買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉齊魯工業大學(山東省科學院)申請的專利一種結合PRNU匹配與幀間幾何變換估計的視頻源識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120580459B 。

龍圖騰網通過國家知識產權局官網在2025-09-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202511079937.7，技術領域涉及：G06V10/74；該發明授權一種結合PRNU匹配與幀間幾何變換估計的視頻源識別方法是由李健;鄒菲;馬賓;王春鵬;李曉龍設計研發完成，并于2025-08-04向國家知識產權局提交的專利申請。

本一種結合PRNU匹配與幀間幾何變換估計的視頻源識別方法在說明書摘要公布了：本發明公開了一種結合PRNU匹配與幀間幾何變換估計的視頻源識別方法，涉及視頻源識別技術領域，包括以下步驟：S1：感光響應不均勻性提取；S2：三維幾何變換；S3：結合感光響應不均勻性匹配與幀間幾何變換估計的視頻源識別；S4：幾何變換參數擬合；S5：拍攝行為軌跡建模與可視化。本發明要解決的技術問題是提供一種結合PRNU匹配與幀間幾何變換估計的視頻源識別方法，通過多尺度變換方法進行參考指紋和測試指紋的幀間對齊，使用深度學習構建PRNU匹配的模型計算測試視頻幀和參考視頻幀的相關性得分，利用幀間幾何變換算法擬合最優幾何參數，還原拍攝行為，提高匹配的準確率和效率。

本發明授權一種結合PRNU匹配與幀間幾何變換估計的視頻源識別方法在權利要求書中公布了：1.一種結合PRNU匹配與幀間幾何變換估計的視頻源識別方法，其特征是，包括以下步驟： S1：構建訓練樣本集，對訓練樣本集實行感光響應不均勻性提取； S2：對提取后的訓練樣本集進行三維幾何變換； S3：結合感光響應不均勻性匹配與幀間幾何變換估計的進行訓練樣本集的視頻源識別； 所述S3的具體步驟為： S31：首先，將視頻源識別的匹配模型量化成一個二分類的問題，通過輸入多個設備的同源視頻幀進行特征提取并訓練，最終把視頻幀的三維幾何變換融合到模型中，使其能夠準確的在多尺度變換的條件下進行計算相似性得分； S32：將測試感光響應不均勻性噪聲和參考感光響應不均勻性噪聲進行不重疊分塊處理，并進行幾何變換模型匹配，匹配結果中，若塊匹配數超過設定閾值，說明該視頻是由該設備所拍攝的，實現視頻的源識別，并進一步使用幀間幾何變換估計算法更新優化變換矩陣，實現尋找最優參數的目標； S33：幀間幾何變換估計算法； S331：對變換后的視頻幀進行一定的平滑處理以減少噪聲影響，然后，將參考視頻幀和變換后的查詢視頻幀劃分為多個重疊的小塊，通過幾何變換模型對每對小塊進行匹配評分，篩選出高可信度的匹配塊； S332：針對這些高匹配度的小塊，每個塊的中心點作為一個幾何匹配點，匹配得分較高，則認為該中心點在參考視頻幀與查詢視頻幀中是一個對齊的點對； 通過在局部區域內微調位置，進一步提升匹配準確度，接著像素級微調后的每對匹配塊的空間位置差異，計算匹配誤差： （8）； 其中：是第匹配塊，是匹配的相似性得分； S333：計算匹配誤差后，結合概率模型，利用貝葉斯公式，計算第個匹配塊屬于正確匹配的后驗概率： （9）； （10）； 其中：為標準差；是匹配正確的先驗概率；是噪聲的概率模型常數；代表初始變換矩陣； S334：通過后驗概率，估計每對匹配塊的可信度權重并構建對角矩陣： （11）； 其中：diag表示構造對角矩陣的操作； 利用這些權重作為加權因素，通過加權最小二乘方法擬合更新后的仿射變換參數，從而得到一個更精確的變換矩陣； （12）； （13）； 其中：表示矩陣H求最小值時的參數取值；表示用于衡量矩陣元素整體的誤差或差異程度；矩陣A是參考視頻幀中匹配點坐標集合；矩陣B是測試視頻幀中匹配點坐標集合；權重矩陣W的對角元素為每個匹配點的后驗概率權重； S335：擬合更新后的仿射變換參數過程會不斷迭代，直到變換矩陣的參數變化量和匹配誤差滿足預設的收斂條件為止； （14）； 其中：是當前仿射變換矩陣，是上一次的仿射變換矩陣；表示變換矩陣變化量； 及匹配誤差滿足預設閾值，則停止迭代，否則繼續更新； S336：最終，當滿足條件進行收斂時候，輸出優化后的仿射矩陣，實現高精度配準； S4：視頻源識別的訓練樣本集進行幾何變換參數擬合； S5：對訓練樣本集的拍攝行為軌跡建模與可視化。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人齊魯工業大學(山東省科學院)，其通訊地址為：250300 山東省濟南市長清區大學路3501號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。