论文部分内容阅读
社会飞速发展,科技不断进步,数码设备日益普及,视频编辑软件比比皆是,操作简单且功能强大,篡改效果形象逼真。在丰富人们生活的同时,也导致视频篡改事件频频发生,由于视频是七类司法证据之一,有效鉴别视频真伪将为社会的公平正义提供有力的技术支撑。因此,对于视频篡改被动取证技术的研究具有重要的现实和法律意义。在现实生活中,对视频进行有意的帧间篡改,一般是在视频中插入或删除一个完整事件。由于视频取证技术相对于图像取证技术来说起步较晚,针对完整事件的帧间篡改视频,其取证研究较少。本文以此类人眼难以鉴别的帧间篡改视频为研究对象,提出了一种基于PPoMVP (post-processing of motion vector pyramid)的视频帧间篡改取证算法。首先提取待检测视频的MVP特征,然后对MVP特征进行优化处理,得到视频的PPoMVP特征,最后运用SVM (support vector machine)对原始视频和帧间篡改视频进行分类,实验结果表明了方法的有效性。具体工作如下：1.深入研究了基于MVP的视频帧间篡改检测算法,并与当前已有的经典算法进行了对比和分析。在未经篡改的原始视频中,视频帧间的MVP特征具有较好的连续性,而当视频遭受帧间篡改后,在篡改点处MVP的连续性会被破坏,所以,MVP可以作为视频帧间篡改检测的一个有效特征。通过实验得知,该算法能够对原始视频与帧间篡改视频进行有效分类,与当前已有的基于光流和基于速度场的视频帧间篡改取证算法相比,适用性更强。2.提出了基于PPoMVP的视频帧间篡改取证算法。对视频进行帧间篡改会导致篡改处的MVP特征明显改变,同时也会在正常数据点处留下细微的痕迹,本文通过对MVP特征进行去均值、累加、直方统计等一系列优化处理,有效抑制了无关信息,充分利用了视频帧间篡改遗留的痕迹。最后,将视频特征PPoMVP中80%的样本放入支持向量机中进行训练,20%的样本用于测试该算法的分类准确率。实验结果表明,对MVP特征进行后处理,大幅提高了帧间篡改视频检测的准确率。