基于稀疏表示的过完备字典训练的视频篡改检测方法
【专利摘要】本发明涉及电子取证领域，针对视频静止背景下的运动前景进行删除操作的篡改检测的方法，其过程是：求差异帧及分块，求它们的差异帧ΔI；进行自适应稀疏化；选定一个测量矩阵Θ进行稀疏测量；对稀疏测量得到的特征向量分类类别使用k-means聚类算法进行特征聚类处理；通过聚类处理，基于稀疏表示的过完备字典训练的视频篡改检测方法。本发明检测结果直观，拥有较强的鲁棒性，可有效抵抗拍摄场景中的随风摆动的树木、花草等因素的影响，抗干扰能力强，检测结果准确，拥有较强的实际应用价值；需要配置参数较少，极大地方便了用户的使用。
【专利说明】基于稀疏表示的过完备字典训练的视频篡改检测方法
【技术领域】
[0001]本发明涉及电子取证领域，针对视频静止背景下的运动前景进行删除操作的篡改检测的方法。
【背景技术】
[0002]随着数字多媒体技术的发展，数字照相机、摄像机、手持DV等多媒体采集设备已经渐渐成为人们生活中的一部分。同时，大量的针对视频处理的软件也被广泛的运用，如Adobe 公司开发的 Photoshop、Premiere pro, Imagineer Systems 公司开发的 Mokey,这些软件使得非专业人士经过简单的学习就可以轻易地对视频进行篡改，达到以假乱真的效果。然而，经过篡改的视频通常会改变其视频内容和意义，掩盖视频所反映的真实情况，这些视频有可能被恶意的用于媒体宣传、科学发现、保险和法庭证物，无疑会对政治和社会各个方面产生严重的影响。因此，对视频的真实性和完整性的认证已经显得越来越重要和紧迫。
[0003]使用视频处理软件对视频中的不需要的运动物体进行删除操作，是视频篡改常用的方法之一。其原理主要是利用需要删除区域的周围或者区域所在帧的前后几帧提供的已知信息，逐帧对删除区域进行填充、修补，以达到肉眼无法察觉该视频已经被篡改过的效果。由于这种篡改方法需要逐帧修改视频内容，因此，当视频中的一个物体被移除后，就无法通过视觉、颜色、纹理等信息从单帧的内容上判断视频是否曾经被篡改。但是，在视频序列中，由于需要修改的帧数量较多，因此逐帧修改所留下的痕迹就会造成修改后视频画面在时域上出现不连贯或者不一致，尤其在阴影区域，这种现象称作“鬼影(ghost shadow)”现象。
[0004]近几年来，对于视频篡改检测方面的方法比较少，主要包括如下=Wang等人利用视频时空域的相关性对区域复制篡改进行检测，但是当篡改区域较小时，这种检测方法计算复杂度较高。Kobayashi等人利用噪声特征的不一致性来对视频篡改进行检测，但是其局限性在于当篡改的视频来源于同一部相机时，这种方法将不能进行有效检测。Hsu等人提出一种利用帧间对应块的噪声相关性来检测视频的帧内篡改。天津大学的张明玉等人则提出一种基于累计差分图像，并利用篡改区域周围的纹理特征检测篡改痕迹，该方法可以对静止背景下的运动物体的删除操作进行检测，但其检测需要根据经验配置的参数较多，实验结果容易受拍摄场景中树木、花草等环境影响。
[0005]本发明的主要特点在于:1、检测结果直观，本发明以二值图像的形式显示输出结果，能够明显的揭示出这种篡改痕迹，并且该结果也可反应出原本被删除的运动前景的运动轨迹；2、本发明拥有较强的鲁棒性，可有效抵抗拍摄场景中的随风摆动的树木、花草等因素的影响，抗干扰能力强，检测结果准确，拥有较强的实际应用价值；3、本发明需要配置参数较少，极大地方便了用户的使用。
【发明内容】
[0006]本发明利用被篡改视频出现的“鬼影”现象，提出了基于稀疏表示的过完备字典训练的视频篡改检测方法。该方法主要针对视频静止背景下的运动前景被删除的情况进行检测，并通过构造二值图像直观地反映被篡改视频留下的篡改痕迹。
