抗幾何攻擊的視頻復(fù)制篡改檢測方法
【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明屬于視頻篡改檢測技術(shù)領(lǐng)域，涉及一種抗幾何攻擊的視頻復(fù)制篡改檢測方 法。
【背景技術(shù)】
[0002] 隨著數(shù)字媒體設(shè)備的廣泛普及和移動網(wǎng)絡(luò)的迅速發(fā)展，越來越多的數(shù)據(jù)以圖像和 視頻為代表的多媒體形式進(jìn)行捕獲、存儲和傳播，人們可以很方便和快速地訪問互聯(lián)網(wǎng)上 的多媒體數(shù)據(jù)。視頻數(shù)據(jù)由于具有信息量大，能夠給人以全方位更加直觀的感受，具有客觀 性、直觀性、動態(tài)性和連續(xù)性等特點，在許多領(lǐng)域具有重要應(yīng)用。然而，各種功能強大的視頻 編輯和處理軟件，如AdobePremierePro，AdobeAfterEffects和Mokey等的出現(xiàn)，使得 人們能夠很輕易地對獲取到的視頻進(jìn)行任意篡改而不遺留顯著痕跡。越來越多的視頻數(shù)據(jù) 篡改事件，顛覆了"眼見為實"的傳統(tǒng)觀念。盡管編輯數(shù)字視頻的目的不盡相同，但惡意篡 改的視頻數(shù)據(jù)以驚人的速度出現(xiàn)在的視野，給社會帶來了嚴(yán)重的負(fù)面影響，并嚴(yán)重影響到 人們生活、司法公正、新聞傳媒等。
[0003] 近幾年，視頻數(shù)據(jù)信息篡改檢測技術(shù)受到了世界上眾多研宄學(xué)者的極大關(guān)注。所 謂視頻復(fù)制篡改，即將視頻中的某一段復(fù)制并插入到該視頻的其它位置，或者用視頻中的 某一段代替該視頻中其它位置上的視頻片段。這樣的手法對于如今的視頻編輯軟件而言， 是很容易實現(xiàn)的操作，而且得到的篡改偽造視頻也很難被辨認(rèn)識別。針對視頻篡改偽造的 檢測可以分為兩大類：主動檢測和被動檢測。
[0004] 主動檢測是指存在先驗信息的情況下，對視頻數(shù)據(jù)的真實性和完整性進(jìn)行檢測， 如數(shù)字水印和視頻數(shù)字簽名。由于需要先驗信息，主動檢測方法在應(yīng)用中受到了很大的限 制。
[0005] 被動檢測則是在沒有先驗知識的情況下，利用視頻數(shù)據(jù)本身的特性，對視頻內(nèi)容 的完整性和真實性進(jìn)行檢查。由于不需要先驗信息，被動檢測具有廣泛的應(yīng)用前景[1]。最 新的研宄成果包括：
[0006] Wang等人[2]提出了一種基于運動估計的視頻數(shù)據(jù)篡改檢測方法，用于檢測通過 固定設(shè)備獲得的視頻中是否存在目標(biāo)移除的情況。在文獻(xiàn)[3]中，Lee等人提出了一種針 對監(jiān)控視頻的基于傳感器模式噪聲的視頻篡改檢測方法。在文獻(xiàn)[4]中，Subramanyam等 人提出了一種基于雙壓縮的視頻篡改檢測方法。此外，Subramanyam等人[5]，提出一種基 于方向梯度直方圖和視頻壓縮的視頻篡改檢測方法，該方法對于多種數(shù)字信號處理操作具 有很好的魯棒性。文獻(xiàn)[6]提出了一種基于MPEG的針對雙壓縮視頻的篡改檢測方法，利用 了雙壓縮會影響DCT(DiscreteCosineTransform)系數(shù)的分布，其中對于AC系數(shù)的影響 尤為明顯。Wang等人在視頻檢測方面提出了一系列的方法[7] [8] [9] [10]。其中，文獻(xiàn)[7] 描述了一種基于周期性特征殘余分析的視頻偽造檢測方法。文獻(xiàn)[9]提出了一種基于雙量 化系數(shù)效應(yīng)的視頻偽造檢測方法。在文獻(xiàn)[11]中，Kobayashi等人提出一種基于噪聲特征 不一致性的視頻篡改檢測方法。文獻(xiàn)[12]提出了一種基于空間匹配塊的噪聲相關(guān)性的視 頻篡改檢測方法。
