CN105578198B - 基于时偏特征的视频同源Copy-Move检测方法 - Google Patents
基于时偏特征的视频同源Copy-Move检测方法 Download PDFInfo
- Publication number
- CN105578198B CN105578198B CN201510934885.7A CN201510934885A CN105578198B CN 105578198 B CN105578198 B CN 105578198B CN 201510934885 A CN201510934885 A CN 201510934885A CN 105578198 B CN105578198 B CN 105578198B
- Authority
- CN
- China
- Prior art keywords
- light stream
- video
- block
- matrix
- frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
- H04N19/89—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving methods or arrangements for detection of transmission errors at the decoder
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于时偏特征的视频同源Copy‑Move检测方法,包括如下步骤:对测试视频进行时空分块预处理,并采用LK光流法计算分块视频的光流序列,得到该视频的区域光流矩阵;根据得到的区域光流矩阵,通过相位相关计算区域的时域偏移矩阵;对测试视频进行分块,并计算每个块的方向梯度直方图Histogram of Oriented Gradient特征,简称HOG特征,生成HOG特征矩阵;利用得到的时域偏移矩阵比对两片区域的HOG特征相似度,生成判决矩阵,将该判决矩阵与Ground Truth比对产生准确率。本发明创新性的使用视频时域特性来检测Copy‑Move,并提高了检测准确率。
Description
技术领域
本发明涉及视频帧内篡改检测方法,具体地,涉及一种基于时偏特征的视频同源Copy-Move检测方法。
背景技术
随着视频处理技术的进步,视频篡改的技术成本也随之减少,致使现在篡改视频随处可见。以前一直可以作为司法鉴定证据的监控视频,现如今看来也变得没有以前那么可信了。同时,互联网技术的成熟,也让篡改视频的社会影响力直线上升,视频篡改违法犯罪成本下降。在此情形下,一方面需要提高网络内容监管力度,另一方面需要对篡改视频进行有效的检测。
目前,视频篡改主要分为帧内篡改和帧间篡改,帧间篡改是篡改者在帧级别对视频进行包括帧删除、帧***等原子操作。帧内篡改是对视频帧内的某个物体或者某个部分进行篡改(例如移除视频中出现的某个物体),具体的篡改操作可以包括***、覆盖、修复等。此类篡改的操作对象为视频帧的某个区域,类似于图像篡改,篡改者需要做好对篡改区域边缘的处理以避免留下可见的篡改痕迹。由于物体在视频中会持续出现一段时间,导致篡改的工作可能需要在连续的多帧进行。简单的说,帧间篡改是以视频帧为单位的篡改操作,而帧内篡改则是以像素点为基本篡改单位。
经过对现有帧内Copy-Move篡改检测技术的检索发现,公开号为CN103945228A,公开日为2014年7月23日的中国专利记载了一种“基于时空关联性的视频帧内copy-move篡改检测方法”,该方法利用整帧相位相关性以及块匹配的检测方法来判定视频两两帧之间是否存在copy-move篡改。但是该方法针对的是运动目标的copy-move行为,而忽略了背景或静止物体的copy-move篡改行为,这使得该方法在帧内篡改检测中存在一定的局限性。通过对现有文献的检索发现,新加坡学者Subramanyam利用HOG特征进行检测copy-move,意大利学者则采用互相关来检测视频中copy-move的块,无论以上哪种方式,基本都采用了空间特征匹配的方式进行检测而忽略了时间域特征。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于时偏特征的视频同源Copy-Move检测方法。
根据本发明提供的基于时偏特征的视频同源Copy-Move检测方法,包括如下步骤:
步骤1:对测试视频进行时空分块预处理,得到分块视频,并采用LK光流法计算分块视频的光流序列,得到该视频的区域光流矩阵;
