CN104954807B - 抗几何攻击的视频复制篡改检测方法 - Google Patents
抗几何攻击的视频复制篡改检测方法 Download PDFInfo
- Publication number
- CN104954807B CN104954807B CN201510363388.6A CN201510363388A CN104954807B CN 104954807 B CN104954807 B CN 104954807B CN 201510363388 A CN201510363388 A CN 201510363388A CN 104954807 B CN104954807 B CN 104954807B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- video
- fragment
- frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 239000012634 fragment Substances 0.000 claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000003362 replicative effect Effects 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims description 2
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims 1
- 230000009466 transformation Effects 0.000 abstract description 8
- 230000032683 aging Effects 0.000 abstract description 5
- 238000000844 transformation Methods 0.000 abstract description 2
- 206010068052 Mosaicism Diseases 0.000 abstract 1
- 210000003765 sex chromosome Anatomy 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 11
- 238000002474 experimental method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004374 forensic analysis Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Television Signal Processing For Recording (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种抗几何攻击的视频复制篡改检测方法，步骤包括：步骤1、检测候选的视频复制片段；步骤2、对候选视频复制片段进行合并；步骤3、检测复制的视频片段。本发明的方法，能够准确检测视频中的复制帧，对视频旋转、缩放等几何变换具有较好的鲁棒性，并且具有良好的时效性，解决了现有技术中的对视频复制篡改检测的准确性和时效性问题。
Description
技术领域
本发明属于视频篡改检测技术领域，涉及一种抗几何攻击的视频复制篡改检测方法。
背景技术
随着数字媒体设备的广泛普及和移动网络的迅速发展，越来越多的数据以图像和视频为代表的多媒体形式进行捕获、存储和传播，人们可以很方便和快速地访问互联网上的多媒体数据。视频数据由于具有信息量大，能够给人以全方位更加直观的感受，具有客观性、直观性、动态性和连续性等特点，在许多领域具有重要应用。然而，各种功能强大的视频编辑和处理软件，如Adobe Premiere Pro，Adobe After Effects和Mokey等的出现，使得人们能够很轻易地对获取到的视频进行任意篡改而不遗留显著痕迹。越来越多的视频数据篡改事件，颠覆了“眼见为实”的传统观念。尽管编辑数字视频的目的不尽相同，但恶意篡改的视频数据以惊人的速度出现在的视野，给社会带来了严重的负面影响，并严重影响到人们生活、司法公正、新闻传媒等。
近几年，视频数据信息篡改检测技术受到了世界上众多研究学者的极大关注。所谓视频复制篡改，即将视频中的某一段复制并插入到该视频的其它位置，或者用视频中的某一段代替该视频中其它位置上的视频片段。这样的手法对于如今的视频编辑软件而言，是很容易实 现的操作，而且得到的篡改伪造视频也很难被辨认识别。针对视频篡改伪造的检测可以分为两大类：主动检测和被动检测。
