CN104093033B - 一种h264/avc视频的删帧鉴定及删帧数目估计的方法 - Google Patents

Abstract

本发明公开一种H264/AVC视频的删帧鉴定及删帧数目估计的方法。其包括以下步骤：计算待鉴定视频的每一帧的模糊效应的值，构成模糊效应值的序列；对模糊效应值的序列进行归一化；对归一化的模糊效应的值的序列以GOP为单位进行平均，得到MBAS序列；将得到的MBAS序列输入到分类器进行训练和测试，鉴定是否删帧，并进一步确定删帧数目。本发明适用于多媒体信息安全领域的视频取证，可以有效地鉴定H264/AVC视频是否删帧并进一步估计其删帧数量。

Description

一种H264/AVC视频的删帧鉴定及删帧数目估计的方法

技术领域

本发明涉及多媒体信息安全领域，更具体地，涉及一种H264/AVC视频的删帧鉴定及删帧数目估计的方法。

背景技术

科学技术的飞速发展使得多媒体视频的来源越来越广泛，例如监控视频、数字摄像机、手机摄像头等等。于此同时，大量方便易用的商业编辑软件，例如Windows MovieMaker，iMovie等，使得数字视频的编辑和篡改变得越来越容易。其中，视频删帧是一种非常常见的视频篡改方法。视频内容真实性的认证对法庭取证和版权保护具有重要的意义。因此检测视频删帧并进一步估计删帧的数目在视频取证领域是一种急需的技术。

公开号为CN103533377A的专利公开了一种基于H264/AVC视频的删帧篡改检测方法，根据P帧的平均残差序列在视频篡改前后会有不同的时域特性和频域特性，将时域特性和频域特性结合起来作为双重特征，并通过先验知识设置阈值对视频进行分类。虽然该方法能够有效检测H264/AVC视频的删帧篡改操作，但是其检测率有待改进，而且其不能检测出删帧的具体数目。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷(不足)，提供一种H264/AVC视频的删帧鉴定及删帧数目估计的方法。

为解决上述技术问题，本发明的技术方案如下：

一种H264/AVC视频的删帧鉴定方法，包括以下步骤：

S1：计算待鉴定视频的每一帧的模糊效应的值BAS(Blurring ArtifactsStrength)，构成模糊效应值的序列；

S2：对模糊效应值的序列进行归一化；

S3：对归一化的模糊效应的值的序列以GOP为单位进行平均，得到用于H264/AVC视频删帧鉴定的MBAS序列；

S4：将得到的MBAS序列输入到分类器进行训练和测试，鉴定是否删帧，并进一步确定删帧数目。

在一种优选的技术方案中，所述步骤S1中利用JPEG压缩质量客观评价方法对待鉴定视频的每一帧计算其模糊效应强度BAS的值，其具体方法包括以下步骤：

(1)计算每一帧图像的差分信号，假设当前第k帧图像为：

f_k(m,n)， m∈[1,M],n∈[1,N]，

其中M,N分别代表垂直和水平的分辨率，(m,n)代表像素位置，其水平方向的差分为：

d_h(m,n)＝f_k(m,n+1)-f_k(m,n), n∈[1,N-1]，

其竖直方向的差分为：

d_v(m,n)＝f_k(m+1,n)-f_k(m,n), m∈[1,M-1]；

(2)计算图像帧的块效应值，其水平方向为：

其竖直方向为：

(3)计算图像帧的模糊效应的值，其水平方向为：

其水平方向为：

(4)计算水平和竖直方向的平均值作为第k帧图像帧的模糊效应BAS的值：

BAS_k＝(A_h+A_v)/2。

在一种优选的技术方案中，所述步骤S2中以GOP长度g为单位进行归一化，设视频的帧总数为N，归一化的序列为：

其中：k＝1,2,...,g；n＝0,1,...[L/g]-1。

在一种优选的技术方案中，所述步骤S3中对归一化的序列NBAS以GOP长度g为单位进行平均的具体方法为：

MBAS即为g维向量，用于H264/AVC视频删帧检测和删帧数目估计。

在一种优选的技术方案中，所述步骤S4中使用的分类器为支持向量机SVM分类器。

与现有技术相比，本发明技术方案的有益效果是：本发明方法依据H264/AVC视频压缩产生的帧内的模糊效应，提取出每一帧的模糊效应值并以GOP为单位分别进行归一化，整个特征序列以GOP为单位平均，得到MBAS序列，由于删帧-重压缩后帧类型会发生改变，因此将MBAS序列输入到支持向量机SVM分类器进行训练和测试，可以有效地鉴定H264/AVC视频是否删帧并进一步估计其删帧数目。