步骤2:根据步骤1中得到的区域光流矩阵,通过相位相关计算区域的时域偏移矩阵,偏移矩阵中每个空间的值为与对应位置最可疑的时空位置坐标,包括空间位置和所在帧数;
步骤3:对测试视频进行分块,并计算每个块的方向梯度直方图Histogram ofOriented Gradient特征,简称HOG特征,生成HOG特征矩阵;
步骤4:由步骤2可计算出的每帧每个空间坐标块的可疑块位置,计算块与可疑块的HOG特征差异性,生成判决矩阵,将该判决矩阵与真实值比对产生准确率。
优选地,所述步骤1包括如下步骤:
步骤1.1:对测试视频每一帧进行空间域分块;
步骤1.2:采用LK光流法计算视频每一帧的每一个像素的光流;
步骤1.3:根据步骤1.1得到的分块,将每个块中光流值的总和作为该块的光流值,并放于光流矩阵中,得到光流矩阵计算公式如下:
式中:bx,by表示块空间X、Y坐标,t0为该光流所在的起始帧,表示第t0帧(bx,by)块处的光流值,(x,y)in(bx,by)表示所有在块(bx,by)中的像素点,of(x,y)表示像素点(x,y)处的光流向量。
优选地,所述步骤1.1中对测试视频每一帧进行空间域分块;具体地,选择块大小为16×16像素大小的块并使得所分块相互之间有重叠,设置互相覆盖的面积为50%,则重叠块面积为8×16像素大小的块。
优选地,所述步骤1.2包括如下步骤:
步骤1.2.1:对视频帧进行高斯滤波,得到平滑图像;
步骤1.2.2:提取平滑图像的不同尺度的金字塔模型图像,并对每一层金字塔计算光 流;
步骤1.2.3:将每一层的光流值合并成完整的光流场。
优选地,所述步骤2包括如下步骤:
步骤2.1:对测试视频进行时间域分片,使得每个分片相互之间覆盖25%帧数,即:若以8帧为一个分片大小,则覆盖长度为2帧;
步骤2.2:将分片后的块光流从光流矩阵中取出作为样品,计算样品与剩余的空间位置块的完整光流序列的相位相关,判断是否存在偏移,如果存在,则在偏移矩阵的位置处记下该偏移参数(x’,y’,t’),其中,bx、by、t0分别为样品的空间横纵坐标和其所在帧数,x’、y’、t’分别为与样品存在相位相关的偏移块的空间横纵坐标和所在帧数;计算每一帧的分片光流与光流矩阵序列O的相位相关,如果存在偏移参数,则在偏移矩阵中该位置为该偏移参数,否则置为0。
优选地,所述步骤2.2中的相位相关定义如下:
将光流大小的时间序列作为信号,每个空间位置就有了一个长度为N的序列,N为视频帧数,设O为计算所得的光流序列,则
其中,t为帧数,(x,y)为计算光流的块空间位置,F为总帧数,W、H分别为视频帧的横坐标和纵坐标块的数目,of为计算出的光流大小,将空间坐标(x0,y0),时间坐标t0处Δt长度的光流序列作为信号模板g(t0);
将完整光流序列O作为原始信号,g(t0)作为待测信号,计算功率谱δ(tm)如下:
其中,Ox,y(ω)、G*(ω)分别为Ox,y、g(t0)的傅里叶变换,表示傅里叶逆变换,Ox,y为空间坐标为(x,y)的区域块的光流序列,V表示任意块。由于存在自比较的情况,最大值总是与自身光流序列对比的偏移结果,另max为取第二大值;通过求得与g(t0)相同的光流序列所在的时间偏移量tm,篡改区域存在因为拷贝而相同的序列,非篡改区域则因找不到同样的序列而被判定为原始区域;
由于经过复制粘贴篡改区域的光流序列存在匹配的另一个光流序列,通过将一定时间长度的光流序列作为输入和空间坐标完整的光流序列进行相位相关计算,寻找到可能的偏移量即找到潜在的篡改点,偏移矩阵计算公式如下:
式中:δ(tm)表示一帧中bx、by位置处Δt时间长度的光流序列与所有完整时间的光流序列的相位相关计算,tm表示在相位相关计算中取得第二大相似度的帧位置,t0表示当前帧的帧数;如果当前块(bx,by,t0)和所有其他块都没有找到偏移量就置为0,得到每一帧的块偏移矩阵P。
优选地,所述步骤3包括如下步骤:
步骤3.1:根据步骤1所采用的空间域分块方法,将视频进行分块处理;
步骤3.2:计算视频中的块的HOG特征描述子,置于该块所处的时空坐标(x,y,t)处,生成HOG矩阵,表示为H,计算公式如下:
式中:BW、BH分别为x、y轴块的总数,hog为计算HOG的函数。
优选地,所述步骤4包括如下步骤:
步骤4.1:根据步骤2所得的时域偏移矩阵,提取存在偏移的序列对;
步骤4.2:计算4.1中序列对的HOG描述子的差别,采用欧式距离来描述差异性;其中,判定过程将产生判定矩阵G,
式中:ED表示计算两个块HOG的欧氏距离,T为预设的阈值,若两个块B、B'距离小于阈值T,则该块该时刻的判决矩阵值为1,否则置为0。
与现有技术相比,本发明具有如下的有益效果:
