一种有效识别正版视频的TDIA算法

合集下载

vha判定算法

vha判定算法

vha判定算法VHA判定算法VHA(Video Hash Algorithm)判定算法是一种用于视频内容识别和相似度比对的算法。

该算法通过对视频进行特征提取和哈希计算,实现对视频内容的快速索引和匹配。

以下将详细介绍VHA判定算法的原理和应用。

一、VHA判定算法的原理VHA判定算法主要包括两个步骤:特征提取和哈希计算。

1. 特征提取特征提取是指从视频中抽取出能够描述视频内容的关键特征。

VHA 判定算法采用了多种特征提取方法,如颜色直方图、光流场、运动向量等。

这些特征可以反映视频的颜色、动作和运动轨迹等方面的信息。

通过对视频进行特征提取,可以将视频转化为一组数值特征,方便后续的相似度比对和检索。

2. 哈希计算哈希计算是指将抽取到的视频特征转化为一串固定长度的二进制码,以实现对视频内容的快速索引和匹配。

VHA判定算法采用了局部敏感哈希(LSH)算法,通过将视频特征划分为多个子特征,并为每个子特征计算哈希码,最终将这些哈希码组合成一个全局哈希码。

通过比较不同视频的全局哈希码,就可以判断它们之间的相似度。

二、VHA判定算法的应用VHA判定算法在视频内容识别和相似度比对方面具有广泛的应用。

1. 视频检索VHA判定算法可以用于视频检索,即根据用户提供的查询视频,从海量视频库中找出与之相似的视频。

通过计算查询视频和库中视频的相似度,可以快速准确地找到与查询视频内容相近的视频。

这在视频编辑、影视制作等领域具有重要意义。

2. 盗版视频识别VHA判定算法可以用于盗版视频的识别。

通过将正版视频的特征提取和哈希计算,生成正版视频的哈希码。

然后,将盗版视频的特征提取和哈希计算,生成盗版视频的哈希码。

通过比较正版视频和盗版视频的哈希码,可以判断盗版视频的相似度和来源,从而实现盗版视频的识别和打击。

3. 视频版权保护VHA判定算法可以用于视频版权的保护。

通过对正版视频进行特征提取和哈希计算,生成正版视频的哈希码。

然后,将正版视频的哈希码存储到数据库中。

一种相似视频和盗版视频的检测方法及装置[发明专利]

一种相似视频和盗版视频的检测方法及装置[发明专利]

专利名称:一种相似视频和盗版视频的检测方法及装置专利类型:发明专利
发明人:李亚宁
申请号:CN201511032299.X
申请日:20151231
公开号:CN105681899A
公开日:
20160615
专利内容由知识产权出版社提供
摘要:本发明实施例提供了一种相似视频和盗版视频的检测方法及装置,盗版视频的检测方法包括:获取待检测视频;根据预设规则,从待检测视频中提取多张特征图片作为第二图片库;确定第一图片库和第二图片库中每张图片的hash特征值,第一图片库为从正版视频中提取出的多张特征图片构成的;根据所述每张图片的hash特征值确定每两张图片之间的汉明距离;确定对应小于预设第一阈值的汉明距离的图片为一组相似图片;当相似图片的组数与对比数量总量的比值大于预设第二阈值时,确定待检测视频为盗版视频。

所述方法通过对比视频中的图片是否相似,并根据相似图片在对比图片总量中的比例来判断待检测视频是否为盗版视频,大大提高了盗版视频的检测效率。

申请人:北京奇艺世纪科技有限公司
地址:100080 北京市海淀区北一街2号鸿城拓展大厦10、11层
国籍:CN
代理机构:北京柏杉松知识产权代理事务所(普通合伙)
更多信息请下载全文后查看。

一种基于深度可分离卷积的鉴别视频真伪性的检测方法[发明专利]

一种基于深度可分离卷积的鉴别视频真伪性的检测方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010008338.7(22)申请日 2020.01.06(71)申请人 电子科技大学地址 611731 四川省成都市高新区(西区)西源大道2006号(72)发明人 陈波 吴思璠 邓媛丹 张勇 冯婷婷 陈安龙 (74)专利代理机构 成都正华专利代理事务所(普通合伙) 51229代理人 陈选中(51)Int.Cl.G06K 9/00(2006.01)G06K 9/46(2006.01)G06K 9/62(2006.01)G06N 3/04(2006.01)G06N 3/08(2006.01)(54)发明名称一种基于深度可分离卷积的鉴别视频真伪性的检测方法(57)摘要本发明公开了一种基于深度可分离卷积的鉴别视频真伪性的检测方法,属于图像处理技术领域。

