一种h264视频内容篡改检测方法
【专利摘要】本发明提供了一种H264视频内容篡改检测方法，包括以下步骤：S1.对原始视频进行篡改，得到篡改视频，对训练视频进行训练，训练视频包括原始视频和篡改视频；S2.提取训练视频的运动误差帧，再对运动误差帧提取隐写分析特征；S3.使用二分类器对隐写分析特征进行学习训练，得到分类模型；S4.对待测视频进行运动误差帧提取及隐写分析特征提取，采用分类模型对待测视频的所有帧进行分类预测，得到帧分类结果，根据帧分类结果进行待测视频的篡改检测。
【专利说明】一种H264视频内容篡改检测方法
【技术领域】
[0001] 本发明涉及视频内容取证领域，更具体地，涉及一种使用图像隐写分析特征进行 视频内容的篡改检测的方法。
【背景技术】
[0002] 随着数字多媒体技术的迅速发展，视频在社会生活的各个方面特别是监控领域中 发挥着越来越重要的作用。由于视频可以对过去发生的事实进行高度一致的复现，其在 司法领域的作用越来越大。但借助专业的视频编辑软件如Adobe Premiere、Adobe After Effects等，普通用户也能够篡改视频的内容而不留下视觉痕迹，从而掩盖甚至歪曲事实的 真相。这些虚假的视频一旦被用于司法取证将严重妨害社会的正常秩序，进行视频的篡改 检测成了迫在眉睫的问题。
[0003] 数字视频的取证技术可分为主动取证和被动取证两类。主动取证技术需要事先在 视频中添加额外的认证信息，如数字签名、数字水印等，然后通过对视频中认证信息的检验 来判断视频是否经过篡改。但实际中的视频往往不具有附加先验信息，主动取证技术具有 很大的局限性，而被动取证技术由于其对视频没有任何要求而具有更广的应用范围。
[0004] 数字视频的篡改方式可分为基于帧的篡改和基于内容的篡改。基于帧的篡改通过 增加或删除视频的部分帧以达到歪曲事实的目的，这种方法操作简单，但往往会出现篡改 后视频内容不连贯的现象，导致使用范围比较狭窄。基于内容的篡改则没有这个限制，它通 过移除或添加视频里的人或物体来达到特定目的。这种篡改使用范围比较广，但要求更高 的技术和更精细的修改。
[0005] 基于内容的篡改可以篡改视频的内容而不留下视觉痕迹，但是篡改操作在篡改视 频的同时不可避免地对篡改区域内容的原始性造成破坏，而且为了掩盖篡改事实，篡改者 往往需要对篡改区域做进一步的后处理。这一系列操作虽然在肉眼上没有可察觉的痕迹， 但已经破坏了原始图像在空域或者频率域固有的统计特征。
[0006] 在现代的刑事纠纷中，个人拍摄或监控设备录取的视频录像经常被作为证据出 现，甚至会决定一个案件的最终判决结果。鉴于现代视频编辑技术发达，录像证据的提供者 需要保证视频的原始性，而处于不利地位的一方更要求鉴定视频录像的真实性，这时一个 权威而又准确的视频篡改检测鉴定能够有效地保证案件判决的客观和公正，保证司法的公 平。
【发明内容】
[0007] 本发明为克服主动取证的局限性，提供了一种H264视频内容篡改检测方法，以很 高的准确率检测一个视频是否经过篡改，并且可以定位出篡改的具体位置供进一步分析。
[0008] 为解决上述技术问题，本发明的技术方案包括以下步骤：
[0009] 训练阶段：
[0010] S1.对原始视频进行篡改，得到篡改视频，对训练视频进行训练，训练视频包括原 始视频和篡改视频；
[0011] S2.提取训练视频的运动误差帧，再对运动误差帧提取隐写分析特征；
[0012] S3.使用二分类器对隐写分析特征进行学习训练，得到分类模型；
[0013] 检测阶段：
[0014] S4.对待测视频进行运动误差帧提取及隐写分析特征提取，采用分类模型对待测 视频的所有帧进行分类预测，得到帧分类结果，根据帧分类结果进行待测视频的篡改检测。
[0015] 本发明原理是基于篡改操作在篡改视频时对篡改区域内容的原始性造成破坏，同 时破坏了原始帧在空域或者频率域固有的统计特征。隐写分析特征就是其中一种统计特 征，它对篡改非常敏感，原始帧和对应的篡改帧在这个特征上呈现出不同的特点，因而可以 采用上述的方法，区分原始视频和篡改视频。
[0016] 现有技术提供的隐写分析特征有以下几种：
[0017] SPAM :-种维数为686的空域隐分析特征；
