Розробка алгоритму виявлення клонування кадрів у цифрових відеопослідовностях.

Abstract

Кваліфікаційна робота на тему «Розробка алгоритму виявлення клонування кадрів у цифрових відеопослідовностях» на здобуття першого (бакалаврського) рівня вищої освіти за спеціальністю 125 − Кібербезпека, спеціалізація, освітня програма: Кібербезпека, містить 9 рисунків, 3 таблиці, 1 додаток, 26 літературних джерел за переліком посилань. Робота виконана на 60 сторінках загального тексту і 44 сторінках основного тексту. Метою даної роботи є розробка алгоритму виявлення відеопослідовностей, що були сфальсифіковані, шляхом пошуку клонованих кадрів. У цій роботі пропонується знаходити дубльовані кадри, порівнюючи послідовно кожен кадр досліджуваного відео з кожним. В алгоритмі використовується перетворення зображення з колірного простору RGB на YUV, для аналізу використовується компонента Y, тому що вона зберігає всю потрібну для досліджень інформацію про зображення. Для порівняння значень компонент Y відеокадрів використовуються різні метрики оцінки якості, такі як коефіцієнт кореляції Пірсона, MSE, NMSE, SNR, AAD, Image Fidelity. Дослідження проводилися на сфальсифікованих заздалегідь відео, які в процесі фальшування не піддавались стисканню. Була проведена оцінка точності виявлення як поодиноких сфальсифікованих кадрів, так і їх послідовностей, а також порівняно час, за який програма опрацьовувала відео за допомогою різних метрик.

Qualification work entitled as «Development of an algorithm for detecting frame cloning in digital video sequences» to obtain the first (bachelor's) level of higher education in the specialty 125 – Cybersecurity, specialization, educational program: Cybersecurity, has 9 pictures, 2 tables, 1 appendix, 26 literature sources according to the list of references. The work is performed on 59 pages of general text and 43 pages of main text. The purpose of this work is to develop an algorithm for detecting video sequences that have been falsified by searching for cloned frames. In this paper, it is proposed to find duplicate frames, comparing each frame of the studied video with each. The algorithm uses the conversion of the image from the RGB color space to YUV, the Y component is used for analysis, because it stores all the necessary information for research about the image. To compare the values of the Y components of video frames, various quality assessment metrics are used, such as Pearson's correlation coefficient, MSE, NMSE, SNR, AAD, Image Fidelity. The research was conducted on falsified videos in advance, which were not compressed during the falsification process. The accuracy of detection of both single counterfeit frames and their sequences was evaluated, as well as a comparison of the time for which the program processed video using different metrics.