The Journal of Korean Institute of Information Technology (한국정보기술학회논문지)

Korean Institute of Information Technology (한국정보기술학회)
권호 표지
DOI QR코드

DOI QR Code

Video Camera Model Identification System Using Deep Learning

딥 러닝을 이용한 비디오 카메라 모델 판별 시스템

  • 김동현 (금오공과대학교 소프트웨어공학과) ;
  • 이수현 (금오공과대학교 소프트웨어공학과) ;
  • 이해연 (금오공과대학교 컴퓨터소프트웨어공학과)
  • Received : 2019.05.27
  • Accepted : 2019.07.02
  • Published : 2019.08.01
⟨ Previous Next ⟩

Abstract

With the development of imaging information communication technology in modern society, imaging acquisition and mass production technology have developed rapidly. However, crime rates using these technology are increased and forensic studies are conducted to prevent it. Identification techniques for image acquisition devices are studied a lot, but the field is limited to images. In this paper, camera model identification technique for video, not image is proposed. We analyzed video frames using the trained model with images. Through training and analysis by considering the frame characteristics of video, we showed the superiority of the model using the P frame. Then, we presented a video camera model identification system by applying a majority-based decision algorithm. In the experiment using 5 video camera models, we obtained maximum 96.18% accuracy for each frame identification and the proposed video camera model identification system achieved 100% identification rate for each camera model.

현대 사회에서 영상 정보 통신 기술이 발전함에 따라서 영상 획득 및 대량 생산 기술도 급속히 발전하였지만 이를 이용한 범죄도 증가하여 범죄 예방을 위한 법의학 연구가 진행되고 있다. 영상 획득 장치에 대한 판별 기술은 많이 연구되었지만, 그 분야가 영상으로 한정되어 있다. 본 논문에서는 영상이 아닌 동영상에 대한 카메라 모델의 판별 기법을 제안한다. 기존의 영상을 학습한 모델을 사용하여 동영상의 프레임을 분석하였고, 동영상의 프레임 특성을 활용한 학습과 분석을 통하여 P 프레임을 활용한 모델의 우수성을 보였다. 이를 이용하여 다수결 기반 판별 알고리즘을 적용한 동영상에 대한 카메라 모델 판별 시스템을 제안하였다. 실험에서는 5개 비디오 카메라 모델을 이용하여 분석을 하였고, 각각의 프레임 판별에 대해 최대 96.18% 정확도를 얻었으며, 비디오 카메라 모델 판별 시스템은 각 카메라 모델에 대하여 100% 판별률을 달성하였다.

Keywords

References

  1. J. Lukas, J. Fridrich, and M. Goljan, "Digital camera identification from sensor pattern noise", IEEE Trans. on Information Forensics Security, Vol. 1, No. 2, pp. 205-214, Jun. 2006. https://doi.org/10.1109/TIFS.2006.873602
  2. K. S. Choi, E. Y. Lam, and K. Y. Wong, "Source camera identification using footprints from lens aberration", Proc. of SPIE, Digital Photography II, Vol. 6069, No. 1, pp. 172-179, Feb. 2006.
  3. S. Bayram, H. T. Sencar, and N. D. Memon, "Improvements on source camera model identification based on cfa interpolation", Proc. of IFIP Int. Conf. on Digital Forensics, pp. 289-299, 2006.
  4. H.-Y. Lee, "Imaging Device Identification using Sensor Pattern Noise Based on Wiener Filtering", The Trans. of the Korean Institute of Electrical Engineers, Vol. 65, No. 12, pp. 2153-2158, Sep. 2016. https://doi.org/10.5370/KIEE.2016.65.12.2153
  5. S.-H. Lee, D.-H. Kim, T.-W. Oh, K.-B. Kim, and H.-Y. Lee, "Digital Video Source Identification Using Sensor Pattern Noise with Morphology Filtering", KIPS Trans. on Software and Data Engineering, Vol. 6, No. 1, pp. 15-22, Jan. 2017. https://doi.org/10.3745/KTSDE.2017.6.1.15
  6. J. Schmidhuber, "Deep learning in neural networks: An overview", Neural networks, Vol. 61, pp. 85-117, Jan. 2015. https://doi.org/10.1016/j.neunet.2014.09.003
  7. A. Fischer and C. Igel, "An introduction to restricted Boltzmann machines", Proc. of Iberoamerican Congress on Pattern Recognition, pp. 14-36, Sep. 2012.
  8. K. He, X. Zhang, S. Ren, and J. Sun, "Deep Residual Learning for Image Recognition", Prof. of IEEE Conf. on Computer Vision and Pattern Recognition, pp. 770-778, Jun. 2016.
  9. G. Huang, Z. Liu, L. van der Maaten, and K. Q. Weinberger, "Densely Connected Convolutional Networks", Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, pp. 4700-4708, Jul. 2017.
  10. A. Tuama, F. Comby, and M. Chaumont, "Camera model identification with the use of deep convolutional neural networks", Proc. of IEEE Int. Workshop on Information Forensics and Security, Abu Dhabi, United Arab Emirates, pp. 1-6, Dec. 2016.
  11. B. Wang, J. Yin, S. Tan, Y. Li, and M. Li, "Source camera model identification based on convolutional neural networks with local binary patterns coding", Signal Processing-Image Communication, Vol. 68, pp. 162-168, Oct. 2018. https://doi.org/10.1016/j.image.2018.08.001
  12. U. Kamal, A. M. Rafi, R. Hoque, S. Das, M. A. Abrar, and M. K. Hasan, "Application of DenseNet in Camera Model Identification and Post-processing Detection", arXiv preprint arXiv: 1809.00576, Sep. 2018.

Cited by

  1. Hybrid 시계열 모델을 활용한 스마트 공장 내 수요예측 알고리즘 개발 vol.19, pp.5, 2019, https://doi.org/10.7236/jiibc.2019.19.5.187