Методика определения временных интервалов по видеозаписям

Бояров А.Г., Власов О.О., Сипаров И.С. Методика определения временных интервалов по видеозаписям // Теория и практика судебной экспертизы. 2022. Т. 17. № 2. С. 58–69. https://doi.org/10.30764/1819-2785-2022-2-58-69

Введение

Видеозаписи являются объективным способом фиксации криминалистически значимой информации: действий людей, состояния объектов и различных процессов в реальном масштабе времени. Они используются при расследовании преступлений и установлении обстоятельств происшествий, часто дорожно-транспортных, когда возникает необходимость определения временных интервалов между событиями, в том числе в качестве исходных данных для определения скорости и ускорения движения транспортных средств.

В экспертной практике встречаются устройства с определенными особенностями формирования видеограмм, стандартами и кодеками цифровой видеозаписи, иногда с некорректными данными о времени фиксации отдельных кадров, сбоями в работе часов устройства записи, с повторами и пропусками кадров. Это необходимо учитывать при определении временных интервалов, чтобы избежать ошибок и повысить достоверность результатов исследований.

Значительное количество научных работ по различным аспектам криминалистического исследования видеозаписей посвящено поиску признаков монтажа [1–5]; определению размеров и расстояний [6–7], скорости транспортных средств [8–11]. При этом вопрос определения временных интервалов по видеозаписи освещается редко [12–14].

В методических рекомендациях ФБУ РФЦСЭ при Минюсте России 2016 года [12] описаны основные проблемы определения временных интервалов и предложены подходы к их решению, однако экспертная практика показала необходимость их дальнейшего развития.

В настоящей работе представлена схема выбора корректного источника данных при определении временных интервалов, описаны пошаговая последовательность действий эксперта для решения поставленного перед ним вопроса и методы определения временных интервалов.

Термины

Видеозапись (видеограмма) – сигналы видеоизображения, записанные на носителе.

Кадр видеозаписи – единичное изображение из последовательности изображений, содержащихся в видеозаписи.

PTS (от англ. presentation timestamp) – момент начала отображения конкретного кадра видеозаписи на экране. Обычно отсчитывается от момента начала воспроизведения первого кадра видеозаписи.

ЧУЗ (часы устройства записи) – счетчик времени устройства записи, значения которого могут отображаться на кадрах видеозаписи, используются для датировки создания и изменения файлов видеозаписей.

Межкадровый временной интервал (межкадровый интервал) – время, прошедшее с момента фиксации одного кадра до момента фиксации следующего кадра.

Гребенка – набор маркеров (например, линий), отображающий изменение положения объекта в каждом кадре из исследуемой последовательности кадров.

Область применения

Методика может применяться при исследовании любых видеозаписей (видеограмм) для определения временных интервалов между событиями. Она предназначена для использования экспертами (специалистами), обладающими специальными знаниями в области экспертизы видеозаписей.

Источники данных для определения временных интервалов по видеозаписи

Существует четыре независимых источника данных для определения временных интервалов по видеограмме:

• значения PTS;

• показания ЧУЗ;

• величина смещения изображения объектов в соседних кадрах;

• события известной длительности, зафиксированные на видеограмме.

PTS извлекается кодеком из файла видеозаписи и задается разными способами в зависимости от формата. Например, в файлах формата RIFF/AVI задается только частота кадров, а увеличение длительности показа кадра возможно лишь кратно (за счет дублирования кадров или индексов). В формате MPEG-4/QTFF предусмотрено хранение длительности отображения для каждого кадра видеозаписи, которая может быть задана произвольно.

ЧУЗ предназначены для отображения на видеозаписи даты и времени фиксируемых событий. Они не всегда синхронизированы с источниками реального времени, в связи с чем их показания могут отличаться (иногда значительно) от фактического момента съемки. Смена показаний ЧУЗ может происходить со значительными нарушениями (нарушение последовательности значений, увеличенные или уменьшенные интервалы времени смены значений), поэтому временной интервал между фиксацией кадров, содержащих, например смену последовательных секундных показаний ЧУЗ, может не соответствовать длительности в 1 секунду.

Смещение изображений объектов в соседних кадрах позволяет оценить равномерность временных интервалов между ними. Для этого отмечаются положения перемещающегося объекта в последовательности кадров – производится построение гребенки.

Для видеозаписей со стационарных камер в качестве объекта может служить любой перемещающийся предмет, как правило, это движущийся автомобиль. Для видеозаписей, снятых нестационарными камерами (переносными, автомобильными видеорегистраторами и т. п.), допускается использование любых объектов, перемещающихся в плоскости кадра, элементы которого хорошо дифференцируются. При этом для анализа используются лишь фрагменты видеозаписей, на которых направление съемки (направление оптической оси устройства видеозаписи) изменяется незначительно или равномерно, а фокусное расстояние неизменно.

