一种基于互信息和运动向量视频隐写的分析方法
【专利摘要】本发明提供了一种基于互信息和运动向量视频隐写的分析方法。其主要包括：对建模过程采用加性高斯噪声叠加的隐写方法，利用压缩视频流中预测帧帧内运动向量的熵来度量隐写对空间相关性的影响，同时利用相邻预测帧帧间运动向量水平和垂直两方向的差分直方图以及互信息来度量隐写对时间相关性的影响，最后通过支持向量机的分类检测来判断是否存在隐写。针对运动向量视频隐写，通过本发明提出的方法可以达到较好的检测效果。
【专利说明】一种基于互信息和运动向量视频隐写的分析方法
【技术领域】
[0001]本发明涉及一种视频隐写的分析方法，尤其涉及一种基于互信息和运动向量视频隐写的分析方法。
【背景技术】
[0002]随着互联网的不断普及和数字多媒体应用技术的日益成熟，特别是网络流媒体业务不断发展，使得音频，视频，图像等多媒体的传输和交换非常快捷方便。信息资源的共享给人们的工作、生活、娱乐带来了无限便利，特别是随着视频应用的不断普及，使得网络上各种视频文件不断出现；同时，信息隐藏技术也在不断发展，图像信息隐藏技术积累的经验也为应用视频为载体进行信息隐藏提供了条件。
[0003]研究视频隐写分析技术具有十分重要的意义。首先，视频隐写分析技术能遏制视频隐写技术的滥用，随着视频隐写分析技术的进步，针对各种视频隐写技术的检测算法准确率、检测速度都在大幅度的提高，这就在相当程度上提高了对视频隐写的监管力度。其次，研究视频隐写分析技术也是占领信息安全研究领域制高点的必然要求，视频隐写分析技术是信息隐藏中较新的领域，但同时也是未来发展的重要方向，只有掌握了先进的视频隐写分析技术，才能在保证在国家信息安全和军事、情报活动中取得主动权。最后，研究视频隐写分析技术能达到对视频隐写技术的促进作用，通过视频隐写分析发现现有视频隐写算法的不足，然后针对现有缺点，改进隐写算法，就能达到更好的视频隐写。
[0004]运动向量隐写与传统的空域或者频域隐写方法相比，运动向量隐写的隐蔽性更好。与图像隐写分析技术相比，视频隐写技术的发展比较缓慢，大多数学者将视频建模成一系列静止图像的组合，信息的嵌入可以建模成给信号加上均值为零的高斯噪声。这个模型同样可以应用于运动向量隐写。对运动向量进行隐写会影响视频帧的时空域统计特征。因此可以通过比较隐写前后运动向量的统计特征的变化来进行隐写分析。
【发明内容】
[0005]技术问题:本发明的目的是提供一种针对运动向量隐写的分析方法。视频码流中的运动向量是通过视频编码的运动估计算法获得的，它关系到视频画面的时间连续性和平滑性，是视频压缩重点保护对象。经过编码或重新编解码后，运动信息数据变化很小。由于运动矢量反映的是当前编码帧中被预测宏块与参考帧中最佳匹配宏块的运动位移信息，与宏块的具体内容无关。如果把信息嵌入到运动矢量中，具有很强的隐蔽性。通过使用本发明提出的方法可以有效提高此类隐写方法的检测率。
[0006]技术方案:对隐写过程建模为加性高斯噪声的叠加过程，利用压缩视频流中预测帧帧内运动向量的熵来度量隐写对空间相关性的影响，同时利用相邻预测帧帧间运动向量水平和垂直两方向的差分直方图以及互信息来度量隐写对时间相关性的影响。最后通过支持向量机的分类检测来判断是否存在隐写。
[0007]本发明包含以下步骤:[0008]1、从发送方与接收方之间的公共信道上提取压缩视频流中的运动向量，根据帧内运动向量与其邻域内运动向量的相关性判断得到二进制数据流，计算此二进制数据流的熵。通过对视频流数据进行部分解码，可以得到运动预测编码帧的运动矢量及其相关信息。视频对象码流逐层分解到宏块层时，通过判断分辨出当前帧是否为基于运动预测编码的P帧间编码宏块以及B帧间双向编码宏块。在P帧中，可以计算得出前向运动矢量，而在B帧中可计算得出前向和后向两个运动矢量。通过这些运算得出相应的数据。
[0009]2、计算预测帧帧间互信息I。
[0010]3、计算预测帧帧间差直方图前四阶矩，即均值μ、方差σ 2、偏度ζ、峰度K。
[0011]4、从训练样本库中提取的分类特征作为已选定分类器的输入，交叉验证过程中使用网格搜索法自动寻找最优的惩罚因子C和核函数的参数O。