该方法包括获取人脸视频图像并划分为训练集和测试集,构建基于深度可分离卷积的视频真伪性鉴别模型并进行训练,利用训练后的视频真伪性鉴别模型对测试集图像进行预测,输出图像所属视频的真伪分类。

本发明采用深度可分离卷积构建的特征提取模块与残差网络、卷积神经网络相结合的架构,构建基于深度可分离卷积的视频真伪性鉴别模型,能够在保证判别准确性不降低的同时有效减小网络体积,降低运行成本提高运行速度,进一步提高视频真伪鉴别方法的实用性。

权利要求书2页 说明书5页 附图2页CN 111222457 A 2020.06.02C N 111222457A1.一种基于深度可分离卷积的鉴别视频真伪性的检测方法,其特征在于,包括以下步骤:S1、获取包含真假人脸的视频图像,并划分为训练集和测试集;S2、构建基于深度可分离卷积的视频真伪性鉴别模型,利用步骤S1中的训练集图像进行模型训练,输出图像真伪概率向量;S3、利用步骤S2训练好的视频真伪性鉴别模型对步骤S1中的测试集图像进行预测,输出图像所属视频的真伪分类。

视频深度伪造检测技术及应用

视频深度伪造检测技术及应用

视频深度伪造检测技术及应用视频深度伪造检测技术及应用随着人工智能和计算机图像处理技术的发展,视频深度伪造技术的应用与日俱增。

视频深度伪造是指利用图像合成、深度学习算法等技术手段对现有的视频进行修改、创作或者伪造,以达到欺骗观众的目的。

由于视频深度伪造可能对社会造成严重的伦理、法律等问题,一种高效且准确的视频深度伪造检测技术变得至关重要。

视频深度伪造检测技术主要包括两个方面:视频伪造特征提取和视频伪造检测算法。

视频伪造特征提取是指从原始视频数据中提取出可以用于判断是否存在深度伪造的特征。

视频中常见的深度伪造特征包括光照、色彩、纹理、变形等方面的异常现象。

通过对视频进行帧级别的特征提取,可以获取到视频中每一帧图像的特征向量。

在特征提取过程中,可以使用图像处理和计算机视觉技术,如边缘检测、纹理特征提取、变换域分析等方法。

此外,还可以使用深度学习技术来提取视频特征,如卷积神经网络(CNN)等。

视频伪造检测算法是基于特征提取的结果进行判断是否存在视频深度伪造的算法。

常用的视频伪造检测算法包括基于规则的算法和基于机器学习的算法。

基于规则的算法通过设定一系列规则来判断视频是否存在伪造,然而这种方法的准确性较低且易受到伪造者的规避行为。

基于机器学习的算法则通过训练一个分类器来自动判断视频是否被伪造。

这种算法的准确性较高,但需要大量的标记样本来进行训练。

近年来,随着深度学习技术的快速发展,基于深度学习的视频伪造检测算法逐渐成为主流。

通过使用大量的真实和伪造的视频样本对深度学习模型进行训练,可以得到较高的检测准确率。

视频深度伪造检测技术的应用十分广泛。

首先,视频平台可以在上传视频时利用视频深度伪造检测技术检测用户上传的视频是否存在伪造行为。

这可以有效地减少虚假信息的传播和社会不良影响。

其次,新闻机构和舆论监督部门可以利用视频深度伪造检测技术对社会热点事件中的视频进行验证,以保证信息的真实性和准确性。

此外,视频深度伪造检测技术也可以在司法领域中发挥重要作用,帮助法务机构鉴定案件中的视频证据的真伪,确保正义的实现。

一种有效识别正版视频的TDIA算法

一种有效识别正版视频的TDIA算法

一种有效识别正版视频的TDIA算法
周国瑞;王文江;孙世新
【期刊名称】《计算机学报》
【年(卷),期】2010(033)001
【摘要】结合视频压缩标准、脆弱数字水印及视频通信技术,文中提出一种有效识别正版视频的TDIA算法.它包括嵌入算法和识别算法两部分.为消除通信干扰对水印的影响,将迭代方法引入识别算法.基于盗版操作与通信干扰的本质不同,研究讨论了迭代方法的性能.最后,基于迭代结果,借助Chernoff Bound理论,分析了TDIA算法的识别误差.对于码流B职(Bit Error Rate)≤10~(-3)、视频Ⅰ帧总数n≥360的Mpeg2编码视频,该算法识别误差小于10~(-18).
【总页数】9页(P175-183)
【作者】周国瑞;王文江;孙世新
【作者单位】电子科技大学计算机科学与工程学院,成都,610054;龙旗科技,上海,有限公司工程部,上海,200233;电子科技大学计算机科学与工程学院,成都,610054【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于SVM和HOG特征的视频车辆识别算法 [J], 张凯;李华文
2.一种新型运动车辆视频检测及识别算法的研究 [J], 曾辉;谢森林
3.一种改进的卷积神经网络算法在交通视频图像识别中的应用 [J], 吴琼;郝洋;王洪
鹏;刘峰
4.一种基于QPSO优化的流形学习的视频人脸识别算法 [J], 刘宇琦; 赵宏伟; 王玉
5.一种基于SSD目标检测算法的安全帽识别视频监控系统 [J], 范恒搏;马士伟;王建
因版权原因,仅展示原文概要,查看原文内容请购买。

