一種視頻篡改檢測及定位方法
【專利摘要】本發(fā)明公開了一種視頻篡改檢測及定位方法，首先利用視頻指紋算法提取原始視頻待檢測視頻的全局特征向量和局部特征向量，再結(jié)合全局特征向量和局部特征向量分步實現(xiàn)由粗到精的視頻篡改檢測和定位分析。具體的講，本發(fā)明融合全局Zernike特征和局部ORB特征的視頻指紋提取，在保證視頻指紋的提取效率和魯棒性前提下，還能兼顧視頻篡改檢測及定位的準(zhǔn)確性，且能適用于顏色篡改、裁剪篡改、縮放篡改和內(nèi)容篡改等多方面的視頻幀篡改檢測。
【專利說明】
-種視頻篡改檢測及定位方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明屬于視頻檢測技術(shù)領(lǐng)域，更為具體地講，設(shè)及一種視頻篡改檢測及定位方 法。
【背景技術(shù)】
[0002] 視頻數(shù)據(jù)W其直觀、方便和內(nèi)容信息豐富成為了網(wǎng)絡(luò)的主要信息承載形式。然而 開放的互聯(lián)網(wǎng)環(huán)境必然存在眾多視頻安全隱患，對視頻的惡意篡改成為了視頻攻擊的主要 形式，為不法分子用于傳播不良信息提供了機會。此外，視頻篡改形式也從單一的帖插入、 添加到多種篡改結(jié)合。篡改的視頻不僅存在內(nèi)容的變化，也引入了噪聲的干擾，增加了篡改 檢測的難度?；赪上問題，本文主要研究主動篡改檢測，通過對待檢測視頻提取特征生成 指紋數(shù)據(jù)并與原視頻指紋進行對比來判定待檢測視頻是否存在篡改痕跡。
[0003] 目前，視頻主動篡改檢測在特征提取方面主要包括W下研究：（1)全局特征的提 取。包括顏色特征、紋理特征、形狀特征W及亮度特征等，全局特征反映了視頻帖的整體變 化情況，但無法描述圖像的細節(jié)信息。（2)視頻局部特征提取。包括SIFT、Harri S角點等算 法，局部特征描述了圖像的局部變化，可W很好地檢測局部攻擊，但無法反映視頻帖的整體 變化。（3)利用視頻的空時域信息提取特征。雖然同時利用了視頻的空域和時域信息來描述 視頻，但主要集中在特征提取的時間效率和魯棒性方面，而在準(zhǔn)確性和區(qū)分性方面沒有很 好的重視。（4)利用融合技術(shù)提取特征。通過對特征進行融合處理，具有一定的效率和魯棒 性，但融合處理后得到的特征比較粗糖，無法有效區(qū)分篡改類型?？蒞看出，W上方法都集 中在視頻指紋的提取效率和魯棒性，而在視頻篡改檢測及定位的準(zhǔn)確性方面沒有很好的考 慮?；诖?，本文提出融合全局ZernAe特征和局部ORB特征的視頻指紋提取算法，分步實現(xiàn) 由粗到精的視頻篡改檢測和定位分析。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種視頻篡改檢測及定位方法，融 合全局和局部特征，分步實現(xiàn)由粗到精的視頻篡改檢測和定位分析。
[0005] 為實現(xiàn)上述發(fā)明目的，本發(fā)明一種視頻篡改檢測及定位方法，其特征在于，包括W 下步驟：
[0006] (1)、提取原始視頻待檢測視頻的全局特征向量和局部特征向量
[0007] (1.1 )、對原始視頻和待檢測視頻進行預(yù)處理
[000引在分辨率FiXF2下，分別對原始視頻和待檢測視頻每間隔T帖提取一關(guān)鍵帖l0(i)、 li(i)，i = l，2,…表示關(guān)鍵帖個數(shù)；
[0009] (1.2)、提取全局特征向量
