-
公开(公告)号：CN109543776B
公开(公告)日：2021-01-22
申请号：CN201811265669.8
申请日：2018-10-29
Applicant: 北京交通大学
Abstract: 本发明设计了一种双盲环境下的图像相机源识别方法，属于图像信号处理、数字图像取证和机器学习技术领域。本发明首先训练了一种结合了度量损失和分类损失的深度卷积模型，并利用其提取图像的相机特征；之后利用词袋模型快速计算图像集的相似性矩阵；最后，设计了相应的优化方程，并利用ADMM框架进行求解，其结果能够预测大规模背景下相机源未知的图像集中相机源的数量和相机‑图像对应关系。本发明的显著优势在于只用有限类别的训练数据来提取不限类别的图像相机源特征，并能快速的解决大规模背景下的双盲相机源检测问题。
-
公开(公告)号：CN108154080B
公开(公告)日：2020-09-01
申请号：CN201711205432.6
申请日：2017-11-27
Applicant: 北京交通大学 , 中国移动通信集团设计院有限公司
IPC: G06K9/00
Abstract: 本发明提供了一种视频设备快速溯源的方法，该方法通过获取每个设备相机的一段视频，通过处理视频并且计算视频的相机指纹特征的方式计算出相机特征，建立数据库，每一部设备有自己独立的相机特征。同样方式计算待测视频的相机特征值，通过计算这个值与相机特征数据库中的特征值相关性来判断这个视频来自于哪部设备。本发明利用了相机指纹这种难以被修改和伪造的设备物理硬件特征在计算过程中以迭代处理，采用多种高效的识别方法实现设备高效溯源。
-
公开(公告)号：CN109543776A
公开(公告)日：2019-03-29
申请号：CN201811265669.8
申请日：2018-10-29
Applicant: 北京交通大学
CPC classification number: G06K9/64 , G06K9/6215 , G06K9/6249 , G06K9/6256
Abstract: 本发明设计了一种双盲环境下的图像相机源识别方法，属于图像信号处理、数字图像取证和机器学习技术领域。本发明首先训练了一种结合了度量损失和分类损失的深度卷积模型，并利用其提取图像的相机特征；之后利用词袋模型快速计算图像集的相似性矩阵；最后，设计了相应的优化方程，并利用ADMM框架进行求解，其结果能够预测大规模背景下相机源未知的图像集中相机源的数量和相机-图像对应关系。本发明的显著优势在于只用有限类别的训练数据来提取不限类别的图像相机源特征，并能快速的解决大规模背景下的双盲相机源检测问题。
-
Patent Agency Ranking
公开(公告)号：CN108154080A
公开(公告)日：2018-06-12
申请号：CN201711205432.6
申请日：2017-11-27
Applicant: 北京交通大学 , 中国移动通信集团设计院有限公司
IPC: G06K9/00
Abstract: 本发明提供了一种视频设备快速溯源的方法，该方法通过获取每个设备相机的一段视频，通过处理视频并且计算视频的相机指纹特征的方式计算出相机特征，建立数据库，每一部设备有自己独立的相机特征。同样方式计算待测视频的相机特征值，通过计算这个值与相机特征数据库中的特征值相关性来判断这个视频来自于哪部设备。本发明利用了相机指纹这种难以被修改和伪造的设备物理硬件特征在计算过程中以迭代处理，采用多种高效的识别方法实现设备高效溯源。
-
公开(公告)号：CN112508049A
公开(公告)日：2021-03-16
申请号：CN202011211533.6
申请日：2020-11-03
Applicant: 北京交通大学 , 中国移动通信集团设计院有限公司
IPC: G06K9/62
Abstract: 本发明提供的一种基于组稀疏优化的类聚方法，首先是数据的处理，其目的在于获得数据集样本间的相似度矩阵目标矩阵、误差最小项和稀疏约束项；第二，构建基于组稀疏约束的优化模型，其目的在于利用更为强力的组稀疏约束来抑制噪声影响；之后，本发明提供一种基于交替方向乘子(Alternating Direction Method of Multipliers)的优化算法来快速求解所构建的优化模型；最后，本发明提供一种快速的优化聚类算法，其目的是合并冗余的聚类结果，进一步提升性能。本发明的方法约束每个样本只能由一个样本近似表示，从而可以有效的提升算法鲁棒性；另一方面，所得到的目标矩阵无需再进行谱聚类分析，从而达到端到端的聚类效果。
-
公开(公告)号：CN112508049B
公开(公告)日：2023-11-17
申请号：CN202011211533.6
申请日：2020-11-03
Applicant: 北京交通大学 , 中国移动通信集团设计院有限公司
IPC: G06V10/762 , G06V10/40
Abstract: 本发明提供的一种基于组稀疏优化的类聚方法，首先是数据的处理，其目的在于获得数据集样本间的相似度矩阵目标矩阵、误差最小项和稀疏约束项；第二，构建基于组稀疏约束的优化模型，其目的在于利用更为强力的组稀疏约束来抑制噪声影响；之后，本发明提供一种基于交替方向乘子(Alternating Direction Method of Multipliers)的优化算法来快速求解所构建的优化模型；最后，本发明提供一种快速的优化聚类算法，其目的是合并冗余的聚类结果，进一步提升性能。本发明的方法约束每个样本只能由一个样本近似表示，从而可以有效的提升算法鲁棒性；另一方面，所得到的目标矩阵无需再进行谱聚类分析，从而达到端到端的聚类效果。
-
公开(公告)号：CN105303449B
公开(公告)日：2019-05-17
申请号：CN201510756440.4
申请日：2015-11-09
Applicant: 北京交通大学
Abstract: 本发明实施例提供了一种基于相机指纹特征的社交网络用户的识别方法和系统。所述基于相机指纹特征的社交网络用户的识别方法，包括：获取至少两个网络用户的原始图像；提取各个所述网络用户的原始图像的噪声模式；按照所述噪声模式相互的相关度大小，对各个所述网络用户的原始图像进行聚类；根据所述网络用户的聚类后的各类原始图像的噪声模式，估计得到所述各类的相机指纹，并组合作为所述用户的相机指纹组；根据两个所述网络用户的相机指纹组，计算两个所述网络用户之间的用户相关度；当两个所述网络用户之间的用户相关度大于第一阈值时，则确定为所述两个网络用户共享至少一个相机。本发明能够通过相机指纹特征对网络用户进行识别。
-
公开(公告)号：CN105303449A
公开(公告)日：2016-02-03
申请号：CN201510756440.4
申请日：2015-11-09
Applicant: 北京交通大学
Abstract: 本发明实施例提供了一种基于相机指纹特征的社交网络用户的识别方法和系统。所述基于相机指纹特征的社交网络用户的识别方法，包括：获取至少两个网络用户的原始图像；提取各个所述网络用户的原始图像的噪声模式；按照所述噪声模式相互的相关度大小，对各个所述网络用户的原始图像进行聚类；根据所述网络用户的聚类后的各类原始图像的噪声模式，估计得到所述各类的相机指纹，并组合作为所述用户的相机指纹组；根据两个所述网络用户的相机指纹组，计算两个所述网络用户之间的用户相关度；当两个所述网络用户之间的用户相关度大于第一阈值时，则确定为所述两个网络用户共享至少一个相机。本发明能够通过相机指纹特征对网络用户进行识别。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
