[发明专利]基于特征点的监控视频篡改检测的被动取证方法及系统

权利要求书

1.一种基于特征点的监控视频篡改检测的被动取证方法，其特征在于，所述基于特征点的监控视频篡改检测的被动取证方法包括：

输入视频，视频转换为帧，检测可疑帧；采用ORB算法找到每个帧的关键点；

进行可疑帧检测；并比较可疑帧与其他所有帧的特征；如果比对成功，则帧被篡改，否则，帧未被篡改；

可疑帧检测的方法包括：

(1)将I帧作为标记帧；

(2)使用第I帧和第P帧基于三步搜索的块匹配算法来查找运动矢量；

(3)写运动矢量识别图像；

(4)将第一个运动矢量图像作为标记图像；

(5)从标记图像中减去所有运动矢量图像；

(6)取步骤(5)中得到的每个图像的平均值；

(7)从步骤(6)创建差矢量；

(8)从矢量中找出匹配的差异；

(9)将矢量中的匹配步骤标记为可疑图像索引；

(10)创建可疑图像索引数组。

2.如权利要求1所述的基于特征点的监控视频篡改检测的被动取证方法，其特征在于，采用ORB算法找到每个帧的关键点中，采用oFAST特征提取和rBRIEF特征描述找到每个帧的关键点。

3.如权利要求2所述的基于特征点的监控视频篡改检测的被动取证方法，其特征在于，oFAST特征提取的方法包括：

第一步：粗提取，从图像中选取一点P，判断P点是否是特征点，如果P为特征点，则4个位置上至少有3个位置像素的灰度值大于或者小于P点的灰度值；如果不满足上述条件，则直接排除；

第二步，使用机器学习的方法选取最优的特征点，采用ID3算法训练决策树，将P点周围的16个像素点输入到决策树中，筛选出最优的特征点；

第三步，使用非极大值抑制的方法去除局部比较密集的特征点；

第四步，特征点的尺度不变性，使用建立金字塔的方式实现特征点的尺度不变性；设置一个比例因子scaleFactor＝1.2以及金字塔层数nlevels＝8；将原图按照比例因子缩小为nlevels幅图像；缩小后的图像为：

nlevels幅各个比例不同的图像提取的特征点的总和为图像的oFast特征点；

第五步，特征点的旋转不变性，利用矩来计算当前特征点以r为半径圆形范围内的质心，特征点的方向为特征点坐标到质心所形成的一个向量；矩为：

m_pq＝∑_x，y∈rx^py^qI(x，y)

其中，I(x，y)为图像灰度的表达式；矩的质心为：

向量的角度即是该特征点的方向，计算方式为：

4.如权利要求2所述的基于特征点的监控视频篡改检测的被动取证方法，其特征在于，rBRIEF特征描述的方法包括：

第一步：对图像进行降噪处理，采用方差为2，高斯窗口为9×9高斯滤波的方式；

第二步：取以特征点作为中心，大小为S×S的邻域大窗口，S＝31；在大窗口中随机选择两个大小为5×5的子窗口，对子窗口内的像素和进行对比，并进行二进制赋值；赋值方式为：

第三步：在得到的大窗口中随机选取N对子窗口，并进行二进制赋值，形成二进制编码，所述二进制编码为特征点的描述，为特征描述子，特征表示如下：

将n个测试点对(x_i,y_i)，定义为一个2×n的矩阵：

旋转θ角度后形成旋转矩阵R_θ，计算通过旋转矩阵后的这些匹配点的坐标为：

S_θ＝R_θS；

使用S_θ中的像素点求取特征点的描述符。