一种不同量化参数下的HEVC视频二次压缩检测方法

摘要

本发明公开了一种不同量化参数下的HEVC视频二次压缩检测方法，其利用HEVC编码器HM12.0对多个常用的标准未压缩YUV视频序列进行压缩编码，得到每个未压缩YUV视频序列对应的一次压缩视频码流和二次压缩视频码流，其中，应保证一次压缩视频码流的量化参数和二次压缩视频码流的第二次量化参数相同；然后通过提取一次压缩视频码流和二次压缩视频码流各自的特征值，并将这些特征值送入LibSVM分类器中进行分类训练，得到一个可以判断待检测压缩视频码流是一次压缩视频码流还是二次压缩视频码流的检测模板，从而能够快速的完成HEVC视频的二次压缩检测；优点是检测准确率高、计算量小和特征维度低，且能够对不同分辨率下的HEVC视频进行二次压缩检测。

说明书

技术领域

本发明涉及一种数字视频取证方法，尤其是涉及一种不同量化参数下的HEVC视频 二次压缩检测方法。

背景技术

随着数字多媒体的普及和网络技术的快速发展，各类廉价的电子设备如手机、pad、 数码相机、摄像机等和随处可见的监控探头造成了视频数据的海量性，而且这种声色并 茂的视频信息载体已广泛应用于人们日常工作和生活之中。与此同时，各种功能齐全的 视频编辑处理软件(如AdobePremiere、Mokey)使得非专业人士对视频内容进行篡改 从而达到了以假乱真的效果，打破了传统的“眼见为实”观念。尽管大多数人对视频内 容的编辑和修改的初衷只是为了增强多媒体信息的视觉或听觉效果，但是也有一些心怀 恶意的人对视频内容进行篡改来达到自己一些不为人知的秘密。篡改后的不良视频信息 一旦被用于司法取证、科学研究、军事政治和正式媒体等，将会一定程度地影响人们的 生活、社会的安定和司法的公正。为了保证获取的视频真实和完整，多媒体信息安全领 域内的一个重要分支——数字视频取证技术应运而生。

由于原始未压缩的视频的数据量很大，因此为了节省视频在网络上传输的时间和存 储的空间，通常都是将原始未压缩的视频压缩成视频码流的格式进行保存。视频内容的 篡改是在非压缩域中进行的，首先将视频码流解压成视频序列，然后对视频序列进行帧 的插入、删除、目标对象的复制-粘贴和移除等篡改操作，最后将篡改过的视频再次压 缩成视频码流文件。由此可以得出，被篡改的视频一定经过二次压缩，因此研究人员可 以通过二次压缩检测技术初步判断视频有无经过篡改或者通过压缩痕迹大致定位视频 篡改区域。

目前国内外很多研究学者致力于MPEG-2和MPEG-4视频二次压缩检测，而对 H.264/AVC和HEVC编码标准下的视频二次压缩检测方法几乎没有。HEVC是新一代的 国际编码标准，着重于高清视频的编码，旨在提高编码效率，具有广阔的应用空间，因 此研究HEVC视频二次压缩检测方法具有十分重要的现实意义。

发明内容

本发明所要解决的技术问题是提供一种不同量化参数下的HEVC视频二次压缩检 测方法，其检测准确率高、计算量较小和特征维度低，且能够对不同分辨率下的HEVC 视频进行二次压缩检测。

本发明解决上述技术问题所采用的技术方案为：一种不同量化参数下的HEVC视频 二次压缩检测方法，其特征在于包括以下步骤：

①选取N个不同的未压缩YUV视频序列，其中，N≥300，N个未压缩YUV视频 序列包含A类、B类、C类、D类、E类和H.264视频序列；

②获取与每个未压缩YUV视频序列对应的一次压缩视频码流，具体过程为：利用 具有编解码功能的HEVC编码器并采用量化参数QP2，对每个未压缩YUV视频序列进 行压缩编码，得到每个未压缩YUV视频序列经过一次压缩后形成的一次压缩视频码流；

③获取与每个未压缩YUV视频序列对应的二次压缩视频码流，具体过程为：③-1、 利用具有编解码功能的HEVC编码器并采用量化参数QP1，对每个未压缩YUV视频序 列进行压缩编码，得到每个未压缩YUV视频序列经过一次压缩后形成的一次压缩视频 码流；③-2、利用具有编解码功能的HEVC编码器，将步骤③-1中得到的每个一次压缩 视频码流解压成YUV视频序列；③-3、利用具有编解码功能的HEVC编码器并采用量 化参数QP2，对步骤③-2中解压成的每个YUV视频序列进行压缩编码，得到与每个未 压缩YUV视频序列对应的二次压缩视频码流；

其中，所述的步骤③-1、所述的步骤③-2和所述的步骤③-3中使用的HEVC编码器 均与所述的步骤②中使用的HEVC编码器相同；

④将每个一次压缩视频码流作为一个正样本，并标记为+1；将每个二次压缩视频码 流作为一个负样本，并标记为-1；再将所有正样本和所有负样本构成一个训练样本集合， 其中，训练样本集合中的每个子样本为正样本或为负样本，训练样本集合中共包含2N个 子样本；