主动检测是指存在先验信息的情况下，对视频数据的真实性和完整性进行检测，如数字水印和视频数字签名。由于需要先验信息，主动检测方法在应用中受到了很大的限制。
被动检测则是在没有先验知识的情况下，利用视频数据本身的特性，对视频内容的完整性和真实性进行检查。由于不需要先验信息，被动检测具有广泛的应用前景[1]。最新的研究成果包括：
Wang等人[2]提出了一种基于运动估计的视频数据篡改检测方法，用于检测通过固定设备获得的视频中是否存在目标移除的情况。在文献[3]中，Lee等人提出了一种针对监控视频的基于传感器模式噪声的视频篡改检测方法。在文献[4]中，Subramanyam等人提出了一种基于双压缩的视频篡改检测方法。此外，Subramanyam等人[5]，提出一种基于方向梯度直方图和视频压缩的视频篡改检测方法，该方法对于多种数字信号处理操作具有很好的鲁棒性。文献[6]提出了一种基于MPEG的针对双压缩视频的篡改检测方法，利用了双压缩会影响DCT(Discrete Cosine Transform)系数的分布，其中对于AC系数的影响尤为明显。Wang等人在视频检测方面提出了一系列的方法[7][8][9][10]。其中，文献[7]描述了一种基于周期性特征残余分析的视频伪造检测方法。文献[9]提出了一种基于双量化系数效应的视频伪造检测方法。在文献[11]中，Kobayashi等人提出一种基于噪声特征不一致性的视频篡改检测方法。文献[12]提出了一种基于空间匹配块 的噪声相关性的视频篡改检测方法。
将视频片段拼接到同一视频中的其它位置或者替换同一视频中的某些片段，是一种常见的视频篡改手段，将这种篡改方法称为视频帧复制。这种视频处理方法很容易实现而且得到的篡改视频可以达到以假乱真的效果，难以辨别。因此，对于视频帧复制检测的研究也成为一个热点方向。目前，针对视频帧复制检测的研究成果比较少，其中具有代表性的成果有：在文献[13]中，Qin等人提出了一种基于运动矢量的视频复制帧检测方法，该方法可以有效地检测视频帧删除或者视频帧插入。但是，该方法对于删除的帧数和插入的帧数，具有特殊的要求，必须是图像组(GOP)帧数的整数倍。Wang等人[14]提出了一种基于时间—空间相关性的视频复制帧检测方法，该方法具有很高的计算复杂度，并且对于由固定设备得到的视频而言，其检测率较低。在[14]的基础上，Lin等人提出了一种新的检测方法[15]，主要由三部分构成：(1)候选视频片段的选取；(2)空间相关性分析；(3)候选视频片段的分类。该方法通过由粗到精的研究方式，能够有效检测出视频中的复制帧。由于数码设备的不断推陈出新，视频的长度以及画面的质量都在不断提高。因此，对于视频篡改检测而言，具有较低的计算复杂度和较好的时效性成为检测方法设计所面临的核心问题。在视频复制检测方面，之前提出的方法在这两方面的表现都有所欠缺。
总之，在科技高速发展的今天，关于视频复制检测的研究已经成为一个多学科交叉、多领域融合的热门方向，在理论研究方面极富挑 战性，在实际中具有迫切的市场需求和广阔的应用前景。
发明内容
本发明的目的是提供一种抗几何攻击的视频复制篡改检测方法，解决了现有技术中，对视频复制篡改检测的准确性和时效性不能满足要求的问题。
本发明采用的技术方案是，一种抗几何攻击的视频复制篡改检测方法，按照以下步骤实施：
步骤1、检测候选的视频复制片段；
步骤2、对候选视频复制片段进行合并；
步骤3、检测复制的视频片段。
本发明的有益效果是：
1)本发明的抗几何攻击的视频复制篡改检测方法，利用视频片段之间在时间域上的相似性，以及对应视频帧之间的空间相似性作为判断依据进行视频复制检测，具有较高的检测精确性。
2)通过对候选视频片段的合并，极大地缩短了检测时间，使得本发明的方法具有较高的时效性。
3)本发明的抗几何攻击视频复制篡改检测方法，对于视频的旋转变换(当旋转角度小于等于20度)和缩放变换，具有鲁棒性，即当视频经过旋转和缩放变换后，依然具有良好的检测结果。
附图说明
图1是本发明方法的流程框图；
图2是合并前的候选视频中存在对应相邻复制帧的视频片段示 意图，其中，I：第4帧与第6帧为复制帧，II：第10帧与第12帧为复制帧，III：第5帧与第7帧为复制帧，IV：第11帧与第13帧为复制帧；
图3是采用本发明方法，对图2中的候选视频片段进行合并后的视频片段示意图，其中，V：第4、5、6、7帧；VI：第10、11、12、13帧；
图4是原始视频序列，包括10帧；