ai合成鉴定真假方法

ai合成鉴定真假方法

ai合成鉴定真假方法AI合成鉴定真假方法随着人工智能技术的进步和应用推广,AI合成的技术也越来越发达,给真假鉴别带来了许多挑战。

本文将介绍一些常用的AI合成鉴定真假方法,帮助大家更好地区分真实与人工合成的信息。

1. 元数据分析通过分析原始数据的元数据信息,可以揭示一些合成图片或视频的痕迹。

例如,查看照片的拍摄时间、地点、设备信息等,如果这些信息明显与内容不匹配,可能是合成的迹象。

2. 像素级分析通过对图片或视频的像素进行分析,可以发现一些异常细节。

合成的图片或视频可能存在像素不连续、边缘模糊、色彩分布不自然等问题。

使用AI算法进行像素级别的分析,可以帮助鉴定真假。

3. 色彩分析真实的图片或视频通常会遵循自然色彩分布的规律,而合成的内容可能会存在色彩不协调或者过于鲜艳的情况。

通过对色彩进行统计和分析,可以发现一些异常情况。

4. 背景环境分析合成的内容通常会存在与背景环境不相符的情况。

通过对背景环境进行分析,如光线、阴影、反射等,可以发现是否存在合成的痕迹。

5. 人工智能模型检测人工智能模型可以通过对图像或视频进行训练,辨别真假内容。

通过大量样本的训练和学习,可以提高鉴别效果。

目前已经有一些针对合成内容的模型,可以有效地检测真假。

6. 时间序列分析对于视频合成的内容,通过对时间序列进行分析,可以发现一些异常情况,如帧间差异较大、运动轨迹不连贯等。

这些都可能是合成视频的痕迹,可以帮助鉴别真假。

7. 邻域一致性检测合成的图片或视频在邻域上可能存在一致性问题。

通过对图像或视频局部区域进行分析,如纹理一致性、边缘一致性等,可以发现一些合成痕迹。

8. AI反向生成利用AI技术,可以通过反向生成的方式判断是否为真实内容。

通过学习真实内容的特征,再尝试生成类似的合成内容,可以与原始内容进行比较,从而判断真假。

以上是一些常用的AI合成鉴定真假方法,当然,随着技术的不断发展,还会出现更多更高级的方法。

希望本文对大家了解AI合成鉴定真假方法有所帮助。

视频识别方案

视频识别方案

视频识别方案随着互联网和移动设备的普及,视频内容的产生和传播呈现爆发式增长的趋势。

视频数据中包含了丰富的信息和价值,而如何对大规模的视频数据进行快速、准确的识别和分析成为了亟待解决的难题。

针对这一问题,本文将介绍一种视频识别方案,通过使用图像处理和深度学习的方法,实现对视频内容的自动识别与分析。

一、背景与挑战随着互联网的不断发展,视频成为了人们获取信息、娱乐休闲的重要渠道。

然而,大规模的视频数据给传统的人工处理方式带来了巨大的挑战。

传统的视频分析方法主要依赖于人工标注和手动提取特征,工作量大、效率低且容易产生误差。

而现实场景中的视频数据量巨大,人工处理已经无法满足需求。

二、视频识别方案介绍为了高效、准确地对视频内容进行识别与分析,我们提出了一种视频识别方案,主要包括以下几个步骤:1. 视频预处理视频预处理是视频识别的第一步,旨在提取有效的视频帧用于后续的处理。