[0007]將視頻片段拼接到同一視頻中的其它位置或者替換同一視頻中的某些片段，是一 種常見的視頻篡改手段，將這種篡改方法稱為視頻幀復(fù)制。這種視頻處理方法很容易實現(xiàn) 而且得到的篡改視頻可以達(dá)到以假亂真的效果，難以辨別。因此，對于視頻幀復(fù)制檢測的研 宄也成為一個熱點方向。目前，針對視頻幀復(fù)制檢測的研宄成果比較少，其中具有代表性的 成果有：在文獻(xiàn)[13]中，Qin等人提出了一種基于運動矢量的視頻復(fù)制幀檢測方法，該方法 可以有效地檢測視頻幀刪除或者視頻幀插入。但是，該方法對于刪除的幀數(shù)和插入的幀數(shù)， 具有特殊的要求，必須是圖像組（G0P)幀數(shù)的整數(shù)倍。Wang等人[14]提出了一種基于時 間一空間相關(guān)性的視頻復(fù)制幀檢測方法，該方法具有很高的計算復(fù)雜度，并且對于由固定 設(shè)備得到的視頻而言，其檢測率較低。在[14]的基礎(chǔ)上，Lin等人提出了一種新的檢測方 法[15]，主要由三部分構(gòu)成：（1)候選視頻片段的選?。唬?)空間相關(guān)性分析；(3)候選視頻 片段的分類。該方法通過由粗到精的研宄方式，能夠有效檢測出視頻中的復(fù)制幀。由于數(shù) 碼設(shè)備的不斷推陳出新，視頻的長度以及畫面的質(zhì)量都在不斷提高。因此，對于視頻篡改檢 測而言，具有較低的計算復(fù)雜度和較好的時效性成為檢測方法設(shè)計所面臨的核心問題。在 視頻復(fù)制檢測方面，之前提出的方法在這兩方面的表現(xiàn)都有所欠缺。
[0008] 總之，在科技高速發(fā)展的今天，關(guān)于視頻復(fù)制檢測的研宄已經(jīng)成為一個多學(xué)科交 叉、多領(lǐng)域融合的熱門方向，在理論研宄方面極富挑戰(zhàn)性，在實際中具有迫切的市場需求 和廣闊的應(yīng)用前景。

【發(fā)明內(nèi)容】

[0009]本發(fā)明的目的是提供一種抗幾何攻擊的視頻復(fù)制篡改檢測方法，解決了現(xiàn)有技術(shù) 中，對視頻復(fù)制篡改檢測的準(zhǔn)確性和時效性不能滿足要求的問題。
[0010] 本發(fā)明采用的技術(shù)方案是，一種抗幾何攻擊的視頻復(fù)制篡改檢測方法，按照以下 步驟實施：
[0011] 步驟1、檢測候選的視頻復(fù)制片段；
[0012] 步驟2、對候選視頻復(fù)制片段進(jìn)行合并；
[0013] 步驟3、檢測復(fù)制的視頻片段。
[0014]本發(fā)明的有益效果是：
[0015] 1)本發(fā)明的抗幾何攻擊的視頻復(fù)制篡改檢測方法，利用視頻片段之間在時間域上 的相似性，以及對應(yīng)視頻幀之間的空間相似性作為判斷依據(jù)進(jìn)行視頻復(fù)制檢測，具有較高 的檢測精確性。
[0016] 2)通過對候選視頻片段的合并，極大地縮短了檢測時間，使得本發(fā)明的方法具有 較高的時效性。
[0017] 3)本發(fā)明的抗幾何攻擊視頻復(fù)制篡改檢測方法，對于視頻的旋轉(zhuǎn)變換（當(dāng)旋轉(zhuǎn)角 度小于等于20度）和縮放變換，具有魯棒性，即當(dāng)視頻經(jīng)過旋轉(zhuǎn)和縮放變換后，依然具有良 好的檢測結(jié)果。
【附圖說明】
[0018] 圖1是本發(fā)明方法的流程框圖；
