黃維，黃添強(qiáng)，張雪莉，肖輝

?

基于塊效應(yīng)網(wǎng)格偏移的重獲取JPEG圖像篡改檢測

黃維1,2，黃添強(qiáng)1,2，張雪莉1,2，肖輝1,2

（1. 福建師范大學(xué)數(shù)學(xué)與信息學(xué)院，福建 福州 350117；2. 福建省大數(shù)據(jù)挖掘與應(yīng)用工程技術(shù)研究中心，福建 福州 350117）

重獲取圖像是原始或篡改后的圖像經(jīng)過中間媒介的映射后再次拍攝獲取的圖像，一張高質(zhì)量的重獲取偽造圖像很難通過人眼判別真?zhèn)?。針對JPEG格式的重獲取圖像篡改操作，提出了一種重壓縮塊效應(yīng)網(wǎng)格偏移的檢測方法。重獲取圖像由于再獲取過程會引入與原圖不相關(guān)的背景信息，該圖像進(jìn)行多次壓縮會產(chǎn)生塊效應(yīng)網(wǎng)格偏移，即重壓縮產(chǎn)生的塊效應(yīng)網(wǎng)格會與原始的網(wǎng)格錯匹配，利用圖像的平均信息損失量進(jìn)行塊效應(yīng)網(wǎng)格是否發(fā)生偏移來檢測圖像的原始性。實(shí)驗(yàn)表明，該方法比已有的重獲取圖像檢測方法準(zhǔn)確率更高，且平均檢測時間更短。

圖像取證；重獲取圖像；JPEG圖像；重壓縮；塊效應(yīng)網(wǎng)格偏移

1 引言

隨著智能化數(shù)碼拍攝設(shè)備的普及，以及多媒體編輯軟件功能的易于操作和強(qiáng)大，數(shù)字圖像的篡改越來越容易進(jìn)行。惡意的偽造篡改圖像內(nèi)容會使圖像的真實(shí)性和可靠性遭受懷疑，因此，對于數(shù)字圖像真?zhèn)蔚谋鎰e研究顯得尤為重要[1]。

重獲取圖像是一種常見的圖像偽造手段，是原始或篡改后的圖像經(jīng)過中間媒介的映射后再次拍攝獲取的圖像。對重獲取圖像而言，只要其圖像質(zhì)量高，就可能使人們對于圖像的原始所有者或者內(nèi)容產(chǎn)生疑惑，引起爭執(zhí)，甚至產(chǎn)生利益上的傷害，如許多產(chǎn)品外包裝的造假以及“華南虎事件”[2]，都引起了社會的廣泛關(guān)注，造成了一定的負(fù)面影響，更加說明了對于重獲取圖像的取證研究所具有的現(xiàn)實(shí)意義。