⑤提取出训练样本集合中的每个子样本的18个特征值，对于训练样本集合中的第k 个子样本的18个特征值，其中，第1个至第4个特征值依次为第k个子样本解压成的YUV 视频序列中尺寸大小为32×32的变换块的出现概率、尺寸大小为16×16的变换块的出现 概率、尺寸大小为8×8的变换块的出现概率和尺寸大小为4×4的变换块的出现概率，第 5个至第9个特征值依次为第k个子样本解压成的YUV视频序列中的变换块的尺寸大小 的均值、变换块的尺寸大小的方差、变换块的尺寸大小的均值与方差的比值、变换块的 尺寸大小在均值附近的相对平坦程度、变换块的尺寸大小与均值分布的不对称程度，第 10个至第18个特征值依次为第k个子样本解压成的YUV视频序列中系数值为-4至4的 DCT系数各自的出现概率；其中，1≤k≤2N；

⑥对训练样本集合中的每个子样本的18个特征值先后进行修正处理和归一化处理， 得到训练样本集合中的每个子样本的18个修正和归一化处理后的特征值；

⑦利用LibSVM分类器对训练样本集合中的所有子样本各自的18个修正和归一化处 理后的特征值进行训练，得到检测模板；

⑧对于任意一个经过一次压缩或二次压缩的待检测压缩视频码流，要求该待检测压 缩视频码流的获取过程中最后一次压缩编码所采用的量化参数与训练样本集合中的子 样本的获取过程中最后一次压缩编码所采用的量化参数相同；然后按照步骤⑤中提取出 训练样本集合中的每个子样本的18个特征值的过程，以相同的方式提取出该待检测压缩 视频码流的18个特征值；接着按照步骤⑥的过程，以相同的方式获取该待检测压缩视频 码流的18个修正和归一化处理后的特征值；再将该待检测压缩视频码流的18个修正和归 一化处理后的特征值输入到检测模板中进行检测，如果检测模板的输出结果为+1，则确 定该待检测压缩视频码流为一次压缩视频码流；如果检测模板的输出结果为-1，则确定 该待检测压缩视频码流为二次压缩视频码流。

所述的量化参数QP1大于所述的量化参数QP2。

所述的步骤⑤中训练样本集合中的第k个子样本的18个特征值的获取过程为：

⑤-1、利用具有编解码功能的HEVC编码器，将第k个子样本解压成YUV视频序列， 在解压处理过程中，按序提取出Y分量上的每个最大编码单元的变换块尺寸标识矩阵和 每个最大编码单元的DCT系数矩阵；将当前提取出的变换块尺寸标识矩阵和DCT系数矩 阵对应的最大编码单元定义为当前最大编码单元；其中，此步骤中使用的HEVC编码器 与所述的步骤②中使用的HEVC编码器相同，每个最大编码单元的变换块尺寸标识矩阵 的维数为16×16，每个最大编码单元的DCT系数矩阵的维数为64×64；

⑤-2、根据当前最大编码单元的变换块尺寸标识矩阵，确定当前最大编码单元中的 变换块及变换块的尺寸大小，具体为：若当前最大编码单元的变换块尺寸标识矩阵中存 在尺寸大小为8×8且元素值q全为1的子矩阵，则确定该子矩阵标识的是尺寸大小为 32×32的变换块；若当前最大编码单元的变换块尺寸标识矩阵中存在尺寸大小为4×4且 元素值q全为2的子矩阵，则确定该子矩阵标识的是尺寸大小为16×16的变换块；若当前 最大编码单元的变换块尺寸标识矩阵中存在尺寸大小为2×2且元素值q全为3的子矩 阵，则确定该子矩阵标识的是尺寸大小为8×8的变换块；若当前最大编码单元的变换块 尺寸标识矩阵中存在尺寸大小为1×1且元素值q为4的子矩阵，则确定该子矩阵标识的是 尺寸大小为4×4的变换块；

⑤-3、将下一个提取出的变换块尺寸标识矩阵和DCT系数矩阵对应的最大编码单元 作为当前最大编码单元，然后返回步骤⑤-2继续执行，直至获得每个最大编码单元中的 每个变换块的尺寸大小；

⑤-4、统计第k个子样本解压成的YUV视频序列中尺寸大小为32×32的变换块的总 个数、尺寸大小为16×16的变换块的总个数、尺寸大小为8×8的变换块的总个数、尺寸 大小为4×4的变换块的总个数，对应记为num_k,1、num_k,2、num_k,3和num_k,4；然后计算第 k个子样本解压成的YUV视频序列中尺寸大小为32×32的变换块的出现概率、尺寸大小 为16×16的变换块的出现概率、尺寸大小为8×8的变换块的出现概率和尺寸大小为4×4 的变换块的出现概率，对应记为f_k,1、f_k,2、f_k,3和f_k,4，其中，nums_k表示第k个子样本解压成的YUV视频序列中 的变换块的总个数；再将f_k,1、f_k,2、f_k,3和f_k,4依次作为第k个子样本的第1个至第4个特 征值；

