講演抄録/キーワード |
講演名 |
2020-03-05 16:45
[ポスター講演]映像信号の高周波成分を用いた機械学習による改ざん検出能力の向上 ○上田大暉(東京理科大)・姜 玄浩(東京高専)・岩村惠市(東京理科大) EMM2019-120 |
抄録 |
(和) |
近年,建物内や市街地の様々な場所に防犯カメラが設置され,自動車にもドライブレコーダーの普及が進んでいる.これにより,事件・事故が発生した際には,防犯カメラやドライブレコーダーの映像・画像,あるいは目撃者が撮影した映像・画像などが法的能力をもつ証拠となり得る.そのため,法的な証拠となり得るデータに対して改ざんの有無を検出する技術が必要となってきている.そこで,改ざんされた可能性のある動画に対する改ざん検出技術について,機械学習による映像信号の高周波成分を用いた手法を検討する.さらに,本研究のように操作されたデジタルデータの取得には限りがあるが,少数のデータセットによる検証においても精度を向上させることができることを示す. |
(英) |
Recently, security cameras have been installed in various places such as the lobby of a building, an urban area, and a drive recorder in automobiles. If an accident or crime occurs, the video or image from a security camera can be used to provide legal evidence to prove the non-manipulation of the background or object. Therefore, whether the video contents can be tampered with for malicious purposes has to be confirmed. Herein, we propose a method for detecting tampered videos using machine learning with block features. In video forgery detection, it is possible to detect any artifact of tampered videos from consecutive frames. In addition, machine learning in this field exhibits a limitation with regard to acquiring sufficient manipulated data; however, we herein demonstrate that this can be improved. |
キーワード |
(和) |
デジタルフォレンジック / 機械学習 / 改ざん / 改ざん検出 / / / / |
(英) |
/ / / / / / / |
文献情報 |
信学技報, vol. 119, no. 463, EMM2019-120, pp. 97-100, 2020年3月. |
資料番号 |
EMM2019-120 |
発行日 |
2020-02-27 (EMM) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
EMM2019-120 |
研究会情報 |
研究会 |
EMM |
開催期間 |
2020-03-05 - 2020-03-06 |
開催地(和) |
大濱信泉記念館(石垣島) |
開催地(英) |
|
テーマ(和) |
画質・音質評価,知覚・認知メトリクス,人間視聴覚システム,一般 |
テーマ(英) |
Image and Sound Quality, Metrics for Perception and Recognition, Human Auditory and Visual System, etc. |
講演論文情報の詳細 |
申込み研究会 |
EMM |
会議コード |
2020-03-EMM |
本文の言語 |
日本語 |
タイトル(和) |
映像信号の高周波成分を用いた機械学習による改ざん検出能力の向上 |
サブタイトル(和) |
|
タイトル(英) |
Detection of Video Alterations using Machine Learning with High-Frequency Features |
サブタイトル(英) |
|
キーワード(1)(和/英) |
デジタルフォレンジック / |
キーワード(2)(和/英) |
機械学習 / |
キーワード(3)(和/英) |
改ざん / |
キーワード(4)(和/英) |
改ざん検出 / |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
上田 大暉 / Hiroki Ueda / ウエダ ヒロキ |
第1著者 所属(和/英) |
東京理科大学 (略称: 東京理科大)
Tokyo University of Science (略称: Tokyo Univ. of Sci.) |
第2著者 氏名(和/英/ヨミ) |
姜 玄浩 / Hyunho Kang / ヒュンホ カン |
第2著者 所属(和/英) |
東京工業高等専門学校 (略称: 東京高専)
National Institute of Technology, Tokyo College (略称: NIT, Tokyo College) |
第3著者 氏名(和/英/ヨミ) |
岩村 惠市 / Keiichi Iwamura / イワムラ ケイイチ |
第3著者 所属(和/英) |
東京理科大学 (略称: 東京理科大)
Tokyo University of Science (略称: Tokyo Univ. of Sci.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2020-03-05 16:45:00 |
発表時間 |
60分 |
申込先研究会 |
EMM |
資料番号 |
EMM2019-120 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.463 |
ページ範囲 |
pp.97-100 |
ページ数 |
4 |
発行日 |
2020-02-27 (EMM) |
|