视频重压缩检测学习计划和笔记( 三 ) _比特率

相反，如果帧之间的关联性较弱，则相邻帧之间的像素差异会更大，这就会导致光流算法产生周期性异常。这是因为在这种情况下，光流算法很难估计帧之间的运动矢量，并且可能会产生错误的运动估计结果。当这些错误的运动矢量被用于视频压缩时，会导致视频质量的下降和编码效率的降低。
1.2 ViBe算法
ViBe算法通常用于背景建模和运动检测，并生成背景掩膜。在这篇论文中，ViBe算法被用来生成背景掩膜，从而提取帧间的运动信息和特征。通过将ViBe算法生成的背景掩膜与其他特征进行融合，该算法能够更准确地检测HEVC双重压缩。
1.2LK稀疏光流算法
LK算法（也称为Lucas-算法）是一种常用的光流计算方法，它与传统的光流算法有以下几个区别：
局部像素匹配：传统的光流算法通常将整张图像看作一个整体，对于每个像素点都计算其在整张图像中的运动。而LK算法则是基于局部区域的像素匹配，它假设图像的小邻域内的像素具有相同的运动，然后利用这些邻域内的像素来估计运动。
高斯金字塔降采样：LK算法在计算光流之前会对图像进行高斯金字塔降采样，以减小计算量。在金字塔的不同层级上进行光流计算，可以得到不同尺度上的光流向量。
矩阵求解：传统的光流算法通常采用的是最小二乘法来求解光流向量，而LK算法则是通过求解一个线性方程组得到光流向量。这种方法更加稳定和准确。
总的来说，LK算法相对于传统的光流算法具有更好的稳定性和准确性，但是计算量更大。它适用于相邻帧之间的像素变化比较小的情况，例如相机运动较慢、物体静止等情况。
1.3 这篇文章中的 GOP 与意欲何为
特别地，Non- GOP结构指的是在重编码过程中，两次GOP参数设置地不同,这个现象会导致周期性现象（由于I-P帧导致的周期峰值）。
利用周期性分析估计出第一次的GOP位置对更精细的取证是很有必要的。
周期性分析是为了去除这些不必要的峰值，因为它会影响I-P帧的检测。
补充：好像看到的光流特征都是为了减少运动物体的影响。
2 LBP特征
LBP(Local)算法
是一种描述图像特征像素点与各个像素点之间的灰度关系的局部特征的非参数算法，同时也是一张高效的纹理描述算法。
纹理是物体表面的自然特性，它描述图像像素点与图像领域之间的灰度空间的分布关系，不会因为光照强弱而改变图像的视觉变化。
原始的LBP算子定义为在33的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0 。这样，33邻域内的8个点经比较可产生8位二进制数（通常转换为十进制数即LBP码，共256种），即得到该窗口中心像素点的LBP值，并用这个值来反映该区域的纹理信息。
LBP的应用中，如纹理分类、人脸分析等，一般都不将LBP图谱作为特征向量用于分类识别，而是采用LBP特征谱的统计直方图作为特征向量用于分类识别。
LBP的应用中，如纹理分类、人脸分析等，一般都不将LBP图谱作为特征向量用于分类识别，而是采用LBP特征谱的统计直方图作为特征向量用于分类识别。
因为，从上面的分析我们可以看出，这个“特征”跟位置信息是紧密相关的。直接对两幅图片提取这种“特征”，并进行判别分析的话，会因为“位置没有对准”而产生很大的误差。后来，研究人员发现，可以将一幅图片划分为若干的子区域，对每个子区域内的每个像素点都提取LBP特征，然后，在每个子区域内建立LBP特征的统计直方图。如此一来，每个子区域，就可以用一个统计直方图来进行描述；整个图片就由若干个统计直方图组成；