CN105376584B - 基于噪声水平估计的视频运动补偿帧率上转取证方法 - Google Patents

基于噪声水平估计的视频运动补偿帧率上转取证方法 Download PDF

Info

Publication number
CN105376584B
CN105376584B CN201510807782.4A CN201510807782A CN105376584B CN 105376584 B CN105376584 B CN 105376584B CN 201510807782 A CN201510807782 A CN 201510807782A CN 105376584 B CN105376584 B CN 105376584B
Authority
CN
China
Prior art keywords
video
spike
frame per
motion compensation
confidence level
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.)
Expired - Fee Related
Application number
CN201510807782.4A
Other languages
English (en)
Other versions
CN105376584A (zh
Inventor
李然
马行坡
郭华平
刘宏兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinyang Normal University
Original Assignee
Xinyang Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xinyang Normal University filed Critical Xinyang Normal University
Priority to CN201510807782.4A priority Critical patent/CN105376584B/zh
Publication of CN105376584A publication Critical patent/CN105376584A/zh
Application granted granted Critical
Publication of CN105376584B publication Critical patent/CN105376584B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明涉及基于噪声水平估计的视频运动补偿帧率上转取证方法，可有效解决在视频认证技术方面，对于运动补偿帧率上转换操作的视频安全防伪问题，方法是，首先计算待鉴定视频各帧表征噪声水平的高斯分布标准差，获得标准差序列；再依次对标准差序列进行傅立叶变换获得傅立叶频谱，对傅立叶频谱作高通滤波，并进行显著性增强处理，提取频谱尖峰，并从中分离出异常尖峰集；最后，利用频谱尖峰和异常尖峰子集计算可信度，根据可信度设置阈值，当可信度大于阈值，则待鉴定视频为由运动补偿帧率上转换编辑过的伪造视频，否则为原始视频，本发明方法新颖独特，易操作，使用效果好，可有效解决视频的防伪问题，保证视频运动补偿帧率上转换的安全。