⑤-5、计算第k个子样本解压成的YUV视频序列中的变换块的尺寸大小的均值，记 为f_k,5，再将f_k,5作为第k个子样本的第5个特征值，其中，f_k,q表示第 k个子样本的第q个特征值；计算第k个子样本解压成的YUV视频序列中的变换块的尺 寸大小的方差，记为f_k,6，再将f_k,6作为第k个子样本的第6个 特征值；计算第k个子样本解压成的YUV视频序列中的变换块的尺寸大小的均值与方差 的比值，记为f_k,7，再将f_k,7作为第k个子样本的第7个特征值；计算第k个 子样本解压成的YUV视频序列中的变换块的尺寸大小在均值附近的相对平坦程度，记为 f_k,8，再将f_k,8作为第k个子样本的第8个特征值； 计算第k个子样本解压成的YUV视频序列中的变换块的尺寸大小与均值分布的不对称 程度，记为f_k,9，再将f_k,9作为第k个子样本的第9个特征值；

⑤-6、计算第k个子样本解压成的YUV视频序列中系数值为-4至4的DCT系数各 自的出现概率，将这些出现概率依次作为第k个子样本的第10个至第18个特征值，对 应记为f_k,10、f_k,11、f_k,12、f_k,13、f_k,14、f_k,15、f_k,16、f_k,17、f_k,18。

所述的步骤⑥中对训练样本集合中的每个子样本的18个特征值先后进行修正处理 和归一化处理的具体过程为：对于训练样本集合中的第k个子样本的第p个特征值，先 对第k个子样本的第p个特征值进行修正，得到修正后的特征值，记为f'_k,p， ${f^{\prime }}_{k,p}=\left(\begin{array}{cc}{f}_{k,p}\times {10}^{e1}& f_{mean,p}<10\\ f_{k,p}/{10}^{e2}& f_{mean,p}\ge 10\end{array}\right);$后将修正后的特征值归一化到[-1,1]，得到修正和归一 化处理后的特征值，记为f”_k,p，其中，1≤p≤18，f_k,p表示第k 个子样本的第p个特征值，符号为向下取整符号，符号为向上取整符号，符号“||” 为取绝对值符号，f'_mean,k表示第k个子样本的所有修正后的特征值的均值， f'_var,k表示第k个子样本的所有修正后的特征值的方差， ${f^{\prime }}_{\mathrm{var},k}=\frac{\underset{p=1}{\overset{18}{\Sigma }}{({f^{\prime }}_{k,p}-{f^{\prime }}_{mean,k})}^2}{18-1}.$

所述的步骤⑧中该待检测压缩视频码流的18个特征值的获取过程为：

⑧-1a、利用具有编解码功能的HEVC编码器，将该待检测压缩视频码流解压成YUV 视频序列，在解压处理过程中，按序提取出Y分量上的每个最大编码单元的变换块尺寸 标识矩阵和每个最大编码单元的DCT系数矩阵；将当前提取出的变换块尺寸标识矩阵和 DCT系数矩阵对应的最大编码单元定义为当前最大编码单元；其中，此步骤中使用的 HEVC编码器与所述的步骤②中使用的HEVC编码器相同，每个最大编码单元的变换块 尺寸标识矩阵的维数为16×16，每个最大编码单元的DCT系数矩阵的维数为64×64；

⑧-2a、根据当前最大编码单元的变换块尺寸标识矩阵，确定当前最大编码单元中 的变换块及变换块的尺寸大小，具体为：若当前最大编码单元的变换块尺寸标识矩阵中 存在尺寸大小为8×8且元素值q全为1的子矩阵，则确定该子矩阵标识的是尺寸大小为 32×32的变换块；若当前最大编码单元的变换块尺寸标识矩阵中存在尺寸大小为4×4且 元素值q全为2的子矩阵，则确定该子矩阵标识的是尺寸大小为16×16的变换块；若当前 最大编码单元的变换块尺寸标识矩阵中存在尺寸大小为2×2且元素值q全为3的子矩 阵，则确定该子矩阵标识的是尺寸大小为8×8的变换块；若当前最大编码单元的变换块 尺寸标识矩阵中存在尺寸大小为1×1且元素值q为4的子矩阵，则确定该子矩阵标识的是 尺寸大小为4×4的变换块；

⑧-3a、将下一个提取出的变换块尺寸标识矩阵和DCT系数矩阵对应的最大编码单 元作为当前最大编码单元，然后返回步骤⑧-2a继续执行，直至获得每个最大编码单元中 的每个变换块的尺寸大小；

⑧-4a、统计该待检测压缩视频码流解压成的YUV视频序列中尺寸大小为32×32的 变换块的总个数、尺寸大小为16×16的变换块的总个数、尺寸大小为8×8的变换块的总 个数、尺寸大小为4×4的变换块的总个数，对应记为num_test,1、num_test,2、num_test,3和 num_test,4；然后计算该待检测压缩视频码流解压成的YUV视频序列中尺寸大小为32×32 的变换块的出现概率、尺寸大小为16×16的变换块的出现概率、尺寸大小为8×8的变换 块的出现概率和尺寸大小为4×4的变换块的出现概率，对应记为f_test,1、f_test,2、f_test,3和 f_test,4，$f_{test,1}=\frac{{\mathrm{num}}_{test,1}}{{\mathrm{nums}}_{test}},f_{test,2}=\frac{{\mathrm{num}}_{test,2}}{{\mathrm{nums}}_{test}},f_{test,3}=\frac{{\mathrm{num}}_{test,3}}{{\mathrm{nums}}_{test}},f_{test,4}=\frac{{\mathrm{num}}_{test,4}}{{\mathrm{nums}}_{test}},$其中，nums_test表示该待检测压缩视频码流解压成的YUV视频序列中的变换块的总个数；再将f_test,1、 f_test,2、f_test,3和f_test,4依次作为待检测压缩视频码流的第1个至第4个特征值；