1、本发明提供的基于时偏特征的视频同源Copy-Move检测方法能够不受篡改方式所限制,对所篡改的区域前景和背景部分均进行检测,准确率高。
2、本发明提供的基于时偏特征的视频同源Copy-Move检测方法充分利用了视频的时域特性,弥补了空间特征匹配的方式的不足,能够检测出被忽略的背景或静止物体的copy-move篡改行为。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明提供的计算偏移矩阵流程图;
图2为本发明提供的模型框架图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
本发明提出了一种基于时域偏移特性的帧内copy-move篡改检测方法。该方法首先采用LK光流法计算了测试视频的块区域光流序列,再通过将各个区域光流序列进行相位相关计算出他们的偏移参数构建偏移矩阵,此偏移矩阵描述了各个块可能存在copy-move嫌疑的配对块的时空位置,最后利用HOG特征检测嫌疑块之间的空间纹理特征的欧氏距离,若距离超过阈值,则判定这两个块存在copy-move篡改操作。
由于此种篡改方式势必会带来区域像素跨时间的整段平移,也就产生了时域偏移,而这种性质在频域中将带来相位相关的检测可能性,所以本发明利用该特性,结合光流和相位相关进行篡改检测。与现有技术相比,该方法创新性的使用了视频时域特性,同时也可以无视篡改区域是前后景进行检测,并提高了像素级别的检测准确率。
具体地,如图2所示,根据本发明提供的基于时偏特征的视频同源copy-move检测方法,包括如下步骤:
步骤1:对测试视频进行时空分块预处理,并采用LK光流法计算其光流序列,得到该视频的区域光流矩阵;
步骤2:根据步骤1中得到的区域光流矩阵,通过相位相关性计算区域的时域偏移矩阵;
步骤3:对测试视频进行分块,并计算每个块的方向梯度直方图(Histogram ofOriented Gradient,HOG)特征,生成HOG特征矩阵;
步骤4:利用步骤2中得到的偏移矩阵比对两片区域的HOG特征相似度,生成判决矩阵,将该判决矩阵与Ground Truth比对产生准确率。
所述步骤1包括如下步骤:
步骤1.1:对测试视频每一帧进行空间域分块,此处选择块大小为16×16像素大小的块。同时,保证所分块相互之间有重叠,此处选择互相覆盖50%面积,则重叠块面积为8×16像素大小的块;
步骤1.2:采用LK光流法计算视频每一帧每一个像素的光流,首先对视频帧进行高斯滤波,得到平滑图像,再提取平滑图像的不同尺度的金字塔模型图像,并对每一层金字塔计算光流,最后合并成完整的光流场;
步骤1.3:根据步骤1.1中的分块方法,为了方便计算,忽略光流方向属性,统计每个块中光流值大小总和作为该块的光流值,并放于光流矩阵中,得到光流矩阵计算公式如下:
式中:bx,、by表示块空间X、Y坐标,t0为该光流所在的起始帧,表示第t0帧(bx,by)块处的光流值,(x,y)in(bx,by)表示所有在块(bx,by)中的像素点,of(x,y)表示像素点(x,y)处的光流向量。
所述步骤2包括如下步骤:
步骤2.1:对测试视频进行时间域分片,并保证分片相互之间覆盖25%帧数,此处根据可行性实验,将片段大小确定为8帧,重叠为2帧,即步长为6、一个片段大小为8帧;根据分片长度,提取出的块光流序列即为区域光流,表征该块此段时间内的时域特征;
步骤2.2:将分片后的块光流从光流矩阵中取出作为样品,计算样品与剩余的空间位置块的完整光流序列的相位相关,判断是否存在偏移,如果存在,则在偏移矩阵的位置处记下该偏移参数(x’,y’,t’),其中,bx、by、t0分别为样品的空间横纵坐标和所在帧数,x’、y’、t’分别为与样品存在相位相关的偏移块的空间横纵坐标和所在帧数;以此类推,计算每一帧的分片光流与光流矩阵O′的相位相关,如果存在偏移参数,则在偏移矩阵中该位置置为该偏移参数,否则置为0。
所述步骤2.2中的相位相关定义如下:
将光流大小的时间序列作为信号,每个空间位置就有了一个长度为N的序列,N为视频帧数,设O为计算所得的光流序列,
其中,t为帧数,(x,y)为计算光流的块空间位置,F为总帧数,W、H分别为视频帧的横坐标和纵坐标块的数目,of为计算出的光流大小,将空间坐标(x0,y0),时间坐标t0处Δt长度的光流序列作为信号模板;
将完整光流序列O作为原始信号,g(t0)作为待测信号,计算功率谱如下:
其中,Ox,y(ω)、G*(ω)分别为Ox,y、g(t0)的傅里叶变换,表示傅里叶逆变换,由于存在自比较的情况,最大值总是与自身光流序列对比的偏移结果,另max为取第二大值;通过求得与g(t0)相同的光流序列所在的时间偏移量tm,篡改区域的于视频内存在同样的序列而找到偏移坐标,非篡改区域则因找不到同样的序列而被判定为原始区域;
