论文研究-基于宏块类型变化特征的视频篡改检测 .pdf

所需积分/C币:12 2019-08-27 19:22:08 357KB .PDF
收藏 收藏
举报

基于宏块类型变化特征的视频篡改检测,张伟,孙锬锋,针对视频篡改常见的帧间篡改模式,提出了一种有效检测并能鉴别篡改手段的算法。本算法总结归纳出宏块类型变化规律,通过计算P帧��
国武技论文在线 http://www.papcr.cdu.cn 80的。因此我们有必要对B帧的公块特征情况进行讨论 视频的I帧重压缩成P帧,在该P帧周围的B帧的宏块数目有如下变化:P帧前的- 些B帧由于与它前面的参考帧在个GOP中,在采用帧问编码的吋候也更加倾向于参考前 面的视频帧,前向参考的帧间宏块比例变多,而P帧后面的B帧参考关系比较稳定,相对 米说影响不大。 视频的I帧重压缩成B帧,则该帧及其下一个I帧或者P帧之前的B帧在编码时由于 与前面的参考帧相关性较弱,在编码吋,帧间绷码宏块的数∏相对减少,同吋在采用帧间编 码的时候也更加倾向于参考后面的视频帧。当前B帧之前的其他B帧则史倾向于参考前面 的参考帧。这里将上述B帧定义为第二类异常帧。 不属于上述两种讨论情况的视频帧,由于视频的连续性及其编杩参考关系没发生太大的 90变化,因此相关的宏块数目保持一定的稳定性。 当祧频发生帧间篡改,在篡改点前后由于视频处于不同的时刻,其连续性和相关性较弱, 因此当被编码成P帧或者B帧的时侯,也会出现上述第一类异常帧和第二类异常帧相同的 状况。因此,可以通过异常帧炇异常帧的周期性来判断视频是否经过帧间篡改操作。 1.3检测原理 95 当视频发生了帧间篡改操作,会出现如下两种异常: 1.在第一次编码时为Ⅰ帧的视频帧,在第二次编码时变成了P帧或者B帧,其中P帧 满足第一类异常帧,B帧满足第二类异常帧。 2.如果经过非整数个GOP的篡改行为,则在篡改点附近,出于相关性的变化,也会 出现异常帧的特征。 当视频经过帧删除操作,则在删除点处出现异常帧,同时,对于删除点前和删除点后的 视频段,各白周期性地出现异常帧,且两部分周期大小一致 当视频经过帧插入操作,则在插入视频片断的首尾位置,会出现两个异常帧,在插入点 前和插入点后的视频段,各自周期性地出现异常帧,且两部分周期大小一致。在拒入部分, 也会周期性地出现异常帧 105 综上可得,对于一个待检测的视频,对P帧和B帧进行检测,若该视频没有存在两类 异常帧,则判断视频为原始视频,木经过篡改操作。对于篡改视频,检测视频的周期性,如 果视频有一个间断点,则判断视频经过帧删除操作,间断点即为删除点,否则判断视频经过 帧插入操作。 2算法框架与实现 110 根据上:述的检测原理,个文提出了相应的检测算法,流程如图1所小 算法主要包含以下步骤:分类统计各类块数∏、提取异常帧、判断是否是篡改视频、 定位篡改点。 山国武技论义在线 http://www.papcr.cdu.cn 待检测视频 统计各类宏块 数目 提取异常帧 是否是算改视频 非算改视频 周期性检测 判断算改类型 并定位算改点 图1检测流稈图 115 Fig. 1 Flowchart of the detection algorithm 21分类统计各类宏块数目 根据上述讨论,本文对待检测视频逃行解码,根据笫一类异常帧和笫二类异常帧的情况, 对视频中的P帧和B帧进行分别提取宏块数∏。 对于P帧,提取每个视频帧中的帧内编码宏块(ⅠMB)数目和跳跃宏块(SMB)数目,令 120i(n)代表第n个P帧帧内编码法块的数∏,s(n)代表第n个P帧跳跃运块的数∏,设总共有 M个P帧,编号从0釗M-l。 对于B帧,提取每个B帧中的向前参考的宏块数、向后参考的宏块数日,令b(m,(n) 分别代表上述两种宏块数日,计算 b (n) P1() b1(n)+b2( b2(m) 125 (4) b(n)+b2(n) 分别代表在单向预测中的比例,设总共有N个B帧,编号从0到N-1。 