目前，對于重獲取圖像的研究已經(jīng)有了一定的進(jìn)展。Farid等[3]最早提出利用高階小波統(tǒng)計特征來區(qū)分自然圖像和非自然圖像。非自然圖像指的是重獲取圖像和計算機(jī)合成圖像（CG, composite graph），但是對于高質(zhì)量重獲取圖像的檢測效果不佳，精度不高。Yu等[4]提出了針對于重獲取打印圖像的級聯(lián)雙色模型概念。作者利用文獻(xiàn)[5]提出的基本原理是將圖像分解成兩部分：鏡面反射部分和漫反射部分，圖像的漫反射分量中存在一些與紙質(zhì)表面的紋理特性有關(guān)的高頻分量。作者采用400張圖像組成的圖像庫進(jìn)行實(shí)驗(yàn)，利用鏡面反射分量除以圖像本身得到鏡面反射分量在圖像本身中的占比，進(jìn)一步消除了圖像亮度的影響，驗(yàn)證了自然圖像的鏡面反射分量的占比梯度直方圖近似服從拉普拉斯分布，重獲取圖像的鏡面反射分量占比梯度直方圖服從瑞利分布，但文中并沒有給出該算法在區(qū)分原始圖像和重獲取圖像的準(zhǔn)確率[6]。Gao等[7]提出了一個通用物理模型，以函數(shù)響應(yīng)的形式給出重獲取圖像的物理過程，分析了一系列的物理特征量檢測重獲取圖像，但是特征維度高，提取特征時間較長，實(shí)時性較差。Kot等[8]建立了針對PC機(jī)液晶顯示器上的重獲取圖像庫，提出了3種圖像特征進(jìn)行檢測，其一是多尺度的圖像紋理描述算子Multi-LBP（local binary pattern）特征，其二是多尺度小波特征，其三是顏色特征空間。該方法取得了較好的實(shí)驗(yàn)效果，本文的算法也將與之對比。Yin等[9]在文章中采用了噪聲特性和JPEG壓縮特性來分析PC機(jī)液晶顯示器上的重獲取圖像。實(shí)驗(yàn)結(jié)果顯示該算法具有一定的區(qū)分能力，但是準(zhǔn)確率方面還有待提高。文獻(xiàn)[10,11]提出基于邊緣輪廓線字典學(xué)習(xí)的方法，是對PC機(jī)LCD顯示屏上的重獲取圖像進(jìn)行檢測。該方法具有較好的實(shí)時性，提取特征的維數(shù)較少，時間相應(yīng)減少。Li等[12]提出基于圖像的物理特征方法，對液晶屏上的重獲取圖像進(jìn)行檢測。

本文針對重獲取的JPEG圖像重壓縮造成的網(wǎng)格不匹配特性進(jìn)行檢測。塊效應(yīng)網(wǎng)格偏移一般用于圖像復(fù)制粘貼中篡改區(qū)域的定位檢測，而重獲取的JPEG圖像也會因?yàn)橹貕嚎s造成塊效應(yīng)網(wǎng)格偏移，所以針對此特性，本文首次把它用來檢測重獲取的JPEG圖像。由于JPEG圖像編碼過程中會對圖像進(jìn)行8×8的分塊，在重獲取圖像的過程中會對圖像進(jìn)行再次編碼，再次編碼劃分的塊不同造成圖像重壓縮網(wǎng)格不匹配的特性。本文利用JPEG壓縮之后的平均信息損失量檢測出網(wǎng)格不匹配現(xiàn)象，從而確定圖像是否為重獲取圖像。

本文的算法檢測對象不僅是PC機(jī)LCD顯示屏上的重獲取JPEG圖像，還可以是印刷產(chǎn)品外包裝或其他地方重獲取的JPEG圖像，檢測范圍更廣。本文的算法具有提取的特征維數(shù)低、準(zhǔn)確率高的性能。本文提取特征的時間與基于多尺度LBP特征的方法和基于多尺度小波特征檢測方法相比較，檢測時間更短，檢測效果更好。

2 JPEG圖像網(wǎng)格錯匹配

JPEG圖像編碼過程中，將圖像分成8×8的像素塊，然后對每塊分別進(jìn)行離散余弦變換（DCT, discrete cosine transform），得到64個DCT系數(shù)，該操作導(dǎo)致塊與塊之間的相關(guān)性被忽略。對每塊的DCT系數(shù)進(jìn)行量化時，由于量化過程中的DCT系數(shù)需要取整，導(dǎo)致一些圖像的高頻分量丟失，使解碼的圖像塊與塊邊界處的像素不連續(xù)，產(chǎn)生水平豎直的網(wǎng)格線，這種現(xiàn)象被稱為塊效應(yīng)網(wǎng)格（BAG, block artifact grid）[11]。

