基于量化DCT系数的视频单帧复制粘贴篡改检测方法

摘要

本发明涉及一种电子取证技术领域，特征在于，该方法适用于视频单帧连续多次复制粘贴篡改类型的检测。采用的技术方案如下：首先，将视频转换为图像，采用量化后的DCT系数作为视频帧图像特征向量，通过计算Bhattacharyya系数来衡量相邻帧的帧间相似度，再设定阈值来判断帧间相似度是否异常，根据出现相似度异常的帧是否连续，以及连续出现的帧数来判断视频是否经过篡改，并定位篡改位置。该方法对不同场景的视频都能检测，与具体视频内容没有关系，并且能准确定位篡改位置，检测结果正确率高。

说明书

技术领域：

本发明涉及一种电子取证技术领域，具体针对视频单帧复制粘贴篡改方式

背景技术：

随着多媒体技术的发展，视频编辑软件的不断更新，人们可以根据需要更加轻易地编辑 视频，修改视频内容，达到更好的视觉效果。然而，技术进步方便人类的同时，也带来了不 利影响。如果不法分子利用软件恶意篡改视频毁灭证据、修改视频内容，被恶意篡改的视频 经过网络传播，在一定程度上会影响社会的稳定，因此，视频篡改检测技术的研究目前已是 信息安全的一项重要课题。

复制-粘贴类型的篡改方式是一种常见的视频篡改手段，可以分为：时域复制粘贴和空 域复制粘贴。空域复制粘贴篡改，其实质和单幅图像的复制-粘贴篡改类似，将视频帧内的 区域对象复制到该帧的其它位置或复制到其它帧中以达到隐藏对象的篡改目的；而时域复制 -粘贴篡改则是以帧为单位的复制粘贴，使得视频中的部分场景被替换或隐藏。时域复制粘 贴篡改的方式通常是复制一段连续多帧的视频子序列到视频中。现有的研究针对这种篡改方 式提出了检测方法。基于时空相关性矩阵来检测复制-粘贴视频，首先将视频帧序列分为重 叠的多个短子序列，计算各个短子序列在时间上和空间上的相关性矩阵，然后利用相关性矩 阵来检测。这种划分为子序列的方法使得算法对静止视频或运动相对缓慢的视频检测效果不 佳。基于结构相似度来检测时间域上视频帧复制-粘贴的篡改，算法将视频帧序列划分为多 个重叠的子序列，利用结构相似性理论来度量视频帧间的相似性，最后通过时间域上子序列 间的匹配策略寻找出存在复制关系的子序列对，合并子序列对并定位出视频中复制片段的具 体位置。算法检测的原理是基于时间域上子序列间的匹配策略，对单帧模式的复制粘贴篡改 失效。

发明内容：

为了克服现有的视频时域复制粘贴篡改检测方法无法正确检测单帧复制粘贴篡改的不 足,本发明提出了一种基于量化DCT系数的视频单帧复制粘贴篡改检测算法。它适用于视 频单帧连续多次复制粘贴篡改，根据人眼视觉感知的特性，单帧篡改操作一次在视觉上对视 频的影响非常小，可以忽略不计，因此单帧操作若想达到篡改目的，必须进行连续多次复制 粘贴。这种篡改方式是指篡改者复制原始视频中的某一帧进行连续多次粘贴插入到原始视频 序列中或替换原始视频中的某些帧，使得原始视频中的部分场景被替换或被推迟/提前发生， 同时又不影响视频的连续性；这种篡改方式不仅能改变视频内容，而且用人眼不能直接观察 出；但目前已有的视频帧间复制粘贴篡改检测方法都是适用于连续多帧的视频子序列复制粘 贴篡改，因此针对视频单帧复制粘贴篡改方式的检测是非常必要的。首先，将视频转换为图 像，采用量化后的DCT系数作为视频帧图像特征向量，并通过计算Bhattacharyya系数来衡 量相邻帧的帧间相似度，再设定阈值来判断帧间相似度是否有异常，最后根据出现相似度异 常的帧是否连续，以及连续出现的帧数来判断视频是否经过篡改，并定位篡改位置。

