公开(公告)号：CN118368483B

公开(公告)日：2024-09-06

申请号：CN202410788949.6

申请日：2024-06-19

Applicant: 华侨大学

Inventor： 林晓丹 ,  臧欣欢 ,  陈婧 ,  曾焕强

IPC: H04N21/44 ,  G06V20/40 ,  G06V10/764

Abstract: 本发明公开了一种电网环境下的视频帧间篡改检测方法、装置、设备及介质，方法包括以下步骤：获取包含多个视频的数据集；对每个视频，计算每帧画面的所有行像素的平均亮度值，获得每帧的行亮度序列，并连接所有帧的行亮度序列获得行亮度信号样本；对行亮度信号样本采用去除直流分量和下采样操作，获得预处理后的一维时间序列样本；利用一维时间序列样本训练时间序列异常检测模型；通过序列异常检测模型对待检测的视频进行检测，以输出所述视频的分类结果。本发明无须依赖参考电网频率数据库，也无需对视频中的电网频率信号进行估计，采用神经网络方法学习视频亮度序列的异常特征来检测视频帧间篡改，适用场景多，实用性强。

公开(公告)号：CN118368483A

公开(公告)日：2024-07-19

申请号：CN202410788949.6

申请日：2024-06-19

Applicant: 华侨大学

Inventor： 林晓丹 ,  臧欣欢 ,  陈婧 ,  曾焕强

IPC: H04N21/44 ,  G06V20/40 ,  G06V10/764

Abstract: 本发明公开了一种电网环境下的视频帧间篡改检测方法、装置、设备及介质，方法包括以下步骤：获取包含多个视频的数据集；对每个视频，计算每帧画面的所有行像素的平均亮度值，获得每帧的行亮度序列，并连接所有帧的行亮度序列获得行亮度信号样本；对行亮度信号样本采用去除直流分量和下采样操作，获得预处理后的一维时间序列样本；利用一维时间序列样本训练时间序列异常检测模型；通过序列异常检测模型对待检测的视频进行检测，以输出所述视频的分类结果。本发明无须依赖参考电网频率数据库，也无需对视频中的电网频率信号进行估计，采用神经网络方法学习视频亮度序列的异常特征来检测视频帧间篡改，适用场景多，实用性强。

公开(公告)号：CN117612544A

公开(公告)日：2024-02-27

申请号：CN202311460478.8

申请日：2023-11-06

Applicant: 华侨大学

Inventor： 林晓丹 ,  李杨福 ,  臧欣欢 ,  曾焕强

IPC: G10L21/013 ,  G10L21/0224 ,  G10L21/0232 ,  G10L25/30 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习模型的变调语音复原方法及系统，方法包括以下步骤：获取包含原始语音和对应的变调语音的数据集，对数据集中的语音进行语音波形到梅尔谱的转换，获得训练样本；构建变调语音复原模型，所述变调语音复原模型包括用于估计变调因子的估计模块和利用变调因子生成复原语音的复原模块；利用训练样本训练变调语音复原模型，获得训练好的变调语音复原模型；使用训练好的变调语音复原模型对输入的变调语音进行复原。本发明克服了现有技术中依赖于原始语言或对于变调方法的估计准确性不足导致复原效果不佳的缺陷，采用深度学习估计变调因子，极大增强了复原后语音的音频质量，适用场景多，实用性强。