附图说明

图1是视频删帧的过程示意图。

图2是删帧-重压缩后的帧类型改变示意图。

图3是H264/AVC视频的删帧鉴定及删帧数目估计方法的流程图。

图4是三个原始H264/AVC视频的模糊效应强度BAS序列。

图5是原始H264/AVC视频(a)和删帧1-3帧下的MBAS序列(b-d)。

具体实施方式

下面结合附图对本发明做进一步描述，但本发明的实施方式并不限于此。

如图3所示为本发明的一种H264/AVC视频的删帧鉴定及删帧数目估计方法的流程图，其具体包括如下步骤：

S1：利用JPEG压缩质量客观评价方法对待鉴定视频的每一帧计算其模糊效应强度BAS的值；其方法为：

(1)计算每一帧图像的差分信号，假设当前第k帧图像为：

f_k(m,n)， m∈[1,M],n∈[1,N]，

其中M,N分别代表垂直和水平的分辨率，(m,n)代表像素位置，其水平方向的差分为：

d_h(m,n)＝f_k(m,n+1)-f_k(m,n), n∈[1,N-1]，

其竖直方向的差分为：

d_v(m,n)＝f_k(m+1,n)-f_k(m,n), m∈[1,M-1]；

(2)计算图像帧的块效应值，其水平方向为：

其竖直方向为：

(3)计算图像帧的模糊效应的值，其水平方向为：

其水平方向为：

(4)计算水平和竖直方向的平均值作为第k帧图像帧的模糊效应BAS的值：

BAS_k＝(A_h+_Av)/2。

如图4所示为三段原始H264/AVC视频的BAS值序列，每个视频的GOP都是12。为了显示的目的，我们将其整段归一化到[0,1]区间。从图中可以看出在个GOP内，I帧的BAS值总是最大的，而P/B帧相比I帧都较小。

S2：以GOP长度g为单位，把BAS序列进行归一化，设视频的帧总数为N，归一化的序列为：

其中：k＝1,2,...,g；n＝0,1,...[L/g]-1。

S3：对归一化的序列NBAS以GOP为单位进行平均，得到MBAS序列：

MBAS为g维向量，用于H264/AVC视频删帧检测和删帧数目估计。

S4：将得到的MBAS序列输入到分类器进行训练和测试，鉴定是否删帧，并进一步确定删帧数目。

如图5(a)所示，为图4归一化平均后的MBAS特征向量，其维度与GOP长度相等。从图5(a)中可以看出归一化后的I帧BAS值是最大的，而P/B帧相对较小。而对于删帧-重压缩过的视频(图5b-d)，明显看出某些P/B帧的MBAS值(如虚线标记的位置)显著增大。因为视频经过删帧后要经过重新压缩的过程，由删帧引起的帧不对齐会引起在重压缩中帧类型的变化。如图2所示，原始的H264/AVC视频删除一帧之后，在重压缩过程中，前一次的I帧变成了P帧。而图5(b)中所示的明显增大的MBAS值的位置正是前一次I帧的位置，图5(c)(d)同理。

对于两种分辨率的视频数据库125段QCIF视频和143段CIF视频序列，利用本发明进行具体的实验结果如下四个表所示：

表1

表2

表3

表4

上述表1中待鉴定视频为格式QCIF，其分辨率为176×144，其中每组实验均包括125段视频，总共测试了16组不同的视频编码参数，其中QP代表量化参数，GOP代表GOP长度，BN代表B帧数量，RF代表参考帧的数量。检测率的计算为：检测率＝1-(虚警率+漏检率)/2。每组参数的实验中，均采用十折交叉验证方法，即随机把样本划分为10等份，其中9组用于训练分类器，其余1组用作测试，总共进行10次训练-测试，表中显示的结果是10次平均测试结果的平均值。

上述表2中待鉴定视频为CIF格式，其分辨率为352×288，同样测试了16组视频编码参数，其中每组实验均包括143段视频，过程同上。

上述表3是QCIF格式视频在参数组1下的删帧数量估计的混淆矩阵。

上述表4是所有参数组的删帧数量估计的统计结果。其中最低(高)检测率是指混淆矩阵对角线上最低(高)的检测率，平均检测率是混淆矩阵对角线检测率的平均值。

从以上数据可以明显看出，利用本发明对删帧的H264/AVC视频，不管是CIF还是QCIF格式都能够准确地检测并且预测其删帧的数量，而且检测率在86.24％-94.05％之间，估计删帧数量准确率在79.62％-95.68％之间，说明本发明对于H264/AVC删帧视频的鉴定具有较高的准确性。

