-
公开(公告)号：CN105979269B
公开(公告)日：2019-06-04
申请号：CN201610390552.7
申请日：2016-06-03
Applicant: 中国科学院信息工程研究所
IPC: H04N19/467 , H04N17/00
Abstract: 本发明涉及一种基于新型嵌入代价的运动向量域视频隐写方法。该方法中的新型嵌入代价构造方法，充分考虑了运动向量改动对视频内容的运动特性、运动向量的局部最优性以及运动向量统计分布的影响，并使用权重参数动态调整三种代价在新型代价中的分配比重。该方法在选择可替换运动向量时，采用了自适应选择策略，可有效保持运动向量的局部最优性，尤其是在高码率的情况下，与现有隐写方法相比可获得更高的安全性。该方法可有效抵抗基于局部最优性的隐写分析方法、基于重压缩的隐写分析方法等多种隐写分析。
-
公开(公告)号：CN105931274B
公开(公告)日：2019-02-15
申请号：CN201610301029.2
申请日：2016-05-09
Applicant: 中国科学院信息工程研究所
IPC: G06T7/215 , G06T7/223 , H04N7/18 , H04N19/70 , H04N19/176
Abstract: 本发明涉及一种基于运动向量轨迹的物体分割和追踪方法，其步骤包括：解码待测的压缩视频，遍历待测视频的各视频帧以获取宏块的运动向量及残差信息，判别出表示宏块真实运动的运动向量并作为可信运动向量；利用可信运动向量在图像组中的三角形法则构造各视频帧的运动向量流；基于运动向量流，利用最大重叠准则匹配对应的宏块，得到基于宏块的运动轨迹；计算各宏块的运动轨迹间的最长相似距离；利用最长相似距离对宏块的运动轨迹进行聚类；通过宏块在空间的邻域相关性，判定同一类宏块运动轨迹是否属于同一物体；根据属于同一物体的宏块运动轨迹，得到该物体的运动轨迹。本发明能够同时实现物体分割和轨迹追踪，能够保证正确性并大幅提高计算效率。
-
公开(公告)号：CN107197297A
公开(公告)日：2017-09-22
申请号：CN201710447336.6
申请日：2017-06-14
Applicant: 中国科学院信息工程研究所
IPC: H04N19/467 , H04N17/00
Abstract: 本发明提供一种检测基于DCT系数隐写的视频隐写分析方法，该方法根据分析基于DCT系数隐写的隐写操作对视频空域及时域相关性的影响，使用DCT核及嵌入代价计算空域特征集得到空域直方图。且通过运动向量连接帧间的相似宏块，构造空域分片并计算时域特征集得到时域直方图。将上述空域直方图及时域直方图合并为最终的隐写分析特征集，并将其输入到分类器进行训练生成隐写分析分类器。之后将待测视频按上述方法提取其隐写分析特征，并将该隐写分析特征输入所述隐写分析分类器进行分析判别。该方法可有效检测基于DCT系数隐写的隐写视频，提高了隐写分析尤其对高质量视频进行检测的准确率。
-
公开(公告)号：CN104837011A
公开(公告)日：2015-08-12
申请号：CN201510222280.5
申请日：2015-05-04
Applicant: 中国科学院信息工程研究所
IPC: H04N17/00
Abstract: 本发明涉及一种内容自适应的视频隐写分析方法，其步骤包括：1)制备原始视频集，并采用隐写算法生成相应的隐写视频集；2)利用视频嵌入容量的分布不均衡性，将原始视频和隐写视频分成若干个可变长度的检测区间；3)对单个检测区间内的视频帧，筛选出嵌入代价小的区域即可疑区域；4)以可变长度的检测区间为单位对视频帧中的可疑区域进行特征计算，提取出视频隐写分析特征；5)将提取的特征输入分类器进行训练，生成隐写分析分类器；6)对待测视频使用步骤2)～4)中的方法进行特征提取；7)将获得的待测视频的特征输入隐写分析分类器中进行分析，以判别待测视频是否存在秘密信息。本发明能够提高分析特征的有效性和隐写分析的正确率。
-
公开(公告)号：CN104837011B
公开(公告)日：2017-05-03
申请号：CN201510222280.5
申请日：2015-05-04
Applicant: 中国科学院信息工程研究所
IPC: H04N17/00
Abstract: 本发明涉及一种内容自适应的视频隐写分析方法，其步骤包括：1)制备原始视频集，并采用隐写算法生成相应的隐写视频集；2)利用视频嵌入容量的分布不均衡性，将原始视频和隐写视频分成若干个可变长度的检测区间；3)对单个检测区间内的视频帧，筛选出嵌入代价小的区域即可疑区域；4)以可变长度的检测区间为单位对视频帧中的可疑区域进行特征计算，提取出视频隐写分析特征；5)将提取的特征输入分类器进行训练，生成隐写分析分类器；6)对待测视频使用步骤2)～4)中的方法进行特征提取；7)将获得的待测视频的特征输入隐写分析分类器中进行分析，以判别待测视频是否存在秘密信息。本发明能够提高分析特征的有效性和隐写分析的正确率。
-
Patent Agency Ranking