JPEG重獲取圖像的偽造過程為：在一個真實(shí)的場景利用圖像采集設(shè)備進(jìn)行拍攝，得到一個原始JPEG圖像，此時該圖像經(jīng)過一次JPEG壓縮。該圖像可以在LCD顯示屏、手機(jī)、掃描儀、彩色打印機(jī)等設(shè)備顯示。篡改者可通過對這些圖像顯示設(shè)備上的原圖像進(jìn)行再次拍攝，得到重獲取的JPEG圖像，此時圖像經(jīng)歷再一次JPEG壓縮。在重獲取原圖像的過程中，會或多或少引入與原始圖像無關(guān)的背景信息，可利用現(xiàn)有的圖像編輯軟件，如Photoshop、光影魔術(shù)手、ISEE等進(jìn)一步處理圖像，使圖像與原圖像盡可能相似，無法通過人眼直接辨別。重獲取圖像的操作流程如圖1所示。

圖1 重獲取圖像操作流程

一幅JPEG圖像經(jīng)歷一次JPEG壓縮會產(chǎn)生塊效應(yīng)網(wǎng)格，該圖像經(jīng)歷再次壓縮時，若其8×8的分塊與原圖像壓縮時分塊一致，那么BAG是正確匹配的，即對齊重壓縮。當(dāng)圖像是重獲取圖像時，圖像引入了無關(guān)的背景信息，且可能經(jīng)過圖像編輯軟件處理，此時對圖像進(jìn)行JPEG壓縮，其BAG會與原始圖像的BAG不匹配，也就是產(chǎn)生了BAG錯匹配現(xiàn)象。如圖2所示，由于重壓縮的分塊不一致，造成了BAG網(wǎng)格偏移現(xiàn)象。

圖2 JPEG重壓縮BAG錯匹配

3 檢測算法

本文算法利用平均信息損失量估計JPEG重壓縮偏移量，將圖像剪切行列(0≤≤7，0≤≤7)，并且提取圖像的質(zhì)量因子2，再以質(zhì)量因子2壓縮剪切圖像，對壓縮之后的圖像進(jìn)行分塊以及離散余弦變換求出圖像平均信息損失度，由于圖像剪切行列(0≤≤7，0≤≤7)，所以生成了64維平均信息損失量特征，然后根據(jù)提取的64維平均信息損失量特征的峰值確定是否發(fā)生BAG的錯匹配，峰值出現(xiàn)的位置是0行0列代表了圖像的原始性，不是0行0列的位置則判定該圖像為重獲取圖像。算法主要步驟如圖3所示。

圖3 檢測算法流程

3.1 預(yù)處理

提取待檢測圖像壓縮質(zhì)量因子，將待檢測圖像剪切掉行列(0≤≤7, 0≤≤7)，然后將剪切后的圖像以質(zhì)量因子進(jìn)行再次壓縮。

3.2 平均信息損失量

本文利用平均信息損失量[14]來估計JPEG重壓縮BAG網(wǎng)格偏移。JPEG壓縮先將圖像分為8×8的不重疊的塊，利用離散余弦變換，得到每塊的DCT系數(shù)，然后將DCT系數(shù)進(jìn)行量化，量化階段的DCT系數(shù)四舍五入取整會導(dǎo)致高頻分量丟失。為了估計這些丟失的信息量，定義了平均信息損失量。

一幅圖像分成個8×8的不重疊塊，每個塊經(jīng)過DCT變換生成64個DCT系數(shù)，每個系數(shù)所在的位置用(,)表示，量化之后的DCT系數(shù)用Q_DCT表示，則Q_DCT(,)(0≤≤7，0≤≤7)表示塊的第行第列的量化DCT系數(shù)。個塊中于(,)位置上的Q_DCT值為0的個數(shù)總和用__(,)表示，則JPEG圖像個塊于(,)位置上的信息損失量(,)表示如下。

一幅圖像有個塊，每個塊有64個量化的DCT系數(shù)，對每個位置計算其DCT系數(shù)為0的個數(shù)，產(chǎn)生64個信息損失量(,)，對這64個信息損失量求取平均值，即該圖像的平均信息損失量，如式(2)所示。

