4、基于静态图像的CNN移动设备检测

基于静态图像的CNN移动设备检测

1. 引言

随着软件的发展以及相机、手机等廉价数字设备的普及，图像伪造现象日益猖獗。如今，人们可以不受网络、地点和时间的限制轻松拍摄照片，大量多媒体数据通过互联网产生和交换。这也促使在学校、政府场所等地方实施了拍照的法律限制。

多媒体取证主要有两个重要领域：伪造检测和相机记录。伪造检测备受关注，而识别图像的源相机是实现这一目标的关键。源相机识别（SCI）是指确定拍摄图像的移动设备，在刑事调查、司法系统、军事图像应用和新闻媒体等领域有重要应用。在犯罪发生后，法医人员通常需要验证作为证据的图像，而确定图像源可以帮助判断图像内容是否被篡改。本文旨在评估SCI的现有方法，并提出一个更好的模型。

2. 源相机识别技术

解决移动设备源相机识别问题的主要方法包括使用图像头信息、传感器指纹提取与分类、深度学习等。以下是几种常见技术的介绍：
- 图像头信息 ：Mullan等人使用JPEG头信息和元数据进行源相机识别。数字图像元数据对于维护数字图像存储库很重要，其中包括参数化和可交换图像文件格式（EXIF）标签等。相机记录的EXIF元数据可以提高分类准确性。通过对iPhone型号进行量化矩阵和EXIF目录排序，该方法获得了65.6%的准确率。
- 图像特征 ：Tsai等人提出了一种利用图像特征进行源相机识别的方法。该方法使用一组图像特征，包括颜色、质量、图像特征和频域特征等。通过小波变换计算基于小波域统计的结构，并使用支持向量机（SVM）进行分类。对于两个不同品牌的4种相机型号，该方法获得了接近92%的准确率。McKay等人进一步扩展了设备类别识别，包括数字扫