[0010] (1.1.2)、帖格式轉(zhuǎn)換:將關(guān)鍵帖1〇(i)、h( i)分別由RGB顏色空間轉(zhuǎn)換為YCbCr顏色 空間；
[0011] (1.2.2)、構(gòu)建字符串特征向量:利用26^化6算法分別求取關(guān)鍵帖1〇。）、11。）在 Υ化化顏色空間下Υ、饑和化各分量的前η階Zernike矩，分別得到Pn個ZernAe矩；再將各個 分量中每個Zernike矩由浮點型轉(zhuǎn)換為字符串型，分別得到各個分量下的字符串特征向量 馬、瑞、瑞和為.、卻,.、瑞，進而分別構(gòu)建出字符串特征向量
口
[001^ (1.2.3)、獲取全局特征向量:利用密鑰Κι生成長度為3Xpn且取值在[0,127]的隨 機向量M，利用密鑰Κι對字符串特征向量加密后，分別獲取到全局特征向量Zo(i) = [(Z'o(i) +M)modl28 巧日 21(1)=[化'（1)+1)1110(1128];待關(guān)鍵帖1()。）、11(1)處理完成后，1 = 1+1，繼 續(xù)處理下一關(guān)鍵帖，待所有關(guān)鍵帖處理完畢后得到全局特征向量Ζο=[Ζο(1)，Ζο(2)，···]，Ζι = [Ζι(1),Ζι(2),···];
[0013] (1.3)、提取局部特征向量
[0014] 分別提取關(guān)鍵帖1〇(i)、h(i)的前Ν個特征點，每個特征點為256維的二值序列，每 個特征點標(biāo)記為4和4，k= 1，2，…N;
[0015] 利用密鑰K2生成長度為256維的二值隨機向量B，對特征點每。和4進行加密，得到特 征點向量苗=詩0公和與=4 0公，其中，貨表示求異或運算;進而得到關(guān)鍵帖l〇(i)、ll(i) 的局部特征向量&(〇 =掉，…詩…巧}和《1(〇二悼·.卻'·4};
[0016] 待關(guān)鍵帖lG(i)、h(i)處理完成后，i = i+l，繼續(xù)處理下一關(guān)鍵帖，待所有關(guān)鍵帖處 理完畢后得到局部特征向量So=[So(l)，So(2)，···]和Si=[Si(l)，Si(2)，···];
[0017] (2)、視頻篡改檢測及定位 [001引（2.1)、視頻粗檢測
[0019]計算全局特征向量Zq與Z沖對應(yīng)關(guān)鍵帖之間的漢明距離I Zq(i)-Zi (i) I，若向(1)- Zi(i) I >闊值τ，則判定待檢測視頻帖存在篡改痕跡，并把該視頻帖標(biāo)記為篡改視頻帖；
[0020] (2.2)、視頻細檢測
[0021] 將篡改視頻帖中部分特征點集不在對應(yīng)的原始視頻帖中或?qū)?yīng)原始視頻帖中部 分特征點集不在篡改視頻帖中的特征點集定位為篡改區(qū)域；
[0022] (2.3)、獲取不匹配特征點集合
[0023] 設(shè)4為原始視頻帖第k個特征點，知表示篡改視頻帖中的第k個特征點；
[0024] 計算原始視頻帖中的特征點讀與篡改視頻帖中的特征點4的漢明距離如 果滿足
則將特征點邊判定為不匹配特征點 電，馬將篡改區(qū)域中所有特征點處理完成后，得到不匹配特征點集合X〇，X〇= {XI， X2，…，XQ}，其中表示最短漢明距離，-4 L為次短漢明距離，Q表示不匹配特征 點個數(shù)；
[0025] (2.4)、利用能量最小化算法去除不匹配特征點集合中的噪聲特征點
[0026] 根據(jù)特征點之間的歐式距離作為衡量特征點之間的能量大小，求出不匹配特征點 集合中各特征點與其它所有特征點之間的距離之租