图5是对应于图4的复制视频序列，其中，第8、9帧分别被第1、2帧替换。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
参见图1，本发明的抗几何攻击的视频复制篡改检测方法，按照以下步骤具体实施：
步骤1、检测候选的视频复制片段
视频复制，即复制的视频帧可以插入到视频中的任何地方，或者替换视频中的其它帧，
设F(x,y,t)表示视频，t∈[1,L]，L为视频长度(帧数)，
选取固定长度l作为视频片段的长度，逐帧提取视频片段，将视频分割成L-l+1个视频片段，
为了检测是否存在复制的视频片段，通过比较两段视频的相似性进行判断，利用系数相关性作为相似性的评判标准，两个向量X和Y之间的系数相关性表示为：
其中，Xi和Yi分别表示向量X和Y中的第i个元素，μX和μY分别表示向量X和Y的均值，
检测候选视频复制片段的具体步骤如下：
1.1)对每个视频片段，计算每一帧图像的2～4阶Zernike矩特征，共有7个值，
设视频片段Sk＝{Fk(x,y,t)|t＝1,2,…,l}，其中，k＝1,2,…,L-l+1，
将Sk表示为矩阵特征Hk(i,7)，共有l帧，每一帧的2～4阶Zernike矩特征共有7个值，其中，i＝1,2,…,l，如式(2)所示：
矩阵Hk(i,7)的行向量Zi表示由视频片段Sk中第i帧图像中所提取的2～4阶Zernike矩构成的特征向量，具体的特征如表1所示：
表1，2～4阶Zernike矩
| 阶数p | Zernike矩的幅值 | 幅值的个数 | 总个数 |
| 2 | |Z2，0| |Z2,2| | 2 | 2 |
| 3 | |Z3,1| |Z3,3| | 2 | 4 |
| 4 | |Z4,0| |Z4,2| |Z4,4| | 3 | 7 |
1.2)计算任意两个视频片段之间特征矩阵的相关系数：
其中，
Hm表示第m个视频片段的特征矩阵，
Hn表示第n个视频片段的特征矩阵；
μm表示视频片段m所对应的特征矩阵的均值，
μn表示视频片段n所对应的特征矩阵的均值，
进而得到一个关于相关系数C(Hm,Hn)的对称矩阵，
其中，m＝1,2,...,L-l+1，n＝1,2,...,L-l+1。
1.3)考虑到视频的相邻帧之间的相似性很高，会对视频复制检测的精度造成影响，因此在检测前应该尽量排除这种影响。
考虑相邻视频片段之间的相关系数C(Hm,Hn)，其中，|m-n|＝1，若该相关系数大于阈值T0(仿真实验中取T0＝0.999)，设定这两个相邻视频片段是静止的，排除其视频复制的可能性，以便提高检测精度。
进一步考虑，若复制片段将原始视频片段完全替换覆盖，则本发明的检测方法对于复制视频长度的确定将会受到极大的影响。因此，本发明的检测方法，只考虑完整的视频片段与其他视频片段之间的相似性，在此基础上，设定系数阈值T1，若相关系数大于阈值T1，选取其对应的视频片段作为候选视频复制片段。
步骤2、对候选视频复制片段进行合并
如图2所示，若同时存在(I：第4帧与第6帧为复制帧)和(II：第10帧与第12帧为复制帧)、(III：第5帧与第7帧为复制帧)和(IV：第11帧与第13帧为复制帧)为候选视频复制片段，即候选视频中存在对应相邻的视频片段，则将对应相邻片段合并， 如图3所示，构成一组新的候选视频复制片段：
实施例中V包括第4、5、6、7帧；
实施例中VI包括第10、11、12、13帧，
经过视频合并后，候选视频片段的数量会减少，有利于提高运算速度，并减少大量的重复运算。
步骤3、检测复制的视频片段
利用视频帧的空间相关性来判定候选片段是否为复制片段，
对于合并后的候选视频片段和计算其帧间相关性来进行判定，具体步骤如下：
3.1)分别提取和中的每一帧图像，分别记为和其中i＝1,2,…,l+1，将图像大小均调整为512×512，并将其每帧图像分别分割成不重叠的128×128图像块，则每帧图像被分割成16个相同大小的图像块；
3.2)提取每个图像块的具有几何不变性的LBP特征，用来表示视频第i帧中第j块图像块的特征，记为Bi,j＝(bij1,bij2,…,bij10)，其中bij1，bij2，…，bij10为10维LBP特征；
同理，合并后的对应视频中，基于图像块的特征表示为：
B′i,j＝(b′ij1,b′ij2,…,b′ij10)，其中b′ij1,b′ij2，…，b′ij10为对应的10维LBP特征。
3.3)计算相似性
利用系数相关性作为评判标准，计算合并后的对应视频帧中对应 图像块之间的相关系数，表达式见下式(7)：
其中，bm,n表示对应视频中图像块Bi,j的特征矩阵中的元素；
