[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

说明书

本发明公开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，属于视频流伪造检测领域。包括：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；分别从监控视频帧与无线信号中提取出JHM和PAF张量；若监控视频帧JHM和无线信号JHM相差大，判定当前监控视频帧为伪造。当监控摄像头与无线信号接收端处在同一空间时，视觉信号与无线信号同时能感知到人体的语义信息，从无线信号中提取人体语义信息。由于不存在伪造攻击时从视频帧与无线信号中分别提取的JHM张量相似，反之不相似，逐帧比较监控视频帧和无线信号的JHM张量差异实现伪造判断，满足实时性与细粒度检测。

技术领域

本发明属于监控视频流伪造检测领域，更具体地，涉及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。

背景技术

随着人们在日常生活中对安全需求的不断增加，视频监控系统在室内、室外的应用范围越来越广，如银行的犯罪预防、零售店的客户监控等。由于在现实世界中的普及率和显著性迅速增长，视频监控系统不可避免地成为网络安全领域中具有吸引力的攻击对象。最近的研究表明，恶意攻击者可以通过利用监控摄像头的漏安全洞或劫持其连接以太网电缆潜入监控系统，然后篡改真实的视频流内容，并进一步掩盖被监控区域内的非法活动，而留下任何可察觉的线索。在这种攻击威胁下，迅速对正在进行的网络攻击发出警报，并实时地追踪潜在的入侵者对监控系统十分重要。

针对camera looping attacks(摄像头回放攻击)问题，Nitya Lakshmanan等人于2019年在《SurFi:detecting surveillance camera looping attacks with wi-fichannel state information》提出一种视频伪造检测方法，主要思想是基于同一空间中的视觉与WiFi CSI信号的相关时频域特征(事件的起止时间、主要频率成分)，对比两种信号特征的相似性，从而判断当前视频流是非与当前的无线信号匹配。如果不匹配检测为存在攻击。然而，该方法依赖视觉与无线信号中的事件级别的特征，造成以下问题：一是检测时间长，需要10-30s的原始信号序列作为检测单元；二是精度低，如果只用一个事件对应的数据，其系统精度不足40％；三是假设感兴趣区域只有一个人，无法支持多人出现在摄像头覆盖范围内的情况；四是，即使检测出攻击存在，该系统并不能定位出入侵者在监控区域的哪一个位置、做什么事情。因此，不能满足监控视频流对入侵检测的实时性、高精度和细粒度要求。

Cao Zhe等人于2016年提出一种定位方法，主要思想是基于人体语义信息PAF张量，设计了人体关节点的快速关联算法，进而从一张图片中估计出人体的2D姿态。然而，如果直接利用该方案分别从视觉与无线的JHM张量和PAF张量中恢复出各自的人体姿态，再逐一对比两种人体姿态的差异，从而实现入侵者定位。这种直接的方法会对每一张图片进行两次关节点关联算法，计算复杂度较大。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了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，其目的在于解决现有视频监控系统中的视频流伪造攻击检测中不能同时满足实时性与细粒度检测能力的要求。

为实现上述目的，按照本发明的第一方面，提供了一种基于无线信号的监控视频流伪造检测方法，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.分别从监控视频帧与无线信号中提取出人体关节热度图和PAF张量；

S3.若监控视频帧人体关节热度图和无线信号人体关节热度图相差大，判定当前监控视频帧为伪造。

优选地，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热度图和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热度图和PAF张量；

所述RF2Pose网络包括：