其中，dm=(X"， xn)gte? 睛，m聲 niim,neQ;
[0027] 通過對所有特征點處理后，得到能量集合E =巧1瓜，…，Eq};選出能量集合中最小 能量的特征點，再^該特征點為中屯、，在不匹配特征點集合姑中選出距離最近的^(?個特征 4 點構(gòu)成特征點集Τ，Τ= {dl，d2, . . .，dl}，其中，cU-l《dl，/ ，作為篡改區(qū)域的特征點描 4 述；
[0028] (2.5)利用最小外接矩形算法對篡改區(qū)域定位
[0029] 將特征點集T中的特征點按照V4角度旋轉(zhuǎn)一周，記錄每次旋轉(zhuǎn)后投影在坐標(biāo)系上 的外接矩形參數(shù)，選取面積最小的矩形即為篡改區(qū)域。
[0030] 本發(fā)明的發(fā)明目的是運樣實現(xiàn)的：
[0031] 本發(fā)明一種視頻篡改檢測及定位方法，首先利用視頻指紋算法提取原始視頻待檢 測視頻的全局特征向量和局部特征向量，再結(jié)合全局特征向量和局部特征向量分步實現(xiàn)由 粗到精的視頻篡改檢測和定位分析。具體的講，本發(fā)明融合全局Zernike特征和局部ORB特 征的視頻指紋提取，在保證視頻指紋的提取效率和魯棒性前提下，還能兼顧視頻篡改檢測 及定位的準(zhǔn)確性，且能適用于顏色篡改、裁剪篡改、縮放篡改和內(nèi)容篡改等多方面的視頻帖 篡改檢測。
【附圖說明】
[0032] 圖1是一種視頻篡改檢測及定位方法流程圖；
【具體實施方式】
[0033] 下面結(jié)合附圖對本發(fā)明的【具體實施方式】進行描述，W便本領(lǐng)域的技術(shù)人員更好地 理解本發(fā)明。需要特別提醒注意的是，在W下的描述中，當(dāng)已知功能和設(shè)計的詳細描述也許 會淡化本發(fā)明的主要內(nèi)容時，運些描述在運里將被忽略。
[0034] 實施例
[0035] 為了方便描述，先對【具體實施方式】中出現(xiàn)的相關(guān)專業(yè)術(shù)語進行說明：
[0036] ZernAe:澤爾尼克；
[0037] YCb化:Y為亮度（luma)分量、Cb和化則為藍色和紅色偏移分量；
[0038] 0RB(0riented FAST and Ro化ted BRIEF):有方向的FAST特征提取算法和基于旋 轉(zhuǎn)的BRI邸描述算法；
[0039] 圖1是一種視頻篡改檢測及定位方法流程圖。
[0040] 在本實施例中，如圖1所示，本發(fā)明一種視頻篡改檢測及定位方法，其特征在于，包 括W下步驟：
[0041] S1、提取原始視頻和待檢測視頻的全局特征向量和局部特征向量
[0042] S1.1、對原始視頻和待檢測視頻進行預(yù)處理
[0043] 在分辨率FiXF2下，分別對原始視頻和待檢測視頻每間隔T帖提取一關(guān)鍵帖lo(i)、 h(i)，i = l，2,…表示關(guān)鍵帖個數(shù)；
[0044] 在本實施例中，由于視頻進行不同規(guī)格化處理所包含的內(nèi)容信息存在一定程度的 差異，當(dāng)分辨率過小時會丟失視頻的局部信息，當(dāng)分辨率過大時會增加視頻指紋提取的復(fù) 雜度。因此，選擇合適的分辨率對視頻指紋提取很重要。本實施例中，選取分辨率Fi X F2大小 為 320X240。
[0045] 在關(guān)鍵帖的選取方面，根據(jù)帖間連續(xù)性，篡改的視頻為了防止篡改區(qū)域畫面突變， 篡改帖數(shù)都會在幾十帖W上。為了提高特征提取效率，并且不影響視頻的篡改檢測，本實施 例中采用每5帖提取一個關(guān)鍵帖。
