基于光强信息的视频插帧篡改检测

doi:10.3969/j.issn.1000-3428.2014.07.049

计算机工程

基于光强信息的视频插帧篡改检测

吴铁浩^a，黄添强^a,b，袁秀娟^a，陈智文^a

(福建师范大学 a. 数学与计算机科学学院；b. 网络安全与密码技术福建省高校重点实验室，福州 350007)

收稿日期:2013-06-20 出版日期:2014-07-15 发布日期:2014-07-14
作者简介:吴铁浩(1987－)，男，硕士，主研方向：数据挖掘；黄添强，教授、博士；袁秀娟、陈智文，硕士。
基金资助:
国家自然科学基金资助项目(61070062)；福建省高校产学合作科技基金资助重大项目(2012H6006)；福建省高校服务海西建设基金资助重点项目(2008HX200941-4-5)；福建省高等学校新世纪优秀人才支持计划基金资助项目(JAI1038)。

Video Frame Interpolation Tamper Detection Based on Illumination Information

WU Tie-hao ^a, HUANG Tian-qiang ^a,b, YUAN Xiu-juan ^a, CHEN Zhi-wen^a

(a. School of Mathematics and Computer Science; b. Fujian Provincial University Key Laboratory of Network Security and Cryptography, Fujian Normal University, Fuzhou 350007, China)

Received:2013-06-20 Online:2014-07-15 Published:2014-07-14

摘要/Abstract

摘要： 提出一种基于光强信息的视频插帧篡改检测方法。对于一段连续拍摄的视频，通过视频帧序列的亮度连续性可以间接反映出拍摄场景的光照强度连续性。因此，对于一段遭遇帧插入篡改的视频，无论插入帧是否与原视频同源，只要是在不同时间点拍摄的，那么合成视频的场景光强信息特征将会出现不连贯，从而导致亮度不连续的特点。为此，根据光强信息的连续性特征，提取视频每一帧的多个光强信息，将每一帧的光强信息融合，得到光强信息序列，由序列特征得出检测结果。实验结果表明，该方法能够准确地检测一段视频是否经过帧插入合成。

关键词: 视频篡改, 光照强度, 多媒体取证, HSV颜色模型, 灰度

Abstract: This paper presents a light intensity information of video plug frame tamper detection method. For a period of continuous shooting video, video frame sequence of brightness continuity can indirectly reflect the shooting scene illumination intensity continuity. So for a period of encounter frame interpolation garbled video, no matter whether insert frame with the original video homologous, as long as it is in different time point shooting, the synthetic video scene light intensity information features are disconnected characteristics and lead disconnection of luminance. According to the intensity of the continuity of information, each video frame of multiple light intensity information is extracted. It fuses the light intensity information of each frame and gets the intensity information sequence, according to the sequence feature detection results. Experimental results show that the proposed method can detect whether a video frame after insert synthesis.

Key words: video tamper, illumination intensity, multimedia forensics, HSV color model, grey level

中图分类号:

TP391.4

吴铁浩，黄添强，袁秀娟，陈智文. 基于光强信息的视频插帧篡改检测[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2014.07.049.

WU Tie-hao, HUANG Tian-qiang, YUAN Xiu-juan, CHEN Zhi-wen. Video Frame Interpolation Tamper Detection Based on Illumination Information[J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2014.07.049.

