申请/专利权人：齐鲁工业大学(山东省科学院)

申请日：2023-09-19

公开（公告）日：2023-12-15

公开（公告）号：CN117237722A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06N3/0464;G06N3/048;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.02#实质审查的生效;2023.12.15#公开

摘要：本发明公开了基于结构重参数化的PRNU匹配方法及系统，属于相机溯源技术领域，要解决的技术问题为如何在参考PRNU与测试PRNU几何不同步的情况下、降低PRNU匹配模型的计算负担并提高PRNU匹配效率。包括如下步骤：基于预处理后测试PRNU、预处理后参考PRNU以及测试PRUN和参考PRNU的相关矩阵构建样本数据集；构建PRNU匹配模型，所述PRNU模型为结构重参数化后的改进EfficientNet模型；以测试PRNU和参考PRNU为输入，通过训练后PRNU匹配模型预测输出测试PRNU和参考PRNU之间相关性得分。

主权项：1.一种基于结构重参数化的PRNU匹配方法，其特征在于，包括如下步骤：随机选取多个相机，通过每个相机拍摄多个图像作为测试图像，并提取每个测试图像的PRNU作为测试PRNU，并计算每个相机的参考PRNU；对测试PRNU和参考PRUN进行预处理后，计算测试PRUN和参考PRNU的相关矩阵，基于预处理后测试PRNU、预处理后参考PRNU以及测试PRUN和参考PRNU的相关矩阵构建样本数据集；构建PRNU匹配模型，所述PRNU模型为结构重参数化后的改进EfficientNet模型，包括卷积层模块、MBConv1模块和Stage结构，对于Stage结构中的每个stage，stage中第一个模块为MBConv6模块、其他模块为PConvB模块，其中，卷积层模块、MBConv1模块、MBConv6模块和PConvB模块均经过结构重参数化处理，且MBConv1模块和MBConv6模块中均引入有ECA注意力层替代原SE注意力层，所述PRNU匹配模型用于以参考PRNU和测试PRNU为输入、预测输出参考PRNU和测试PRNU之间相关性得分；基于样本数据集对所述PRNU匹配模型进行训练，得到训练后PRNU匹配模型；对待测图像，提取待测图像的测试PRNU，并计算匹配相机的参考PRNU，以测试PRNU和参考PRNU为输入，通过训练后PRNU匹配模型预测输出测试PRNU和参考PRNU之间相关性得分，如果相关性得分满足阈值，则判定测试PRNU与参考PRNU相关，匹配相机为待测图像的源相机。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院) 基于结构重参数化的PRNU匹配方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD