粘贴是视频篡改常用的方法之一。提出了基于压缩追踪的视频篡改检测算法。本算法相比之前的同类型检测算法拥有更好的检测精度和更高的的执行效率。③基于帧间内容连续性，提出一种通过灰度值来刻画视频帧内容，利用帧间内容相关性来判断视频连续性，自适应设定阈值找出篡改点的视频篡改检测方法。本方法检测运动背景下不小于１０帧的帧删除、帧插入及帧替换篡改操作能够取得理想的效果。④提出一种基于双向运动矢量的视频篡改检测方法。首先对视频B帧进行解码, 提取双向运动矢量, 然后通过计算峰值序列的均值和标准偏差自适应地设定阈值,判断出篡改点。使用这种篡改检测方法能有效地检测出运动背景下视频帧的删除和插入篡改。⑤提出一种利用视频帧纹理特征来检测视频篡改的方法。算法通过计算相邻帧灰度共生矩阵的相关性找出异常帧。该方法对视频格式无限制，适用于各种格式的视频。该方法对相近背景下的异源帧插入、帧替换检测效果比较理想。⑥针对视频遭受非同源片段合成的篡改，提出一种改进的半监督学习算法，并将这种算法应用在视频篡改取证研究。本算法能够有效检测视频是否由非同源片段合成。. 这些方法能有效地检测常见的编辑方式篡改后的视频，为此类视频真实性、一致性、完整性等提供了检测方法。同时，我们把检测算法集成了视频篡改检测的平台，并把相关技术进行开发应用，从而，为视频安全应用提供支持，为司法诉讼中视频电子证据的可靠性提供保障，具有重要的理论意义与应用价值。

内容获取失败，请点击重试