[发明专利]一种视频数据编辑识别方法、装置、智能终端及存储介质

说明书

本发明公开了一种视频数据编辑识别方法、装置、智能终端及存储介质，包括：获取待识别视频数据；将所述待识别视频数据输入训练后的特征模型，得到分类结果；根据所述分类结果识别出视频数据是否被编辑；所述特征模型是基于灰度共生矩阵构造得到的。与现有的SRM模型相比，本发明降维后的SRM模型维数更少，且识别出原始视频和不同软件处理过的视频不需要额外的信息。本发明从视频编辑软件的角度来判决视频的原始性，通过检测视频是否经过软件压缩，判断该视频是否经过软件处理，为视频取证提供了一种辅助手段，为监控视频的原始性鉴定提供了有效的方法。

技术领域

本发明涉及多媒体信息技术领域，尤其涉及的是一种视频数据编辑识别方法、装置、智能终端及存储介质。

背景技术

视频作为一种经常使用的媒介，很多情况下要求确保其真实性，特别是当视频作为法庭呈堂证据的时候，要求确保视频真实可靠，需要验证视频原始性及判别视频有没有被篡改过。然而，随着图像、视频处理技术的快速发展，借助专业的视频编辑软件(常见如Adobe Premiere、Adobe After Effects和Corel Video Studio)等，普通用户也能篡改数字视频而不留视觉痕迹，这使得视频的真实性不断受到质疑，颠覆了人们“眼见为实”的传统观念。近年来，视频的篡改已经影响到政治、法律、传媒等方方面面，由此产生的道德和法律问题也变得越来越多。例如，视频换脸技术deepfake可以把视频中的人脸换成其他人的人脸，由此篡改成了某些政客发表了不存在言论的视频、某些明星的不雅视频等。各种恶意的篡改实例不胜枚举，因此视频认证技术变得十分重要。

典型的主动视频认证技术包括数字水印和数字签名。这两种方法都需要事先对视频附加额外的信息，认证时从视频中提取相应信息，然后与事先附加信息进行匹配判别。而在实际的应用中，更多的情况下不可能获得有效的附加信息，因此主动认证方法具有很大的局限性。视频被动认证技术不需要任何附加的信息，而是利用和分析视频的一些内在特征，来达到认证的目的。目前，尚未拥有从视频编辑软件角度来对视频进行取证的方法。针对视频编辑软件的篡改更加普遍的现状，从视频编辑软件的角度进行视频的的被动取证，更加具有针对性和有效性。

因此，现有技术还有待于改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种视频数据编辑识别方法、装置、智能终端及存储介质，旨在从视频编辑软件的角度来进行视频取证，使得取证更加具有针对性和有效性。本发明解决技术问题所采用的技术方案如下：

第一方面，本发明实施例提视频数据编辑识别方法，所述方法包括：

获取待识别视频数据；

将所述待识别视频数据输入训练后的特征模型，得到分类结果；根据所述分类结果识别出视频数据是否被编辑；所述特征模型是基于灰度共生矩阵构造得到的。

所述的视频数据编辑识别方法，其中，所述特征模型训练过程，包括：

获取视频数据，对所述视频数据进行预处理，得到训练数据集和检测数据集；

利用所述特征模型对所述训练数据集中的训练数据进行特征提取；将由同类视频编辑软件处理的训练数据提取的特征构建为同类视频特征集；

将构建得到的不同类的视频特征集，两两训练成二分类器；利用所述训练数据集对所述二分类器进行训练，得到训练后的特征模型。

所述的视频数据编辑识别方法，其中，所述对所述视频数据进行预处理，得到训练数据集和检测数据集，包括：

将所述视频数据导入视频编辑软件，得到被编辑视频数据；所述被编辑视频数据包括，第一被编辑视频数据以及第二被编辑视频数据；

将所述第一被编辑视频数据以及部分所述视频数据集合构成训练数据集；