由于Copy-Move区域的光流序列存在匹配的另一个光流序列,通过将一定时间长度的的光流序列作为输入和空间坐标完整的光流序列进行相位相关计算,即可寻找到可能的偏移量即找到潜在的篡改点,偏移矩阵计算公式如下:
式中:δ(tm)表示t0帧中bx、by位置Δt时间长度的光流序列与所有完整时间的光流序列的相位相关计算,tm表示在相位相关计算中取得第二大相似度的帧位置;如果当前块(bx,by,t0)和所有其他块都没有找到偏移量就置为零,得到每一帧的块偏移矩阵P。
具体的,如图1所示,图中为偏移矩阵的提取流程:
第一步:根据当前帧的块位置,从光流矩阵中提取光流序列;
第二步:根据之前的说明计算相位相关,判断能量频谱的峰值是否超过阈值,如若超过,则在偏移矩阵中记下该偏移参数——偏移帧数、偏移空间坐标;若没有超过阈值的峰值,则偏移矩阵位置设为0,;
第三步:判断当前帧是否还有未计算的块,若存在则重复第一步,否则计算下一帧。
所述步骤3包括如下步骤:
步骤3.1:根据步骤1所采用的空间域分块方法,将视频进行分块处理;
步骤3.2:对视频中的块计算其HOG特征描述子,置于该块所处的时空坐标(x,y,t)处,生成HOG矩阵,表示为H,计算公式如下:
式中:BW、BH分别为x、y轴总数,hog为计算hog过程。
所述步骤4包括如下步骤:
步骤4.1:对测试视频每一帧进行空间域分块,选择块大小为16×16像素大小的块。同时,保证所分块相互之间有重叠,选择互相覆盖50%面积,则重叠块面积为8×16像素大小的块;
步骤4.2:计算4.1中序列对的HOG描述子的差别,采用欧式距离来描述差异性;其中,判定过程将产生判定矩阵G,
式中:ED表示计算两个块HOG的欧氏距离,T为预设的阈值,若两个块B、B'距离小于阈值T,则该块该时刻的判决矩阵值为1,否则置为0。此处,根据可行性试验,T设为0.5。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (5)
1.一种基于时偏特征的视频同源Copy-Move检测方法,其特征在于,包括如下步骤:
步骤1:对测试视频进行时空分块预处理,得到分块视频,并采用LK光流法计算分块视频的光流序列,得到该视频的区域光流矩阵;
步骤2:根据步骤1中得到的区域光流矩阵,通过相位相关计算区域的时域偏移矩阵,偏移矩阵中每个空间的值为与对应位置的时空位置坐标,包括空间位置和所在帧数;
步骤3:对测试视频进行分块,并计算每个块的方向梯度直方图Histogram ofOriented Gradient特征,简称HOG特征,生成HOG特征矩阵;
步骤4:由步骤2可计算出的每帧每个空间坐标块的可疑块位置,计算块与可疑块的HOG特征差异性,生成判决矩阵,将该判决矩阵与真实值比对产生准确率;
所述步骤1包括如下步骤:
步骤1.1:对测试视频每一帧进行空间域分块;
步骤1.2:采用LK光流法计算视频每一帧的每一个像素的光流;
步骤1.3:根据步骤1.1得到的分块,将每个块中光流值的总和作为该块的光流值,并放于光流矩阵中,得到光流矩阵计算公式如下:
式中:bx,by表示块空间X、Y坐标,t0为该光流所在的起始帧,表示第t0帧(bx,by)块处的光流值,(x,y)in(bx,by)表示所有在块(bx,by)中的像素点,of(x,y)表示像素点(x,y)处的光流向量;
所述步骤2包括如下步骤:
步骤2.1:对测试视频进行时间域分片,使得每个分片相互之间覆盖25%帧数,即:若以8帧为一个分片大小,则覆盖长度为2帧;
步骤2.2:将分片后的块光流从光流矩阵中取出作为样品,计算样品与剩余的空间位置块的完整光流序列的相位相关,判断是否存在偏移,如果存在,则在偏移矩阵的位置处记下该偏移参数(x’,y’,t’),其中,bx、by、t0分别为样品的空间横纵坐标和其所在帧数,x’、y’、t’分别为与样品存在相位相关的偏移块的空间横纵坐标和所在帧数;计算每一帧的分片光流与光流矩阵序列O′的相位相关,如果存在偏移参数,则在偏移矩阵中该位置为该偏移参数,否则置为0;
所述步骤2.2中的相位相关定义如下:
将光流大小的时间序列作为信号,每个空间位置就有了一个长度为N的序列,N为视频帧数,设O为计算所得的光流序列,则
其中,t为帧数,(x,y)为计算光流的块空间位置,F为总帧数,W、H分别为视频帧的横坐标块和纵坐标块的数目,of为计算出的光流大小,将空间坐标(x0,y0),时间坐标t0处Δt长度的光流序列作为信号模板g(t0);
