[发明专利]一种基于计算机辅助跟踪的篡改视频标注方法

说明书

本发明公开了一种基于计算机辅助跟踪的篡改视频标注方法。本发明依次读入被篡改的视频序列的每一帧，通过计算机辅助跟踪来更新篡改区域的标记框位置，然后通过人工判定标记框的位置。如果计算机辅助识别的标记框偏离了篡改区域所在的位置，则通过鼠标修正标记框的位置。计算机辅助跟踪依据前一帧的标记框和当前帧被篡改区域的目标特征，通过运行在计算机上的目标跟踪算法，预测当前帧的标记框位置。本发明方法可以实现对篡改视频序列中视频篡改区域的标注，用输出的标记框表示视频篡改区域所在的位置。本发明将计算机识别视频篡改区域和人工标记相结合，解决了计算机自动识别跟踪不精确、人工标记效率低的问题，能够显著提升标注效率和准确率。

技术领域

本发明属于多媒体信息安全领域，涉及视频标注技术，具体涉及一种基于计算机辅助跟踪的篡改视频标注方法。

背景技术

深度学习理论已经被广泛应用于视频图像处理、视频智能分析等领域，并且取得了较好的效果。当前，已经有不少学者开始在多媒体安全领域，利用基于深度学习的方法解决隐写分析、图像和视频的篡改检测等多媒体安全问题。然而，基于深度学习的视频篡改检测方法，需要大量的被标注过的视频样本进行训练。现有的可以公开获取的视频篡改取证数据库，由于包含的视频序列较少，还无法满足深度学习训练的数据需求。同时，视频标注过程是一项非常耗费时间和精力，并且枯燥无趣的工作。目前还没有公开的文献用于提升篡改视频的标注效率。本发明将计算机识别视频篡改区域和人工标记相结合，解决了计算机自动识别跟踪不精确、人工标记效率低的问题，可以满足视频被动取证研究中海量篡改视频标注的需求，是视频标注的一种解决方法，能够显著提升标注效率和准确率。

发明内容

本发明的目的是提供一种基于计算机辅助跟踪的篡改视频标注方法。

本发明方法依次读入被篡改的视频序列的每一帧，通过计算机辅助跟踪来更新篡改区域的标记框位置，然后通过人工判定和修正标记框的位置，输出最终的篡改视频标注的标记框。具体步骤包括：

步骤1.依次读入视频序列的每一帧：视频序列由若干幅在时间上连续且前后关联的图像构成，每幅图像为该视频序列的一帧；本方法依次对视频序列的每一帧进行篡改视频标注；

步骤2.判断读入的每一幅视频图像帧是否被篡改：

对于要标注的被篡改视频序列，都存在一个未被篡改的原始视频序列；对比原始视频序列和被篡改视频序列在当前时刻的视频图像帧，即可通过肉眼判定要标注的被篡改视频序列的当前帧是否被篡改；

步骤3.如果当前视频图像帧为被篡改视频帧，则调用计算机辅助跟踪算法获取篡改区域的标记框；如果当前视频图像帧没有被篡改，则进入步骤6，输出标记框(0,0,0,0)；

步骤4.判定计算机辅助跟踪输出的标记框是否需要人工修正：对比原始视频序列和被篡改视频序列在当前时刻的视频图像帧，即可通过视频帧差异确定标记框是否需要人工修正；如果需要人工修正，则进入步骤5；如果不需要人工修正，则进入步骤6，输出标记框(x,y,w,h)；

步骤5.用鼠标人工修正标记框：计算机辅助跟踪输出的标记框有可能没有完全包含被篡改区域；用鼠标在视频图像上划出一个矩形区域，使之包含被篡改区域；用该矩形区域替换计算机辅助跟踪输出的标记框，完成标记框的人工修正；

步骤6.输出标记框：矩形的标记框表示被篡改区域；标记框(x,y,w,h)表示左上角坐标为(x,y)、宽度为w、高度为h的矩形区域；特别的，用标记框(0,0,0,0)表示不存在篡改区域，即当前视频图像帧没有被篡改；

步骤7.判定所有视频图像帧是否完成标注：如果没有，则回到步骤1继续进行标注；如果完成，则保存输出结果、退出程序。

其中，步骤3中所述的计算机辅助跟踪算法，包括跟踪器初始化和更新标记框两部分。