本发明方法依据H264/AVC视频压缩产生的帧内的模糊效应，提取出每一帧的模糊效应值并以GOP为单位分别进行归一化，整个特征序列以GOP为单位平均，得到MBAS序列，由于删帧-重压缩后帧类型会发生改变，因此将MBAS序列输入到支持向量机SVM分类器进行训练和测试，可以有效地鉴定H264/AVC视频是否删帧并进一步估计其删帧数目。

以上所述的本发明的实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神原则之内所作出的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims (4)

1.一种H264/AVC视频的删帧鉴定方法，其特征在于，包括以下步骤：

S1：计算待鉴定视频的每一帧的模糊效应的值，模糊效应值即BAS，构成模糊效应值的序列；

S2：对模糊效应值的序列进行归一化；

S3：对归一化的模糊效应的值的序列以GOP为单位进行平均，得到用于H264/AVC视频删帧鉴定的MBAS序列，MBAS序列即平均模糊效应值序列；

S4：将得到的MBAS序列输入到分类器进行训练和测试，鉴定是否删帧，并进一步确定删帧数目；

所述步骤S1中利用JPEG压缩质量客观评价方法对待鉴定视频的每一帧计算其模糊效应值，其具体方法包括以下步骤：

(1)计算每一帧图像的差分信号，假设当前第k帧图像为：

f_k(m,n)，m∈[1,M],n∈[1,N]，

其中M,N分别代表垂直和水平的分辨率，(m,n)代表像素位置，其水平方向的差分为：

d_h(m,n)＝f_k(m,n+1)-f_k(m,n),n∈[1,N-1]，

其竖直方向的差分为：

d_v(m,n)＝f_k(m+1,n)-f_k(m,n),m∈[1,M-1]；

(2)计算图像帧的块效应值，其水平方向为：

$B_h=\frac{1}{M(\[N/8\]-1)}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{\[N/8\]-1}{\Σ}}\left|d_h(i,8j)\right|,$

其竖直方向为：

$B_v=\frac{1}{N(\[M/8\]-1)}\underset{i=1}{\overset{N}{\Σ}}\underset{j=1}{\overset{\[M/8\]-1}{\Σ}}\left|d_v(8i,j)\right|;$

(3)计算图像帧的模糊效应的值，其水平方向为：

$A_h=\frac{1}{7}\[\frac{8}{M(N-1)}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N-1}{\Σ}}\left|d_h(i,j)\right|-B_h\],$

其水平方向为：

$A_v=\frac{1}{7}\[\frac{8}{N(M-1)}\underset{i=1}{\overset{N}{\Σ}}\underset{j=1}{\overset{M-1}{\Σ}}\left|d_v(i,j)\right|-B_v\];$

(4)计算水平和竖直方向的平均值作为第k帧图像帧的模糊效应值：

BAS_k＝(A_h+A_v)/2。

2.根据权利要求1所述的H264/AVC视频的删帧鉴定方法，其特征在于，所述步骤S2中以GOP长度g为单位进行归一化，设视频的帧总数为L，归一化的序列为：

${\mathrm{NBAS}}_{gn+k}=({\mathrm{BAS}}_{gn+k}-\underset{i\∈\[1,g\]}{\min }{\mathrm{BAS}}_{gn+i})/(\underset{i\∈\[1,g\]}{\max }{\mathrm{BAS}}_{gn+i}-\underset{i\∈\[1,g\]}{\min }{\mathrm{BAS}}_{gn+i}),$

其中：NBAS表示归一化的模糊效应值序列，k＝1,2,...,g；n＝0,1,...[L/g]-1。

3.根据权利要求2所述的H264/AVC视频的删帧鉴定方法，其特征在于，所述步骤S3中对归一化的序列NBAS以GOP长度g为单位进行平均的具体方法为：

${\mathrm{MBAS}}_k=\frac{1}{|L/g|}\underset{n=0}{\overset{\[L/g\]-1}{\Σ}}{\mathrm{NBAS}}_{gn+k},k=1,2,...,g,$

MBAS即为g维向量，用于H264/AVC视频的删帧鉴定和删帧数目估计。

4.根据权利要求1所述的H264/AVC视频的删帧鉴定方法，其特征在于，所述步骤S4中使用的分类器为支持向量机SVM分类器。