[0007]本发明主要包括五个步骤，具体流程如下:
[0008]1、求差异帧及分块
[0009]在输入待测视频序列后，记当前帧为Iramnt ;从视频序列中选取仅包含静止背景且未被篡改过的一帧作为参考帧，记作;对当前帧I—与参考帧进行灰度化后，求它们的差异帧ΔΙ:
[0010]Δ I = Icurrent-1refer
[0011]为提高算法的鲁棒性，允许当前帧的画面与参考帧的画面有轻微整体偏移，因此本发明对Λ I的每个像素点取2*2的邻域，得到每个像素点对应的图像块。接着，将每一个图像块中的各列从左到右首尾相连组成列向量形式，再将得到的所有列向量再组成一个新矩阵I’。
[0012]2、自适应稀疏化
[0013]对于矩阵I’，对其稀疏化的过程可以用下式表示:
[0014]I，= DIsparse
[0015]其中，D称为字典，Ispfffse称为I’的稀疏表不。本发明使用基于稀疏表不的过完备字典训练方法(称为K-SVD)对I’进行稀疏化处理。K-SVD算法的过程为两步迭代结构，即稀疏编码估计和字典元素更新。下面讨论如何通过K-SVD算法来实现对I’的稀疏化处理。
[0016](I)字典初始化:将字典D初始化为下式:
【权利要求】
1.一种基于稀疏表示的过完备字典训练的视频篡改检测方法，其特征在于采用以下步骤: (1)求差异帧及分块 在输入待测视频序列后，记当前帧为Icm ;从视频序列中选取仅包含静止背景且未被篡改过的一帧作为参考帧，记作;对当前帧Icmrait与参考帧IMfCT进行灰度化后，求它们的差异帧ΔΙ ； (2)自适应稀疏化 对于矩阵I’，对其稀疏化的过程可以用下式表示: I^=DIsparse 其中，D称为字典，Isparse称为I’的稀疏表示； 检查运行次数是否大于4次，如果是，则算法结束，令Ispa_=X ;否则，使用匹配追踪得到I’的稀疏表示X和字典D ; 逐列更新字典D和逐行更新稀疏表示X ； 如果字典D和稀疏表示X全部更新完毕则返回步骤2，否则进入步骤3，最终结果得到训练信号I’在超完备字典D下的稀疏表示Ispa_。 (3)稀疏测量 选定一个测量矩阵?，使得Ispmse满足下式: Tfeature= @ Tsparse 取Θ为2XN的高斯随机矩阵作为测量矩阵对Isp_进行测量，其中N为Isparse的行数； (4)特征聚类 由稀疏测量得到的I—可将其记为I— = 11, ^ 12,..., ^21,其中Ifeature中的每一列β ij均可以看作差异帧中各个像素(i，j)所对应2*2邻域的特征向量；取分类类别数量c=2，使用k-means聚类算法将Ifeature中的特征向量β u分为两类，将个数较少的一类记为α 1；另一类记为α 2 ;通过k-means聚类算法得到每个β u的所属类别后，构造二值矩阵Λ (current),使其与β u满足下式:
2.根据权利要求1所述的一种基于稀疏表示的过完备字典训练的视频篡改检测方法，其特征在于步骤(1)所述的差异帧Al，计算方式为
A I ^current ^refer0
3.根据权利要求1所述的一种基于稀疏表示的过完备字典训练的视频篡改检测方法，其特征在于步骤(2)所述的字典初始化，其过程为下式:
4.根据权利要求1所述的一种基于稀疏表示的过完备字典训练的视频篡改检测方法，其特征在于步骤(2)所述的更新字典D和逐行更新稀疏表示X，其过程是: Ca)记Ek为字典第k列的更新误差，先求解Ek:
【文档编号】G06T7/00GK103559718SQ201310581337
【公开日】2014年2月5日 申请日期:2013年11月19日 优先权日:2013年11月19日
【发明者】黄添强, 苏立超 申请人:福建师范大学