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。