为实现本发明的目的采用的技术方案如下：

第一步，将待测视频转化为帧序列图像，并将转换后的帧图像灰度化，减少计算量。

第二步，提取每帧图像特征向量。将每帧图像分割成若干子块，子块总数为N_all，子块 大小为block_size。用子块左上角的像素坐标(i,j)标识该子块位置。然后，对图像中的每 个子块进行DCT变换。经过DCT变换后可以得到一个与图像子块大小一致的DCT系数矩 阵，矩阵反映了对应的图像子块的信息。变换后的数据能量非常集中，一般只有左上角的数 值是非零的，并且由于得到的DCT系数矩阵维数较高，不便于后续计算。因此接下来提取 DCT系数矩阵的左上角8×8个系数矩阵进行量化，达到降维的目的。

第三步，利用Bhattacharyya系数衡量相邻帧帧间相似度，Bhattacharyya系数(巴氏系数) 是对两个统计样本的重叠量的近似计算，提取出相似度异常的可疑帧。 S＝{x|BC(x,x+1)＞T_similar,x∈(1,n-1)}，其中，S表示存放可疑帧帧序号的数组，x表示帧 序号，n表示视频的总帧数，BC(x,x+1)表示第x帧与第x+1帧的帧间相似度，T_similar表示 相似度异常的阈值。

第四步，计算可疑帧连续出现的帧数，排除误检。可疑帧连续出现的帧数大于设定的阈 值时说明视频经过单帧复制粘贴篡改，进而可以初步确定篡改的起始位置Start和终止位置 ending。

第五步，最后，为了验证检测结果的正确性，排除静止画面的干扰，由于静止画面会受 光照强度等因素影响，相似度降低，因此，再次判断起始位置Start和终止位置ending视频 帧的帧间相似度即BC(start,ending)是否大于相似度阈值，若满足大于阈值，则说明检测结 果正确，视频经过单帧复制粘贴篡改，并且篡改位置为start～ending；否则，判定视频未 经过篡改。

所述的检测方法第一步中，图像灰度化计算如下：

设每帧图像高为M，宽为N，在三维RGB颜色空间下，图像帧可表示为:

I(x,y)＝[R(x,y),G(x,y),B(x,y)]

x＝1,2,...,M；y＝1,2,...,N

图像灰度化计算公式为：

I(x,y)＝0.299R(x,y)+0.587G(x,y)+0.114B(x,y)

x＝1,2,...,M；y＝1,2,...,N

所述的检测方法第二步中，DCT变换计算公式如下：

$B_{pq}={\alpha }_p{\alpha }_q\underset{m=0}{\overset{M-1}{\Sigma }}\underset{n=0}{\overset{N-1}{\Sigma }}{A}_{mn}cos\frac{\pi (2m+1)p}{2M}cos\frac{\pi (2n+1)q}{2N}$

0≤p≤M-1,0≤q≤N-1

${\alpha }_p=\left(\begin{array}{cc}\frac{1}{\sqrt{M}},& p=0\\ \frac{\sqrt{2}}{M},& 1\le p\le M-1\end{array}\right){\alpha }_q=\left(\begin{array}{cc}\frac{1}{\sqrt{N}},& q=0\\ \frac{\sqrt{2}}{N},& 1\le p\le M-1\end{array}\right)$

其中，B_pq称为矩阵A_mn的DCT系数矩阵，图像矩阵的大小为M×N。

量化DCT系数的计算公式如下：

$D_{ij}^q=round(D_{ij}/Q_{ij})$

其中，D_ij是DCT系数，Q指量化表。

所述的检测方法第三步中，Bhattacharyya系数的计算公式如下：

$BC(x,y)=\underset{i=1}{\overset{N_{all}}{\Sigma }}\sqrt{p_i\left(x\right)q_i\left(y\right)}$

其中，p_i与q_i分别表示视频第x帧与第y帧图像的第i个子块的特征，这里指量化后的 DCT系数分布概率，即直方图，N_all表示图像的子块总数。

所述的检测方法第四步中，可疑帧连续出现的帧数计算步骤如下：

start＝S[j]；ending＝S[j]；

ifS[j+1]-S[j]＝＝1

count＝count+1；ending＝S[j+1]；

else

count＝0；

end

其中，count代表可疑帧连续出现的次数，那么：

count＞T_length

其中，count代表可疑帧连续出现的次数，S表示存放可疑帧帧序号的数组，start表示 可疑帧起始位置，ending表示可疑帧终止位置；算法原理：当前帧为第S[j]帧，如果下一 帧仍然是可疑帧，则计数器计数加1，可疑帧终止位置向后移动一位，当count大于一定阈 值T_length时，说明视频经过单帧复制粘贴篡改，篡改序列位置位于start～ending；最后，再 次判断起始位置Start和终止位置ending视频帧的帧间相似度是否大于相似度阈值即 BC(start,ending)＞T_similar，若满足大于阈值，则说明上一步的检测结果正确，视频经过单帧 复制粘贴篡改，并且篡改位置为start～ending；否则，判定视频未经过篡改。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术 描述中所需要使用的附图作简要介绍。

图1是本方法的视频篡改示例。

图2是本方法的检测流程图。

图3原始视频检测效果图。

图4篡改视频检测效果图。

具体实施方式

下面将结合本发明实施例中的附图，详细叙述本发明的具体步骤和实施例。

图1，描述了本发明的特点，即它的适用场景，它适用于单帧连续多次复制粘贴篡改， 由于人眼视觉感知的特性，单帧操作一次，无法对视觉产生影响，因此单帧复制粘贴篡改必 须是连续多次复制粘贴篡改的。篡改者用原始视频中的某一帧进行多次复制并连续粘贴插入 到原始视频序列中或替换原始视频中的某些帧，使得原始视频中的部分场景被推迟发生，同 时又不影响视频的连续性。

图2，首先将视频转化为帧图像，对各帧图像作DCT变换，提取DCT系数并量化，利 用Bhattacharyya系数(巴氏系数)衡量量化后的DCT系数的相似度即帧间图像相似度。寻 找相似度高于设定阈值的可疑帧，并排除可疑帧连续出现次数小的序列，定位可疑篡改序列 起始终止位置。最后，再次计算起始位置与终止位置的视频帧间相似度，若相似度仍高于阈 值，输出单帧复制粘贴篡改序列位置，否则，判定视频未经过篡改。

图3，表示未篡改的原始视频序列的帧间相似度。横坐标表示帧数，纵坐标表示相邻帧 的帧间相似度。假设(x,y)是检测结果图中的一点，y值代表着第x帧和第(x+1)帧间的量化 DCT系数的巴氏系数值。

图4，表示经过单帧复制粘贴篡改的视频序列的帧间相似度。横坐标表示帧数，纵坐标 表示相邻帧的帧间相似度。假设(x,y)是检测结果图中的一点，y值代表着第x帧和第(x+1) 帧间的量化DCT系数的巴氏系数值。

从图3和图4中可看出，原始视频帧间相似度在均值上下波动，并且上下波动的帧号间 隔非常小，对于篡改视频，在其篡改位置的相邻帧间相似度明显高于均值，而且这些帧是连 续的。由此可以判断视频是否经过篡改，以及定位篡改位置。

实例1

本实例应用基于量化DCT系数的视频单帧复制粘贴篡改检测方法对可疑视频序列的真 实性进行取证，图2给出了本发明所述的检测流程图，现参照图2介绍具体操作过程：

第一步，将待检测视频转换为图像序列，共1238帧，图像分辨率为640×480。为了减 少计算量，将待测视频转化为帧序列图像，并将转换后的帧图像灰度化。

第二步，对每帧图像非重叠分块，对图像中的每个子块进行DCT变换，获取DCT系数， 并提取DCT系数矩阵的左上角8×8个系数进行量化作为每帧图像特征向量。

第三步，利用Bhattacharyya系数衡量相邻帧帧间相似度，Bhattacharyya系数(巴氏系 数)是对两个统计样本的重叠量的近似计算，提取出相似度异常的可疑帧， S＝{x|BC(x,x+1)＞T_similar,x∈(1,n-1)}，数组S存放可疑帧帧序号，阈值设定为视频的相 邻帧帧间相似度均值T_similar＝0.9653。找出可疑帧序号：62，63，64，133，134，332，584～ 621，752，753，755，876，877，878，879。

第四步，计算可疑帧连续出现的帧数，连续出现的帧数大于设定的阈值15时说明视频 经过单帧复制粘贴篡改，可以初步确定篡改位置。通过计算得到584～621帧连续出现并且 连续出现的帧数为38帧，大于设定的阈值，说明该视频序列经过单帧复制粘贴篡改，初步 定位篡改位置是第584～621帧。最后，验证检测结果的正确性，排除静止画面的干扰，再 次计算BC(584,621)＝0.9876＞T_similar，说明上一步的检测结果正确，该视频序列经过单帧复 制粘贴篡改，并且篡改位置是第584～621帧。