-
公开(公告)号：CN108538312B
公开(公告)日：2020-06-02
申请号：CN201810401376.1
申请日：2018-04-28
Applicant: 华中师范大学
Abstract: 本发明属于数字音频信号处理技术领域，公开了一种基于贝叶斯信息准则的数字音频篡改点自动定位的方法，对待测篡改信号进行活动语音检测，确定语音信号中的静音段；静音段分帧后依次提取每帧的美尔频率倒谱系数特征，按时序对特征序列再进行长窗分帧；计算每个长时特征帧的BIC值；取所有长时特征帧的BIC值组成的序列中的所有波峰点作为可疑篡改点，并在静音段中以其为中点，前后分别截断；对每个包含可疑点的截断窗计算BIC值序列。本发明实现了数字音频篡改点的自动定位，相对于传统的篡改检测方法降低了计算量，减少了篡改点的漏检率，避免了阈值选择的问题，对使用噪声对篡改点进行掩盖的情况具有鲁棒性。
-
公开(公告)号：CN110534101A
公开(公告)日：2019-12-03
申请号：CN201910797827.2
申请日：2019-08-27
Applicant: 华中师范大学
Abstract: 本发明属于语音取证技术领域，公开了一种基于多模融合深度特征的移动设备源识别方法及系统，首先提取测试数据MFCCs和GSV特征，将特征对应分割为多路，然后分别训练CNN并融合得到融合深度特征，随后使用训练好的深度残差网络进行判决，最后将各路短样本的判决结果采用投票法联合决策。本发明在训练GMM-UBM模型时，根据语音数据音素和音调的特点对数据进行筛选，挑选出具有代表性的少量数据，即保证了模型的表征泛化性也降低了数据运算量，提高了建模了效率；本发明使用深度神经网络做有监督的训练提取深度特征，剔除特征数据中的冗余和干扰信息，精简了特征数据，提高了数据的表征性，也降低了数据的维度简化了计算量。
-
Patent Agency Ranking
公开(公告)号：CN109378014A
公开(公告)日：2019-02-22
申请号：CN201811229837.8
申请日：2018-10-22
Applicant: 华中师范大学
Abstract: 本发明属于语音取证技术领域，公开了一种基于卷积神经网络的移动设备源识别方法及系统,先提取训练语音片段的MFCC特征训练一个GMM-UBM模型，然后再基于特定的带噪声的语音片段提取MFCC特征，进而调整GMM的参数，最后将提取到的特征用来训练卷积神经网络，达到自动识别分类的要求。本发明在训练GMM-UBM模型时，根据语音数据音素和音调的特点对数据进行筛选，挑选出具有代表性的少量数据，即保证了模型的表征泛化性也降低了数据运算量，提高了建模了效率；首先训练一个GMM-UBM模型，然后再用MAP自适应算法来调整GMM的参数，克服了样本量少，无法训练GMM模型的问题，同时加快了运算速度。
-
公开(公告)号：CN109284717A
公开(公告)日：2019-01-29
申请号：CN201811120227.4
申请日：2018-09-25
Applicant: 华中师范大学
Abstract: 本发明属于数字音频信号处理技术领域，公开了一种面向数字音频复制粘贴篡改操作的检测方法及系统，去除待测信号的静音段后，进行音节分割；接着对每个音节片段进行前后补零操作，绘制每个音节片段的语谱图，并保存为灰度图；通过对每张生成的语谱图，进行尺度不变特征变换(SIFT)，得到语谱图特征点描述符，可以描述音节特征；对两两音节语谱图的特征点描述符进行相似度匹配，通过统计规则判决两个音节之间是否发生复制-粘贴操作。本发明提高了数字音频复制-粘贴检测的准确度的同时降低了计算量，并能够快速完成音节之间的特征匹配过程，准确定位发生复制-粘贴操作的区域。
-
公开(公告)号：CN108682007A
公开(公告)日：2018-10-19
申请号：CN201810401354.5
申请日：2018-04-28
Applicant: 华中师范大学
CPC classification number: G06T7/0002 , G06K9/629 , G06T7/42 , G06T7/90 , G06T2207/20021 , G06T2207/20052 , G06T2207/20081
Abstract: 本发明属于信息安全技术领域，公开了一种基于深度随机森林的JPEG图像重采样自动检测方法，提取描述JPEG图像重压缩特性的特征向量：描述受重采样操作影响的局部周期相关性所呈现出的纹理特征；描述R、G、B通道受重采样操作影响的差异性的Benford特征；描述受重采样操作影响的DCT系数与其周围系数的关系的相邻系数差特征；描述JPEG图像重采样后出现的块效应特征。本发明利用典型相关分析将该四组特征向量进行融合，使用深度随机森林对融合后的特征向量进行学习和检测；有效识别图像重采样操作，通过量化四组特征向量之间的联系，使特征维数大大减少、降低了计算量、提高了特征之间的相关性，提升了检测精度。
-
公开(公告)号：CN107274915A
公开(公告)日：2017-10-20
申请号：CN201710643739.8
申请日：2017-07-31
Applicant: 华中师范大学
Abstract: 本发明提供了一种基于特征融合的数字音频篡改自动检测方法，首先对待测信号进行下采样；然后以电网频率(Electric Network Frequency，ENF)标准频率为中心进行带通滤波得到信号中的ENF成分；接着分别提取ENF成分基于DFT0的相位特征，DFT1的相位特征和基于Hilbert变换的瞬时频率特征；经过特征融合，得到特征集；最后使用优化的支持向量机分类器对特征集中的部分数据进行训练，得到训练模型；使用训练模型可以对待测语音信号进行预测。本发明使用ENF信号中具有代表性的相位和瞬时频率特征进行特征融合，并使用支持向量机进行分类，得到分类模型。该模型对于信号的插入和删除情况均可得到很好的检测效果，相较于传统的判别方法更加直观和简单。
-
公开(公告)号：CN105844562A
公开(公告)日：2016-08-10
申请号：CN201610342528.6
申请日：2016-05-23
Applicant: 华中师范大学
IPC: G06Q50/20
CPC classification number: G06Q50/205
Abstract: 本发明属于数据分析及应用领域，提供一种基于课程教学模型的学习者学习表现分析方法，包括以下步骤：（1）构建课程教学模型；（2）建立学习者学习效果评价计算公式；（3）学习者学习表现分析，对所有全体学习者的拟合多项式函数进行分析，根据函数的变化情况描述学习者的学习表现。本发明方法简便易行，能有效解决现有方法分析精度不高和效率低下等问题。
-
-
-
-
-
-
Search Results
97
records
(took 0.022 seconds)