[0046] S1.2、提取全局特征向量
[0047] S1.1.2、帖格式轉(zhuǎn)換：目前很多視頻篡改檢測方法都是把視頻轉(zhuǎn)換為灰度圖像進 行檢測，忽略了視頻的顏色篡改，對于視頻的顏色篡改檢測，需要在特征提取過程中融入顏 色特征，因此，將關(guān)鍵帖lo(i)、h(i)分別由RGB顏色空間轉(zhuǎn)換為YCb化顏色空間，運樣可W融 入顏色特征；
[004引S1.2.2、構(gòu)建字符串特征向量:利用Zernike算法分別求取關(guān)鍵帖10(i)、h(i)在 Υ化化顏色空間下Υ、饑和化各分量的前η階Zernike矩，分別得到Pn個ZernAe矩；再將各個 分量中每個Zernike矩由浮點型轉(zhuǎn)換為字符串型，分別得到各個分量下的字符串特征向量 琢巧、瑞和巧、毎、Z占，進而分別構(gòu)建出字符串特征向量乃(/)二[馬媒瑞]和 《(/)二[馬Z心zy;
[0049] 在本實施例中，W采用Zernike算法求取圖像的前5階Zernike矩為例，如表1所示， 可W得到圖像的0階Zernike矩1個，1階Zernike矩1個，2階Zernike矩2個，3階Zernike矩2 個，4階Zernike矩3個，5階Zernike矩3個，則圖像的前5階ZernAe矩總共12個。則關(guān)鍵帖的 每一分量Y/Cb/Cr分別可W得到12個Zerr^ ke矩。
[(K)加]表1是前5階ZernAe矩列表；
[0化1 ]
[0化2] 表1
[0053] S1.2.3、獲取全局特征向量:利用密鑰Κι生成長度為3 Χρη且取值在[0,127]的隨機 向量Μ，利用密鑰Κι對字符串特征向量加密后，分別獲取到全局特征向量Ζο(i) = [ (Ζ ' 0(i) + M)modl28 巧日 21(1)=[化'（1)+1)1110(1128];待關(guān)鍵帖1()。）、11(1)處理完成后，1 = 1+1，繼續(xù) 處理下一關(guān)鍵帖，待所有關(guān)鍵帖處理完畢后得到全局特征向量Ζ〇=[Ζο(1)，Ζο(2)，···]，Ζι = [Ζι(1),Ζι(2),···];
[0化4] S1.3、提取局部特征向量
[005引分別提取關(guān)鍵帖lo(i)、h(i)的前Ν個特征點，每個特征點為256維的二值序列，每 個特征點標(biāo)記為詩和4，.k= 1，2，…N;
[0化6]利用密鑰K2生成長度為化6維的二值隨機向量B，對特征點導(dǎo)和4進行加密，得到特 征點向量巧=苗貨公和與=4θ及，其中，雙表示求異或運算;進而得到關(guān)鍵帖l〇(i)、h(i) 的局部特征向量S〇(〇二悼，…詩…巧忡毎的=較，...荀…4};在本實施例中，選取的密鑰 Κι、拉均采用隨機函數(shù)生成。
[0057] 待關(guān)鍵帖lo(i)、h(i)處理完成后，i = i+l，繼續(xù)處理下一關(guān)鍵帖，待所有關(guān)鍵帖處 理完畢后得到局部特征向量So=[So(l)，So(2)，···]和Si=[Si(l)，Si(2)，···]。
[005引S2、視頻篡改檢測及定位 [0化9] S2.1、視頻粗檢測
[0060] 計算全局特征向量Zo與Zi中對應(yīng)關(guān)鍵帖之間的漢明距離|Zo(i)-Zi(i) I，若2〇。）- Zi(i) I >闊值τ，則判定待檢測視頻帖存在篡改痕跡，并把該視頻帖標(biāo)記為篡改視頻帖；
[0061] S2.2、視頻細檢測