预处理包括视频的降噪、去抖动、去重等,以及视频帧的采样和切割。

通过这些预处理步骤,可以得到高质量、低冗余的视频帧序列。

2. 特征提取在视频识别中,特征提取是一个非常关键的步骤。

我们采用了深度学习的方法,使用预训练的卷积神经网络模型来提取视频帧的特征。

通过卷积神经网络模型,可以对视频帧进行高效的特征提取,并得到具有丰富语义信息的特征向量。

3. 特征匹配与分类在特征提取之后,我们通过相似性匹配的方法将视频帧特征与已知的标签进行匹配,并进行分类。

这里我们可以使用支持向量机(SVM)或深度学习模型进行分类。

通过特征匹配与分类,可以对视频内容进行准确的识别和分类。

4. 结果输出与应用视频识别的最后一步是将识别结果输出,通常以可视化的方式呈现给用户。

可以通过用户界面、API接口等方式将识别结果展示,并进一步应用于相关领域,如智能监控、智能广告、智能推荐等。

三、优势与应用场景采用视频识别方案,具有以下优势:1. 高效性:通过视频预处理和特征提取等步骤,大大提高了视频识别的速度和效率。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

周国瑞,女,1974年生,博士研究生,主要从事数据压缩、小波理论、数字水印与版权保护等技术的研究. E-mail: mimi5988@ . 孙世新,男,1940年生,教授,博士生导师,主要从事信息压缩、网络计算、并行/分布式计算、数值计算与组合算法等领域的研究. 王文江,男,1974年生,高级工程师,主要从事图形图像、3G 移动通信等技术研究。

一种有效识别正版视频的TDIA 算法周国瑞1),王文江2) ,孙世新1)1)(电子科技大学计算机科学与工程学院, 成都 610054)2)(龙旗科技(上海)有限公司工程部, 上海 200233)摘 要 结合视频压缩标准、脆弱数字水印及视频通信技术,本文提出一种有效识别正版视频的TDIA 算法。

它包括嵌入算法和识别算法两部分。

为消除通信干扰对水印的影响,将迭代方法引入识别算法。

基于盗版操作与通信干扰的本质不同,研究讨论了迭代方法的性能。

最后,基于迭代结果,借助Chernoff Bound 理论,分析了TDIA 算法的识别误差。

对于码流BER( bit error rate) 310-≤、视频I 帧总数n 360≥的Mpeg2编码视频,该算法识别误差小于1810-。

关键词 脆弱数字水印、正版视频、盗版视频、录制盗版、Mpeg2编解码器 中图分类号 TP391An efficient genuine-video identificationalgorithm :TDIAZhou Guo-Rui 1) Sun Shi-Xin 1) Wang Wen-Jiang 2)1)( School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu 610054)2) ( Engineering Department , Longcheer Co.Ltd, Shanghai 200233 )Abstract An efficient genuine-video identification algorithm named as TDIA is proposed, which based on integration of video compression standards, fragile watermarking and video communication technology. It includes two parts: embedding algorithm and identification algorithm. Iterative method is introduced on the identification algorithms to eliminate the com- munications interference for the impact of watermarking. The performance of the iterative method is investigated according to the difference of nature between piracy operation and communications interference. Finally, the identification errors of TDIA algorithm are analyzed based on the results of iteration and by dint of the theory of Chernoff Bound. The total iden- tification error of the algorithm is less than -1810when BER (bit error rate) of encoded video stream is not more than -310and the total number of I-frames of Mpeg2 encoding video is more than 360.Keywords f ragile watermarking ;genuine-video ;pirated-video ;camcorder piracy ;Mpeg2 Codec ;1 引言保护正版视频版权关键要做好传输及终端消费两个环节的安全[1]。

传输安全包括链路安全及接入安全,目前技术较为成熟,主要由网络协议(如SSL 、RTP 、A TM 等)加上应用层的CA(conditional access) [2]技术来实现。

理论上,传输安全保证了授权用户才能消费正版视频,未授权用户由于无法获得或解密正版视频,不可能进行消费。

终端消费安全就是规范终端授权用户的行为,阻止其非法拷贝及对非法拷贝的散播,目前,主要采取主动禁止及被动防御两种措施。

主动禁止是用技术手段主动阻止非法copy,比如,在消费电子装置中配置copy保护,根据CCI(copy control information )进行copy控制[3,4],主动禁止可以阻止点到点copy[5],但无法阻止用户用录像机等外设对着正在播放的视频屏幕进行视频录制盗版(camcorder piracy),见图1(a),这种威胁称为analog hole[5]。

被动防御旨在禁止对非法拷贝的使用和散播,它是在盗版发生之后,对盗版视频版本的禁播、追踪或进一步对肇事者进行的追踪,从而威慑授权用户不要进行散播侵权。

被动防御的主流技术有视频指纹(video fingerprinting [6,7]或VideoDNA1)及抗共谋数字指纹技术(anti-collusion fingerprinting)[8-10];两者都要求鲁棒性,即只要视频的视觉内容没有被改变,前者认为其中的V ideoDNA没有被改变,后者认为嵌入其内的代表授权用户信息的数字水印(数字指纹)依然存在;因此,利用前者可以进行视频内容检索,利用后者可以进行肇事者追踪。

