CN103561274A - 静止摄像头拍摄的运动目标被移除视频时域篡改检测方法 - Google Patents

Abstract

本发明涉及一种电子取证技术领域，具体针对静止摄像头所拍摄的运动目标被移除的时域视频篡改检测方式。采用的技术方案如下：将待检测视频转换为图像序列，并对转换后的每帧图像进行灰度变换，减少存储空间和计算量，设图像灰度化后大小为m×n；对图像灰度化后大小为m×n的每帧图像进行DCT变换，采用Z型扫描方式，得到一个长度为m×n的一维数组并按能量递减的方式排列；计算每帧图像的低高频能量比和频域熵；计算每帧图像的能量可疑度，画出能量可疑度曲线，判定第k帧到第h帧是否为时域上的篡改图像序列。该方法适用于任意格式视频，不仅能定位时域上的篡改位置，而且大幅提高了检测效率和准确率。

Description

静止摄像头拍摄的运动目标被移除视频时域篡改检测方法

技术领域

本发明涉及一种电子取证技术领域，具体针对静止摄像头拍摄的运动目标被移除视频时域篡改检测方法。

背景技术

随着多媒体技术的不断发展，视频编辑软件的广泛运用，人们可以利用各种视频编辑软件对已有视频进行篡改，在这些篡改中，有些给人们的生活带来了娱乐，但也存在很大一部分给社会带来了危害，使人们对数字视频的真实性产生怀疑，因此，视频篡改检测技术已成为当今信息社会的一项重要研究课题。目前已有的检测方法都是针对特定的篡改方式进行认证，本文针对运动目标抠除的篡改手段提出一种有效的视频篡改检测方法。

数字多媒体取证技术主要是对数字多媒体信息进行真实性、原始性的分析，目前，对该项技术的研究更多地集中在数字图像方面，数字视频被动取证技术因其自身技术体系的复杂性发展远滞后于数字图像被动取证技术，国内外对数字视频篡改进行检测的方法并不多。数字视频篡改检测的研究主要分两类，一类是主动认证，如中山大学深圳研究院发明的一项基于压缩传感半脆弱水印的视频篡改检测专利，主动认证技术是在被保护的数字视频中嵌入水印或数字签名等不易感知的特定信号，篡改操作会破坏这些信号，通过检测信号的完整性、信号的破坏位置和破坏程度来判断视频是否被篡改、篡改的位置和篡改类型。但主动认证存在局限性，许多成像设备不具有嵌入水印等信号的功能，且嵌入的信号很难保证能不被轻易除去或者重新嵌入。而另一类视频篡改检测技术是在视频没有被嵌入特定信号的前提下检测视频是否经过篡改的被动认证技术，根据篡改前后视频的编码特征、统计特征和其他一些特征值的变化来判断视频篡改与否，具有重要的应用价值。

运动目标从视频中移除是视频篡改常见的形式。目前，视频篡改检测方法主要有以下几种：基于MPEG双重压缩操作的视频帧序列特征检测，通过提取固定类型帧的残留特征判断视频是否被篡改，但该方法只针对MPEG格式视频，检测整帧插入、删除或整帧复制粘贴的情况，不适用于帧内目标删除检测；天津大学的张静、宋怡等人提出运用空时域块匹配的方法检测移除对象，需要对图像块进行二次匹配搜索定位，在时间上较为耗时，且量化噪声会影响匹配检测准确性，容易产生误检区；张明玉提出运用累计差分图像的方法判断运动目标是否被移除，但该方法无法定位时域上的篡改位置，且容易受到强边缘信息点和背景点的干扰。

发明内容

为了克服现有的针对运动目标被移除的视频篡改检测方法的不足,本发明提出一种面向静止摄像头所拍摄的运动目标从背景中移除的视频时域篡改检测方法，运用能量可疑度来度量视频各帧的能量变化程度，通过观察视频各帧的能量可疑度变化情况来定位时域上的篡改帧区间。该方法适用于任意格式视频，不仅能定位时域上的篡改位置，而且大幅提高了检测效率和准确率。

