El artículo «Exposing Digital Forgeries in Video by Detecting Duplication» de Wang Weihong y Hany Farid, publicado en 2007, explora técnicas computacionales para revelar manipulaciones en vídeos digitales, específicamente aquellas que involucran duplicación de fotogramas o regiones dentro de los fotogramas. Con la proliferación de cámaras de vídeo digitales de alta calidad y software de edición de vídeo sofisticado, se ha vuelto cada vez más fácil alterar contenidos, lo que plantea desafíos significativos para la integridad de la información visual.
El trabajo se centra en dos tipos principales de duplicación: la duplicación de fotogramas enteros y la duplicación de regiones dentro de los fotogramas. Los autores desarrollan métodos eficientes para detectar ambas formas de manipulación, basándose en la correlación temporal y espacial entre sub-secuencias del vídeo. Para la duplicación de fotogramas, el vídeo se segmenta en sub-secuencias cortas y superpuestas, y se calculan matrices de correlación temporal que capturan las similitudes entre pares de fotogramas dentro de cada sub-secuencia. Las correlaciones elevadas entre estas matrices se utilizan como evidencias de duplicación. El proceso se lleva a cabo en dos etapas: primero, identificando sub-secuencias candidatas con alta correlación temporal; segundo, verificando estas candidatas mediante la comparación de sus matrices de correlación espacial .
Para manejar la manipulación que involucra solo partes de fotogramas, los investigadores describen un método basado en la correlación de fase para estimar desplazamientos espaciales entre pares de fotogramas. Este proceso implica identificar picos de correlación que no están en el origen, lo que señala posibles duplicaciones regionales. El método se adapta tanto para cámaras estacionarias como para cámaras en movimiento, la cual implica un análisis adicional del movimiento de la cámara para asegurarse de que las regiones duplicadas no se deban simplemente a la reaparición de objetos debido a la panorámica de la cámara .
Los experimentos mostraron que los métodos propuestos son efectivos para detectar duplicaciones en vídeos comprimidos y no comprimidos, manteniendo bajos niveles de falsos positivos. En vídeos tomados con una cámara estacionaria, por ejemplo, se logró detectar un promedio del 84,2% de los fotogramas duplicados, con solo un 0,03% de falsos positivos. En el caso de vídeos de cámaras en movimiento, los resultados fueron aún más impresionantes, con una detección del 100% y ninguna falsificación detectada erróneamente .
Además, estos métodos son extendidos para la detección de duplicaciones en imágenes estáticas. La eficiencia computacional de los algoritmos es también un punto crítico, dada la magnitud de datos que representan los vídeos de duración moderada. Los algoritmos están diseñados para permitir su distribución en clusters de procesamiento, lo que podría reducir significativamente los tiempos de cómputo, crucial dado que el análisis de vídeos de diez mil fotogramas puede tardar hasta 45 minutos en un solo procesador .
En conclusión, este estudio presenta un conjunto robusto de herramientas para la detección de falsificaciones digitales en vídeos, mejorando métodos previos en términos de eficiencia y precisión. Estas técnicas, en conjunto con otros avances en la forense digital de vídeos, prometen dificultar considerablemente la manipulación no detectada de contenidos visuales digitales .
