视频内容帧间篡改模式认知的关键技术研究

The video forgery mode cognition technique, which is a branch of Multimedia Information Process and Pattern Recognition, has significant prospect in video tempering authentication, tracking and recovery. The research of inter frame forgery mode cognition algorithm based on novel passive and active cognition approaches will be delved. For passive cognition approach, new features, such as Slice structural feature and Macroblock statistical feature, and bimodal feature cross validation model are proposed. Furthermore, multilayer filtering framework is adopted. For active cognition approach, new micro-structure watermark, embedding domain and drift compensation algorithm are proposed. The inter frame forgery mode cognition approach can effectively combine the dominances of distinct key technologies, resulting in higher accuracy and larger application scope, especially for judicial appraisal field which calls for the truism and traceability of digital video. The research result has vital social significance, such as the restraint of the abuse of video technique and manufacture of false information.

视频篡改模式认知技术，属多媒体信息处理和模式识别领域的应用基础研究。准确高效的视频篡改模式认知算法对视频内容篡改取证、篡改追踪与恢复等具有重要的应用前景。本课题针对视频篡改被动和主动认知方法，展开对视频帧间篡改模式认知得到新算法研究。对于被动认知方法，分别提出了Slice结构特征、宏块参数统计特征等新的获取方法，以及双模态特征交叉验证匹配模型；并结合多层过滤结构，实现对不同视频间篡改模式的被动认知。对于主动认知方法，提出新的微结构水印和新的嵌入域实现认知信息嵌入，并研究失真漂移消除的补偿算法，实现篡改模式的主动认知。课题提出的视频帧间篡改模式认知方法，有效地融合被动认知和主动认知技术的各自优势，可提高对视频帧间篡改模式认知的准确性和适用范围，在面向司法鉴定等要求视频真实性和可追溯性明晰的领域更加有效。研究成果对滥用视频、版权侵权、恶意制造虚假信息牟利等违法行为甄别，具有重要的社会意义。

对数字视频帧间篡改认知及被动检测的研究，属于信息取证与内容安全领域的理论基础研究。由于视频来源的多样性以及内容监管技术的缺失，在以新闻网络视频为主的新媒体中，伪造合成的视频广泛存在。而类似的问题也出现在监控视频内容安全领域。目前我国已经立法将数字证据列为司法证据之一。由于数字视频是一种重要的数字证据，其内容真实性取证技术具有非常重要的研究价值和经济价值。.本课题重点研究视频内容帧间篡改模式认知的关键技术，其中包括视频帧间篡改被动检测方法和视频帧间篡改主动检测方法。本课题的主要研究内容是解决视频帧间篡改模式认知的核心难题，提出了基于金字塔LK光流特征，稀疏光流特征，稠密光流特征，速度场特征，时空亮度变化率特征，马尔科夫特征，首位系数特征，局部运动矢量特征，宏块类型统计特征等新的特征模型。这些特征用于有效检测视频帧间篡改模式。在主动检测方面，本课题提出了一种基于宏块DCT系数域微水印的主动认知算法及漂移补偿算法。同时也研究了新型的分类方法及分类器，例如，fisher分类器，Sparse Coding分类器，随机森林分类器，SVM多核分类器，深度学习模型分类器等，有助于提升检测准确率。有鉴于这一领域缺乏国际标准的篡改测试库，我们的篡改测试库主要来源于国际KTH库和TRECVID2009测试库中部分视频。根据实验需求，我们生成了不同篡改模式类型的篡改视频，合计6000段。在自建的篡改数据库上测试的结果:不同算法平均准确率从92%到100%，而算法的实时性随着准确率上升而下降。.本课题已公开发表17篇学术论文（其中重要期刊论文7篇，国际知名会议论文10篇），申请国家发明专利6项，软著1项。本课题方法部分已经转化为可实用的工具系统原型，并试点应用在检察机关。但是随着视频硬件技术的发展和新视频编解码方式会带来更多新的问题有待解决。对视频篡改模式的认知和检测将是新的挑战和机遇。