为实现本发明的目的采用的技术方案如下：

第一步，将待检测视频转换为图像序列，并对转换后的每帧图像进行灰度变换，减少存储空间和计算量，设图像灰度化后大小为m×n，其中m为行数，n为列数。

第二步，对图像灰度化后大小为m×n的每帧图像进行DCT变换，采用Z型扫描方式，得到一个长度为m×n的一维数组，使一维数组里的系数按能量递减的方式排列。

第三步，计算每帧图像的低高频能量比和频域熵。

第四步，计算每帧图像的能量可疑度，画出能量可疑度曲线。如果能量可疑度曲线在第k帧到第h帧突然减小，则判定第k帧到第h帧为时域上的篡改图像序列。

所述的时域检测第二步中，使用DCT变换是由于当前对视频中某一目标进行删除的逐帧修复篡改技术会破坏视频帧序列的连续性，且这些篡改操作通常为了掩饰篡改区域，会使用一些模糊操作来润饰篡改区域，使得修复区域的能量比重发生变化。DCT变换是一种频谱分析工具，具有很强的“能量集中”特性，原始图像中的灰度值分布具有一定的无序性，很难观察到什么特征，图像经过DCT变换后，能把图像的主要能量集中在左上角的少数低频系数上，使能量由左上角向右下角递减，左上角为低频能量，右下角为高频能量，中间是低频向高频的过渡。通常，低频部分体现图像灰度变化较慢的区域，一般为平坦区。高频部分体现图像灰度变化较快的区域，如：边缘、细节等。

所述的时域检测第三步中，图像的低高频能量比计算公式如下：

$B=\frac{1}{r}\sqrt{\underset{i=1}{\overset{r}{\mathrm{\Σ}}}{\mathrm{\β}}_i^2}/\left(\frac{1}{m*n-r}\sqrt{\underset{i=r+1}{\overset{m*n}{\mathrm{\Σ}}}{\mathrm{\β}}_i^2}\right).$

图像的频域熵计算公式如下：

$H=-\underset{i=1}{\overset{m*n}{\mathrm{\Σ}}}\left(\frac{\left|{\mathrm{\β}}_i\right|}{\underset{i=1}{\overset{m*n}{\mathrm{\Σ}}}\left|{\mathrm{\β}}_i\right|}{\log }_2\frac{\left|{\mathrm{\β}}_i\right|}{\underset{i=1}{\overset{m*n}{\mathrm{\Σ}}}\left|{\mathrm{\β}}_i\right|}\right)$

其中，图像大小为m*n,r表示图像经过DCT变换后集中在左上角的少数低频系数个数。将DCT变换后的二维数组从左上角进行Z型扫描降维，使得到的一维数组中的系数按能量递减的方式排序，β_i表示排序后第i个DCT系数。B的分子表示图像低频系数均值，分母表示高频系数均值。B越大，H越小，说明图像的低频成分越多，灰度值分布越平滑；B越小，H越大，说明图像的边缘和细节等高频成分较多。

所述的时域检测第四步中，为了强化图像序列能量值的变化，根据低高频能量比和频域熵在能量比重上相反的特性，本发明提出图像篡改能量可疑度来度量运动目标从视频中移除的可疑程度，计算公式如下：

$\mathrm{NT}=\frac{1}{B}+H$

图像篡改能量可疑度是将低高频能量比的倒数与频域熵相加。NT越小，表明图像的低频成分越多，高频成分越少。当某一目标从图像中移除，会使得图像的低频成分增多，能量可疑度减小。

附图说明

为了更清楚的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是本方法的时域检测流程图。

图2是实验序列检测效果图。

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中，首先将待检测视频转换为图像序列，并对转换后的每帧图像进行灰度变换。而后对每帧图像进行DCT变换，采用Z型扫描方式降维，使得到的一维数组里的系数按能量递减的方式排列。紧接着计算每帧图像的低高频能量比和频域熵。最后计算每帧图像的能量可疑度，画出能量可疑度曲线。如果能量可疑度曲线在第k帧到第h帧突然减小，则判定第k帧到第h帧为时域上的篡改图像序列。

图2中，(a)-(c)为静止背景下未经篡改的视频片段；(d)为对运动前景进行删除后的视频片段；(e)为使用本发明算法得到的能量可疑度曲线图，从图中可判断出时域上的篡改帧序列。