Description

基于噪声水平估计的视频运动补偿帧率上转取证方法
技术领域
本发明涉及多媒体信息安全，特别是一种基于噪声水平估计的视频运动补偿帧率上转取证方法。
背景技术
随着社交网络普及与数码相机低廉化、便携化，人们越来越希望于拍摄生活画面上传至互联网与亲友分享，这种需求也催生了商业行为：拍摄者可自制视频吸引网民点击，以点击量或流量为视频网站创收，获得经济回报。高清视频所要求的帧率(时间分辨率)较高，可获得良好的主观视觉质量，更吸引网民的关注，因此拍摄者常利用廉价的网络摄像头获取低帧率视频，再借助视频编辑软件提升帧率，使之满足高清码率。通过帧率上转处理过的高清视频以骗取观众点击量与网络流量为目的，极大地损害了网民的经济利益。为了打击这种不良的商业行为，捍卫观众的知情权，急需可甄别帧率上转操作的数字取证方法，以抵制伪高清视频在互联网上的肆意传播。
运动补偿帧率上转换利用视频帧间物体的运动轨迹预测内插帧，与帧复制和帧平均等简单的帧率上转方法相比，其伪造的高清视频主观视觉质量更佳，更具有迷惑性，因此篡改者常使用该方法编辑低帧率视频。然而，目前在视频认证技术方面，对于运动补偿帧率上转换操作的鉴别仍没有安全可靠的视频防伪技术手段。
发明内容
针对上述情况，为克服现有技术之缺陷，本发明之目的就是提供一种基于噪声水平估计的视频运动补偿帧率上转取证方法，可有效解决在视频认证技术方面，对于运动补偿帧率上转换操作的视频安全防伪问题。
本发明解决的技术方案是，首先计算待鉴定视频各帧表征噪声水平的高斯分布标准差，获得标准差序列；再依次对标准差序列进行傅立叶变换获得傅立叶频谱，对傅立叶频谱作高通滤波，并进行显著性增强处理，提取频谱尖峰，并从中分离出异常尖峰集；最后，利用频谱尖峰和异常尖峰子集计算可信度，根据可信度设置阈值，当可信度大于阈值，则待鉴定视频为由运动补偿帧率上转换编辑过的伪造视频，否则为原始视频。
本发明方法新颖独特，易操作，使用效果好，可有效解决视频的防伪问题，保证视频运动补偿帧率上转换的安全，经济和社会效益巨大。
附图说明
图1为本发明运动补偿时域插帧的流程图。
图2为本发明的流程图。
图3为本发明分离异常尖峰集方法的流程图。
图4为本发明CIF格式的标准测试序列Football原始视频与对应伪造视频的标准差序列曲线图。
图5为本发明CIF格式的标准测试序列Football原始视频准差序列的频谱分析图。
图6为本发明CIF格式的标准测试序列Football伪造视频标准差序列的频谱分析图。
具体实施方式
以下结合具体情况对本发明的具体实施方式作详细说明。
本发明在具体实施中，由以下步骤实现：
(1)计算待鉴定视频各帧表征噪声水平的高斯分布标准差，获得标准差序列，方法是：提取第t帧视频帧的亮度成份ft，t＝1,2,…,T，T为视频序列总帧数，由式(1)计算一级小波分解的最高频子带系数：
式(1)
其中，(m,n)为像素位置坐标，×表示卷积运算，偶数索引n＝2k、m＝2k，k≥0，代表非负处计算卷积时进行滤波和用2下采样，和hψ分别是有限长低通和高通滤波器组，由4阶Symlets小波基抽取而成，分别组成如下：
hψ＝[-0.0322,-0.0126,0.0992,0.2979,-0.8037,0.4976,0.0296,-0.0758]
利用最高频子带系数Wψ计算视频帧的噪声标准差如下：
式(2)
其中Median(Wψ)表示取输入向量Wψ的中值，|Wψ-Median(Wψ)|表示取输入向量Wψ-Median(Wψ)的绝对值，Median(|Wψ-Median(Wψ)|)表示取输入向量|Wψ-Median(Wψ)|的中值；
(2)对标准差序列进行傅立叶变换获得傅立叶频谱，其变换公式为：
式(3)
其中T为视频序列总帧数，F(k)为傅立叶频谱，e-j(x)为复指数函数；
(3)对傅立叶频谱作高通滤波，并进行显著性增强处理，方法是：
对傅立叶频谱F(k)作高通滤波处理，具体为：
式(4)
其中为高频滤波后的傅立叶频谱，d取0.12·T的整数部分，对显著性增强处理如下：
式(5)
其中S(k)为高频谱的显著分布谱；
(4)提取频谱尖峰，并从中分离出异常尖峰集，提取S(k)尖峰值，非尖峰置0，生成尖峰谱P(k)，分离异常尖峰集方法为：
计算尖峰谱P(k)的均值Ep，设定异常阈值Thr1＝0.8Ep，对P(k)作硬阈值处理，即低于Thr1的尖峰置0，否则P(k)保持不变，非0尖峰并入异常尖峰集，重复操作，直至异常尖峰子集元素不发生变化为止；
(5)利用频谱尖峰和异常尖峰子集计算可信度，根据可信度设置阈值，当可信度大于阈值，则待鉴定视频为由运动补偿帧率上转换编辑过的伪造视频，否则为原始视频，可信度的计算公式如下：
式(6)
其中为由异常尖峰集构造的向量，N1为异常尖峰集的容量，P为由尖峰谱P(k)构造的向量，和Mean(P)分别为取的最大值和取P的平均值，当CV值大于Thr2，则认定视频为由运动补偿帧率上转换编辑过的伪造视频，否则为原始视频。
以下结合附图做进一步说明：