[0012]5、将待测视频样本的特征向量作为已训练好的分类器的输入，进行分类，得到分
类结果。
[0013]采用帧间互信息以及二进制数据流熵来度量隐写对载体视频时空相关性的影响。采用互信息以及预测帧帧间差直方图的均值、方差、偏度、峰度来表示帧间特征。当前帧与其相邻帧的运动向量相关性在运动向量隐写后发生改变，由原来的近似相同变为不同，反应了相邻两帧的运动向量约束程度变小。而这种约束程度可以用相邻两帧的互信息来表示。帧内特征通过计算任一预测帧的二进制数据流的熵得到。
【专利附图】
【附图说明】
[0014]图1是本发明的系统框图。
[0015]图2是本发明的流程图。
[0016]图3是本发明的运动向量分析流程图。
[0017]图4是本发明的隐写分析ROC曲线图。
【具体实施方式】
[0018]下面结合附图与【具体实施方式】对本发明作进一步详细描述。
[0019]如图1所示，是本发明的系统框图。视频隐写分析就是对以视频为载体的信息隐藏进行分析的技术。隐写过程就是发送方在密钥K的作用下，利用嵌入算法将秘密信息写入视频，通过公共信道传给接收方，接收方在密钥K的作用下，利用提取算法将秘密信息提取出来。视频隐写分析就是在公共信道上对传输的视频进行检测，分析判断视频中是否有信息隐藏。
[0020]本发明针对现有运动向量隐写分析算法做出改进。首先，采用互信息以及预测帧帧间差直方图的均值、方差、偏度、峰度来表示帧间特征。当前帧与其相邻帧的运动向量相关性在运动向量隐写后发生改变，由原来的近似相同变为不同，反应了相邻两帧的运动向量约束程度变小。而这种约束程度可以用相邻两帧的互信息来表示。若两帧运动向量相互独立，则互信息为O ;若两帧运动向量相关性越强，则互信息值越大。因此可以提取相邻帧互信息特征来衡量运动向量的帧间特性。没有嵌入隐藏信息时，帧间差中除了运动区域的边缘具有较复杂纹理外，其它大部分区域是平滑的，说明相邻帧之间具有强相关性。而只要相邻两帧中有一帧中嵌入了信息，帧间差中不仅运动区域的边缘具有较复杂纹理，其它区域的纹理复杂度亦明显增强，说明相邻帧的相关性受到了削弱。
[0021]假设一个16X16的宏块为一个运动向量。首先判断当前运动向量与其邻域运动向量的相关性，如果相关则标为1，否则标为O。这里邻域定义为包围当前运动向量的8个运动向量。对任一预测帧计算得到二进制数据流。当没有嵌入信息时，运动向量之间的相关性较强，必然得到较多的I。而当对运动向量进行修改后破坏了运动向量与周围运动向量的相关性，导致I的个数减少。熵可以用来衡量一个给定分布的随机性，将二进制数据流按每8位一组，定义运动向量二进制数据流的熵为:
【权利要求】
1.一种基于互信息和运动向量视频隐写的分析方法，其特征在于包含以下步骤: 步骤1:从发送方与接收方之间的公共信道上提取压缩视频流中的运动向量，根据任一预测帧内运动向量与其邻域内运动向量的相关性判断得到预测帧二进制数据流，计算此二进制数据流的熵； 步骤2:计算预测帧帧间互信息； 步骤3:计算预测帧帧间差直方图前四阶矩； 步骤4:从训练样本库中提取的分类特征作为已选定分类器的输入，交叉验证过程中使用网格搜索法自动寻找最优的惩罚因子C和核函数的参数σ ; 步骤5:将待测视频样本的特征向量作为已训练好的分类器的输入，进行分类，得到分类结果。
2.根据权利要求1所述的一种基于互信息和运动向量视频隐写的分析方法，其特征在于: 所述的步骤1中，计算此二进制数据流的熵为:
3.根据权利要求2所述的一种基于互信息和运动向量视频隐写的分析方法，其特征在于，所述的待测视频样本的特征向量为:分别计算运动向量的水平分量和垂直分量的前四阶矩，得到8个特征值；计算预测帧互信息和二进制数据流的熵，得到2个特征值，共10个特征值组成待测视频样本的特征向量。
【文档编号】H04N19/139GK103888773SQ201410056321
【公开日】2014年6月25日 申请日期:2014年2月19日 优先权日:2014年2月19日
【发明者】张登银, 施广帅, 王雪梅, 程春玲 申请人:南京邮电大学