[0062] 將篡改視頻帖中部分特征點集不在對應(yīng)的原始視頻帖中或?qū)?yīng)原始視頻帖中部 分特征點集不在篡改視頻帖中的特征點集定位為篡改區(qū)域；
[0063] S2.3、獲取不匹配特征點集合
[0064] 設(shè)4為原始視頻帖第k個特征點，4表示篡改視頻帖中的第k個特征點；
[0065] 計算原始視頻帖中的特征點4與篡改視頻帖中的特征點4的漢明距離如 果滿^
，則將特征點苗判定為不匹配特征點，％:二詩， 將篡改區(qū)域中所有特征點處理完成后，得到不匹配特征點集合姑，姑={町拉^-，如，其中， -4|,。1。表示最短漢明距離，K -4L為次短漢明距離，Q表示不匹配特征點個數(shù)；
[0066] S2.4、利用能量最小化算法去除不匹配特征點集合中的噪聲特征點
[0067] 根據(jù)特征點之間的歐式距離作為衡量特征點之間的能量大小，求出不匹配特征點 集合中各特征點與其它所有特征點之間的距離之^
其中，dm=(Xm， Xn 廳，m卓 η且m，η E Q;
[006引通過對所有特征點處理后，得到能量集合Ε二巧1，目2，-|，的};選出能量集合中最小 能量的特征點，再W該特征點為中屯、，在不匹配特征點集合Χο中選出距離最近的個特征 點構(gòu)成特征點集Τ，Τ= {dl，d2, . . .，dl}，其中，di-i《di，/=4(?，作為篡改區(qū)域的特征點描 4 述；
[0069] S2.5、利用最小外接矩形算法對篡改區(qū)域定位
[0070] 將特征點集T中的特征點按照V4角度旋轉(zhuǎn)一周，記錄每次旋轉(zhuǎn)后投影在坐標(biāo)系上 的外接矩形參數(shù)，選取面積最小的矩形即為篡改區(qū)域。
[0071] 盡管上面對本發(fā)明說明性的【具體實施方式】進行了描述，W便于本技術(shù)領(lǐng)域的技術(shù) 人員理解本發(fā)明，但應(yīng)該清楚，本發(fā)明不限于【具體實施方式】的范圍，對本技術(shù)領(lǐng)域的普通技 術(shù)人員來講，只要各種變化在所附的權(quán)利要求限定和確定的本發(fā)明的精神和范圍內(nèi)，運些 變化是顯而易見的，一切利用本發(fā)明構(gòu)思的發(fā)明創(chuàng)造均在保護之列。
【主權(quán)項】
1. 一種視頻篡改檢測及定位方法，其特征在于，包括以下步驟： (1 )、提取原始視頻待檢測視頻的全局特征向量和局部特征向量 (1.1 )、對原始視頻和待檢測視頻進行預(yù)處理 在分辨下，分別對原始視頻和待檢測視頻每間隔T幀提取一關(guān)鍵幀loUhh (i)，i = 1，2，…表示關(guān)鍵幀個數(shù)； (1.2) 、提取全局特征向量 (1.1.2) 、幀格式轉(zhuǎn)換:將關(guān)鍵幀1〇(i)、h (i)分別由RGB顏色空間轉(zhuǎn)換為YCbCr顏色空 間； (1.2.2) 、構(gòu)建字符串特征向量:利用Zern ike算法分別求取關(guān)鍵幀1 〇 (i)、1! (i)在YCbCr 顏色空間下Y、Cb和Cr各分量的前η階Zernike矩，分別得到pn個Zernike矩;再將各個分量中 每個Zernike矩由浮點型轉(zhuǎn)換為字符串型，分別得到各個分量下的字符串特征向量 涔筆、私和路、.私、私，進而分別構(gòu)建出字符串特征向量4⑴=[4 私]和 z；(/) = [z> Z*rZ^] ：? (1.2.3) 、獲取全局特征向量:利用密鑰心生成長度為3 \?"