⑧-5a、计算该待检测压缩视频码流解压成的YUV视频序列中的变换块的尺寸大小 的均值，记为f_test,5，再将f_test,5作为待检测压缩视频码流的第5个特 征值，其中，f_test,q表示待检测压缩视频码流的第q个特征值；计算该待检测压缩视频码 流解压成的YUV视频序列中的变换块的尺寸大小的方差，记为f_test,6， 再将f_test,6作为待检测压缩视频码流的第6个特征值；计算 该待检测压缩视频码流解压成的YUV视频序列中的变换块的尺寸大小的均值与方差的 比值，记为f_test,7，再将f_test,7作为待检测压缩视频码流的第7个特征值；计 算该待检测压缩视频码流解压成的YUV视频序列中的变换块的尺寸大小在均值附近的 相对平坦程度，记为f_test,8，$f_{test,8}=\frac{{\mathrm{nums}}_{test}}{{\mathrm{nums}}_{test}-1}\times \underset{q=1}{\overset{4}{\Sigma }}{f}_{test,q}\times {\left(\frac{q-f_{test,5}}{\sqrt{f_{test,6}}}\right)}^4,$再将f_test,8作为待 检测压缩视频码流的第8个特征值；计算该待检测压缩视频码流解压成的YUV视频序列 中的变换块的尺寸大小与均值分布的不对称程度，记为f_test,9， 再将f_test,9作为待检测压缩视频码流的第9个特征值；

⑧-6a、计算待检测压缩视频码流解压成的YUV视频序列中系数值为-4至4的DCT 系数各自的出现概率，将这些出现概率依次作为待检测压缩视频码流的第10个至第18 个特征值，对应记为f_test,10、f_test,11、f_test,12、f_test,13、f_test,14、f_test,15、f_test,16、f_test,17、f_test,18。

所述的步骤⑧中获取该待检测压缩视频码流的18个修正和归一化处理后的特征值 的过程为：对于该待检测压缩视频码流的第p个特征值，先对第p个特征值进行修正， 得到修正后的特征值，记为f'_test,p，${f^{\prime }}_{test,p}=\left(\begin{array}{cc}{f}_{test,p}\times {10}^{e{1}^{\prime }}& f_{test,p}<10\\ f_{test,p}/{10}^{e{2}^{\prime }}& f_{test,p}\ge 10\end{array}\right);$后将修正后的特 征值归一化到[-1,1]，得到修正和归一化处理后的特征值，记为f”_test,p， 其中，1≤p≤18，f_test,p表示该待检测压缩视频码流的第p个 特征值，符号为向下取整符号， 符号为向上取整符号，符号“||”为取绝对值符号，f'_mean,test表示该待检测压 缩视频码流的所有修正后的特征值的均值，f'_var,test表示该待检 测压缩视频码流的所有修正后的特征值的方差，

与现有技术相比，本发明的优点在于：

1)本发明方法利用HEVC编码器HM12.0对多个常用的标准未压缩YUV视频序列 进行压缩编码，得到每个未压缩YUV视频序列对应的一次压缩视频码流和二次压缩视 频码流，其中，应保证一次压缩视频码流的量化参数和二次压缩视频码流的第二次量化 参数相同；然后通过提取一次压缩视频码流和二次压缩视频码流各自的特征值，并将这 些特征值送入LibSVM分类器中进行分类训练，得到一个可以判断待检测压缩视频码流 是一次压缩视频码流还是二次压缩视频码流的检测模板，从而能够快速的完成HEVC视 频的二次压缩检测，且适用于不同分辨率下的HEVC视频的二次压缩检测。

2)通过分析发现，相同的未压缩YUV视频序列在压缩编码过程中变换块的尺寸大 小和DCT系数因其选取的量化参数QP不同而不同，而二次压缩视频码流是受两次量化 参数共同影响的，因此，本发明方法通过计算每种尺寸大小的变换块的出现概率及变换 块的尺寸大小的均值、变换块的尺寸大小的方差、均值与方差的比值、变换块的尺寸大 小在均值附近的相对平坦程度即峰度和变换块的尺寸大小与均值分布的不对称程度即 偏度，并且计算系数值为-4到4的DCT系数各自的出现概率作为有效特征值，这些特 征值的构造能够有效地提高二次压缩检测的检测准确率。

3)由于每个最大编码单元的变换块尺寸标识矩阵的维数为16×16，每个最大编码 单元的DCT系数矩阵的维数为64×64，因此变换块尺寸标识矩阵的数据量是DCT系数 矩阵的数据量的十六分之一，这样本发明方法在对每个子样本构造18个有效的特征值 时，仅需要计算一次变换块尺寸标识矩阵和DCT系数矩阵，相对于现有的求DCT系数 矩阵4个方向的Markov转移概率共162维特征(相当于计算了8次DCT系数矩阵)的 方式，本发明方法在保证检测准确率的同时，能够有效的降低计算量和特征维度。

附图说明

图1为本发明方法的总体实现框图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

本发明提出的一种不同量化参数下的HEVC视频二次压缩检测方法，其总体实现 框图如图1所示，其包括以下步骤：

①选取N个不同的常用的标准未压缩YUV视频序列，并假设每个未压缩YUV视 频序列中包含f帧，其中，N≥300，f≥30，N个未压缩YUV视频序列包含A类、B 类、C类、D类、E类和H.264视频序列。