[0018] CHEN :-种维数为486的频率域隐写分析特征；
[0019] CC-PEV :-种维数为548的频率域隐写分析特征；
[0020] ⑶F :-种维数为1234的混合域隐写分析特征；
[0021] CF* :-种维数为7850的频率域隐写分析特征。
[0022] 进一步地，所述步骤S2中使用共谋攻击的方法提取运动误差帧，即用视频当前 帧前后共m帧的平均值作为当前帧的估计帧，然后用当前帧减去估计帧得到运动误差帧 error (X) ;m为窗口长度，用户可依据根据经验和实验结果进行设定；
[0023] 具体如下：设定窗口长度为m，视频的第X巾贞frame (X)，用以下公式计算出运动误 差中贞error (X)；
[0024]
【权利要求】
1. 一种H264视频内容篡改检测方法，其特征在于：包括以下步骤： 训练阶段：
51. 对原始视频进行篡改，得到篡改视频，对训练视频进行训练，训练视频包括原始视 频和篡改视频；
52. 提取训练视频的运动误差帧，再对运动误差帧提取隐写分析特征；
53. 使用二分类器对隐写分析特征进行学习训练，得到分类模型； 检测阶段：
54. 对待测视频进行运动误差帧提取及隐写分析特征提取，采用分类模型对待测视频 的所有帧进行分类预测，得到帧分类结果，根据帧分类结果进行待测视频的篡改检测。
2. 根据权利要求1所述的H264视频内容篡改检测方法，其特征在于：步骤S2使用共谋 攻击的方法提取运动误差帧，即用视频当前帧前后共m帧的平均值作为当前帧的估计帧， 然后用当前巾贞减去估计巾贞得到运动误差巾贞error (X); 具体如下：设定窗口长度为m，视频的第X帧frame (X)，用以下公式计算出运动误差帧 error (X)； ^ 1 Z+抓。 frame(x) -- / frame、k) x < " x + mn Z-j ' k=l a;+WL0 grror(x) = \ - - 〉 fram&(k) < x < N -m0 m Z-n i N frame(x) - -- / fram&〔k) x>N - mQ N - x + m0 + 1 \ fe=^-m,0 ( 1) 这里的mQ表示（m-l)/2, N表示视频的总巾贞数。
3. 根据权利要求1所述的H264视频内容篡改检测方法，其特征在于：所述的分类模型 是由三个二分类器两两训练得到的； 训练视频中巾贞包括原始视频巾贞、篡改视频篡改巾贞、篡改视频非篡改巾贞； 步骤S3具体为：使用二分类器对从上述三类不同视频帧提取出来的隐写分析特征进 行两两训练学习，得到分类模型。
4. 根据权利要求1、2或3所述的H264视频篡改检测方法，其特征在于：当步骤S4的 分类结果中存在η帧连续篡改的帧，则该待测视频为篡改视频。
5. 根据权利要求4所述的Η264视频内容篡改检测方法，其特征在于：当待测视频被判 定为篡改视频时，还包括对篡改位置进行定位，具体定位方式为：对于篡改帧集中的区域， 统计其中最长的一段连续帧，当篡改帧与该段连续帧的比例为Β%及以上时，则判定该段连 续帧所在的位置为篡改位置。
6. 根据权利要求5所述的Η264视频内容篡改检测方法，其特征在于：在进行篡改定位 之前，先对分类模型的分类结果进行修正，具体如下：对每一帧前后共Κ帧范围内的所有帧 使用投票策略，其中篡改帧与所有帧的比超过C，则该帧为篡改帧；否则为非篡改帧； 在对分类结果进行修正后，对于篡改帧集中的区域，统计其中最长的一段连续帧，篡改 帧与该段连续帧的比例为Β%及以上时，则判定该段连续帧的所在位置为篡改位置； 当存在多个篡改帧集中的区域时，使用上述篡改定位判定方法对每处篡改帧集中的区 域定位出篡改位置。
7.根据权利要求1所述的H264视频内容篡改检测方法，其特征在于：应用隐写分析 技术中的隐写分析特征来作为检测视频内容是否发生篡改的特征，所述的隐写分析特征为 SPAM、CHEN、CC-PEV、CDF 或 CF* 中任一种。
【文档编号】H04N19/89GK104244016SQ201410395140
【公开日】2014年12月24日 申请日期:2014年8月12日 优先权日:2014年8月12日
【发明者】陈盛达, 黄继武, 谭舜泉 申请人:中山大学, 深圳大学