[发明专利]一种基于无线信号的监控视频流伪造检测方法和定位方法

权利要求书

1.一种基于无线信号的监控视频流伪造检测方法，其特征在于，该方法包括：

S1.实时等时间间隔采集视频监控区域的无线信号，得到与每个监控视频帧对应的相同个数的无线信号；

S2.通过深度神经网络分别从监控视频帧与无线信号中提取出人体关节点的heatmapJHM和PAF张量；

S3.若从监控视频帧提取出的人体关节点的heatmap和从无线信号提取出的人体关节heatmap相差大，判定当前监控视频帧为伪造。

2.如权利要求1所述的检测方法，其特征在于，步骤S2中，采用预训练好的OpenPose网络从监控视频帧中提取出人体关节点的heatmap JHM和PAF张量；采用预训练好的RF2Pose网络从无线信号中提取出人体关节点的heatmap JHM和PAF张量；

所述RF2Pose网络包括：

无线信号变换模块，用于将每个监控视频帧对应的所有无线信号变换为与监控视频帧长宽维度相同的中间特征，并输出给人体关节点的heatmap生成模块和PAF张量生成模块；

人体关节点的heatmap生成模块，用于根据中间特征生成人体关节点的JHM；

PAF张量生成模块，用于根据中间特征生成PAF张量；

RF2Pose网络的训练样本为无线信号，标签为OpenPose网络输出的对应人体关节点的JHM和PAF张量。

3.如权利要求2所述的检测方法，其特征在于，所述无线信号变换模块包括依次串联的一个反卷积网络、一个卷积网络和一个残差网络；所述人体关节点的heatmap生成模块包括依次串联的一个解码网络和一个全卷积网络，其中，解码网络为一层反卷积层和两层卷积层的重复结构；所述PAF张量生成模块包括依次串联的一个解码网络和一个全卷积网络，其中，解码网络为一层反卷积层和两层卷积层的重复结构。

4.如权利要求2或3所述的检测方法，其特征在于，所述RF2Pose网络在训练阶段的损失函数Loss如下：

其中，代表RF2Pose神经网络的参数，和分别表示对应人体关节点的JHM和PAF的损失函数，分别表示第y个训练样本视频帧输入到OpenPose网络得到的JHM和PAF张量，分别表示第y个训练样本无线信号输入到RF2Pose网络得到的JHM和PAF张量，Y表示训练样本个数，J表示人体抽象出的连接关节点个数，C表示人体部分数量，h,w表示像素点坐标，和分别表示JHM和PAF张量逐像素点的权重因子，λ₁、λ₂、β₁和β₂表示和在总的目标函数中的影响的平衡系数，表示第j个关节点在视觉JHM像素点(g，w)上的置信度，表示第j个关节点在无线JHM像素点(g，w)上的置信度，表示第c个人体部分在视觉PAF像素点(g，w)上的位置和方向信息，表示第c个人体部分在无线PAF像素点(g，w)上的位置和方向信息。

5.如权利要求1所述的检测方法，其特征在于，步骤S3中，采用人体关节点的heatmap的相似度或者差值为依据，设定阈值或者构建二分类器，判断从监控视频帧提取出的人体关节点的heatmap和从无线信号提取出的人体关节点的heatmap差异大小。

6.一种基于无线信号的监控视频流伪造定位方法，其特征在于，该方法包括：

(T1)采用如权利要求1至5任一项所述的检测方法对监控视频流进行伪造检测；

(T2)对于检测结果为伪造的监控视频帧，计算从当前监控视频帧提取出的人体关节点的heatmap和从无线信号提取出的人体关节点的heatmap的差值绝对值，计算从当前监控视频帧提取出的人体关节点的PAF张量和从无线信号提取出的人体关节点的PAF张量的和值；

(T3)基于人体关节点的heatmap的差值绝对值，选出当前监控视频帧对应的异常人体关节点集合；

(T4)对当前监控视频帧计算出的PAF张量和值与异常人体关节点集合进行关节点关联运算，得到的异常人体关节点之间的关联状态，从而确定伪造的人体对象在当前监控视频帧中的位置。