在壓縮過程中，圖像的質(zhì)量因子越大，所對應(yīng)的DCT量化表的值越小，量化處理的DCT系數(shù)為0的個數(shù)越少，圖像的平均信息損失量就會隨之減小。

在以上研究基礎(chǔ)上，本文提出了一種基于二次速度估計的高分辨距離像補(bǔ)償算法。首先，利用互相關(guān)FFT法對目標(biāo)參數(shù)進(jìn)行粗估計，并結(jié)合速度和距離的先驗(yàn)知識設(shè)置合理的搜索區(qū)間。然后基于最小波形熵準(zhǔn)則，采用MDCFT進(jìn)行精確估計，實(shí)現(xiàn)距離像的運(yùn)動補(bǔ)償。

3.3 對齊與非對齊壓縮

一幅圖像經(jīng)過質(zhì)量因子為1的第一次JPEG壓縮，該圖像的平均信息損失量用1表示。該圖像重獲取過程中經(jīng)歷再次JPEG壓縮，為使重獲取的圖像盡可能真實(shí)，壓縮的質(zhì)量因子2會盡可能大，使重獲取圖像的質(zhì)量盡可能高。圖像的壓縮質(zhì)量因子越大，其平均信息損失量就會越小。而重獲取圖像由于網(wǎng)格線與原圖像有偏移，其再次壓縮過程所經(jīng)歷的是非對齊壓縮，此時平均信息損失量用2表示。當(dāng)質(zhì)量因子2大于1，圖像以2或1的質(zhì)量因子壓縮時，質(zhì)量因子2所對應(yīng)的量化表的值比1所對應(yīng)的量化表的值小，量化后DCT系數(shù)為0的個數(shù)越少，圖像的平均信息損失量就會越小，所以2小于1。

重獲取圖像的網(wǎng)格線非對齊，假設(shè)網(wǎng)格線的偏移量是行列，那么可以對圖像進(jìn)行剪切，將圖像剪切行列（0≤≤7，0≤≤7），使圖像的網(wǎng)格線與原始圖像網(wǎng)格線對齊，之后再對圖像進(jìn)行質(zhì)量因子為2的壓縮，則圖像此次經(jīng)歷的壓縮就是對齊壓縮。在對齊壓縮的過程中，圖像的平均信息損失量就會接近于第一次JPEG壓縮引起的圖像平均信息損失量1，而非對齊壓縮的過程中，圖像的平均信息損失量就會接近于再次JPEG壓縮引起的圖像平均信息損失量2。

定義一幅圖像，剪切行列后的圖像為(,)。該圖像經(jīng)歷第一次JPEG壓縮后的圖像為1，定義為

經(jīng)歷第二次JPEG壓縮后的圖像為2，定義為

那么，剪切行列后的圖像2(,)經(jīng)歷與第二次質(zhì)量因子一樣的JPEG壓縮后定義為

此時，將剪切行列后的圖像的平均信息損失量_2(,)定義為

3.4 檢測峰值點(diǎn)

由于DCT變換過程是將圖像分成8×8不重疊的塊。所以剪切的行列的數(shù)值范圍為[0,7]。提取的剪切圖像平均信息損失量2(,)特征是一個8×8的矩陣，有64個特征值，每個特征值所在的位置(,)代表了經(jīng)過剪切行列后的每幅圖像，該位置的特征值代表剪切后的該幅圖像的平均信息損失量。

圖像平均信息損失量2(,)的64個特征值中，如果在(0,0)位置上出現(xiàn)峰值點(diǎn)，代表這幅圖像不需要剪切行列就可以與原始圖像的分塊網(wǎng)格對齊，代表該圖像再次以2的質(zhì)量因子壓縮是對齊壓縮，即圖像為未經(jīng)篡改的原始圖像。如果在(2, 3)位置上出現(xiàn)峰值點(diǎn)，代表這幅圖像在剪切2行3列之后與原始圖像的分塊網(wǎng)格對齊，剪切之后以2的質(zhì)量因子壓縮才是對齊壓縮，即圖像的BAG網(wǎng)格發(fā)生了2行3列的偏移。而未出現(xiàn)峰值的其他位置上的特征值，由于原始圖像偏移1行1列與剪切行列之后的圖像是分塊網(wǎng)格還是沒有對齊的，剪切之后的圖像再次以2的質(zhì)量因子壓縮時經(jīng)歷的還是非對齊壓縮，所以特征值小于對齊壓縮后的圖像。