而两者都不区分视频是正版还是盗版,但这种区分是必要的;鉴于此,本文提出了正版视频识别算法,它与这两种技术的有效结合,能推动被动防御的进展。

在本文,版权所有者持有的视频版本为正版视频,不妨记为A;由A仅遭受正常通信信道干扰后形成的视频版本也是正版视频。

盗版视频指通过基于analog hole[5],用录屏方式获得的视频,但盗版者为规避检测,可能对其进行修改加工。

在主动禁止实现后,录屏是唯一的盗版方式,目前,也很流行[11]。

本文所提TDIA(disturbance-tolerant identification algorithm)算法旨在判定视觉内容一致的视频[12]集中,哪些是正版哪些是盗版。

应用模型见图1,图1给出了所提算法与V ideoDNA 技术结合实现盗版过滤及禁播功能的示意。

首先通过VideoDNA技术提取待审核视频的DNA,并到DNA database库中查询,若找到与之相匹配的,则说明待审核视频含受版权保护的内容,因此,需要启动正版视别程序进行正版识别并根据识别结果做出相应处理。

图1(a)为视频共享网站(如Y ouTube[13]、优酷、土豆网等)对upload1V obile announces landmark deployment of V ideoDNA™ content indentif ication and management system./f iles/mediacoverage/2008.09.22-CNBC.pdf.视频审查过滤示意图。

图1(b)为网络终端对受保护视频的盗版禁播示意图。

(a) 外挂攻击及视频过滤过程(b) 对受保护视频的盗版禁播示意图图1正版视频识别技术应用模型示意图另外,由于当前在IPTV、3G视频通信中常使用RTP/UDP/IP传输协议[14],而UDP并不保证可靠性和顺序性,所以前端数据并不能保证无误差地传送到终端,终端播放器常利用差错探测、差错控制及差错复原机制来屏蔽所接收视频流中的误码及丢包,尽量给人以流畅的视频感受。

在这种环境中,终端播放的视频与前端下发的视频常存在一定的数据差异,并且该差异由通信时信道状况决定。

有线信道的通信干扰远小于无线信道,采用足够FEC(forward error correction)[5]及interleaving技术的无线信道通信干扰相当于BER( bit error rate)在10-4~10-3范围的BSC(binary symmetric channel)信道[15]。

TDIA算法在设计时考虑了对正常通信信道干扰的容忍。

本文第2节介绍了录屏盗版的特点、数字水印及盗版视频识别算法现状,第3节给出了基于脆弱数字水印技术,能容忍正常通信信道干扰的TDIA算法,第4节对TDIA算法性能进行了整体测试,第5节全文小结。

2 相关技术分析录屏盗版分为外置和内置两种方式。

外置指用摄像机、照相机、手机等外设对着正在播放视频的屏幕进行的录制。

由于录制时所采用的坐标系[16]、颜色空间、空间和时间采样率都难以保证与播放视频相同,因此同原视频相比,录制的视频存在如下变化:1)由仿射变化及投影变换[16,17 ]导致的几何型变,2)帧率变化,3)象素值变化。

内置指在播放视频的设备上安装录屏软件,使用录屏软件录屏。

象Camtasia Recorder 、Screensnap 等计算机录屏软件可以实现录制时的坐标系、空间及时间采样率与所播放的视频相同,仅存在由D-A 和A-D 转换带来的象素值损失。

因此,外置比内置录制效果差,但是目前外置录屏效果已经具备一定地观赏价值[11]。

当正版视频与这些录制的盗版视频混在一起的情况下,如何识别出正版和盗版视频呢?借助文献[4]的思想,可以用不可见鲁棒水印“illegal cogy ”标识盗版。

正版视频在嵌入该标记后播放,这样,如果录屏盗版,则该标记一并被录制到盗版视频中。

通过识别“illegal cogy ”标识,来识别盗版。

该思想存在如下不足:1) 播放的视频是叠加了鲁棒水印的视频。

同脆弱数字水印相比,鲁棒水印对视频质量影响最大。

2) 在camcorder piracy 等录屏盗版下,鲁棒水印的存活和检测是个难题; 3) 不同的视频,叠加了相同的鲁棒水印(“illegal copy ”),难以抵制移去攻击。

TDIA 算法,基于脆弱数字水印[18]标识正版,弥补了这些不足。

3 TDIA 算法TDIA 算法分为水印嵌入及水印提取正版识别两部分。

相关文档
最新文档