b′m,n表示对应视频中图像块B'i,j的特征矩阵中的元素；
表示图像块Bi,j的特征矩阵中的元素的均值；
表示图像块B'i,j的特征矩阵中的元素的均值；
进而得到候选视频片段的相关系数矩阵
3.4)确定复制片段
设定阈值T2，将相关系数矩阵中的每一个元素与阈值T2进行比较，若中的某个元素大于阈值T2，则将其对应的两个图像块定义为相似图像块，将其标记为1；否则，将其标记为0，
最后统计1的个数，表示相似块的个数，记为N1，
设定阈值N，N＝16×(g-1)，其中，g表示候选视频片段的长度，若N1≥N，则确定该候选视频片段为复制视频片段；否则，该视频片段为原始视频，即成。
本发明实施例的仿真实验
1)对视频复制篡改检测精度的分析
为了验证本发明方法的性能，选取20段不同的视频来验证，
其中，video 1～video 3是一组从固定设备获取的监控视频；
video 4～video 8来自手机或手持DV等手持设备获取的视频；
video 9～video 11来自优酷(http://www.youku.com/)或腾讯视频 (http://v.qq.com/)等网络视频平台；
video 12～video16来自于SULFA(Surrey University Library for ForensicAnalysis:http://sulfa.cs.surrey.ac.uk/videos.php)；
video 17～video20来自电影片段或者广告片段。
表2详细记录了20段测试视频的相关信息以及视频复制的位置以及复制视频的长度。
表2，实施例20段测试视频的详细信息
相关参数的设置：l视频片段的长度，针对实验而言，若视频片段的长度l过短，既增加了实验的复杂度，又不能很好地体现视频复制的视觉效果，因此，实验过程中设定l＝20。
相关系数阈值的设定：比较相邻视频片段的相似性T0＝0.999；比较时间域上的视频片段的相似性T1＝0.99；比较空间域上的视频帧的相似性T2＝0.995。
相似块阈值的设定：N＝16×(g-1)，其中，g表示候选视频片段的长度。
为了检测精度，分别对上述的20个不同类型的视频进行检测，得到的结果如表3所示。
表3 视频复制篡改检测结果
| 编号 | 候选片段 | 合并的个数 | 视频复制检测结果 |
| Video 1 | 58 | 1 | 165～241与278～354 |
| Video 2 | 59 | 1 | 230～307与357～434 |
| Video 3 | 12 | 1 | 517～547与675～705 |
| Video 4 | 38 | 1 | 357～413与692～748 |
| Video 5 | 60 | 1 | 211～289与357～435 |
| Video 6 | 35 | 2 | 269～321与668～720 |
| Video 7 | 46 | 1 | 869～933与938～1002 |
| Video 8 | 101 | 8 | 525～598与633～706 |
| Video 9 | 85 | 5 | 46～137与242～333 |
| Video 10 | 34 | 1 | 33～85与99～151 |
| Video 11 | 17 | 1 | 264～299与792～827 |
| Video 12 | 48 | 1 | 123～189与197～263 |
| Video 13 | 34 | 1 | 287～360与404～477 |
| Video 14 | 43 | 1 | 3～64与89～150 |
| Video 15 | 51 | 1 | 126～195与228～297 |
| Video 16 | 23 | 3 | 180～208与318～346 |
| Video 17 | 51 | 3 | 151～185与463～497 |
| Video 18 | 5 | 1 | 284～307与428～461 |
| Video 19 | 15 | 1 | 14～47与254～287 |
| Video 20 | 38 | 1 | 434～490与557～613 |
通过上述的实验数据，得出分析结论：本发明的方法能够精确检测视频复制，准确地标记出复制帧的位置。实验结果中，只有Video 3出现了误检测的情况(将第547帧与第705帧误检测为复制帧)，对于其它测试视频中存在的复制情况都精确检测出了复制信息。
2)抗几何攻击的分析
本实验中，所提到的视频几何攻击主要是指几何扭曲，即旋转变换和尺度变换所引起的几何畸变。对于视频的旋转变换就是对视频中的每一帧图像按同一方向旋转相同的角度。旋转的角度越大说明对视频的扭曲强度越大。对于视频的尺度变换是指利用线性或非线性差值的方法对视频中的每一帧图像进行缩放变换。