4 實(shí)驗(yàn)分析

實(shí)驗(yàn)運(yùn)行環(huán)境計算機(jī)配置為Intel Core i5- 4590 CPU 3.30 GHz、8 GB內(nèi)存、Windows 7 系統(tǒng)，使用Matlab R2014b的平臺進(jìn)行算法的實(shí)現(xiàn)，利用Photoshop軟件對重獲取圖像進(jìn)行進(jìn)一步處理。本文用來進(jìn)行實(shí)驗(yàn)的非壓縮圖像來自McGill Calibrated Colour Image Database[15]，選取Flowers、Animals、Fruits、Textures、Winter、Shadows這6個文件夾下的圖像，每個文件夾選取30張圖像，選取Landscapes與Foliage文件夾下每個文件夾10張圖像，共計200幅圖像。重獲取的圖像來自于自己拍攝的圖像，自己拍攝的圖像使用Canon EOS 6D和MX5設(shè)備拍攝，重獲取圖像分辨率為512×512。隨機(jī)選取非壓縮的原始圖像200幅，首先將每幅圖像以質(zhì)量因子1壓縮為JPEG圖像，然后利用圖像獲取設(shè)備對這200幅圖像重獲取，重獲取的圖像采用Photoshop軟件進(jìn)行無關(guān)背景信息刪除和其他進(jìn)一步處理，使人眼難以判別是否為重獲取圖像，再將圖像以質(zhì)量因子2（大于質(zhì)量因子1）壓縮，得到JPEG格式的重獲取圖像，利用本文第3節(jié)的檢測算法檢測這些重獲取圖像。圖像示例如圖4所示。

(a) 原始圖像一

(b) 重獲取圖像一

(c) 原始圖像二

(d) 重獲取圖像二

圖4 原始圖像與重獲取圖像示例

該實(shí)驗(yàn)的實(shí)驗(yàn)結(jié)果如下。

實(shí)驗(yàn)中將原始圖像作為正樣本，重獲取圖像作為負(fù)樣本，正負(fù)各200幅圖像作為實(shí)驗(yàn)樣本。原始圖像被算法檢測為原始圖像則為正的正樣本（TP, ture positive），原始圖像被算法檢測為重獲取圖像則為負(fù)的正樣本（FN, false negative），重獲取圖像被算法檢測為原始圖像則為正的負(fù)樣本（FP, false positive），重獲取圖像被算法檢測為重獲取圖像則為負(fù)的負(fù)樣本（TN, ture negative）。

為了評價算法的性能，本文使用精確率（precision）、召回率（recall）、準(zhǔn)確率（accuracy）對實(shí)驗(yàn)結(jié)果進(jìn)行分析。

圖像檢測結(jié)果是一個8×8的64維特征值矩陣，如圖5所示，其中每個特征值用像素值表示原始圖像在檢測過程中，峰值點(diǎn)位置是一個白色的亮點(diǎn)。圖5(a)顯示的是原始圖像的檢測結(jié)果，白色的亮點(diǎn)出現(xiàn)在(0, 0)位置，代表峰值點(diǎn)位置為(0, 0)，該圖像檢測結(jié)果為原圖。圖5(b)顯示的是重獲取圖像的，白的亮點(diǎn)出現(xiàn)在(4, 4)位置，代表峰值點(diǎn)位置為(4, 4)，該圖像檢測結(jié)果為重獲取圖像。

(a) 峰值(0,0)

(b) 峰值(4,4)

