基于对传感器模式噪声进行EMD降噪的视频源智能手机识别研究

Video passive forensic analysis is a very important research topic in the judicial field. Due to the popularity of new smart phones, video shot by various smart phones has emerged in social network platforms. Some of these videos are involved in crimes, which can be used as strong evidence in court proceedings. Therefore, it is of great significance to conduct forensic research on the source of video captured by smart phones. However, the present video source smartphone recognition performance cannot satisfy the practical application, the scheme of the improved sensor pattern noise is put forward, which screen video frame used to extract the reference sensor pattern noise according to the scene frame content and light firstly, and then apply the empirical mode decomposition method to remove the the low frequency noise in the reference sensor pattern noise, finally, transform the denoised sensor pattern noise to the fractional Fourier transform space for extracting the averaging phase frequency information. Through the above methods, the effects of the compression algorithm and the scenes on the camera fingerprint can be further removed and the inter class correlations are greatly reduced, which improve the accuracy and effectiveness of video source camera identification. This research result will help promote the video source camera identification of forensics technology to the practical application as soon as possible.

视频被动取证分析是司法领域一个非常重要的研究课题。由于新型智能手机的普及，社交网络平台中涌现出各种智能手机所拍摄的视频。这些视频中有些是涉及到犯罪的，是法庭诉讼时的有力证据。因些，针对智能手机所拍摄的视频进行设备来源方面的取证研究是非常有意义的。本课题针对目前视频源智能手机识别性能不高无法满足实际应用的问题，提出了一种改善传感器模式噪声的方法，首先根据场景帧内容和光照来筛选视频帧用于提取参考模式噪声，然后采用经验模态分解方法去除参考模式噪声中的低频噪声，最后将去噪后的模式噪声旋转变换到分数阶傅立叶变换空间，提取优化的相频信息后反变换回来取平均。通过以上方法进一步去除压缩算法和场景内容等带来的影响，大幅减小相机传感器模式噪声类间相关性，以提高视频源相机识别的正确率和有效性。这一研究成果将有助于促进视频源相机识别取证技术尽快进向实用。

视频被动取证分析是司法领域一个非常重要的研究课题。由于新型智能手机的普及，社交网络平台中涌现出各种智能手机所拍摄的视频。这些视频中有些是涉及到犯罪的，是法庭诉讼时的有力证据。因些，针对智能手机所拍摄的视频进行设备来源方面的取证研究是非常有意义的。为了解决目前视频源智能手机识别性能不高无法满足实际应用的问题，本项目针对更复杂的压缩视频中的光响应非均匀噪声特性和提取过程进行研究，主要提出了基于多尺度变换域自适应维纳滤波和一种加权最大似然估计的改进SPN提取模型和基于方差稳定变换多尺度迭代最小二乘滤波的加权PRNU提取模型。第一种模型的提取过程为：干预视频的编解码过程，在编解码器的环路滤波模块前提取视频帧，然后将视频帧输入双密度双树复小波变换自适应维纳滤波模型中提取噪声残差，最后使用加权最大似然估计从噪声残差中估计得到SPN。为了实现更短视频的源相机识任务，在第一种模型的研究基础之上，针对压缩视频中的PRNU容易被不同强度的量化噪声污染的问题，创新性的使用基于方差稳定变换（VST）的多尺度迭代最小二乘滤波器，进一步改善了滤波的精准度。我们在《光电子.激光》,上发表的论文填补了国内在视频源相机识别研究方向上的空白，在SCI期刊《Forensic Science International: Digital Investigation》上发表方法与国际上现有的视频源相机识别方法相比，其识别性能更优。研究团队发表高水平SCI三区期刊论文1篇、北大中文核心期刊论文3篇，申请发明专利3项，取得软件著作权4项，总计成果11项。这些研究成果有助于推动视频源相机识别技术尽快走向实用，以便于更好的维护社会的和谐与稳定，保证司法公正和正常的社会生活秩序。

内容获取失败，请点击重试