1.一种基于预测残差异常模式的视频双重压缩检测方法,其特征在于,包括如下步骤:
步骤1:提取视频每一帧的预测残差;
步骤2:计算每一帧的预测残差分布;
步骤3:利用Jensen-Shannon散度,计算相邻两帧预测残差分布的差异,获得Jensen-Shannon散度序列;
步骤4:通过中值滤波法,对Jensen-Shannon散度序列进行去噪,得到特征序列;
步骤5:对特征序列进行时域分析,判断对应视频是否遭受到视频双重压缩,若遭受双重压缩,则推测该视频第一次压缩时的GOP长度;若未遭受双重压缩,则结束流程。
2.根据权利要求1所述的基于预测残差异常模式的视频双重压缩检测方法,其特征在于,所述步骤1中提取每一帧视频预测残差的步骤如下:
步骤A1:将每一视频帧划分为相互不重叠的4x4块;
步骤A2:计算每一个4x4块的视频预测残差均值,计算公式如下:
式中:表示第t帧中第(i,j)个4x4块的预测残差均值;rm,n表示在对应4x4块中,位于(m,n)位置的像素点的预测残差值,(m,n)位置是指第m行第n列位置。
3.根据权利要求1所述的基于预测残差异常模式的视频双重压缩检测方法,其特征在于,所述步骤2中计算每一帧的预测残差分布的步骤如下:
步骤B1:将每一个4x4块的预测残差均值进行取整计算,计算公式如下:
式中:表示对取整后的值;
步骤B2:利用帧内每个4x4块的平均预测残差取整值,计算该帧的预测残差分布,计算公式如下:
式中:表示第t帧的预测残差分布;Ct(n)表示在第t帧内,4x4块值等于n的块的个数;表示在t帧内不重叠4x4块的个数。
4.根据权利要求1所述的基于预测残差异常模式的视频双重压缩检测方法,其特征在于,所述步骤3中,利用Jensen-Shannon散度,计算相邻两帧预测残差分布的差异,并获得Jensen-Shannon散度序列,具体计算公式如下:
式中:SJSD(t)表示得到的Jensen-Shannon散度序列,t为函数的自变量表示第t帧;JSD(·)代表Jensen-Shannon散度算子;表示第t帧的预测残差分布;表示第t-1帧的预测残差分布;表示第t+1帧的预测残差分布。
5.根据权利要求1所述的基于预测残差异常模式的视频双重压缩检测方法,其特征在于,所述步骤4中,通过中值滤波法,对Jensen-Shannon散度序列进行去噪,得到特征序列,包括如下步骤:
步骤C1:在Jensen-Shannon散度序列的基础上,计算出中值序列SMF(t),计算公式如下:
SMF(t)=median{SJSD(t-1),SJSD(t),SJSD(t+1)}
式中:SMF(t)为得到的中值序列,SJSD(t-1)表示第t-1帧所对应的JSD散度序列值,SJSD(t)表示第t帧所对应的JSD散度序列值,SJSD(t+1)表示第t+1帧所对应的JSD散度序列值,median{.}表示取中值运算;
步骤C2:对Jensen-Shannon散度序列进行中值滤波,计算公式如下:
SPRED(t)=max(SJSD(t)-SMF(t),0)
式中:SPRED(t)为最终得到的特征序列,max(·)算子用于取括号内输入参数的最大值。
6.根据权利要求1所述的基于预测残差异常模式的视频双重压缩检测方法,其特征在于,所述步骤5中,对特征序列进行时域分析,包括如下步骤:
步骤D1:获取特征序列中,值大于0的点的序号集合定义如下:
其中T为视频帧数;
步骤D2:计算潜在单次压缩GOP长度集合定义为:
式中:GCD(·)表示最大公约数算子,为步骤D1中定义的集合,T为视频帧数,L为设定的系数参数;
步骤D3:对集合中的每一个元素c,计算时域特征值,计算公式如下:
式中:为对应于元素c的时域特征值,的计算公式如下:
式中:为步骤D1中定义的集合,T为视频帧数,kc表示自变量c的整数k倍,且k的取值范围为
的计算公式为:
其中,为步骤D1中定义的集合,T为视频帧数,β=α×max{SPRED(t)},式中α能够设定为任意系数参数,×表示乘法运算;max{·}为取最大值算子;
的计算公式为:
式中:kz表示z的整数k倍,其中z∈[1,c-1]。
7.根据权利要求1所述的基于预测残差异常模式的视频双重压缩检测方法,其特征在于,所述步骤5中判断对应视频是否遭受到视频双重压缩的步骤如下:
步骤E1:对于单次压缩GOP长度集合中的所有元素c,计算出的最大值
步骤E2:对视频进行双压缩判定,具体地:设定一个阈值参数Tdouble,若则认为视频为双重压缩视频,反之,则视频为单词压缩视频;
步骤E3:若视频遭受双重压缩,则推测该视频第一次压缩时的GOP长度,计算公式如下:
其中,为第一次压缩时的GOP长度预测值。