从测试数据集中随机选取10段视频，分别旋转不同的角度(1°～25°)和不同的尺度变换(0.5～1.5)。将测试结果与表3的结果进行比对，
若结果相同则标记为O，不同则标记为X，结果如表4所示。
表4，抗几何攻击的畸变检测结果
通过实验结果，得出分析结论：对于视频的旋转变换，当旋转角度小于等于20度时，本发明的方法具有良好的鲁棒性，能够得到良好的检测结果。对于尺度变换，本发明方法具有良好的鲁棒性，同样具有良好的检测结果。
3)计算复杂度的分析
将测试过程所耗时间分为两段，即在视频时间域上计算所消耗的时间和在空间域上计算所消耗的时间。由于在视频时间域上的运算是对视频中的每一帧进行计算，因此取计算单帧图像的时间进行比较。视频空间域上的计算时间选取20段视频的平均时间进行比较，如表5所示。
表5，计算所消耗的时间对比试验结果
通过实验数据，得出分析结论：虽然本发明方法在时间域上所花费的时间比文献[15]中的方法略长，但是通过候选片段的合并，在视 频空间域上所花费的时间明显比文献[15]中的短。
综上所述，本发明抗几何攻击的视频复制篡改检测方法，利用视频片段之间在时间域上的相似性，以及对应视频帧之间的空间相似性作为判断依据进行视频复制检测。首先利用Zernike矩作为视频片段的特征，计算视频片段之间的系数相关性，得到候选视频片段并且进行片段合并处理；然后利用图像的LBP(local binary mode)纹理特征，计算候选视频片段中的帧间系数相关性，最终确定该视频中是否存在复制的视频帧。本发明方法能够准确检测视频中的复制帧，对视频旋转、缩放等几何变换具有较好的鲁棒性，并且具有良好的时效性。
参考文献：
[1]E.Delp,N.Memon,M.Wu.Digital forensics[From the Guest Editors].IEEESignal Processing Magazine,2009,26(2):14-15.
[2]L.Li,X.Wang,W.Zhang,G.Yang,G.Hu.Detecting removed object fromvideo with stationary background.Digital Forensics and Watermaking,2013:242-252.
[3]D-K.Hyun,M-J Lee,S-J Ryu,H-Y Lee,H-K Lee.Forgery detection forsurveillance video.The Era of Interactive Media,2013:25-36.
[4]A.Subramanyam,S.Emmanuel.Pixel estimation based video forgerydetection.IEEE International Conference Acoustics,Speech and SignalProcessing(ICASSP),2013:3038-3042.
[5]A.Subramanyam,S.Emmanuel,Video forgery detection using HOGfeatures and compression Properties.IEEE International Workshop MultimediaSignal Processing,2012:89-94.
[6]T.Sun,W.Wang,X.Jiang.Exposing video forgeries by detecting MPEGdouble compression.IEEE International Conference Speech and SignalProcessing,2012,37(4):1389-1392.
[7]W.Wang,H.Farid.Exposing digital forgeries in video by detectingdouble MPEG compression.Proc.of the 8th workshop on Multimedia and security,2006:37-47.
[8]W.Wang,H.Farid.Exposing digital forgeries in interlaced anddeinterlaced video[J].IEEE Transactions on Information Forensics andSecurity,2007,2(3):438-449.