公开(公告)号：CN104853186B
公开(公告)日：2017-03-08
申请号：CN201510309316.3
申请日：2015-06-08
Applicant: 中国科学院信息工程研究所
IPC: H04N17/00 , H04N19/467
Abstract: 本发明涉及一种改进的基于运动向量回复的视频隐写分析方法。该方法将视频压缩参数归为两类，可得参数(即可从视频解压过程中直接获取的参数)和不可得参数(即无法从解压中获得的参数)，且提出了改进的方法。从解压过程中获得可用参数用于重压缩，在重压缩时使用运动预测的匹配方法模拟不可得参数，从而重建视频压缩过程。该方法保证了参数的一致性，使用优化的校准方法得到的特征可有效提高检测结果的准确性。本发明通过重建首次视频压缩的过程来优化基于校准的视频分析方法，在原有基于运动向量回复方法的基础上，提高了特征的有效性和隐写分析的正确率。
-
公开(公告)号：CN105979269A
公开(公告)日：2016-09-28
申请号：CN201610390552.7
申请日：2016-06-03
Applicant: 中国科学院信息工程研究所
IPC: H04N19/467 , H04N17/00
CPC classification number: H04N19/467 , H04N17/00
Abstract: 本发明涉及一种基于新型嵌入代价的运动向量域视频隐写方法。该方法中的新型嵌入代价构造方法，充分考虑了运动向量改动对视频内容的运动特性、运动向量的局部最优性以及运动向量统计分布的影响，并使用权重参数动态调整三种代价在新型代价中的分配比重。该方法在选择可替换运动向量时，采用了自适应选择策略，可有效保持运动向量的局部最优性，尤其是在高码率的情况下，与现有隐写方法相比可获得更高的安全性。该方法可有效抵抗基于局部最优性的隐写分析方法、基于重压缩的隐写分析方法等多种隐写分析。
-
公开(公告)号：CN105931274A
公开(公告)日：2016-09-07
申请号：CN201610301029.2
申请日：2016-05-09
Applicant: 中国科学院信息工程研究所
IPC: G06T7/20 , H04N7/18 , H04N19/70 , H04N19/176
Abstract: 本发明涉及一种基于运动向量轨迹的物体分割和追踪方法，其步骤包括：解码待测的压缩视频，遍历待测视频的各视频帧以获取宏块的运动向量及残差信息，判别出表示宏块真实运动的运动向量并作为可信运动向量；利用可信运动向量在图像组中的三角形法则构造各视频帧的运动向量流；基于运动向量流，利用最大重叠准则匹配对应的宏块，得到基于宏块的运动轨迹；计算各宏块的运动轨迹间的最长相似距离；利用最长相似距离对宏块的运动轨迹进行聚类；通过宏块在空间的邻域相关性，判定同一类宏块运动轨迹是否属于同一物体；根据属于同一物体的宏块运动轨迹，得到该物体的运动轨迹。本发明能够同时实现物体分割和轨迹追踪，能够保证正确性并大幅提高计算效率。
-
公开(公告)号：CN104853186A
公开(公告)日：2015-08-19
申请号：CN201510309316.3
申请日：2015-06-08
Applicant: 中国科学院信息工程研究所
IPC: H04N17/00 , H04N19/467
Abstract: 本发明涉及一种改进的基于运动向量回复的视频隐写分析方法。该方法将视频压缩参数归为两类，可得参数(即可从视频解压过程中直接获取的参数)和不可得参数(即无法从解压中获得的参数)，且提出了改进的方法。从解压过程中获得可用参数用于重压缩，在重压缩时使用运动预测的匹配方法模拟不可得参数，从而重建视频压缩过程。该方法保证了参数的一致性，使用优化的校准方法得到的特征可有效提高检测结果的准确性。本发明通过重建首次视频压缩的过程来优化基于校准的视频分析方法，在原有基于运动向量回复方法的基础上，提高了特征的有效性和隐写分析的正确率。
-
公开(公告)号：CN107197297B
公开(公告)日：2019-12-10
申请号：CN201710447336.6
申请日：2017-06-14
Applicant: 中国科学院信息工程研究所
IPC: H04N19/467 , H04N17/00
Abstract: 本发明提供一种检测基于DCT系数隐写的视频隐写分析方法，该方法根据分析基于DCT系数隐写的隐写操作对视频空域及时域相关性的影响，使用DCT核及嵌入代价计算空域特征集得到空域直方图。且通过运动向量连接帧间的相似宏块，构造空域分片并计算时域特征集得到时域直方图。将上述空域直方图及时域直方图合并为最终的隐写分析特征集，并将其输入到分类器进行训练生成隐写分析分类器。之后将待测视频按上述方法提取其隐写分析特征，并将该隐写分析特征输入所述隐写分析分类器进行分析判别。该方法可有效检测基于DCT系数隐写的隐写视频，提高了隐写分析尤其对高质量视频进行检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