在实际选取未压缩YUV视频序列时，可选取分辨率不同、纹理方向不同、内容复 杂度不同的未压缩YUV视频序列，考虑到现有的标准未压缩YUV视频序列的数量较 少，因此为了增加本发明方法的可靠性，可以采用视频剪辑软件将每个标准未压缩YUV 视频序列剪成互不重叠的视频片段，每个视频片段包含f帧，f的具体值可自行设定， 如取f＝30，共剪切成N个视频片段，一个视频片段作为一个未压缩YUV视频序列； 选取的未压缩YUV视频序列越多，则可使得后续训练得到的检测模板的性能越可靠， 最终使得本发明方法的检测准确率更高。

实际处理时，每个未压缩YUV视频序列的长度可以不一样，也可以一样。

②获取与每个未压缩YUV视频序列对应的一次压缩视频码流，具体过程为：利用 具有编解码功能的HEVC编码器并采用量化参数QP2，对每个未压缩YUV视频序列进 行压缩编码，得到每个未压缩YUV视频序列经过一次压缩后形成的一次压缩视频码流。

在此，HEVC编码器可采用现有的HM12.0编码器，其具有编解码功能。

在此，HEVC压缩编码过程中量化参数QP2的大小可事先在参数配置文件中设置， 在实验过程中选取了6个不同的量化参数QP2，分别为22、24、26、28、32和36，因 此可得到6类经过不同量化参数压缩的一次压缩视频码流。

③获取与每个未压缩YUV视频序列对应的二次压缩视频码流，具体过程为：③-1、 利用具有编解码功能的HEVC编码器并采用量化参数QP1，对每个未压缩YUV视频序 列进行压缩编码，得到每个未压缩YUV视频序列经过一次压缩后形成的一次压缩视频 码流；③-2、利用具有编解码功能的HEVC编码器，将步骤③-1中得到的每个一次压缩 视频码流解压成YUV视频序列；③-3、利用具有编解码功能的HEVC编码器并采用量 化参数QP2，对步骤③-2中解压成的每个YUV视频序列进行压缩编码，得到与每个未 压缩YUV视频序列对应的二次压缩视频码流。

其中，步骤③-1、步骤③-2和步骤③-3中使用的HEVC编码器均与步骤②中使用的 HEVC编码器相同。

在此，若量化参数QP1大于量化参数QP2，则本发明方法具有更高的检测率；若量 化参数QP1小于量化参数QP2，则本发明方法的检测率相对低些。

在此，HEVC压缩编码过程中量化参数QP1的大小可事先在参数配置文件中设置， 假设量化参数QP2为22，则实验过程中量化参数QP1可以分别为24、26、28、32和36， 因此可得到30类经过不同量化参数压缩的二次压缩视频码流。

在此，假设一次压缩视频码流获取过程中所采用的量化参数为22，则要求二次压缩 视频码流获取过程中第二次压缩所采用的量化参数也为22，二次压缩视频码流获取过程 中第一次压缩所采用的量化参数可以为24或为26或为28或为32或为36。

④将每个一次压缩视频码流作为一个正样本，并标记为+1；将每个二次压缩视频码 流作为一个负样本，并标记为-1；再将所有正样本和所有负样本构成一个训练样本集合， 其中，训练样本集合中的每个子样本为正样本或为负样本，训练样本集合中共包含2N个 子样本。

⑤提取出训练样本集合中的每个子样本的18个特征值，对于训练样本集合中的第k 个子样本的18个特征值，其中，第1个至第4个特征值依次为第k个子样本解压成的YUV 视频序列中尺寸大小为32×32的变换块的出现概率、尺寸大小为16×16的变换块的出现 概率、尺寸大小为8×8的变换块的出现概率和尺寸大小为4×4的变换块的出现概率，第 5个至第9个特征值依次为第k个子样本解压成的YUV视频序列中的变换块的尺寸大小 的均值、变换块的尺寸大小的方差、变换块的尺寸大小的均值与方差的比值、变换块的 尺寸大小在均值附近的相对平坦程度、变换块的尺寸大小与均值分布的不对称程度，第 10个至第18个特征值依次为第k个子样本解压成的YUV视频序列中系数值为-4至4的 DCT系数各自的出现概率；其中，1≤k≤2N。

在此具体实施例中，步骤⑤中训练样本集合中的第k个子样本的18个特征值的获 取过程为：

⑤-1、利用具有编解码功能的HEVC编码器，将第k个子样本解压成YUV视频序列， 在解压处理过程中，按序提取出Y分量上的每个最大编码单元的变换块尺寸标识矩阵和 每个最大编码单元的DCT系数矩阵；将当前提取出的变换块尺寸标识矩阵和DCT系数矩 阵对应的最大编码单元定义为当前最大编码单元；其中，此步骤中使用的HEVC编码器 与所述的步骤②中使用的HEVC编码器相同，每个最大编码单元的变换块尺寸标识矩阵 的维数为16×16，每个最大编码单元的DCT系数矩阵的维数为64×64。