Для проверки корректности временных значений, определяемых по видеозаписи, допустимо использование информации о продолжительности событий известной продолжительности, зафиксированных в кадре. В ходе проверки реальная (известная) длительность таких событий сравнивается с их длительностью, определенной по видеозаписи. К примеру, реальная длительность сигналов светофорного объекта фиксируется в схемах его работы и может быть использована для сравнения с длительностью, определенной по видеозаписи.

Выбор корректного источника данных для определения временных интервалов по видеозаписи

Одним из удобных источников данных при определении временных интервалов между событиями являются значения PTS. Они позволяют определять интервал времени между любыми кадрами видеозаписи с точностью до тысячных долей секунды. Однако в экспертной практике встречаются видеозаписи, временные интервалы между кадрами которых по PTS не всегда совпадают с интервалами времени между фиксацией этих кадров. Использование PTS с таких видеозаписей приводит к серьезным ошибкам.

Во избежание ошибок разработан метод выбора корректного источника данных о времени на видеозаписи. Блок-схема с условиями, определяющими последовательность действий эксперта, приведена на рис. 1.

Первым шагом выполняется блок 1, уточняется наличие ЧУЗ на изображении: если да, переходим к блоку 2; если нет – к блоку 4.

В блоке 2 проверяется соответствие показаний ЧУЗ показаниям PTS на длительном интервале. Для этого необходимо уточнить, совпадает ли продолжительность «длительного» временного интервала (рекомендуется не менее 5 сек.), определенная по ЧУЗ (между моментами смены значений секунд ЧУЗ), с длительностью этих интервалов по PTS: если совпадает, переходим к блоку 3; если длительность различается значительно (может повлиять на окончательные выводы) – к блоку 4. Проверку соответствия требуется провести вручную с использованием видеоплеера, который позволяет производить покадровый просмотр и отображает PTS кадров, либо с использованием специального программного обеспечения, которое позволяет проводить распознавание показаний ЧУЗ видеограммы (например, СПО «DTP-Expert»).

В блоке 3 сопоставляется пропорциональность величины смещения изображений объектов от кадра к кадру к величине межкадрового интервала по PTS. Для этого строится гребенка – маркерами отмечается положение объекта в последовательности кадров. Если межкадровый интервал постоянный, то и смещения объектов должны быть одинаковыми (с учетом перспективных искажений и изменений скорости объекта). Если межкадровый интервал по PTS для кадров различается, то пропорционально должны отличаться и смещения объекта в плоскости кадра.

Например, если интервал по PTS между первым и вторым кадром видеограммы в два раза меньше, чем между вторым и третьим, то и перемещение объекта от первого ко второму кадру должно быть в два раза меньше, чем перемещение от второго к третьему. Таким образом, если смещения объектов в кадре пропорционально межкадровым интервалам по PTS, переходим к блоку 9, если непропорционально – к блоку 6.

В блоке 4 проверяется наличие на видеозаписи изображения событий, временной интервал между которыми доподлинно известен (например, переключения сигналов на светофорных объектах) или может быть определен по экспериментальной видеозаписи: если события, интервал времени между которыми известен, имеются на видеозаписи, переходим к блоку 5; если нет – к блоку 7.

В блоке 5 сопоставляется известная длительность интервала между событиями, зафиксированными на видеограмме, с определяемой по PTS длительностью интервала между кадрами, фиксирующими эти события: если известная длительность соответствует длительности, определенной по PTS, переходим к блоку 3; если не соответствует – к блоку 7.

В блоке 6 анализируются интервалы гребенки, построенные в блоке 3. Если интервалы одинаковы (с учетом перспективных искажений и изменений скорости), переходим к блоку 8. Если интервалы различны, производится попытка их дробить, добавляя линии гребенки так, чтобы интервалы между ними стали одинаковыми (рекомендуется добавлять не более двух дополнительных линий между существующими). Если дополнительные линии, соответствующие пропущенным кадрам, могут быть добавлены так, что интервалы гребенки становятся одинаковыми, переходим к блоку 8; иначе – к блоку 7.

Блоки 7–9 содержат выводы о том, какие данные о времени могут быть использованы для определения длительности интервалов времени по исследуемой видеозаписи.

Переход по схеме в блок 9 означает, что по исследуемой видеозаписи определение значений временных интервалов, используя данные PTS, возможно.

Переход по схеме в блок 8 означает, что при использовании PTS для определения длительности временных интервалов для данной видеозаписи возможна ошибка, поэтому для определения временных интервалов необходимо использовать среднюю частоту кадров с учетом «пропущенных», и без учета повторов (по гребенке). Средняя частота кадров должна считаться на интервалах времени не менее 5 сек. Если на исследуемой видеозаписи нельзя построить гребенку на интервале длительностью не менее 5 сек., рекомендуется для определения временных характеристик использовать экспериментальную видеозапись.

