CN103607592A - 视频篡改检测方法与系统 - Google Patents

Abstract

本发明公开了一种视频篡改检测方法与系统，用被检测视频的相应特征作为特征值，同时利用已知篡改与否的视频作为样本集，训练出支持向量机的预测模型，从而使用该预测模型进行视频篡改的检测。本方法与系统不需要考虑视频编码中较复杂的运动矢量等来检测被鉴定视频是否修改过，实现起来比较简单，能够达到更高，更精确的检测率，而且可以应用在各种采用不同编码方式的视频上，因而具有很好的兼容性。

Description

视频篡改检测方法与系统

技术领域

本发明涉及视频检测技术领域，特别是涉及一种视频篡改检测方法与系统。

背景技术

视频监控系统中在防止视频被篡改上使用的是图像掩码技术，而视频一旦被篡改了，目前的检测技术主要有两种：

一、利用运动矢量的检测方法，主要是通过P帧与B帧的运动矢量来判断。

二、基于帧间内容连续性的检测，利用视频中帧间内容的相关性来判断视频是否被篡改过。

第一种方法中虽然利用运动矢量可以比较准确的判断视频是否被篡改过，但是利用运动矢量需要考虑到前后帧的相关性，实现起来比较复杂。

第二种方法如果对于视频所做的篡改内容较多的情况下，可以很好的检测出来，但是如果对于一段视频进行很小部分的篡改，那么被篡改地方之间的内容相关性基本不会受到影响，这个时候就很难辨别是否被篡改过。

发明内容

基于上述情况，本发明提出了一种视频篡改检测方法与系统，以检测视频是否被篡改过。

一种视频篡改检测方法，包括步骤：

对被检测的视频，解压后再压缩，统计压缩前后每个宏块对应DCT系数不同的个数，计算不同的个数占DCT系数总数的比率；

统计被检测视频每个I帧的DCT系数的概率分布，拟合成拉普拉斯分布的概率密度函数曲线；

根据所述概率密度函数曲线，确定最高的预定个概率值，与所述比率共同作为支持向量机的特征值；

利用所述特征值，以及已知篡改与否的视频样本训练支持向量机的预测模型；

利用训练出的所述预测模型对被检测的视频进行检测。

一种视频篡改检测系统，包括：

比率确定单元，用于对被检测的视频，解压后再压缩，统计压缩前后每个宏块对应DCT系数不同的个数，计算不同的个数占DCT系数总数的比率；

概率分布统计单元，用于统计被检测视频每个I帧的DCT系数的概率分布，拟合成拉普拉斯分布的概率密度函数曲线；

特征值确定单元，用于根据所述概率密度函数曲线，确定最高的预定个概率值，与所述比率共同作为支持向量机的特征值；

预测模型训练单元，用于利用所述特征值，以及已知篡改与否的视频样本训练支持向量机的预测模型；

视频检测单元，用于利用训练出的所述预测模型对被检测的视频进行检测。

本发明视频篡改的检测方法与系统，用被检测视频的相应特征作为特征值，同时利用已知篡改与否的视频作为样本集，训练出支持向量机的预测模型，从而使用该预测模型进行视频篡改的检测。本方法与系统不需要考虑视频编码中较复杂的运动矢量等来检测被鉴定视频是否修改过，实现起来比较简单，能够达到更高，更精确的检测率，而且可以应用在各种采用不同编码方式的视频上，因而具有很好的兼容性。

附图说明

图1为本发明视频篡改检测方法的流程示意图；

图2为本发明视频篡改检测装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。

本发明的视频篡改检测方法，如图1所示，包括步骤：

步骤s101、对被检测的视频，记为视频0，先把它解压到空域并记录下这个时候I帧频率域的DCT系数（离散余弦系数），再对空域上的数据上进行压缩编码，得到视频1，对视频1解压获取它的I帧的DCT系数，比较视频0与视频1中每个宏块对应DCT系数不同的个数，不同个数记为BaseNum，DCT系数总的个数记为Total，计算不同个数的比率rate＝BaseNum/Total。

步骤s102、统计被检测视频每个I帧的DCT系数的概率分布，拟合成拉普拉斯分布的概率密度函数曲线。优选地，取DCT系数范围在[0,10]内的10个点，根据这10个点的值拟合成拉普拉斯分布的概率密度函数曲线：

$f\left(x\right|\mathrm{\μ},b)=\frac{1}{2b}\exp (-\frac{|x-\mathrm{\μ}|}{b})$

其中，f(i)为DCT系数值为i时出现的频率值。

步骤s103、根据所述概率密度函数曲线，确定最高的预定个概率值，与所述比率共同作为支持向量机的特征值。具体是利用步骤s102的公式，计算x=0到10时对应的值，与步骤s101中的rate组成一个12维的向量，作为支持向量机的特征值。