[9]W.Wang,H.Farid.Exposing digital forgeries in video by detectingdouble quantization.Proc.11th ACM workshop on Multimedia and Security,2009:39-48.
[10]W.Wang,Digital video forensics[J].Dissertations&Theses-Gradworks,2009.
[11]M.Kobayashi,T.Okabe,Y.Sato.Detecting video forgeries based onnoise characteristics.Lecture Notes in Computer Science,Advances in Image andVideo Technology,2009:306-317.
[12]C.Hsu,T.Hung,C.Lin.Video forgery detection using correlation ofnoise residue.Proc.10thWorkshop on IEEE Multimedia Signal Processing,2008:170-174.
[13]Y.Qin,S.G Zhang.Exposing digital forgeries in video via motionvectors.Journal of Computer Research and Development,2009,46(z1):227-233.
[14]W.Wang,F.Harid.Exposing digital forgeries in video by detectingduplication.Proc.9th workshop on Multimedia&security,2007:35-42.
[15]G.S.Lin,J.F.Chang.Detection of frame duplication forgery invideos based on spatial and temporal analysis.International Journal ofPattern Recognition and Artificial Intelligence,vol.26,no.7,pp.1250017-1-pp.1250017-18,2012。
Claims (2)
1.一种抗几何攻击的视频复制篡改检测方法，其特征在于，按照以下步骤实施：
步骤1、检测候选的视频复制片段，具体步骤是，
设F(x,y,t)表示视频，t∈[1,L]，L为视频长度，
选取固定长度l作为视频片段的长度，逐帧提取视频片段，将视频分割成L-l+1个视频片段，
为了检测是否存在复制的视频片段，通过比较两段视频的相似性进行判断，利用系数相关性作为相似性的评判标准，两个向量X和Y之间的系数相关性表示为：
<mrow>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>,</mo>
<mi>Y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>X</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>Y</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mi>i</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>X</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mi>i</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>Y</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，Xi和Yi分别表示向量X和Y中的第i个元素，μX和μY分别表示向量X和Y的均值，
1.1)对每个视频片段，计算每一帧图像的2～4阶Zernike矩特征，共有7个值，
设视频片段Sk＝{Fk(x,y,t)|t＝1,2,…,l}，其中，k＝1,2,…,L-l+1，
将Sk表示为矩阵特征Hk(i,7)，共有l帧，每一帧的2～4阶Zernike矩特征共有7个值，其中，i＝1,2,…,l，如式(2)所示：
矩阵Hk(i,7)的行向量Zi表示由视频片段Sk中第i帧图像中所提取的2～4阶Zernike矩构成的特征向量，具体的特征如表1所示：
表1，2～4阶Zernike矩
1.2)计算任意两个视频片段之间特征矩阵的相关系数：
<mrow>
<mi>C</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>H</mi>
<mi>m</mi>
</msub>
<mo>,</mo>
<msub>
<mi>H</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&Sigma;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>m</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>n</mi>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<mo>&Sigma;</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>m</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<mo>&Sigma;</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>n</mi>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，
Hm表示第m个视频片段的特征矩阵，
Hn表示第n个视频片段的特征矩阵；
m表示视频片段m所对应的特征矩阵的均值，
n表示视频片段n所对应的特征矩阵的均值，
得到一个关于相关系数C(Hm,Hn)的对称矩阵，
其中，m＝1,2,...,L-l+1，n＝1,2,...,L-l+1；
1.3)考虑相邻视频片段之间的相关系数C(Hm,Hn)，其中，|m-n|＝1，若该相关系数大于阈值T0，
设定这两个相邻视频片段是静止的，只考虑完整的视频片段与其他视频片段之间的相似性，设定系数阈值T1，若相关系数大于阈值T1，选取其对应的视频片段作为候选视频复制片段；
步骤2、对候选视频复制片段进行合并，具体步骤是，
若同时存在和 和为候选视频复制片段，即候选视频中存在对应相邻的视频片段，则将对应相邻片段合并，构成一组新的候选视频复制片段：
<mrow>
<msubsup>
<mi>S</mi>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>F</mi>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>l</mi>
<mo>+</mo>
<mn>1</mn>