22提取异常帧 本算法需要在P帧中识别出第一类异常帧,在B帧中识别岀第二类异常帧 提取第类异常帧的集合为 ∧={(m):n∈(1,M-1)∩(n-1)<i(m)i(n)>i(n+1) 130 S(n-1)>s(n)⌒s(n)<s(n+1) 其中O(n)为编号为n的P帧在原视频列中的序号 第二类异常帧的集合为 V={z(m):n∈(,N-1)⌒p1(m)<min(P,n-1)} 4 国武技论文在线 http://www.papcr.cdu.cn 其中其中min(n,n-1)为第n个视频帧之前j个p1序列的最小值,即异常B帧的后向预 135测宏块数目古帧间预测宏块数目的比例是一个极值,z(n)为编号为n的B帧在原视频序列 中的序号,j需小于编码GOP中连续B帧的长度 23周期性检测及是篡改情况的判断 将上步中的A集合和V集合合并,令 0 normal 140 其中异常帧总数为L, abnormal表示第n帧为异常帧, normal表示第n帧为非异常帧。 对于待检测视频,若岀现的异常帧数量小于阈值,则判断视频为原始视频,否则视频为 篡改视频。 对于篡改视频,需要判断篡改类犁并大致定位篡改点。对于一个周期性序列,使用 G)=∑F(m)×F(n-7) 145 米衡量周期为T的可能性大小,G(T)最大值对应的T对最有可能的GOP长度。由木文 第二部分的讨论,帧删除为两段周期性序列的拼接,帧插入为周期性序列中问插入了一段周 期性序列。假设祧频为帧删除视频,将F(n)分成两部分,将两部分分别进行周期性的衡量, 用G(T,k)来表小,k表示该异常帧在原视频帧序列中的序号,枚举周期T和异常帧位置k, 获得G(T,k)的最大值,若该最大值大于阈值,则判断为帧复制,且象改点为该最大值对应 150的异常点,否则判断为帧插入。对于帧插入,在插入部分前后有2个异常点,对G(⑦,T2,m,n) 进行计算,T1表示原视频的GOP长度,T2表小插入段的GOP长度,m,n分别为插入视频 段的起始终止位置,同样选取最大的函数值作为最终的结果。 3仿真实验与分析 本文使用的实验使用的视频来源于14段YUV厅列,它们初始是未绎过任何修改的CIF 155格式的图片序列,本文选取了其中的12段进行实验。每段视频使川镋像的方法制作成图 片序列,其长度在500帧到1000帧不等。在本文的实验中,使用MPEG2、MPEG4、I.264 三种视频压缩标准米压缩视频,在第次压缩后,将·部分样本视频进行帧复制操作,另外 一部分进行帧删除操作。本文同时针对不同比特率进行了对比实验。在所有视频中,篡改视 频(正样本)和木篡改视频(负样本)各占50%,在篡改视频中,帧复制和帧删除各占50% 160 本实验采用检测准确率描述检测效果,检测准确率公式为: 7+7N A 1009 P+N 其中P指的是正样本的数量,N指的是负样本的数量,TP指的是判断为篡改视频的正 样本数量,TN指的是判断为未篡改视频的负样本数量。 论文间Ⅶ中利用宏块特性对视频进行了分析检测,不过相关论文的讨论和视频样本仅由 165I帧和P帧组成,并没有涉及B帧的讨论,因此本文无法直接进行对比试验。对于本文的实 验样本,利用论文中的方法,仅提取P帧进行检测,总休检测结果只有40.3%,这是由于 省略了视频中B帧的信息,原有视频的异常帧周期性遭到了破坏导致难以检测 本文的实验结果如下 170 国武技论文在线 http://www.papcr.cdu.cn 表1检测准确率与视频编码格式的关系 Tab. 1 Accuracy with different video encoding format MPEG-2 MPEG-4 H.2 MPEG-2 8.41 82.70% 91 MPEG-4 8|.74% 78.43% 92.65 H.264 78.09% 76.19% .320 85.32% 表2检测准确率与视频比特率的关系 175 Tab. 2 Accuracy with different video bitrate B1/B2 100 300 700 84.95% 88.75% 90.89% 77.82 82.73% 86.18% 700 74.43% 77.71% 84.28% 从表1、表2来看,实验的准确率达到∫8408%,本算法针对含有B帧的视频,检测效 果显著。特別对于H264格式和比特率较高的视频,本文有着非常不错的效果。 由于本算法提取的特征为编码层面上的特征,算法检测速度与非编码层面的篡改检测方 180法相比有明显优势。 4结论 本文从视频编码中的宏块类型出发,讨论了篡改对视频帧的块类型的影响,通过总结 归纳提出MBNV特征,将该规律运用到视频帧间篡改检测中,从实验结果来看,本文的算 法改进了之前仅对P帧进行分析的检测方法,对有B帧编码的视频有不借的效果,对于比 185较主流的MPEG-2、MPEG-4、I.264也有较好的检测能力。