且取值在[0，127]的隨機向 量Μ，利用密鑰心對字符串特征向量加密后，分別獲取到全局特征向量Z〇(i) = [ (Ζ ' 〇(i) +Μ) 111〇(1128]和21(丨）=[(2/1(丨)+1〇111〇(1128] ;待關(guān)鍵鍵幀1()(丨）、11(丨）處理完成后，丨=丨+1，繼續(xù) 處理下一關(guān)鍵幀，待所有關(guān)鍵幀處理完畢后得到全局特征向量Zq=[Zq(1)，Zo(2)，···]，Ζι = [Ζι(1),Ζι(2),···]; (1.3) 、提取局部特征向量 分別提取關(guān)鍵幀1〇(i )、11⑴的前Ν個特征點，每個特征點為256維的二值序列，每個特 征點標(biāo)記為《%°和4，k= 1，2，…N; 利用密鑰心生成長度為256維的二值隨機向量B，對特征點4和4進行加密，得到特征點 向量< =彳十5和·?] = 4十#，進而得到關(guān)鍵幀1〇( i )、li ( i )的局部特征向量 A (. Rv.w…切和功) = K,- 待關(guān)鍵幀處理完成后，i = i+l，繼續(xù)處理下一關(guān)鍵幀，待所有關(guān)鍵幀處理完 畢后得到局部特征向量 SQiESoahSoOrHWPSiiESiahSiO，···]; (2)、視頻篡改檢測及定位 (2.1) 、視頻粗檢測 計算全局特征向量Zo與Zi中對應(yīng)關(guān)鍵幀之間的漢明距離I Zo(i)-Zi(i) I，若I Zo(i)-Zi (i) I多閾值τ，則判定待檢測視頻幀存在篡改痕跡，并把該視頻幀標(biāo)記為篡改視頻幀； (2.2) 、視頻細檢測 將篡改視頻幀中部分特征點集不在對應(yīng)的原始視頻幀中或?qū)?yīng)原始視頻幀中部分特 征點集不在篡改視頻幀中的特征點集定位為篡改區(qū)域； (2.3) 、獲取不匹配特征點集合 設(shè)4為原始視頻幀第k個特征點，&表示篡改視頻幀中的第k個特征點； 計算原始視頻幀中的特征點 < 與篡改視頻幀中的特征點忒的漢明距離如果滿 足1?° -4卜70, -0.8K -，則將特征點彳判定為不匹配特征點X,-，λ7二彳，將 篡改區(qū)域中所有特征點處理完成后，得到不匹配特征點集合Χ〇，Χ〇={Χ1，Χ2，···，μ}，其中， R 表示最短漢明距離，R -4匕為次短漢明距離，Q表示不匹配特征點個數(shù)； (2.4) 、利用能量最小化算法去除不匹配特征點集合中的噪聲特征點 根據(jù)特征點之間的歐式距離作為衡量特征點之間的能量大小，求出不匹配特征點集合 中各特征點與其它所有特征點之間的距離之和EQ，￡y = ，其中，dm=(Xm，xn)gteKR；，m 辛 η 且m，neQ; 通過對所有特征點處理后，得到能量集合E= {Ei，E2，···，Eq};選出能量集合中最小能量 的特征點，再以該特征點為中心，在不匹配特征點集合X〇中選出距離最近的個特征點構(gòu) 成特征點集T，T={di，d2,. . .，di}，其中，di_i彡di，，作為篡改區(qū)域的特征點描述； (2.5) 、利用最小外接矩形算法對篡改區(qū)域定位 將特征點集T中的特征點按照V4角度旋轉(zhuǎn)一周，記錄每次旋轉(zhuǎn)后投影在坐標(biāo)系上的外 接矩形參數(shù)，選取面積最小的矩形即為篡改區(qū)域。
【文檔編號】H04N19/89GK106060568SQ201610497768
【公開日】2016年10月26日
【申請日】2016年6月28日
【發(fā)明人】徐杰, 田興發(fā), 李林科
【申請人】電子科技大學(xué)