实施例1

本实例应用基于能量可疑度判断和可疑运动点图像计算的视频篡改检测方法对可疑视频序列的真实性进行取证，图1给出了本发明所述的时域检测流程图，现参照图1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729帧，并对转换后的每帧图像进行灰度变换，变换后每帧图像大小为640×480。

第二步，对每帧图像进行DCT变换，采用Z型扫描方式，得到长度为640×480的一维数组，使得一维数组里的系数按能量递减的方式排列。

第三步，计算每帧图像的低高频能量比和频域熵。

第四步，计算每帧图像的能量可疑度，画出能量可疑度曲线。能量可疑度曲线在第445帧到第538帧突然减小，判定第445帧到第538帧为时域上的篡改图像序列。

在图2中，(e)为使用本发明算法对实验序列检测得到的能量可疑度曲线图，视频各帧的能量比重分布是有连续性的，当未发生篡改时，帧与帧之间的能量可疑度相差不大，当某帧区间发生篡改时，这种连续性就会被打破，能量可疑度会突然减小。所以，当曲线发生突变的位置就是时域上的篡改位置，检测结果如

表1时域检测表

所示。

Claims (5)

1.一种静止摄像头拍摄的运动目标被移除视频时域篡改检测方法，采用如下步骤：

第一步，将待检测视频转换为图像序列，并对转换后的每帧图像进行灰度变换，减少存储空间和计算量，设图像灰度化后大小为m×n，其中m为行数，n为列数；

第二步，对图像灰度化后大小为m×n的每帧图像进行DCT变换，采用Z型扫描方式，得到一个长度为m×n的一维数组，使一维数组里的系数按能量递减的方式排列；

第三步，计算每帧图像的低高频能量比和频域熵；

第四步，计算每帧图像的能量可疑度，画出能量可疑度曲线，如果能量可疑度曲线在第k帧到第h帧突然减小，则判定第k帧到第h帧为时域上的篡改图像序列。

2.根据权利要求1所述的一种静止摄像头拍摄的运动目标被移除视频时域篡改检测方法，其特征在于所述的第二步中，使用DCT变换是一种频谱分析工具。

3.根据权利要求1所述的一种静止摄像头拍摄的运动目标被移除视频时域篡改检测方法，其特征在于所述的时域检测第三步中，图像的低高频能量比计算公式如下：

$B=\frac{1}{r}\sqrt{\underset{i=1}{\overset{r}{\mathrm{\Σ}}}{\mathrm{\β}}_i^2}/\left(\frac{1}{m*n-r}\sqrt{\underset{i=r+1}{\overset{m*n}{\mathrm{\Σ}}}{\mathrm{\β}}_i^2}\right).$

其中，图像大小为m×n,r表示图像经过DCT变换后集中在左上角的少数低频系数个数。将DCT变换后的二维数组从左上角进行Z型扫描降维，使得到的一维数组中的系数按能量递减的方式排序，β_i表示排序后第i个DCT系数。

4.根据权利要求1所述的一种静止摄像头拍摄的运动目标被移除视频时域篡改检测方法，其特征在于所述的图像的频域熵计算公式如下：

$H=-\underset{i=1}{\overset{m*n}{\mathrm{\Σ}}}\left(\frac{\left|{\mathrm{\β}}_i\right|}{\underset{i=1}{\overset{m*n}{\mathrm{\Σ}}}\left|{\mathrm{\β}}_i\right|}{\log }_2\frac{\left|{\mathrm{\β}}_i\right|}{\underset{i=1}{\overset{m*n}{\mathrm{\Σ}}}\left|{\mathrm{\β}}_i\right|}\right).$

其中，图像大小为m*n,r表示图像经过DCT变换后集中在左上角的少数低频系数个数。将DCT变换后的二维数组从左上角进行Z型扫描降维，使得到的一维数组中的系数按能量递减的方式排序，β_i表示排序后第i个DCT系数。

5.根据权利要求1所述的一种静止摄像头拍摄的运动目标被移除视频时域篡改检测方法，其特征在于所述的时域检测第四步中，图像篡改能量可疑度来度量运动目标从视频中移除的可疑程度，计算公式如下：

$\mathrm{NT}=\frac{1}{B}+H.$

Images