Detección de manipulaciones Inter-Fotogramas mediante técnicas de Aprendizaje Profundo

Abstract

Hoy en día, la sociedad tiende a capturar y compartir vídeos con mucha frecuencia, sobre todo con el despunte de las redes sociales y la facilidad que ´estas otorgan a la hora de transmitir cualquier tipo de información. No solo se cuenta con dicha comodidad a la hora de compartir, sino que, en la actualidad, con la evolución de los dispositivos, también se dispone de mucha sencillez a la hora de capturar cualquier momento, inclusive la disponibilidad de editar dichos vídeos. Es con esta situación, que ha medida que pasa el tiempo, resulta de mayor complejidad la detección de manipulaciones en este tipo de formato multimedia. Además existen varios tipos de manipulaciones para los vídeos, pero en este trabajo se propone un análisis espacio-temporal de los fotogramas que los componen para averiguar si realmente existe una manipulación temporal y poder clasificarla, dependiendo del tipo del que se trate. También, parte del objetivo se centra en comprobar si los resultados que se obtienen pueden ser comparables con otras herramientas/metodologías que compartan la misma finalidad. Para ello se extraerán los fotogramas de un conjunto de datos, formado por vídeos originales y algunos con ciertas manipulaciones, para realizar una serie de experimentos para poder realizar una clasificación de los vídeos. Obteniendo alrededor de un 96 % de exactitud a la hora de diferenciar los vídeos manipulados de los que son originales, un 92 % para detectar el tipo de manipulación temporal dentro del grupo de vídeos manipulados (sin vídeos originales) y un 77 % para la clasificación que detecta si el vídeo es original o tiene alguna manipulación (indicando a su vez el tipo de manipulación temporal que posee).Nowadays, society has a tendency to capture and share videos very frequently, especially with the growth of social networks and the ease they provide when it comes to transmitting any type of information. Not only is there such convenience when sharing, but actually, with the evolution of devices, there is also a lot of facilities when it comes to capture any moment, including the opportunity to edit such videos. It is with this situation that, as time goes by, the detection of manipulations in this type of multimedia format becomes more complex. In addition, there are several types of manipulations for videos, but this research proposes an analysis of the spatio-temporality of the frames that compose them to find out if there is really a temporal manipulation and be able to classify it, depending on the type of manipulation. Also, part of the purpose is to check whether the results obtained can be compared with other tools/methodologies that share the same scope. For this purpose, frames will be extracted from a dataset, consisting of original videos and some with certain manipulations, to perform a series of experiments in order to classify the videos. Obtaining about 96 % accuracy in identifying the manipulated videos from those that are original, 92 % for detecting the type of temporal manipulation within the group of manipulated videos (without original videos) and 77 % for the classification that detects whether the video is original or has some manipulation (indicating in addition the type of temporal manipulation it has).