基于深度神经网络的数字视频删帧篡改检测方法

    公开(公告)号:CN112532999B

    公开(公告)日:2023-03-24

    申请号:CN202011461638.7

    申请日:2020-12-09

    Abstract: 本发明涉及一种基于深度神经网络的数字视频删帧篡改检测方法。该方法实现过程:将待检测视频剪辑成为若干个视频片段;利用多尺度差分卷积网络MsDCNN从视频片段中提取相邻帧的像素级差分特征和全局差分特征,将二者融合形成多尺度差分特征;将多尺度差分特征输入使用单向注意力机制的LSTM网络,经过全连接层得到视频片段的网络输出分数,判断视频片段中间点是否存在删帧;利用基于视频局部时空特征的后处理方法减少误检。

    基于深度神经网络的数字视频删帧篡改检测方法

    公开(公告)号:CN112532999A

    公开(公告)日:2021-03-19

    申请号:CN202011461638.7

    申请日:2020-12-09

    Abstract: 本发明涉及一种基于深度神经网络的数字视频删帧篡改检测方法。该方法实现过程:将待检测视频剪辑成为若干个视频片段;利用多尺度差分卷积网络MsDCNN从视频片段中提取相邻帧的像素级差分特征和全局差分特征,将二者融合形成多尺度差分特征;将多尺度差分特征输入使用单向注意力机制的LSTM网络,经过全连接层得到视频片段的网络输出分数,判断视频片段中间点是否存在删帧;利用基于视频局部时空特征的后处理方法减少误检。

    基于图像复制移动特征的视频删帧取证方法

    公开(公告)号:CN118261830A

    公开(公告)日:2024-06-28

    申请号:CN202410393776.8

    申请日:2024-04-02

    Abstract: 本发明提出基于图像复制移动特征的视频删帧取证方法,利用视频删帧篡改残差图中的重影特征与图像复制移动篡改特征的相似性来进行视频删帧取证,首先设计Multi‑PyRes模型,将模型先在图像复制移动篡改数据集上进行预训练,以学习复制移动篡改的特征;然后,将预训练后的模型参数迁移到删帧检测任务;所述方法通过引入能够学习到复制移动特征的约束卷积层,从删帧视频的显著化残差特征序列图中提取复制移动特征,并且采用结合CBAM注意力机制的残差金字塔卷积层结构,多尺度提取复制移动篡改特征,从而实现视频删帧篡改检测;本发明多尺度提取与删帧篡改的重影特征相似的复制移动篡改特征进行图像分类,能实现视频删帧篡改检测。

Patent Agency Ranking