将完整光流序列O作为原始信号,g(t0)作为待测信号,计算功率谱δ(tm)如下:
其中,Ox,y(ω)、G*(ω)分别为Ox,y、g(t0)的傅里叶变换,表示傅里叶逆变换,Ox,y为空间坐标为(x,y)的区域块的光流序列,V表示任意块;待检测的光流序列会与所有可能的其他光流序列进行比较,最大值总是与自身光流序列对比的偏移结果,因此,令fopt为取第二大值,排除与自身比较的情况;通过求得与g(t0)相同的光流序列所在的时间偏移量tm,篡改区域存在因为拷贝而相同的序列,非篡改区域则因找不到同样的序列而被判定为原始区域;
由于经过复制粘贴篡改区域的光流序列存在匹配的另一个光流序列,通过将一定时间长度的光流序列作为输入和空间坐标完整的光流序列进行相位相关计算,寻找到可能的偏移量即找到潜在的篡改点,偏移矩阵计算公式如下:
式中:δ(tm)表示一帧中bx、by位置处Δt时间长度的光流序列与所有完整时间的光流序列的相位相关计算,tm表示在相位相关计算中取得第二大相似度的帧位置,t0表示当前帧的帧数;如果当前块(bx,by,t0)和所有其他块都没有找到偏移量就置为0,得到每一帧的块偏移矩阵P。
2.根据权利要求1所述的基于时偏特征的视频同源Copy-Move检测方法,其特征在于,所述步骤1.1中对测试视频每一帧进行空间域分块;具体地,选择块大小为16×16像素大小的块并使得所分块相互之间有重叠,设置互相覆盖的面积为50%,则重叠块面积为8×16像素大小的块。
3.根据权利要求1所述的基于时偏特征的视频同源Copy-Move检测方法,其特征在于,所述步骤1.2包括如下步骤:
步骤1.2.1:对视频帧进行高斯滤波,得到平滑图像;
步骤1.2.2:提取平滑图像的不同尺度的金字塔模型图像,并对每一层金字塔计算光流;
步骤1.2.3:将每一层的光流值合并成完整的光流场。
4.根据权利要求1所述的基于时偏特征的视频同源Copy-Move检测方法,其特征在于,所述步骤3包括如下步骤:
步骤3.1:根据步骤1所采用的空间域分块方法,将视频进行分块处理;
步骤3.2:计算视频中的块的HOG特征描述子,置于该块所处的时空坐标(x,y,t)处,生成HOG矩阵,表示为H,计算公式如下:
式中:BW、BH分别为x、y轴块的总数,hog为计算HOG的函数。
5.根据权利要求1所述的基于时偏特征的视频同源Copy-Move检测方法,其特征在于,所述步骤4包括如下步骤:
步骤4.1:根据步骤2所得的时域偏移矩阵,提取存在偏移的序列对;
步骤4.2:计算4.1中序列对的HOG描述子的差别,采用欧式距离来描述差异性;其中,判定过程将产生判定矩阵G,
式中:ED表示计算两个块HOG的欧氏距离,T为预设的阈值,若两个块B、B'距离小于阈值T,则B块该时刻的判决矩阵值为1,否则置为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510934885.7A CN105578198B (zh) | 2015-12-14 | 2015-12-14 | 基于时偏特征的视频同源Copy-Move检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510934885.7A CN105578198B (zh) | 2015-12-14 | 2015-12-14 | 基于时偏特征的视频同源Copy-Move检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105578198A CN105578198A (zh) | 2016-05-11 |
CN105578198B true CN105578198B (zh) | 2019-01-11 |
Family
ID=55887795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510934885.7A Active CN105578198B (zh) | 2015-12-14 | 2015-12-14 | 基于时偏特征的视频同源Copy-Move检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105578198B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573269B (zh) * | 2017-10-24 | 2021-02-05 | 北京金山云网络技术有限公司 | 图像特征点匹配方法、匹配装置、电子设备及存储介质 |