Переход по схеме в блок 7 означает, что общих рекомендаций нет; требуется разработка частного подхода к конкретным видеозаписям с использованием экспериментальных записей, и др.

Определение интервалов времени между событиями

Любая видеозапись содержит последовательность кадров. Для определения момента возникновения события необходимо выявить кадр N, в котором данное событие еще не произошло, и кадр P, в котором событие уже произошло. Следовательно, принимается, что событие произошло в момент времени между фиксацией кадров N и P.

При необходимости определения времени между двумя событиями используется следующая последовательность действий:

• для первого события определить N₁ (кадр, в котором событие 1 еще не произошло) и P₁ (кадр, в котором событие 1 уже произошло);

• для второго события определить N₂ (кадр, в котором событие 2 еще не произошло) и P₂ (кадр, в котором событие 2 уже произошло);

• определить минимальный интервал времени t_min между событиями, равный интервалу времени между кадрами N₂ - P₁;

• определить максимальный интервал времени t_max между событиями, равный интервалу времени между кадрами P₂ - N₁.

Если в результате определения корректного источника данных по видеозаписи выявлено, что определение временных интервалов по PTS возможно (блок 9), то:

t_min = PTS(N₂) – PTS(P₁);

t_max = PTS(P₂) – PTS(N₁).

Если в результате определения корректного источника данных для определения временных интервалов по видеозаписи выявлена необходимость использования средней частоты кадров F с учетом пропущенных кадров и без учета повторяющихся (блок 8), необходимо:

• построить гребенку минимум на пятисекундном интервале для определения средней частоты кадров (F);

• построить гребенку для анализируемого интервала, если интересующие события не попали в вышеуказанный интервал;

• дополнить гребенку, поставив маркеры для пропущенных кадров;

• по построенной гребенке определить количество межкадровых интервалов между кадрами N₂ и P₁ (обозначим вычисление количества кадров, как K(N₂, P₁));

• по построенной гребенке определить количество межкадровых интервалов между кадрами N₁ и P₂ (K(P₂, N₁));

• t_min и t_max рассчитываются по формулам:

t_min = K(N₂, P₁)/F ;

t_max = K(P₂,N₁)/F.

Таким образом, момент возникновения события определяется с минимальным интервалом в один кадр. Если качество изображения не позволяет определить момент возникновения события с точностью до кадра, интервал может быть увеличен до нескольких кадров.

В некоторых случаях, когда событие связано с движением объекта, допускается уточнение момента возникновения события по местоположению перемещающихся объектов. Например, если необходимо определить момент времени, в который транспортное средство передними колесами пересекает стоп-линию (рис. 2, 3), и четкость изображения достаточна для более точного позиционирования, то интервал может быть уточнен по положению объекта в кадрах.

Рис. 2. Кадр N. Автомобиль не доехал до стоп-линии.

Рис. 3. Кадр N+1. Автомобиль переехал стоп-линию.

Для данного примера утверждается, что пересечение стоп-линии происходит в момент времени не ранее, чем t_N – момент времени (от начала видеозаписи) формирования кадра N и не позднее, чем t_N+1 – момент времени формирования кадра N+1, таким образом, автомобиль пересек стоплинию во временном интервале [t_N, t_N+1].

Если автомобиль двигался с незначительным изменением скорости, то с учетом его перемещения можно сузить временной интервал. Принимая во внимание положение автомобиля в кадрах N и N+1, начало интервала уточняется делением его пополам. В результате момент пересечения произошел не ранее, чем в момент времени t_N+(t_N+1 - t_N)/2. Тем самым вдвое сужается временной интервал [t_N+(t_N+1 - t_N)/2, t_N+1].

Определение момента возникновения таких событий, как переключение сигналов светофора или включение световых сигналов транспортных средств с точностью более одного межкадрового интервала невозможно даже для видеозаписей высокого качества. Для видеозаписей низкого качества точность может снижаться, а момент возникновения события определяться лишь в диапазоне, равном нескольким межкадровым интервалам.

Иногда определяется интервал времени, прошедший между фиксацией конкретных кадров, а не между какими-либо событиями. Тогда по вышеуказанной схеме определяется корректный источник времени, и по нему определяется временной интервал. Если этот определенный интервал времени используется для вычисления скорости, то расстояние, пройденное объектом, скорость которого вычисляется, необходимо определять с погрешностью. В этом случае погрешность определения времени незначительна по сравнению с погрешностью определения расстояния, и ею можно пренебречь.

В результате применения разных методов определения времени между событиями (или в результате использования разных объектов исследования) могут получиться различные временные интервалы. Если полученные интервалы пересекаются, то результаты не противоречат друг другу. Пересечение интервалов полагается общим результатом применения методов. Результаты считаются расходящимися, если полученные интервалы не пересекаются.