圖5 檢測結(jié)果

文獻(xiàn)[8]中提出了3種經(jīng)典的重獲取圖像檢測算法，本文的實(shí)驗(yàn)結(jié)果與文獻(xiàn)[8]的多尺度LBP特征和多尺度小波特征2種算法做比較。實(shí)驗(yàn)結(jié)果如表1所示，本文提出的算法與多尺度LBP特征值和多尺度小波特征值算法相比較，精確率更高，漏檢更少。表2中將不同算法之間的平均檢測時間作為對比，可以看出，本文的算法與多尺度LBP特征提取的算法相比較，時間復(fù)雜度有了明顯的降低。

表1 不同算法檢測結(jié)果

表2 不同算法的平均檢測時間

5 結(jié)束語

本文提出了一種基于重獲取的JPEG圖像重壓縮造成的網(wǎng)格不匹配特性的重獲取偽造圖像檢測方法。原始圖像的分塊網(wǎng)格不會發(fā)生偏移，進(jìn)行多次壓縮不會產(chǎn)生塊效應(yīng)網(wǎng)格偏移，為對齊壓縮。而重獲取的圖像由于再獲取過程會引入或多或少與原圖不相關(guān)的背景信息，致使圖像的分塊網(wǎng)格與原始圖像不一致，重壓縮產(chǎn)生的塊效應(yīng)網(wǎng)格會與原始的網(wǎng)格錯匹配，基于該特性，本文采用圖像的平均信息損失量特征值的峰值進(jìn)行檢測塊效應(yīng)網(wǎng)格是否產(chǎn)生偏移，檢測圖像是否為重獲取圖像。實(shí)驗(yàn)表明，本文的算法可以有效地從圖像中區(qū)分出原始圖像和重獲取圖像，擁有較好的檢測效果和較短的檢測時間。不足之處在于，本文的算法針對的是JPEG格式的重獲取圖像，而不限制格式的重獲取圖像檢測是今后研究工作的主要方向。

[1] FARID H. A survey of image forgery detection[J]. IEEE Signal Processing Magazine, 2009, 26: 16- 25.

[2] HOLDEN C. Rare-tiger photo flap makes fur fly in China[J]. Science, 2007, 318(5852): 893.

[3] FARID H, LYU S. Higher-order wavelet statistics and their application to digital forensics[C]//IEEE Workshop on Statistical Analysis in Computer Vision. 2003: 8-94.

[4] YU H, NG T T, SUN Q. Recaptured photo detection using specularity distribution[C]//IEEE International Conference on Image Processing. 2008: 3140-3143.

[5] TAN R T, IKEUCHI K. Separating reflection components of textured surfaces using a single image[J]. Pattern Analysis and Machine Intelligence, 2005, 27(2): 178-193.

[6] 李瑞寒. 高效重獲取圖像檢測算法[D]. 北京: 北京交通大學(xué), 2015. LI R H. Efficient detecting algorithm of regaining image[D]. Beijing: Beijing Jiaotong University, 2015.

[7] GAO X, NG T T, QIU B, et al. Single-view recaptured image detection based on physics-based features[C]//IEEE International Conference on Multimedia, 2010: 1469-1474.

[8] CAO H, KOT A C. Identification of recaptured photographs on LCD screens[C]//IEEE International Conference on Acoustics Speech and Signal Processing. 2010: 1790-1793.

[9] YIN J, FANG Y. Digital image forensics for photographic copying[C]//The International Society for Optical Engineering, 2012: 10.

[10] THONGKAMWITOON T, MUAMMAR H, DRAGOTTI P L. An image recapture detection algorithm based on learning dictionaries of edge profiles[J]. IEEE Transactions on Information Forensics & Security, 2015, 10(5): 953-968.

[11] THONGKAMWITOON T, MUAMMAR H, DRAGOTTI P L. Robust image recapture detection using a K-SVD learning approach to train dictionaries of edge profiles[C]//IEEE International Conference on Image Processing. 2014:5317-5321.