WO2020084474A1 (en) | 2018-10-22 | 2020-04-30 | Beijing Bytedance Network Technology Co., Ltd. | Gradient computation in bi-directional optical flow |
CN111436226A (zh) | 2018-11-12 | 2020-07-21 | 北京字节跳动网络技术有限公司 | 用于帧间预测的运动矢量存储 |
KR20210091161A (ko) | 2018-11-20 | 2021-07-21 | 베이징 바이트댄스 네트워크 테크놀로지 컴퍼니, 리미티드 | 부분적 위치에 기반한 차분 계산 |
WO2020177755A1 (en) | 2019-03-06 | 2020-09-10 | Beijing Bytedance Network Technology Co., Ltd. | Usage of converted uni-prediction candidate |
CN112584146B (zh) * | 2019-09-30 | 2021-09-28 | 复旦大学 | 帧间相似度评估方法和*** |
CN113704551A (zh) * | 2021-08-24 | 2021-11-26 | 广州虎牙科技有限公司 | 一种视频检索方法、存储介质及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650830A (zh) * | 2009-08-06 | 2010-02-17 | 中国科学院声学研究所 | 一种压缩域视频镜头突变与渐变联合自动分割方法及*** |
CN102156702A (zh) * | 2010-12-17 | 2011-08-17 | 南方报业传媒集团 | 一种由粗到精的视频事件的快速定位方法 |
EP2517176A1 (en) * | 2009-12-21 | 2012-10-31 | ST-Ericsson (France) SAS | Method for regenerating the background of digital images of a video stream |
CN103390040A (zh) * | 2013-07-17 | 2013-11-13 | 南京邮电大学 | 一种视频拷贝检测方法 |
CN103945228A (zh) * | 2014-03-28 | 2014-07-23 | 上海交通大学 | 基于时空关联性的视频帧内copy-move篡改检测方法 |
CN105141968A (zh) * | 2015-08-24 | 2015-12-09 | 武汉大学 | 一种视频同源copy-move篡改检测方法及*** |
-
2015
- 2015-12-14 CN CN201510934885.7A patent/CN105578198B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650830A (zh) * | 2009-08-06 | 2010-02-17 | 中国科学院声学研究所 | 一种压缩域视频镜头突变与渐变联合自动分割方法及*** |
EP2517176A1 (en) * | 2009-12-21 | 2012-10-31 | ST-Ericsson (France) SAS | Method for regenerating the background of digital images of a video stream |
CN102156702A (zh) * | 2010-12-17 | 2011-08-17 | 南方报业传媒集团 | 一种由粗到精的视频事件的快速定位方法 |
CN103390040A (zh) * | 2013-07-17 | 2013-11-13 | 南京邮电大学 | 一种视频拷贝检测方法 |
CN103945228A (zh) * | 2014-03-28 | 2014-07-23 | 上海交通大学 | 基于时空关联性的视频帧内copy-move篡改检测方法 |
CN105141968A (zh) * | 2015-08-24 | 2015-12-09 | 武汉大学 | 一种视频同源copy-move篡改检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN105578198A (zh) | 2016-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105578198B (zh) | 基于时偏特征的视频同源Copy-Move检测方法 | |