<mo>}</mo>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>S</mi>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>F</mi>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>....</mn>
<mo>,</mo>
<mi>l</mi>
<mo>+</mo>
<mn>1</mn>
<mo>}</mo>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤3、检测复制的视频片段，具体步骤是，
利用视频帧的空间相关性来判定候选片段是否为复制片段，
对于合并后的候选视频片段和计算其帧间相关性来进行判定，具体步骤如下：
3.1)分别提取和中的每一帧图像，分别记为和其中i＝1,2,…,l+1，将图像大小均调整为512×512，并将其每帧图像分别分割成不重叠的128×128图像块，则每帧图像被分割成16个相同大小的图像块；
3.2)提取每个图像块的具有几何不变性的LBP特征，用来表示视频第i帧中第j块图像块的特征，记为Bi,j＝(bij1,bij2,…,bij10)，其中bij1,bij2,…,bij10为10维LBP特征；
同理，合并后的对应视频中，基于图像块的特征表示为：
B′i,j＝(b′ij1,b′ij2,…,b′ij10)，其中b′ij1,b′ij2,…,b′ij10为对应的10维LBP特征；
3.3)计算相似性
利用系数相关性作为评判标准，计算合并后的对应视频帧中对应图像块之间的相关系数，表达式见下式(7)：
<mrow>
<mi>C</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<msubsup>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&Sigma;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<msubsup>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<mo>&Sigma;</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<mo>&Sigma;</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<msubsup>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，bm,n表示对应视频中图像块Bi,j的特征矩阵中的元素；
b′m,n表示对应视频中图像块B'i,j的特征矩阵中的元素；
表示图像块Bi,j的特征矩阵中的元素的均值；
表示图像块B'i,j的特征矩阵中的元素的均值；
进而得到候选视频片段的相关系数矩阵
3.4)确定复制片段
设定阈值T2，将相关系数矩阵中的每一个元素与阈值T2进行比较，若中的某个元素大于阈值T2，则将其对应的两个图像块定义为相似图像块，将其标记为1；否则，将其标记为0，
最后统计1的个数，表示相似块的个数，记为N1，
设定阈值N，N＝16×(g-1)，其中，g表示候选视频片段的长度，若N1≥N，则确定该候选视频片段为复制视频片段；否则，该视频片段为原始视频，即成。
2.根据权利要求1所述的抗几何攻击的视频复制篡改检测方法，其特征在于，l＝20；T0＝0.999；T1＝0.99；T2＝0.995。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510363388.6A CN104954807B (zh) | 2015-06-25 | 2015-06-25 | 抗几何攻击的视频复制篡改检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510363388.6A CN104954807B (zh) | 2015-06-25 | 2015-06-25 | 抗几何攻击的视频复制篡改检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104954807A CN104954807A (zh) | 2015-09-30 |
| CN104954807B true CN104954807B (zh) | 2018-02-23 |
Family
ID=54169098
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510363388.6A Active CN104954807B (zh) | 2015-06-25 | 2015-06-25 | 抗几何攻击的视频复制篡改检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104954807B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106060568B (zh) * | 2016-06-28 | 2018-12-18 | 电子科技大学 | 一种视频篡改检测及定位方法 |
| CN106375773B (zh) * | 2016-09-08 | 2019-11-26 | 福建师范大学 | 基于动态阈值的帧复制粘贴篡改检测方法 |
| CN108335290B (zh) * | 2018-01-23 | 2021-11-12 | 中山大学 | 一种基于liop特征与块匹配的图像区域复制篡改检测方法 |
| CN108696713B (zh) * | 2018-04-27 | 2021-08-24 | 苏州科达科技股份有限公司 | 码流的安全测试方法、装置及测试设备 |
| CN111144314B (zh) * | 2019-12-27 | 2020-09-18 | 北京中科研究院 | 一种篡改人脸视频检测方法 |
| KR20210089038A (ko) * | 2020-01-07 | 2021-07-15 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
| CN111539272B (zh) * | 2020-04-10 | 2023-02-03 | 上海交通大学 | 基于联合特征被动检测ai换脸视频的方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2456486A (en) * | 2006-11-17 | 2009-07-22 | British Broadcasting Corp | Regenerating lost or corrupted primary frames based on further primary and secondary frames |
| CN103945228A (zh) * | 2014-03-28 | 2014-07-23 | 上海交通大学 | 基于时空关联性的视频帧内copy-move篡改检测方法 |
-
2015
- 2015-06-25 CN CN201510363388.6A patent/CN104954807B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2456486A (en) * | 2006-11-17 | 2009-07-22 | British Broadcasting Corp | Regenerating lost or corrupted primary frames based on further primary and secondary frames |
