| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2016-03-02 14:30 ［ポスター講演］動的シーンにおける時系列モデルを用いた映像改ざん検出 ○苅田成樹（阪大）・河野和宏（関西大）・馬場口 登（阪大）  EMM2015-80 |
|
| 抄録 | （和） | 本稿では，移動するカメラ視点や強い雑音を持つ動的シーンを対象として，映像中の改ざん検出手法を提案する． 従来手法では，背景差分の利用を前提としており，動的シーンにおける適用は不可能であった． そこで本研究は，新たに DeepFlow や C3D 特徴量と時系列モデルである再帰型ニューラルネットワーク識別器を導入し，動的シーンに頑健なモデルを構築することで多様な映像における改ざん検出を実現する． 実験評価では本研究が構築したデータセット Forged--CDnet2014 に対し，従来手法では ROC曲線下側面積 (AUC) 0.522, 等誤り率 (EER) 0.486 であるのに比べ， 提案手法では AUC 0.738，EER 0.315 という良好な結果を得た． |
| （英） | This paper proposes a robust video forgery detection method in dynamic scenes such as dynamic background or camera jitter. Most existing methods only focus on static scenes, which are capable of background subtraction. Therefore it is difficult to predict the forgery in dynamic scenes. The novelty of our proposed method is adaptability to dynamic scenes by using DeepFlow, C3D feature and Recurrent Neural Network as a time series model. Our best system achieved Area-Under-Curve (AUC) 0.738 and Equal-Error-Rate (EER) 0.315, whereas the previous method did AUC 0.522 and EER 0.486 on our Forged--CDnet2014 dataset. |
|
| キーワード | （和） | 動的シーン / 映像改ざん検出 / Forged--CDnet2014 / CDnet2014 / RNN-LSTM / DeepFlow / / |
| （英） | Dynamic scene / Video forgery detection / Forged--CDnet2014 / CDnet2014 / RNN-LSTM / DeepFlow / / | |
| 文献情報 | 信学技報, vol. 115, no. 479, EMM2015-80, pp. 25-30, 2016年3月. | |
| 資料番号 | EMM2015-80 | |
| 発行日 | 2016-02-24 (EMM) | |
| ISSN | Print edition: ISSN 0913-5685 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 | EMM2015-80 |
|
| 研究会情報 | |
| 研究会 | EMM |
| 開催期間 | 2016-03-02 - 2016-03-03 |
| 開催地（和） | 屋久島環境文化村センター |
| 開催地（英） | Yakushima Environ. and Cultural Vill. Center |
| 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 | 2016-03-EMM |
| 本文の言語 | 日本語 |
| タイトル（和） | 動的シーンにおける時系列モデルを用いた映像改ざん検出 |
| サブタイトル（和） | |
| タイトル（英） | Video Forgery Detection Using a Time Series Model in Dynamic Scenes |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 動的シーン / Dynamic scene |
| キーワード(2)（和/英） | 映像改ざん検出 / Video forgery detection |
| キーワード(3)（和/英） | Forged--CDnet2014 / Forged--CDnet2014 |
| キーワード(4)（和/英） | CDnet2014 / CDnet2014 |
| キーワード(5)（和/英） | RNN-LSTM / RNN-LSTM |
| キーワード(6)（和/英） | DeepFlow / DeepFlow |
| 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） | 苅田 成樹 / Shigeki Karita / カリタ シゲキ |
| 第1著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 河野 和宏 / Kazuhiro Kono / コウノ カズヒロ |
| 第2著者 所属（和/英） | 関西大学 (略称： 関西大) Kansai University (略称： Kansai Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 馬場口 登 / Noboru Babaguchi / ババグチ ノボル |
| 第3著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2016-03-02 14:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | EMM |
| 資料番号 | EMM2015-80 |
| 巻番号（vol） | vol.115 |
| 号番号（no） | no.479 |
| ページ範囲 | pp.25-30 |
| ページ数 | 6 |
| 発行日 | 2016-02-24 (EMM) |
[研究会発表申込システムのトップページに戻る]