⑤-2、根据当前最大编码单元的变换块尺寸标识矩阵，确定当前最大编码单元中的 变换块及变换块的尺寸大小，具体为：若当前最大编码单元的变换块尺寸标识矩阵中存 在尺寸大小为8×8且元素值q全为1的子矩阵，则确定该子矩阵中的任一个元素值标识 的是一个尺寸大小为4×4的子块，而该子矩阵标识的是尺寸大小为32×32的变换块；若 当前最大编码单元的变换块尺寸标识矩阵中存在尺寸大小为4×4且元素值q全为2的子 矩阵，则确定该子矩阵中的任一个元素值标识的是一个尺寸大小为4×4的子块，而该子 矩阵标识的是尺寸大小为16×16的变换块；若当前最大编码单元的变换块尺寸标识矩阵 中存在尺寸大小为2×2且元素值q全为3的子矩阵，则确定该子矩阵中的任一个元素值 标识的是一个尺寸大小为4×4的子块，而该子矩阵标识的是尺寸大小为8×8的变换块； 若当前最大编码单元的变换块尺寸标识矩阵中存在尺寸大小为1×1且元素值q为4的子 矩阵，则确定该子矩阵标识的是尺寸大小为4×4的变换块。

在HEVC视频中，变换块的尺寸大小有32×32、16×16、8×8和4×4共四种。

⑤-3、将下一个提取出的变换块尺寸标识矩阵和DCT系数矩阵对应的最大编码单元 作为当前最大编码单元，然后返回步骤⑤-2继续执行，直至获得每个最大编码单元中的 每个变换块的尺寸大小。

⑤-4、统计第k个子样本解压成的YUV视频序列中尺寸大小为32×32的变换块的总 个数、尺寸大小为16×16的变换块的总个数、尺寸大小为8×8的变换块的总个数、尺寸 大小为4×4的变换块的总个数，对应记为num_k,1、num_k,2、num_k,3和num_k,4；然后计算第 k个子样本解压成的YUV视频序列中尺寸大小为32×32的变换块的出现概率、尺寸大小 为16×16的变换块的出现概率、尺寸大小为8×8的变换块的出现概率和尺寸大小为4×4 的变换块的出现概率，对应记为f_k,1、f_k,2、f_k,3和f_k,4，其中，nums_k表示第k个子样本解压成的YUV视频序列中 的变换块的总个数；再将f_k,1、f_k,2、f_k,3和f_k,4依次作为第k个子样本的第1个至第4个特 征值。

⑤-5、计算第k个子样本解压成的YUV视频序列中的变换块的尺寸大小的均值，记 为f_k,5，再将f_k,5作为第k个子样本的第5个特征值，其中，f_k,q表示第 k个子样本的第q个特征值；计算第k个子样本解压成的YUV视频序列中的变换块的尺 寸大小的方差，记为f_k,6，再将f_k,6作为第k个子样本的第6个 特征值；计算第k个子样本解压成的YUV视频序列中的变换块的尺寸大小的均值与方差 的比值，记为f_k,7，再将f_k,7作为第k个子样本的第7个特征值；计算第k个 子样本解压成的YUV视频序列中的变换块的尺寸大小在均值附近的相对平坦程度，记为 f_k,8，再将f_k,8作为第k个子样本的第8个特征值； 计算第k个子样本解压成的YUV视频序列中的变换块的尺寸大小与均值分布的不对称 程度，记为f_k,9，再将f_k,9作为第k个子样本的第9个特征值。

⑤-6、计算第k个子样本解压成的YUV视频序列中系数值为-4至4的DCT系数各自的 出现概率，将这些出现概率依次作为第k个子样本的第10个至第18个特征值，对应记为 f_k,10、f_k,11、f_k,12、f_k,13、f_k,14、f_k,15、f_k,16、f_k,17、f_k,18。即：计算解压成的YUV视频 序列中系数值为-4的所有DCT系数的总个数占解压成的YUV视频序列中的所有DCT系 数的总个数的比例，该比例作为第k个子样本的第10个特征值；计算解压成的YUV视频 序列中系数值为-3的所有DCT系数的总个数占解压成的YUV视频序列中的所有DCT系 数的总个数的比例，该比例作为第k个子样本的第11个特征值；计算解压成的YUV视频 序列中系数值为-2的所有DCT系数的总个数占解压成的YUV视频序列中的所有DCT系 数的总个数的比例，该比例作为第k个子样本的第12个特征值；计算解压成的YUV视频 序列中系数值为-1的所有DCT系数的总个数占解压成的YUV视频序列中的所有DCT系 数的总个数的比例，该比例作为第k个子样本的第13个特征值；计算解压成的YUV视频 序列中系数值为0的所有DCT系数的总个数占解压成的YUV视频序列中的所有DCT系数 的总个数的比例，该比例作为第k个子样本的第14个特征值；计算解压成的YUV视频序 列中系数值为1的所有DCT系数的总个数占解压成的YUV视频序列中的所有DCT系数的 总个数的比例，该比例作为第k个子样本的第15个特征值；计算解压成的YUV视频序列 中系数值为2的所有DCT系数的总个数占解压成的YUV视频序列中的所有DCT系数的总 个数的比例，该比例作为第k个子样本的第16个特征值；计算解压成的YUV视频序列中 系数值为3的所有DCT系数的总个数占解压成的YUV视频序列中的所有DCT系数的总个 数的比例，该比例作为第k个子样本的第17个特征值；计算解压成的YUV视频序列中系 数值为4的所有DCT系数的总个数占解压成的YUV视频序列中的所有DCT系数的总个数 的比例，该比例作为第k个子样本的第18个特征值。