| CN103945228A (zh) * | 2014-03-28 | 2014-07-23 | 上海交通大学 | 基于时空关联性的视频帧内copy-move篡改检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| DETECTION OF FRAME DUPLICATION FORGERY IN VIDEOS BASED ON SPATIAL AND TEMPORAL ANALYSIS;guo-shiang lin;《International Journal of Pattern Recognition and Artificial Intelligence》;20121130;第26卷(第07期);正文摘要，第一部分和第二部分 * |
| 基于Zernike矩的图像区域旋转篡改检测;姜丽，等;《计算机技术与发展》;20110531;第21卷(第5期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104954807A (zh) | 2015-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104954807B (zh) | 抗几何攻击的视频复制篡改检测方法 | |
| Chen et al. | Automatic detection of object-based forgery in advanced video | |
| CN103593464B (zh) | 基于视觉特征的视频指纹检测及视频序列匹配方法及系统 | |
| Liu et al. | Key frame extraction from MPEG video stream | |
| Yu et al. | Exposing frame deletion by detecting abrupt changes in video streams | |
| Yang et al. | Spatiotemporal trident networks: detection and localization of object removal tampering in video passive forensics | |
| Kharat et al. | A passive blind forgery detection technique to identify frame duplication attack | |
| Singh et al. | Detection of frame duplication type of forgery in digital video using sub-block based features | |
| Fadl et al. | Frame duplication and shuffling forgery detection technique in surveillance videos based on temporal average and gray level co-occurrence matrix | |
| WO2010089383A2 (en) | Method for fingerprint-based video registration | |
| Roopalakshmi et al. | A novel spatio-temporal registration framework for video copy localization based on multimodal features | |
| Huang et al. | A multi-channel approach through fusion of audio for detecting video inter-frame forgery | |
| Sharma et al. | An ontology of digital video forensics: Classification, research gaps & datasets | |
| CN110457996A (zh) | 基于vgg-11卷积神经网络的视频运动对象篡改取证方法 | |
| Zhong et al. | Effective and efficient pixel-level detection for diverse video copy-move forgery types | |
| Harvey et al. | Spatio-temporal video copy detection | |
| Bozkurt et al. | Detection and localization of frame duplication using binary image template | |
| Jin et al. | Object-based video forgery detection via dual-stream networks | |
| Chittapur et al. | Video forgery detection using motion extractor by referring block matching algorithm | |
| CN106375773B (zh) | 基于动态阈值的帧复制粘贴篡改检测方法 | |
| Chen et al. | Multi-level trajectory modeling for video copy detection | |
| Saini et al. | Improvement in Copy-Move Forgery Detection Using Hybrid Approach | |
| CN104618723B (zh) | 一种基于运动矢量投影矩阵的h.264/avc压缩域视频匹配方法 | |
| Li et al. | Robust coverless video steganography based on inter-frame keypoint matching | |
| Saini et al. | Digital image forgery detection using correlation coefficients |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231024 Address after: Building 3, Building 7, Xi'an Construction Engineering Technology Entrepreneurship Base, No. 299 Gongye Second Road, Xi'an City, Shaanxi Province, 710075 Patentee after: XI'AN REALECT ELECTRONIC DEVELOPMENT CO.,LTD. Address before: 710048 No. 5 Jinhua South Road, Shaanxi, Xi'an Patentee before: XI'AN University OF TECHNOLOGY |