Identificación de la Fuente de Adquisición de Imágenes/Vídeos en Escenarios Abiertos usando Técnicas de Inteligencia Artifical
El creciente uso de nuevas tecnologías en las últimas décadas ha llevado a que los teléfonos móviles sean los dispositivos más utilizados a diario. Como consecuencia, todos los días se toman millones de imágenes y vídeos, generando una gran cantidad de información que puede ser utilizada como eviden...
| Author: | |
|---|---|
| Format: | master thesis |
| Publication Date: | 2018 |
| Country: | España |
| Institution: | Universidad Complutense de Madrid (UCM) |
| Repository: | Docta Complutense |
| Language: | Spanish |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/20008 |
| Online Access: | https://hdl.handle.net/20.500.14352/20008 |
| Access Level: | Open access |
| Keyword: | 004(043.3) Agrupamiento Jerárquico Identificación de la Fuente Método del Codo Multimedia Forense PRNU Ruido del Sensor Transformadas de Ondícula Vídeo Digital Digital Video Elbow Method Hierarchical Clustering Multimedia Forensics Sensor Noise Source Identification Wavelet Transforms Informática (Informática) 1203.17 Informática |
| Summary: | El creciente uso de nuevas tecnologías en las últimas décadas ha llevado a que los teléfonos móviles sean los dispositivos más utilizados a diario. Como consecuencia, todos los días se toman millones de imágenes y vídeos, generando una gran cantidad de información que puede ser utilizada como evidencia en tribunales. Por tanto, es completamente necesario introducir mecanismos para garantizar la identificación de la fuente de lo que puede ser considerado como prueba en procesos judiciales. En este trabajo se propone un algoritmo para la identificación de la fuente de vídeos, basado en imperfecciones inherentes que los sensores presentan debido al proceso de fabricación, lo que permite distinguir entre dos móviles del mismo modelo y marca. Estas imperfecciones son extraídas de los fotogramas relevantes de los vídeos a través la transformada de ondícula de Daubechies y mediante agrupamiento los vídeos son asociados en distintas clases basados en la correlación. Para determinar el número óptimo de grupos se utiliza el método del codo. |
|---|