步骤s104、利用所述特征值，以及已知篡改与否的视频样本训练支持向量机的预测模型。优选地，取200个视频（100个是有经过篡改后二次压缩的，另100个是没有的），其中100个视频做为训练集，100个视频做为测试集。用训练集进行支持向量机的训练，训练所用的特征值取步骤s103计算出来的12维向量。

步骤s105、利用训练出的所述预测模型对被检测的视频进行检测。

本发明的视频篡改检测系统是与上述检测方法对应的系统，如图2所示，包括：

比率确定单元，用于对被检测的视频，记为视频0，先把它解压到空域并记录下这个时候I帧频率域的DCT系数（离散余弦系数），再对空域上的数据上进行压缩编码，得到视频1，对视频1解压获取它的I帧的DCT系数，比较视频0与视频1中每个宏块对应DCT系数不同的个数，不同个数记为BaseNum，DCT系数总的个数记为Total，计算不同个数的比率rate＝BaseNum/Total。

概率分布统计单元，用于统计被检测视频每个I帧的DCT系数的概率分布，拟合成拉普拉斯分布的概率密度函数曲线。优选地，取DCT系数范围在[0,10]内的10个点，根据这10个点的值拟合成拉普拉斯分布的概率密度函数曲线：

$f\left(x\right|\mathrm{\μ},b)=\frac{1}{2b}\exp (-\frac{|x-\mathrm{\μ}|}{b})$

其中，f(i)为DCT系数值为i时出现的频率值。

特征值确定单元，用于根据所述概率密度函数曲线，确定最高的预定个概率值，与所述比率共同作为支持向量机的特征值。具体是利用上述公式，计算x=0到10时对应的值，与所述rate组成一个12维的向量，作为支持向量机的特征值。

预测模型训练单元，用于利用所述特征值，以及已知篡改与否的视频样本训练支持向量机的预测模型。优选地，取200个视频（100个是有经过篡改后二次压缩的，另100个是没有的），其中100个视频做为训练集，100个视频做为测试集。用训练集进行支持向量机的训练，训练所用的特征值取所述特征值确定单元所确定的12维向量。

视频检测单元，用于利用训练出的所述预测模型对被检测的视频进行检测。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种视频篡改检测方法，其特征在于，包括步骤：

对被检测的视频，解压后再压缩，统计压缩前后每个宏块对应DCT系数不同的个数，计算不同的个数占DCT系数总数的比率；

统计被检测视频每个I帧的DCT系数的概率分布，拟合成拉普拉斯分布的概率密度函数曲线；

根据所述概率密度函数曲线，确定最高的预定个概率值，与所述比率共同作为支持向量机的特征值；

利用所述特征值，以及已知篡改与否的视频样本训练支持向量机的预测模型；

利用训练出的所述预测模型对被检测的视频进行检测。

2.根据权利要求1所述的视频篡改检测方法，其特征在于，所述最高的预定个概率值为DCT系数为[0,10]的点所对应的11个概率值。

3.根据权利要求1或2所述的视频篡改检测方法，其特征在于，用100个已知篡改与否的视频样本训练支持向量机的预测模型，用另100个已知串篡改与否的视频样本测试所训练的预测模型。

4.一种视频篡改检测系统，其特征在于，包括：

比率确定单元，用于对被检测的视频，解压后再压缩，统计压缩前后每个宏块对应DCT系数不同的个数，计算不同的个数占DCT系数总数的比率；

概率分布统计单元，用于统计被检测视频每个I帧的DCT系数的概率分布，拟合成拉普拉斯分布的概率密度函数曲线；

特征值确定单元，用于根据所述概率密度函数曲线，确定最高的预定个概率值，与所述比率共同作为支持向量机的特征值；

预测模型训练单元，用于利用所述特征值，以及已知篡改与否的视频样本训练支持向量机的预测模型；

视频检测单元，用于利用训练出的所述预测模型对被检测的视频进行检测。

5.根据权利要求4所述的视频篡改检测系统，其特征在于，所述最高的预定个概率值为DCT系数为[0,10]的点所对应的11个概率值。

6.根据权利要求4或5所述的视频篡改检测系统，其特征在于，所述预测模型训练单元用100个已知篡改与否的视频样本训练支持向量机的预测模型，用另100个已知篡改与否的视频样本测试所训练的预测模型。

Images