[0019]圖2是合并前的候選視頻中存在對應(yīng)相鄰復(fù)制幀的視頻片段示意圖，其中，I:第 4幀與第6幀為復(fù)制幀，II:第10幀與第12幀為復(fù)制幀，III:第5幀與第7幀為復(fù)制幀， IV:第11幀與第13幀為復(fù)制幀；
[0020] 圖3是采用本發(fā)明方法，對圖2中的候選視頻片段進(jìn)行合并后的視頻片段示意圖， 其中，V:第 4、5、6、7 幀；VI:第 10、11、12、13 幀；
[0021] 圖4是原始視頻序列，包括10幀；
[0022] 圖5是對應(yīng)于圖4的復(fù)制視頻序列，其中，第8、9幀分別被第1、2幀替換。
【具體實施方式】
[0023] 下面結(jié)合附圖和【具體實施方式】對本發(fā)明進(jìn)行詳細(xì)說明。
[0024] 參見圖1，本發(fā)明的抗幾何攻擊的視頻復(fù)制篡改檢測方法，按照以下步驟具體實 施：
[0025] 步驟1、檢測候選的視頻復(fù)制片段
[0026] 視頻復(fù)制，即復(fù)制的視頻幀可以插入到視頻中的任何地方，或者替換視頻中的其 它幀，
[0027] 設(shè)F(X，y，t)表示視頻，tG[1，L]，L為視頻長度（幀數(shù)），
[0028] 選取固定長度1作為視頻片段的長度，逐幀提取視頻片段，將視頻分割成L-1+1個 視頻片段，
[0029] 為了檢測是否存在復(fù)制的視頻片段，通過比較兩段視頻的相似性進(jìn)行判斷，利用 系數(shù)相關(guān)性作為相似性的評判標(biāo)準(zhǔn)，兩個向量X和Y之間的系數(shù)相關(guān)性表示為：
[0030]
( 1 )
[0031] 其中，XJPY^別表示向量X和Y中的第i個元素，yx和yY分別表示向量X和 Y的均值，
[0032] 檢測候選視頻復(fù)制片段的具體步驟如下：
[0033] 1. 1)對每個視頻片段，計算每一幀圖像的2~4階Zernike矩特征，共有7個值，
[0034]設(shè)視頻片段Sk= {Fk(x,y,t)|t= 1，2,…，1}，其中，k= 1，2,…，L-1+1，
[0035]將Sk表示為矩陣特征Hk(i，7)，共有1幀，每一幀的2~4階Zernike矩特征共有 7個值，其中，i= 1，2,…，1，如式（2)所示：
[0036]
(2)
[0037]矩陣Hk(i，7)的行向量21表示由視頻片段Sk中第i幀圖像中所提取的2~4階Zernike矩構(gòu)成的特征向量，具體的特征如表1所示：
[0038]表 1，2~4 階Zernike矩
[0039]
[0040] 1. 2)計算任意兩個視頻片段之間特征矩陣的相關(guān)系數(shù)：
[0041] (3)
[0042] ⑷
[0043] Hm表示第m個視頻片段的特征矩陣，
[0044] Hn表示第n個視頻片段的特征矩陣；
[0045] ym表示視頻片段m所對應(yīng)的特征矩陣的均值，
[0046] yn表示視頻片段n所對應(yīng)的特征矩陣的均值，
[0047] 進(jìn)而得到一個關(guān)于相關(guān)系數(shù)C(Hm，Hn)的對稱矩陣，
[0048] 其中，m= 1，2, ? ? ?，L-1+1，n= 1，2, ? ? ?，L-1+1。
[0049] 1. 3)考慮到視頻的相鄰幀之間的相似性很高，會對視頻復(fù)制檢測的精度造成影 響，因此在檢測前應(yīng)該盡量排除這種影響。
[0050] 考慮相鄰視頻片段之間的相關(guān)系數(shù)CdHj，其中，|m_n| = 1，若該相關(guān)系數(shù)大于 閾值L(仿真實驗中取!；= 0. 999)，設(shè)定這兩個相鄰視頻片段是靜止的，排除