⑥对训练样本集合中的每个子样本的18个特征值先后进行修正处理和归一化处理， 得到训练样本集合中的每个子样本的18个修正和归一化处理后的特征值。

在此具体实施例中，步骤⑥中对训练样本集合中的每个子样本的18个特征值先后进 行修正处理和归一化处理的具体过程为：对于训练样本集合中的第k个子样本的第p个 特征值，先对第k个子样本的第p个特征值进行修正，得到修正后的特征值，记为f'_k,p， ${f^{\prime }}_{k,p}=\left(\begin{array}{cc}{f}_{k,p}\times {10}^{e1}& f_{mean,p}<10\\ f_{k,p}/{10}^{e2}& f_{mean,p}\ge 10\end{array}\right);$后采用现有的均值-方差归一化法将修正后的特征值归 一化到[-1,1]，得到修正和归一化处理后的特征值，记为f”_k,p，其中，1≤p≤18，f_k,p表示第k个子样本的第p个特征值，符号为向下取整符号，符号为 向上取整符号，符号“||”为取绝对值符号，f'_mean,k表示第k个子样本的所有修正后的 特征值的均值，f'_var,k表示第k个子样本的所有修正后的特征值的 方差，${f^{\prime }}_{\mathrm{var},k}=\frac{\underset{p=1}{\overset{18}{\Sigma }}{({f^{\prime }}_{k,p}-{f^{\prime }}_{mean,k})}^2}{18-1}.$

⑦利用LibSVM分类器对训练样本集合中的所有子样本各自的18个修正和归一化处 理后的特征值进行训练，得到检测模板。

⑧对于任意一个经过一次压缩或二次压缩的待检测压缩视频码流，要求该待检测压 缩视频码流的获取过程中最后一次压缩编码所采用的量化参数与训练样本集合中的子 样本的获取过程中最后一次压缩编码所采用的量化参数相同；然后按照步骤⑤中提取出 训练样本集合中的每个子样本的18个特征值的过程，以相同的方式提取出该待检测压缩 视频码流的18个特征值；接着按照步骤⑥的过程，以相同的方式获取该待检测压缩视频 码流的18个修正和归一化处理后的特征值；再将该待检测压缩视频码流的18个修正和归 一化处理后的特征值输入到检测模板中进行检测，如果检测模板的输出结果为+1，则确 定该待检测压缩视频码流为一次压缩视频码流；如果检测模板的输出结果为-1，则确定 该待检测压缩视频码流为二次压缩视频码流。

在此具体实施例中，步骤⑧中该待检测压缩视频码流的18个特征值的获取过程为：

⑧-1a、利用具有编解码功能的HEVC编码器，将该待检测压缩视频码流解压成YUV 视频序列，在解压处理过程中，按序提取出Y分量上的每个最大编码单元的变换块尺寸 标识矩阵和每个最大编码单元的DCT系数矩阵；将当前提取出的最大编码单元定义为当 前最大编码单元；其中，此步骤中使用的HEVC编码器与所述的步骤②中使用的HEVC 编码器相同，每个最大编码单元的变换块尺寸标识矩阵的维数为16×16，每个最大编码 单元的DCT系数矩阵的维数为64×64。

⑧-2a、根据当前最大编码单元的变换块尺寸标识矩阵，确定当前最大编码单元中 的变换块及变换块的尺寸大小，具体为：若当前最大编码单元的变换块尺寸标识矩阵中 存在尺寸大小为8×8且元素值q全为1的子矩阵，则确定该子矩阵中的任一个元素值标 识的是一个尺寸大小为4×4的子块，而该子矩阵标识的是尺寸大小为32×32的变换块； 若当前最大编码单元的变换块尺寸标识矩阵中存在尺寸大小为4×4且元素值q全为2的 子矩阵，则确定该子矩阵中的任一个元素值标识的是一个尺寸大小为4×4的子块，而该 子矩阵标识的是尺寸大小为16×16的变换块；若当前最大编码单元的变换块尺寸标识矩 阵中存在尺寸大小为2×2且元素值q全为3的子矩阵，则确定该子矩阵中的任一个元素 值标识的是一个尺寸大小为4×4的子块，而该子矩阵标识的是尺寸大小为8×8的变换 块；若当前最大编码单元的变换块尺寸标识矩阵中存在尺寸大小为1×1且元素值q为4 的子矩阵，则确定该子矩阵标识的是尺寸大小为4×4的变换块。

在HEVC视频中，变换块的尺寸大小有32×32、16×16、8×8和4×4共四种。

⑧-3a、将下一个提取出的变换块尺寸标识矩阵和DCT系数矩阵对应的最大编码单 元作为当前最大编码单元，然后返回步骤⑧-2a继续执行，直至获得每个最大编码单元中 的每个变换块的尺寸大小。