但是目前本算法对于异常帧的 提取比较粗糙,对于对异常帧的定义也没冇量化的指标。因此以后的研究可以在宏块变化规 律和异常帧提取技巧方面进行切入,应该能取得更好的效果 [参考文献]( References [1] Wang w, Farid H Exposing digital forgeries in video by detecting double mPeg compression[C]. Proceedings 190 of the &th workshop on Multimedia and security. ACM, 2006: 37-47 [2]熊潇,黄征,徐彻,等.基于预测残差检测的数字视频篡改鉴定门].信息安全亐道信保密,2008(12) 128-130 3] Hsu CC, Hung T Y, Lin C w, et al. Video forgery detection using correlation of noise residue[C]. Multimedia Signal Processing, 2008 IEEE 10th Workshop on IEEE, 2008: 170-174 195 [4] Chao J, Jiang X, Sun T. A novel video inter-frame forgery model detection scheme based on optical flow consistency[M]. Digital Forensics and Watermaking. Springer Berlin Heidelberg, 2013: 267-28 [5] WuY, iang X, Sun t, cl al. Exposing vidco intcr-frame forgery bascd on vclocity ficld consistency[C] Acoustics, Speech and Signal Processing(ICASSP), 2014 IEEE International Conference on. IEEE, 2014 2674-2678 200 [61 Vazquez-Padin D, Fontani M, Bianchi T, et al. Detection of video double encoding with gOP size estimation[C] Information Forensics and Security (WIFS), 2012 IEEE International Workshop on IEEE, 2012 [7] Gironi A, Fontani M, Bianchi t, ct al. A vidco forensic lcchniquc for detccting frame dclction and insertion[C] Acoustics, Speech and Signal Processing (ICASSP), 2014 IEEE International Conference on. IEEE, 2014 2056226-6230 8 Wang w, Farid H. Exposing digital forgeries in video by detecting double mPeg compression[c]. Proceedings ofthe &Lh workshop on Multimedia and sccurily. ACM. 2006: 37-47

...展开详情
试读 6P 论文研究-基于宏块类型变化特征的视频篡改检测 .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    img

    关注 私信 TA的资源

    上传资源赚积分,得勋章
    最新推荐
    论文研究-基于宏块类型变化特征的视频篡改检测 .pdf 12积分/C币 立即下载
    1/6
    论文研究-基于宏块类型变化特征的视频篡改检测 .pdf第1页
    论文研究-基于宏块类型变化特征的视频篡改检测 .pdf第2页

    试读已结束,剩余4页未读...

    12积分/C币 立即下载 >