买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉齐鲁工业大学(山东省科学院)申请的专利一种结合PRNU匹配与帧间几何变换估计的视频源识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120580459B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511079937.7，技术领域涉及：G06V10/74；该发明授权一种结合PRNU匹配与帧间几何变换估计的视频源识别方法是由李健;邹菲;马宾;王春鹏;李晓龙设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本一种结合PRNU匹配与帧间几何变换估计的视频源识别方法在说明书摘要公布了：本发明公开了一种结合PRNU匹配与帧间几何变换估计的视频源识别方法，涉及视频源识别技术领域，包括以下步骤：S1：感光响应不均匀性提取；S2：三维几何变换；S3：结合感光响应不均匀性匹配与帧间几何变换估计的视频源识别；S4：几何变换参数拟合；S5：拍摄行为轨迹建模与可视化。本发明要解决的技术问题是提供一种结合PRNU匹配与帧间几何变换估计的视频源识别方法，通过多尺度变换方法进行参考指纹和测试指纹的帧间对齐，使用深度学习构建PRNU匹配的模型计算测试视频帧和参考视频帧的相关性得分，利用帧间几何变换算法拟合最优几何参数，还原拍摄行为，提高匹配的准确率和效率。

本发明授权一种结合PRNU匹配与帧间几何变换估计的视频源识别方法在权利要求书中公布了：1.一种结合PRNU匹配与帧间几何变换估计的视频源识别方法，其特征是，包括以下步骤： S1：构建训练样本集，对训练样本集实行感光响应不均匀性提取； S2：对提取后的训练样本集进行三维几何变换； S3：结合感光响应不均匀性匹配与帧间几何变换估计的进行训练样本集的视频源识别； 所述S3的具体步骤为： S31：首先，将视频源识别的匹配模型量化成一个二分类的问题，通过输入多个设备的同源视频帧进行特征提取并训练，最终把视频帧的三维几何变换融合到模型中，使其能够准确的在多尺度变换的条件下进行计算相似性得分； S32：将测试感光响应不均匀性噪声和参考感光响应不均匀性噪声进行不重叠分块处理，并进行几何变换模型匹配，匹配结果中，若块匹配数超过设定阈值，说明该视频是由该设备所拍摄的，实现视频的源识别，并进一步使用帧间几何变换估计算法更新优化变换矩阵，实现寻找最优参数的目标； S33：帧间几何变换估计算法； S331：对变换后的视频帧进行一定的平滑处理以减少噪声影响，然后，将参考视频帧和变换后的查询视频帧划分为多个重叠的小块，通过几何变换模型对每对小块进行匹配评分，筛选出高可信度的匹配块； S332：针对这些高匹配度的小块，每个块的中心点作为一个几何匹配点，匹配得分较高，则认为该中心点在参考视频帧与查询视频帧中是一个对齐的点对； 通过在局部区域内微调位置，进一步提升匹配准确度，接着像素级微调后的每对匹配块的空间位置差异，计算匹配误差： （8）； 其中：是第匹配块，是匹配的相似性得分； S333：计算匹配误差后，结合概率模型，利用贝叶斯公式，计算第个匹配块属于正确匹配的后验概率： （9）； （10）； 其中：为标准差；是匹配正确的先验概率；是噪声的概率模型常数；代表初始变换矩阵； S334：通过后验概率，估计每对匹配块的可信度权重并构建对角矩阵： （11）； 其中：diag表示构造对角矩阵的操作； 利用这些权重作为加权因素，通过加权最小二乘方法拟合更新后的仿射变换参数，从而得到一个更精确的变换矩阵； （12）； （13）； 其中：表示矩阵H求最小值时的参数取值；表示用于衡量矩阵元素整体的误差或差异程度；矩阵A是参考视频帧中匹配点坐标集合；矩阵B是测试视频帧中匹配点坐标集合；权重矩阵W的对角元素为每个匹配点的后验概率权重； S335：拟合更新后的仿射变换参数过程会不断迭代，直到变换矩阵的参数变化量和匹配误差满足预设的收敛条件为止； （14）； 其中：是当前仿射变换矩阵，是上一次的仿射变换矩阵；表示变换矩阵变化量； 及匹配误差满足预设阈值，则停止迭代，否则继续更新； S336：最终，当满足条件进行收敛时候，输出优化后的仿射矩阵，实现高精度配准； S4：视频源识别的训练样本集进行几何变换参数拟合； S5：对训练样本集的拍摄行为轨迹建模与可视化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人齐鲁工业大学(山东省科学院)，其通讯地址为：250300 山东省济南市长清区大学路3501号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。