⑧-4a、统计该待检测压缩视频码流解压成的YUV视频序列中尺寸大小为32×32的 变换块的总个数、尺寸大小为16×16的变换块的总个数、尺寸大小为8×8的变换块的总 个数、尺寸大小为4×4的变换块的总个数，对应记为num_test,1、num_test,2、num_test,3和 num_test,4；然后计算该待检测压缩视频码流解压成的YUV视频序列中尺寸大小为32×32 的变换块的出现概率、尺寸大小为16×16的变换块的出现概率、尺寸大小为8×8的变换 块的出现概率和尺寸大小为4×4的变换块的出现概率，对应记为f_test,1、f_test,2、f_test,3和 $f_{test,4},f_{test,1}=\frac{{\mathrm{num}}_{test,1}}{{\mathrm{nums}}_{test}},f_{test,2}=\frac{{\mathrm{num}}_{test,2}}{{\mathrm{nums}}_{test}},f_{test,3}=\frac{{\mathrm{num}}_{test,3}}{{\mathrm{nums}}_{test}},f_{test,4}=\frac{{\mathrm{num}}_{test,4}}{{\mathrm{nums}}_{test}},$其中，nums_test表示该待检测压缩视频码流解压成的YUV视频序列中的变换块的总个数；再将f_test,1、 f_test,2、f_test,3和f_test,4依次作为待检测压缩视频码流的第1个至第4个特征值。

⑧-5a、计算该待检测压缩视频码流解压成的YUV视频序列中的变换块的尺寸大小 的均值，记为f_test,5，再将f_test,5作为待检测压缩视频码流的第5个特 征值，其中，f_test,q表示待检测视频压缩码流的第q个特征值；计算该待检测压缩视频 码流解压成的YUV视频序列中的变换块的尺寸大小的方差，记为f_test,6， 再将f_test,6作为待检测压缩视频码流的第6个特征值；计算 该待检测压缩视频码流解压成的YUV视频序列中的变换块的尺寸大小的均值与方差的 比值，记为f_test,7，再将f_test,7作为待检测压缩视频码流的第7个特征值；计 算该待检测压缩视频码流解压成的YUV视频序列中的变换块的尺寸大小在均值附近的 相对平坦程度，记为f_test,8，$f_{test,8}=\frac{{\mathrm{nums}}_{test}}{{\mathrm{nums}}_{test}-1}\times \underset{q=1}{\overset{4}{\Sigma }}{f}_{test,q}\times {\left(\frac{q-f_{test,5}}{\sqrt{f_{test,6}}}\right)}^4,$再将f_test,8作为待 检测压缩视频码流的第8个特征值；计算该待检测压缩视频码流解压成的YUV视频序列 中的变换块的尺寸大小与均值分布的不对称程度，记为f_test,9， 再将f_test,9作为待检测压缩视频码流的第9个特征值。

⑧-6a、计算待检测压缩视频码流解压成的YUV视频序列中系数值为-4至4的DCT 系数各自的出现概率，将这些出现概率依次作为待检测压缩视频码流的第10个至第18 个特征值，对应记为f_test,10、f_test,11、f_test,12、f_test,13、f_test,14、f_test,15、f_test,16、f_test,17、f_test,18。

在此具体实施例中，步骤⑧中获取该待检测压缩视频码流的18个修正和归一化处 理后的特征值的过程为：对于该待检测压缩视频码流的第p个特征值，先对第p个特征 值进行修正，得到修正后的特征值，记为f'_test,p，${f^{\prime }}_{test,p}=\left(\begin{array}{cc}{f}_{test,p}\times {10}^{e{1}^{\prime }}& f_{test,p}<10\\ f_{test,p}/{10}^{e{2}^{\prime }}& f_{test,p}\ge 10\end{array}\right);$后 采用现有的均值-方差归一化法将修正后的特征值归一化到[-1,1]，得到修正和归一化处 理后的特征值，记为f”_test,p，其中，1≤p≤18，f_test,p表示该 待检测压缩视频码流的第p个特征值，符 号为向下取整符号，符号为向上取整符号，符号“||”为取绝对值符 号，f'_mean,test表示该待检测压缩视频码流的所有修正后的特征值的均值， f'_var,test表示该待检测压缩视频码流的所有修正后的特征值的方 差，${f^{\prime }}_{\mathrm{var},test}=\frac{\underset{p=1}{\overset{18}{\Sigma }}{({f^{\prime }}_{test,p}-{f^{\prime }}_{mean,test})}^2}{18-1}.$

为进一步说明本发明方法的可行性和有效性，进行实验。

本实施例中，HEVC编码器(HM12.0)依次采用量化参数22、24、26、28、32和 36对所选取的原始未压缩YUV视频序列进行压缩编码。每种量化参数下对应5组实验， 共30组实验，视频样本包含361个一次压缩视频码流和361个不同量化参数下压缩的 二次压缩视频码流。

首先提取每组实验中一次压缩视频码流的特征值和二次压缩视频码流的特征值，然 后将修正和归一化处理后的特征值输入到LibSVM分类器中，采用随机等量选取的方式 划分训练子集和测试子集，即将特征值的50％用于训练分类模型，剩余的50％特征值用 于测试。每组实验进行10次测试，最后通过求10次的检测结果平均值来计算每组实验 测试的预测准确率，每组实验测试的预测准确率的结果如表1所示。

表1二次压缩检测结果

从表1所列的数据可以看出，本发明方法在量化参数QP1大于量化参数QP2时检 测率平均在99％以上，辨识度较高。

本发明方法利用了变换块的尺寸大小与DCT系数值来获取特征值，相比于对DCT 系数求取多个方向的转移概率，计算量大大降低，并且特征维数较低。