[12] LI R, NI R, ZHAO Y. An effective detection method based on physical traits of recaptured images on LCD screens[M]//Digital-Forensics and Watermarking. Berlin: Springer International Publishing, 2015.

[13] 趙潔, 郭繼昌, 張艷, 等. JPEG圖像雙重壓縮偏移量估計的篡改區(qū)域自動檢測定位[J]. 中國圖象圖形學(xué)報, 2015, 20(10): 1304-1312. ZHAO J, GUO J C, ZHANG Y, et al. Automatic detection positioning in area of double compression offset estimation of JPEG[J]. Journal of Image and Graphic, 2015, 20(10): 1304-1312.

[14] WU L, KONG X. Image tampering localization via estimating the non-aligned double JPEG compression[J]. The International Society for Optical Engineering, 2013, 8665.

[15] McGill calibrated color Image database[EB/OL]. http://tabby.vision. mcgill.ca/.

JPEG recapture image tamper detection method based on block effect grid offset

HUANG Wei1,2, HUANG Tian-qiang1,2, ZHANG Xue-li1,2, XIAO Hui1,2

(1. College of Mathematics and Informatics, Fujian Normal University, Fuzhou 350117, China;2. Fujian Provincial Engineering Research Center of Big Data Analysis and Application, Fuzhou 350117, China)

Recaptured images are captured original or distorted image shown on the intermediaries, a high-quality recapture image is difficult to distinguish the authenticity of the human eye. Aimed at the tampering operation of JPEG image, a method of detecting block effect grid offset due to re-compression was proposed. The original image was compressed multiple times did not produce the block effect of the grid offset, and the recapture image, because of the recapture process would introduce background information that was not related to the original image, the re-compression of the block effect grid with the original grid is mismatched, and the average information loss amount of the image was used to detect whether the block effect grid generates an offset or not to detect the recapture image. Experiments show that this method is more accurate than the existing recapture image detection method, and the average detection time is shorter.

image forensics, recapture images, JPEG images, repetitive compression, offset of BAG

TP393

A

10.11959/j.issn.2096-109x.2017.00220

2017-10-15；

2017-11-24。

黃添強(qiáng)，fjhtq@fjnu.edu.cn

國家自然科學(xué)基金資助項(xiàng)目（No.61070062, No.61502103）；福建省高校產(chǎn)學(xué)合作科技重大基金資助項(xiàng)目（No.2015H6007）；福州市科技計劃基金資助項(xiàng)目（No.2014-G-76）；福建省高等學(xué)校新世紀(jì)優(yōu)秀人才支持基金資助項(xiàng)目（No.JAI1038）；福建省科學(xué)廳K類基金資助項(xiàng)目（No.2011007）；福建省教育廳A類基金資助項(xiàng)目（No.JA10064）

The National Natural Science Foundation of China (No.61070062, No.61502103), Industry-University Cooperation Major Project of Fujian Province (No.2015H6007), Science and Technology Program of Fuzhou (No.2014-G-76), Program for New Century Excellent Talents in University of Fujian Province(No.JAI1038), The K-class Foundation Project of Fujian Provincial Science and Technology (No.2011007), The A-class Foundation Project of Fujian Provincial Education Department (No.JA10064)

黃維（1994-），女，福建莆田人，福建師范大學(xué)碩士生，主要研究方向?yàn)樾畔踩?、?shù)字多媒體取證。

黃添強(qiáng)（1971-），男，福建莆田人，博士，福建師范大學(xué)教授，主要研究方向?yàn)闄C(jī)器學(xué)習(xí)、數(shù)字多媒體取證。

張雪莉（1993-），女，河南正陽人，福建師范大學(xué)碩士生，主要研究方向?yàn)樾畔踩?、?shù)字多媒體取證。

肖輝（1991-），男，福建南平人，福建師范大學(xué)碩士生，主要研究方向?yàn)樾畔踩⒁曨l目標(biāo)跟蹤。