Заключение

Определение временных интервалов по видеозаписи производит впечатление довольно простой задачи, однако ее решение без учета особенностей видеозаписей может приводить к серьезным ошибкам. Например, неправильный расчет скорости движения транспортных средств по видеозаписям ведет к ошибочным выводам в автотехнических экспертизах, которые используют результаты экспертизы видеозаписей в качестве исходных данных.

Применение представленной методики, основанной на обобщении многолетней экспертной практики, позволит избежать ошибок при определении временных интервалов по видеозаписям и тем самым будет способствовать повышению обоснованности и достоверности выводов экспертов.

Список литературы:

1. Haji Ali N., Harun F. Video Forgery Detection Based-on Passive (Blind) Approach // Journal of Advances in Technology and Engineering Research. 2019. Vol. 5. No. 5. P. 199–206. http://doi.org/10.20474/jater-5.5.2

2. Yao Y, Cheng Y, Li X. Video Objects Removal Forgery Detection and Localization // Nicograph International. 2016. P. 137. http://doi.org/10.1109/nicoint.2016.30

3. Bozkurt I., Bozkurt M.Н., Uluta G. A New Video Forgery Detection Approach Based on Forgery Line // Turkish Journal of Electrical Engineering & Computer Sciences. 2017. Vol. 25. No. 6. P. 4558–4574. http://doi.org/10.3906/elk-1703-125

4. Ravi H., Subramanyam A.V, Gupta G., Kumar B.A. Compression Noise Based Video Forgery Detection / 2014 IEEE International Conference on Image Processing (Paris, October 27–30, 2014). IEEE, 2014. P. 5352–5356. http://doi.org/10.1109/icip.2014.7026083

5. Rangnath M.K.S., Borse M.S. Detection of Forgery Part in Forgery Image Using Color Intensity // International Journal of Emerging Trends in Science and Technology. 2016. Vol. 3. No. 2. P. 3512–3518. https://ijetst.in/index.php/ijetst/article/view/974

6. Olver A.M., Guryn H., Liscio E. The Effects of Camera Resolution and Distance on Suspect Height Analysis Using PhotoModeler // Forensic Science International. 2021. Vol. 318. 110601. http://doi.org/10.1016/j.forsciint.2020.110601

7. Valock F., Draho P., Haffner O. Measure Distance between Camera and Object Using Camera Sensor // Cybernetics & Informatics. 2020. P. 1–4. http://doi.org/10.1109/ki48306.2020.9039879

8. Javadi S., Dahl M., Pettersson M.I. Vehicle Speed Measurement Model for Video-based Systems // Computers & Electrical Engineering. 2019. Vol. 76. P. 238–248. http://doi.org/10.1016/j.compeleceng.2019.04.001

9. Nguyen T.T., Pham X.D., Song J.H., Jin S., Kim D., Jeon J.W. Compensating Background for Noise due to Camera Vibration in Uncalibrated-Camera-Based Vehicle Speed Measurement System // Transactions on Vehicular Technology. 2011. Vol. 60. No. 1. P. 30–43. http://doi.org/10.1109/tvt.2010.2096832

10. Dehghani A., Parsayan A. Single Camera Vehicles Speed Measurement / 2013 8th Iranian Conference on Machine Vision and Image Processing (Zanjan, September 10–12, 2013). IEEE, 2013. P. 190–193. http://doi.org/10.1109/iranianmvip.2013.6779976

11. Czapla Z. Vehicle Speed Estimation with the Use of Gradient-based Image Conversion into Binary Form / 2017 Signal Processing: Algorithms, Architectures, Arrangements, and Applications (Poznan, September 20–22, 2017). IEEE, 2017. P. 213–216. http://doi.org/10.23919/spa.2017.8166866

12. Петров С.М., Бояров А.Г., Власов О.О., Кривощеков С.А., Шавыкина С.Б., Амелин В.А. Определение по видеозаписям, фиксирующим событие дорожно-транспортного происшествия, положения и параметров движения его участников. Метод. рекомендации для экспертов. М.: ФБУ РФЦСЭ при Минюсте России, 2016. 88 с.

13. Власов О.О., Бояров А.Г. Определение временного интервала между кадрами видеозаписи в экспертной практике / Актуальные вопросы экспертизы видеозаписей: материалы всероссийского семинара (г. Нижний Новгород, 13–17 мая 2013 г.). Н. Новгород, 2014. С. 230–241.

14. Considerations for the Use of Time-Based Analysis of Digital Video for Court. Version: 1.0 (September 17, 2020). Scientific Working Group on Digital Evidence (SWGDE). 2020. 7 p. https://drive.google. com/file/d/1GGRTEvQMrhEHpv6XWQmOjEJs2FUE2ds/view