CN106096577B (zh) | 一种摄像头分布地图中的目标追踪方法 | |
CN105528619B (zh) | 基于小波变换和svm的sar遥感影像变化检测方法 | |
Pan et al. | Robust abandoned object detection using region-level analysis | |
CN104517095B (zh) | 一种基于深度图像的人头分割方法 | |
Al-Sanjary et al. | Deleting object in video copy-move forgery detection based on optical flow concept | |
Akyüz | Photographically Guided Alignment for HDR Images. | |
CN104504162B (zh) | 一种基于机器人视觉平台的视频检索方法 | |
Hassan et al. | Illumination invariant stationary object detection | |
Heng et al. | High accuracy flashlight scene determination for shot boundary detection | |
Wang et al. | Anchor free network for multi-scale face detection | |
Bostanci et al. | Feature coverage for better homography estimation: an application to image stitching | |
Sankar et al. | Feature based classification of computer graphics and real images | |
Khatoon et al. | A robust and enhanced approach for human detection in crowd | |
CN105141968A (zh) | 一种视频同源copy-move篡改检测方法及*** | |
Chittapur et al. | Video forgery detection using motion extractor by referring block matching algorithm | |
CN105205826B (zh) | 一种基于方向直线筛选的sar图像目标方位角估计方法 | |
Zhu et al. | A cross-view intelligent person search method based on multi-feature constraints | |
CN104933739A (zh) | 一种基于i1i2i3颜色空间的火焰检测方法 | |
Li et al. | Effective and robust infrared small target detection based on directional improved structure tensor | |
Chen et al. | Early fire detection using HEP and space-time analysis | |
Lu et al. | Research on an improved visual background extraction algorithm | |
Yu | Localization and extraction of the four clock-digits using the knowledge of the digital video clock | |
Gavade et al. | Passive blind forensic scheme for copy-move temporal tampering detection | |
Osborne et al. | Temporally stable feature clusters for maritime object tracking in visible and thermal imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |