一种针对监控视频单一对象移除篡改的检测方法

摘要

本发明公开了一种针对监控视频单一对象移除篡改的检测方法，其对待检测的监控视频中的监控图像的灰度化图像经小波变换后得到的高高频分量进行重构；然后对重构图像分图像块处理；接着计算重构图像中的每个图像块的高频差异度值；之后将待检测的监控视频中所有监控图像各自的灰度化图像的高高频分量的重构图像中相同空域位置的图像块的高频差异度值构成一个高频差异度值集，并计算每个高频差异度值集中的所有高频差异度值的均值，进而根据每个高频差异度值集中的所有高频差异度值的均值确定移除篡改判定阈值；再根据移除篡改判定阈值，判定图像块是否为对象移除篡改区域；优点是不易受量化编码的影响，且能够有效检测出较小的移除篡改目标对象。

说明书

技术领域

本发明涉及一种视频移除篡改的检测技术，尤其是涉及一种针对监控视频单一对象移除篡改的检测方法。

背景技术

随着视频监控技术的快速发展，视频安防监控已成为继刑事科学技术、技术侦查、网络侦查技术之后的第四大侦查技术。作为一种视听资料，视频安防监控图像已成为法定八大证据之一，在司法实践和案件侦查中已显现出越来越重要的地位。但是，随着视频篡改软件的普及，视频监控极易被篡改，若将篡改后的监控视频作为证据使用，则会给司法实践和案件侦查带来不可估量的危害。

对象移除篡改是视频篡改最常见的形式之一，此类篡改往往直接影响了人们对视频内容的理解和认知，因此需要利用对象移除篡改的检测技术对视频进行检测。目前常见的对象移除篡改的检测技术是直接在像素点上进行操作的。如杨婧、任延珍、汪肇翔、崔晓煜提出的基于差异能量的监控视频篡改检测算法，其通过对监控视频对象删除篡改手段的分析，得到删除对象的篡改视频帧与提供复制内容的视频帧具有极高的相似性，利用此原理寻找匹配块，以达到检测的目的，由于该方法是在像素点的基础上进行的操作，因此当监控视频在传输过程中，通常会遇到二次压缩，这就会引进量化编码噪声，最终会使像素点基础上的检测准确度降低。又如刘雨青、黄添强提出的基于时空域能量可疑度的视频篡改检测与篡改区域定位，其通过计算每帧的能量可疑度来检测此帧内是否有高频分量丢失，由于该方法以帧为基本单位，因此当目标对象较小时，篡改后对整帧的影响微乎其微，此时该方法将会失效；此外，当篡改区域纹理较简单的时候，如果只检测高频的减少，则检测效果也不会明显。

发明内容

本发明所要解决的技术问题是提供一种针对监控视频单一对象移除篡改的检测方法，其不易受量化编码的影响，且能够有效检测出较小的移除篡改目标对象。

本发明解决上述技术问题所采用的技术方案为：一种针对监控视频单一对象移除篡改的检测方法，其特征在于包括以下步骤：

①对待检测的监控视频中的前N-5帧监控图像进行灰度化操作，得到待检测的监控视频中的前N-5帧监控图像各自的灰度化图像；然后对待检测的监控视频中的前N-5帧监控图像各自的灰度化图像进行小波变换，得到待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量、高低频分量、低高频分量、低低频分量；再对待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量进行重构，得到待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像；其中，N表示待检测的监控视频中包含的监控图像的总帧数，N≥50；

②将待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像分割成10×10个互不重叠的尺寸大小为的图像块；其中，符号为向下取整符号，W表示待检测的监控视频中的监控图像的宽度，H表示待检测的监控视频中的监控图像的高度；

③计算待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中的每个图像块的高频差异度值，将待检测的监控视频中的第n帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值记为C_n,k，其中，n的初始值为1，1≤n≤N-5，k的初始值为1，1≤k≤100，min()为取最小值函数，1≤m≤M_n+5,k，M_n+5,k表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的邻域块的总个数，当k为1、10、91或100时M_n+5,k＝3，当k为2、3、4、5、6、7、8、9、11、20、21、30、31、40、41、50、51、60、61、70、71、80、81、90、92、93、94、95、96、97、98或99时M_n+5,k＝5，当k为其余值时f_n,k(x,y)表示待检测的监控视频中的第n帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块中坐标位置为(x,y)的像素点的像素值，f_n+5,k,1(x,y)表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第1个邻域块中坐标位置为(x,y)的像素点的像素值，f_n+5,k,m(x,y)表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第m个邻域块中坐标位置为(x,y)的像素点的像素值，f_n+5,k,Mn+5,k(x,y)表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第M_n+5,k个邻域块中坐标位置为(x,y)的像素点的像素值，符号“||”为取绝对值符号；

④将待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中相同空域位置的图像块的高频差异度值构成一个高频差异度值集，共获得100个高频差异度值集，每个高频差异度值集中包含N-5个高频差异度值；将待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值构成的高频差异度值集记为J_k，J_k＝{C_1,k,C_2,k,…,C_n,k,…,C_N-5,k}；其中，C_1,k表示待检测的监控视频中的第1帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值，C_2,k表示待检测的监控视频中的第2帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值，C_N-5,k表示待检测的监控视频中的第N-5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值；

⑤计算每个高频差异度值集中的所有高频差异度值的均值，将J_k中的所有高频差异度值的均值记为然后将每个高频差异度值集中的所有高频差异度值的均值的p倍作为该高频差异度值集中的每个高频差异度值对应的图像块的移除篡改判定阈值，J_k中的每个高频差异度值对应的图像块的移除篡改判定阈值为其中，0<p<1；

⑥根据每个高频差异度值集中的每个高频差异度值对应的图像块的移除篡改判定阈值，判定每个高频差异度值集中的每个高频差异度值对应的图像块是否为对象移除篡改区域，对于J_k中的第n个高频差异度值C_n,k对应的图像块，如果C_n,k小于则判定该图像块为对象移除篡改区域；如果C_n,k大于或等于则判定该图像块不为对象移除篡改区域；

⑦根据判定的所有对象移除篡改区域，确定监控视频中发生对象移除篡改的时域位置及移除对象的运动轨迹。

所述的步骤⑤中取p＝0.6。

与现有技术相比，本发明的优点在于：

1)当监控视频发生篡改时，视频篡改软件为隐藏篡改痕迹会进行模糊化处理，监控视频中的高频分量会减少，本发明方法对监控视频中的监控图像的灰度化图像进行小波变换，提取出高高频分量，然后通过检测高高频分量的变化来达到检测目的，这样即使在监控视频中引入量化编码噪声高频分量也不会增加或减少高高频分量，即本发明方法不受量化编码噪声的影响，因此本发明方法在检测受量化编码影响的监控视频时，检测准确度也不会降低。

2)本发明方法在计算一个图像块的高频差异度值时，从该图像块与相隔5帧的监控图像中同位置的图像块的邻域块中所有像素点的像素值的差值绝对值之和中找出最小值，这样可以将运动方向不同、速度快慢的目标对象检测出。

3)本发明方法对监控图像的灰度化图像的高高频分量的重构图像进行分图像块处理，可以检测出较小的目标对象，这样即使目标对象较小，也能有效的检测出移除篡改区域。

附图说明

图1为本发明方法的总体实现框图；

图2为待检测的监控视频中的监控图像的灰度化图像的高高频分量的重构图像分割成10×10个互不重叠的图像块的示意图；

图3a为来源于SULFA数据库的第1个视频中的一幅监控图像；

图3b为来源于SULFA数据库的第2个视频中的一幅监控图像；

图3c为来源于SULFA数据库的第3个视频中的一幅监控图像；

图3d为来源于SULFA数据库的第4个视频中的一幅监控图像；

图3e为来源于SULFA数据库的第5个视频中的一幅监控图像；

图3f为来源于自拍摄的第1个视频中的一幅监控图像；

图3g为来源于自拍摄的第2个视频中的一幅监控图像；

图3h为来源于自拍摄的第3个视频中的一幅监控图像；

图3i为来源于自拍摄的第4个视频中的一幅监控图像；

图3j为来源于自拍摄的第5个视频中的一幅监控图像。

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。

本发明提出的一种针对监控视频单一对象移除篡改的检测方法，其总体实现框图如图1所示，其包括以下步骤：

①采用现有技术对待检测的监控视频中的前N-5帧监控图像进行灰度化操作，得到待检测的监控视频中的前N-5帧监控图像各自的灰度化图像；然后对待检测的监控视频中的前N-5帧监控图像各自的灰度化图像进行小波变换，得到待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量、高低频分量、低高频分量、低低频分量；再采用现有技术对待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量进行重构，得到待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像；其中，N表示待检测的监控视频中包含的监控图像的总帧数，N≥50，在本实施例中取N＝412。

②将待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像分割成10×10个互不重叠的尺寸大小为的图像块，大多数监控视频的分辨率都为10的整数倍，如分辨率为1280×720等，但有些监控视频的分辨率不为10的整数倍，此时监控图像的灰度化图像的高高频分量的重构图像未被分割完，多余的像素点不进行处理；其中，符号为向下取整符号，W表示待检测的监控视频中的监控图像的宽度，H表示待检测的监控视频中的监控图像的高度。图2给出了待检测的监控视频中的监控图像的灰度化图像的高高频分量的重构图像分割成10×10个互不重叠的图像块的示意图，图2所示的监控图像的灰度化图像的高高频分量的重构图像刚好分割完。

③计算待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中的每个图像块的高频差异度值，共计算得到10×10×(N-5)个高频差异度值，将待检测的监控视频中的第n帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值记为C_n,k，C_n,k＝min(C_n+5,k,1,…,C_n+5,k,m,…,C_n+5,k,Mn+5,k)，其中，n的初始值为1，1≤n≤N-5，k的初始值为1，1≤k≤100，min()为取最小值函数，1≤m≤M_n+5,k，M_n+5,k表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的邻域块的总个数，当k为1、10、91或100时M_n+5,k＝3，当k为2、3、4、5、6、7、8、9、11、20、21、30、31、40、41、50、51、60、61、70、71、80、81、90、92、93、94、95、96、97、98或99时M_n+5,k＝5，当k为其余值时M_n+5,k＝8，表示待检测的监控视频中的第n帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块中坐标位置为(x,y)的像素点的像素值，f_n+5,k,1(x,y)表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第1个邻域块中坐标位置为(x,y)的像素点的像素值，f_n+5,k,m(x,y)表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第m个邻域块中坐标位置为(x,y)的像素点的像素值，f_n+5,k,Mn+5,k(x,y)表示待检测的监控视频中的第n+5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块在八邻域范围内的第M_n+5,k个邻域块中坐标位置为(x,y)的像素点的像素值，符号“||”为取绝对值符号。

④将待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中相同空域位置的图像块的高频差异度值构成一个高频差异度值集，共获得100个高频差异度值集，每个高频差异度值集中包含N-5个高频差异度值；将待检测的监控视频中的前N-5帧监控图像各自的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值构成的高频差异度值集记为J_k，J_k＝{C_1,k,C_2,k,…,C_n,k,…,C_N-5,k}；其中，C_1,k表示待检测的监控视频中的第1帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值，C_2,k表示待检测的监控视频中的第2帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值，C_N-5,k表示待检测的监控视频中的第N-5帧监控图像的灰度化图像的高高频分量的重构图像中的第k个图像块的高频差异度值。

⑤计算每个高频差异度值集中的所有高频差异度值的均值，将J_k中的所有高频差异度值的均值记为然后将每个高频差异度值集中的所有高频差异度值的均值的p倍作为该高频差异度值集中的每个高频差异度值对应的图像块的移除篡改判定阈值，J_k中的每个高频差异度值对应的图像块的移除篡改判定阈值为其中，0<p<1，在本实施例中取p＝0.6，p＝0.6是在大量的实验基础上得到的。

⑥根据每个高频差异度值集中的每个高频差异度值对应的图像块的移除篡改判定阈值，判定每个高频差异度值集中的每个高频差异度值对应的图像块是否为对象移除篡改区域，对于J_k中的第n个高频差异度值C_n,k对应的图像块，如果C_n,k小于则判定该图像块为对象移除篡改区域；如果C_n,k大于或等于则判定该图像块不为对象移除篡改区域。

⑦根据判定的所有对象移除篡改区域，确定监控视频中发生对象移除篡改的时域位置及移除对象的运动轨迹。

以一段包含有412帧(N＝412)监控图像的监控视频作为处理对象，利用本发明方法对该段监控视频进行对象移除篡改检测，检测结果如表1所示。

表1检测结果

空域位置对应时域位置空域位置对应时域位置61383～38971384～38962385～38772385～38963382～38573382～38664381～38374381～38565378～38175378～38166376～37976375～37967373～37877373～37768368～37478367～37269364～36779365～36770364～36980364～369

从表1中可以看出，该段监控视频中发生对象移除篡改的时域位置为第364～389帧，移除对象的运动轨迹为第61～80个图像块。

为了进一步说明本发明方法的可行性和有效性，对本发明方法进行试验。

在Matlab R2012a平台上采用本发明方法进行实验，计算机为64位操作系统，CPU：Intel(R)Core(TM)i3-2130处理器，主频：3.4GHz，内存：4GB。视频篡改软件Mokey V4.0，视频拍摄设备Samsung WB200F和Panasonic Lumix DMC—GM1k。视频测试样本为10个，其中5个来源于SULFA数据库，分辨率为240×320；5个为自拍摄视频，分辨率480×640。帧率统一为30fps，且所有视频在篡改后都经过H.264编码标准进行压缩。所有视频背景部分均静止。图3a、图3b、图3c、图3d和图3e分别为来源于SULFA数据库的5个视频中的一幅监控图像；图3f、图3g、图3h、图3i和图3j分别为来源于自拍摄的5个视频中的一幅监控图像；表2给出了利用本发明方法对上述10个监控视频进行检测的检测结果。

表2检测结果