http://www.ecice06.com/CN/Y2014/V40/I7/235

参考文献

参考文献 [1] Wang Weilong, Farid H. Exposing Digital Forgeries in Video by Detecting Double MPEG Compression[C]//Proc. of the 8th Workshop on Multimedia and Security. New York, USA: ACM Press, 2006: 37-47. [2] 黄添强, 陈智文. 基于双向运动矢量的数字视频篡改鉴定[J]. 山东大学学报: 工学版, 2011, 41(4): 13-19. [3] Li C T, Li Yue. Digital Camera Identification Using Colour- decoupled Photo Response Non-uniformity Noise Pattern[C]// Proc. of IEEE International Symposium on Circuits and Systems. Paris, France: IEEE Press, 2010: 3052- 3055. [4] Lukas J, Fridrich J, Goljan M. Digital Camera Identification from Sensor Pattern Noise[J]. IEEE Transactions on Infor- mation Forensics and Security, 2006, 1(2): 205-214. [5] Hsu C C, Hung T Y, Lin C W, et al. Video Forgery Detection Using Correlation of Noise Residue[C]//Proc. of the 10th Workshop on Multimedia Signal Processing. [S. l.]: IEEE Press, 2008: 170-174. [6] 王俊文, 刘光杰, 张湛, 等. 基于模式噪声的数字视频篡改取证[J]. 东南大学学报: 自然科学版, 2008, 38(2): 13-17. [7] 黄添强, 吴铁浩, 袁秀娟, 等. 利用模式噪声聚类分析的视频非同源篡改检测[J]. 计算机科学与探索, 2011, 5(10): 914-920. [8] Johnson M K, Farid H. Exposing Digital Forgeries by Detect- ing Inconsistencies in Lighting[C]//Proc. of the 7th Workshop on Multimedia and Security. New York, USA: ACM Press, 2005: 1-10. [9] 朱君波, 王守觉, 冯浩. 基于矢量运算的图像光照处理算法[J]. 计算机应用, 2010, 30(6): 1581-1583. [10] 陈波, 朱秋煜. 基于光照方向的人像合成图像的检测[J]. 计算机仿真, 2009, (3): 202-204. [11] 陈海鹏, 申铉京, 吕颖达, 等. 基于Lambert光照模型的图像真伪盲鉴别算法[J]. 计算机研究与发展, 2011, 48(7): 1237-1245. [12] 肖治民, 林坤辉, 周昌乐, 等. 基于HSV颜色空间的视频镜头检测[J]. 厦门大学学报, 2008, 47(5): 665-668. [13] 杨涛, 张森林. 一种基于HSV颜色空间和SIFT特征的车牌提取算法[J]. 计算机应用研究, 2011, 28(10): 3937-3939. [14] 张国权, 李战明, 李向伟, 等. HSV空间中彩色图像分割研究[J]. 计算机工程与应用, 2010, 46(26): 179-181. 编辑顾逸斐

[1]	倪萍, 赖惠成, 高古学, 谷腾飞, 贾振红. 基于形态学与梯度域导向滤波的图像去雾算法[J]. 计算机工程, 2022, 48(10): 252-261.
[2]	姜国权, 肖禛禛, 霍占强. 融合RGB与灰度图像特征的行人再识别方法[J]. 计算机工程, 2021, 47(4): 226-233,240.
[3]	崔坤坤, 樊绍胜. 基于动态双窗口的机器人视觉导航与特征识别方法[J]. 计算机工程, 2020, 46(9): 313-320.
[4]	王文冰, 刘粉林, 巩道福, 刘胜利. 基于奇异值分解的水印方法虚警问题分析[J]. 计算机工程, 2020, 46(11): 273-278.
[5]	张景莲, 彭艳兵. 基于特征融合的恶意代码分类研究[J]. 计算机工程, 2019, 45(8): 281-286,295.
[6]	王燕, 段亚西. 基于局部熵拟合能量与全局信息的活动轮廓模型[J]. 计算机工程, 2019, 45(12): 207-213,221.
[7]	韩阳,何博侠,童楷杰,刘辉,孙钧成. 基于Ward反射模型的航天密封圈表面缺陷检测[J]. 计算机工程, 2018, 44(7): 297-302.
[8]	张玉雪,唐振民,钱彬,徐威. 融入视觉注意机制的路面裂缝检测与识别[J]. 计算机工程, 2018, 44(4): 287-293.
[9]	王提,陈健,曾磊,童莉,闫镔. 结合形状先验的水平集灰度纹理图像分割方法[J]. 计算机工程, 2018, 44(3): 251-258.
[10]	周冉,宋华珠,刘翔. 基于Haar-PP混合特征提取的沉降颗粒识别研究[J]. 计算机工程, 2018, 44(12): 251-257.
[11]	蔡舒妤,余乃春,师利中. 基于改进Snake模型的机体损伤区域划分方法[J]. 计算机工程, 2017, 43(7): 298-302,308.
[12]	陈树,杨天. 一种基于改进ZS细化算法的指针仪表检测[J]. 计算机工程, 2017, 43(12): 216-221.
[13]	宋廷强,邢照合. 一种基于灰度压缩的透光浮雕模型生成方法[J]. 计算机工程, 2017, 43(10): 253-258.
[14]	闵永智,程天栋,殷超,岳彪,肖本郁,马宏锋. 基于GLCM与自适应Gabor滤波器组的纹理图像分割[J]. 计算机工程, 2017, 43(1): 280-286.
[15]	李云峰,李晟阳,韩茜茜. 基于多邻域信息的监控图像超分辨率算法[J]. 计算机工程, 2016, 42(6): 261-264.

选择文件类型/文献管理软件名称

选择包含的内容

基于光强信息的视频插帧篡改检测

Video Frame Interpolation Tamper Detection Based on Illumination Information

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于光强信息的视频插帧篡改检测

Video Frame Interpolation Tamper Detection Based on Illumination Information

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价