一种用于检测PRNU特征相似性的视频篡改检测方法和系统与流程

本发明涉及视频篡改检测领域，更具体地，涉及一种用于检测prnu特征相似性的视频篡改检测方法和系统。

背景技术：

1、随着数字技术的快速发展，监控视频篡改技术也变得越来越成熟和普遍。这导致了许多问题，如不实报道、虚假新闻、欺诈和隐私泄露等。物联网平台的监控视频也如此，也有可能被他人因为一些利益或者不良目的而篡改。目前在物联网平台上，针对监控视频开发的视频篡改检测技术目前还是一个缺失，这项技术将成为保护视频信息真实性和信任的关键。

2、现有技术中，一种基于像素级非局部真实图像去噪方法，文中有用到哈尔变换和维纳滤波进行图像去噪，此算法应用于图像去噪领域，而本文算法应用于视频篡改检测领域，由于低分辨率视频帧压缩严重，很难提取足够的特征进行识别，识别效果一般。

3、cn110084781b公开了公开了一种基于特征点的监控视频篡改检测的被动取证方法及系统，应用于平安城市监控系统，包括以下步骤：输入视频，视频转换为帧，检测可疑帧；采用orb算法找到每个帧的关键点；可疑帧检测；比较可疑帧与其他所有帧的特征；如果比对成功，则帧被篡改，否则，帧未被篡改。该发明效率极高，且无论视频序列的帧数有多少，所提出的方案都可以较好检测出被篡改的帧。该算法还可以在给定视频帧序列中定位被篡改过的帧。

4、然而，该申请是属于被动取证，且只是采用orb算法进行简单对比，完全依赖于orb算法的旋转不变性和尺度不变性，模式相对固定，应用范畴并不广泛，针对一些复杂多变的视频就显得捉襟见肘，效率很低。

技术实现思路

1、本发明旨在至少在一定程度上解决上述技术问题。

2、本发明的目的是提供一种可靠且真实的视频篡改检测方法。

3、本发明解决其技术问题所采用的技术方案是：一种用于检测prnu特征相似性的视频篡改检测方法，包括以下步骤：

4、针对可疑监控视频进行视频预处理，得到用于提取prnu特征的视频帧；

5、对提取prnu特征的视频帧进行自适应阈值估计，并应用到哈尔维纳滤波算法中，提取出可疑监控视频的prnu特征；

6、与上述同样操作提取标准视频的prnu特征；

7、针对可疑监控视频的prnu特征和标准视频的prnu特征进行相似性检测，判定视频是否有经过篡改。

8、上述方案中，本发明首先利用视频帧预处理技术处理视频帧，从而得到更适合提取prnu特征的视频帧；接着对视频帧进行自适应阈值估计算法，应用到哈尔维纳滤波算法中，提取出待检测的prnu特征，然后标准视频执行相同的步骤，提取出标准的prnu视频特征，最后进行相似性检测，最终判定视频是否有经过篡改，适用于普通的监控视频，以及正常压缩的视频，当视频长度越长，识别效果越好；有效检测出被篡改的物联网监控视频，保护视频的真实性；丰富物联网平台智能算法，提高物联网平台监控视频的可靠度。

9、在一个实施方式中，所述视频预处理具体为去除视频编解码器中的环路滤波器，并且去除模糊的视频帧和重压缩的视频帧。

10、在一个实施方式中，所述去除视频编解码器中的环路滤波器的具体过程为：

11、id＝dremove(v)

12、其中v是输入视频，dremove是移除环路滤波器的编解码器，id是解码后的视频帧；

13、所述去除模糊的视频帧的具体过程为：

14、ib＝fblur(id)

15、其中ib是去除模糊帧后的视频帧，fblur是去除模糊帧过程，id是解码后的视频帧；

16、在一个实施方式中，在所述去除模糊的视频帧中，使用梯度能量法通过计算图像的梯度幅值评估图像的模糊程度，具体公式为：

17、sblur＝sum(abs(gradient(id)))

18、其中gradient是梯度操作，abs()代表绝对值操作，sum是求和操作，sblur是图像像素值；根据qp值筛选过程，qp值为1-51，qp值值越大，视频帧质量越好，具体公式为：

19、ip＝fqp(ib)

20、其中fqp(.)是qp值筛选过程，ib是去除模糊帧后的视频帧，ip是经过视频帧预处理后得到的视频帧。

21、在一个实施方式中，所述自适应阈值估计算法具体为：使用最大似然估计从视频帧中找到最合适的噪声方差估计值，具体公式为：

22、var＝(1/(m*n))∑(ip(i,j)-u)

23、u表示图像样本的均值，ip(i,j)表示图像中的像素值，m*n表示视频帧的分辨率。

24、在一个实施方式中，所述哈尔维纳滤波算法的具体步骤为：

25、将视频帧进行哈尔正变换的同时进行阈值估计，将视频帧分解到小波域中；

26、用硬阈值去噪方式对小波域中的视频帧进行去噪；

27、去噪完成后，进行哈尔小波逆变换；

28、之后进行多窗口维纳滤波得到过滤后的视频帧；

29、使用输入的视频帧与过滤后的视频帧做差得到可疑监控视频的prnu特征。

30、在一个实施方式中，所述硬阈值去噪方式具体为：

31、

32、其中x和y表示图像的二维像素值的位置；所述多窗口维纳滤波具体为：

33、ip(x,y)＝min(fl×l(ip(x,y)),l∈(3,5,7,9)

34、其中fl×l(.)是维纳滤波过程，l×l是窗口的大小，min()表示从多个窗口滤波中选择误差最小的值。

35、在一个实施方式中，所述相似性检测具体为导入相似性检测公式，根据可疑监控视频的prnu特征和标准视频的prnu特征的相似度判定监控视频是否经过篡改。

36、在一个实施方式中，所述相似性检测公式具体为：

37、s＝spce(prnus,prnup)

38、prnus是标准prnu特征，prnup是待检测prnu特征，spce是符号峰值相关性检测算法，s是可疑监控视频的prnu特征和标准视频的prnu特征的相似度。

39、本发明提供了一种用于检测prnu特征相似性的视频篡改检测系统，应用了所述的用于检测prnu特征相似性的视频篡改检测方法，包括依次电性连接的视频预处理模块、哈尔维纳滤波算法模块、标准视频提取模块和相似性检测模块；

40、所述视频预处理模块针对可疑监控视频进行视频预处理，得到用于提取prnu特征的视频帧；

41、所述哈尔维纳滤波算法模块对提取prnu特征的视频帧进行自适应阈值估计算法，应用到哈尔维纳滤波算法中，提取出可疑监控视频的prnu特征；

42、所述标准视频提取模块与上述同样操作提取标准视频的prnu特征；

43、所述相似性检测模块针对可疑监控视频的prnu特征和标准视频的prnu特征进行相似性检测，判定视频是否有经过篡改。

44、上述方案中，本发明解决了视频内容篡改无法发现的问题，丰富了物联网平台智能算法，提高物联网平台监控视频的可靠度以及真实性。

45、本发明的有益效果是：相比现有技术，

46、1、适用于普通的监控视频，以及正常压缩的视频，当视频长度越长，识别效果越好；

47、2、检测出被篡改的物联网监控视频，保护视频的真实性；

48、3、丰富物联网平台智能算法，提高物联网平台监控视频的可靠度。