伪造视频中的内插帧经过如图1所示的运动补偿时域内插流程产生。首先进行运动估计，产生原始视频中待插帧ft相邻帧ft-1和ft+1的运动向量场；然后利用运动平滑算法纠正运动向量场中的异常运动向量；最后，利用运动向量场根据ft-1和ft+1内插出新帧ft。针对上述由运动补偿插帧完成帧率上转换的伪造视频，图2展示了可有效鉴别运动补偿上转换操作的本发明流程，其具体包括如下步骤：
(S.1)计算待鉴定视频各帧表征噪声水平的高斯分布标准差，获得标准差序列。利用视频帧的一级小波分解最高频子带系数计算噪声标准差如下：
其中Median(Wψ)表示取输入向量Wψ的中值，|Wψ-Median(Wψ)|表示取输入向量Wψ-Median(Wψ)的绝对值，Median(|Wψ-Median(Wψ)|)表示取输入向量|Wψ-Median(Wψ)|的中值，Wψ表示由最高频子带系数组成的向量，其元素按下式计算：
其中(m,n)为像素位置坐标，×表示卷积运算，偶数索引n＝2k和m＝2k(k≥0)代表非负处计算卷积时进行滤波和用2下采样。和hψ分别是有限长低通和高通滤波器组，它们由4阶Symlets小波基抽取而成，组成如下：
hψ＝[-0.0322,-0.0126,0.0992,0.2979,-0.8037,0.4976,0.0296,-0.0758]；
(S.2)对标准差序列进行傅立叶变换获得傅立叶频谱，以检测周期性特征，具体是：
其中T为视频序列总帧数，F(k)为傅立叶频谱，e-j(x)为复指数函数。
(S.3)对傅立叶频谱作高通滤波，具体如下：
其中为高频滤波后的傅立叶频谱，d取0.12·T的整数部分。接着对显著性增强处理，具体如下：
其中S(k)为高频谱的显著分布谱。
(S.4)提取S(k)尖峰值，非尖峰置0，生成尖峰谱P(k)，如图3所示流程分离异常尖峰集如下：
(S.4.1)计算尖峰谱P(k)的均值Ep，设定异常阈值Thr1＝0.8Ep。对P(k)作硬阈值处理，即低于Thr1的尖峰置0，否则P(k)保持不变。非0尖峰并入异常尖峰子集；
(S.4.2)重复上述步骤，直至异常尖峰子集元素不发生变化为止。
(S.5)利用频谱尖峰P(k)和异常尖峰集计算可信度如下：
其中为由异常尖峰集构造的向量，N1为异常尖峰集的容量，P为由尖峰谱P(k)构造的向量，和Mean(P)分别为取的最大值和取P的平均值。确定可稳定区分真伪视频的阈值Thr2为1.48。当CV值大于Thr2，则认定视频为由运动补偿帧率上转换编辑过的伪造视频，否则为原始视频。
图4显示了CIF格式的标准测试序列Football原始视频与对应伪造视频的标准差序列曲线，其中伪造视频由上转因子为4的运动补偿帧率上转换为原始帧率，可看出伪造视频在内插处的标准差剧烈变小，呈现出周期性，而原始视频更加趋于平滑。图5、6显示了图4所示曲线的频谱分析图，可看出原始视频标准差序列频谱尖峰分布均匀，幅度较小，而伪造视频标准差序列频谱尖峰分布不均匀，出现少许极大异常值。由此可知，本发明鉴定方法无论在时域还是在频域均可有效区分原始视频与伪造视频。
采用QCIF、CIF、720P和1080P格式的924组标准视频序列构造测试集，其中由840组伪造视频组成正例集,由84组原始视频组成负例集。正例集包含140个未压缩视频组和720个H.264压缩视频组，反例集包含12个未压缩视频组和72个H.264压缩视频组。利用本发明鉴别测试集中视频真伪，实验结果如下所示：
注：平均检测率＝[1-(漏报率+误报率)/2]×100％
从以上实验数据可明显看出，利用本发明对经过运动补偿帧率上转伪造视频的检测，对于未经过压缩处理的视频集合，其平均检测率最大可达100％，一般平均检测率达到95.84％以上，对于经过压缩处理的视频集合，其平均检测率最大可达99.31％，一般平均检测率达到95.84％以上，而对于全体视频集合，当上转因子分别取2和3时，其平均检测率为99.41％和96.23％。由此可说明本发明对运动补偿帧率上转伪造视频鉴定具有较高的准确性。
由以上可以清楚的看出，本发明与现有技术相比，具有以下突出的有益技术效果：本发明通过分析视频帧的噪声标准差分布的周期性来判断视频是否经过运动补偿帧率上转换。为了强化标准差曲线频谱特点，采用高通滤波、显著性增强及异常尖峰提取处理手段。通过设计可信度指标，利用硬阈值判决鉴定视频真伪。本发明可有效检测出经过运动补偿上转换的视频序列，抽检924组标准视频序列，其检测成功率可达到95.84％以上，其中对于未经压缩处理的视频序列集合，检测成功率可达100％。由此可知，本发明为帧率上转换操作鉴定提供了有效、简单的方法，有效保证了原始视频的安全、可靠传输，保证公众权益，经济和社会效益巨大。

Claims (1)

1.一种基于噪声水平估计的视频运动补偿帧率上转取证方法，其特征在于，首先计算待鉴定视频各帧表征噪声水平的高斯分布标准差，获得标准差序列；再依次对标准差序列进行傅立叶变换获得傅立叶频谱，对傅立叶频谱作高通滤波，并进行显著性增强处理，提取频谱尖峰，并从中分离出异常尖峰集；最后，利用频谱尖峰和异常尖峰子集计算可信度，根据可信度设置阈值，当可信度大于阈值，则待鉴定视频为由运动补偿帧率上转换编辑过的伪造视频，否则为原始视频，具体由以下步骤实现：
(1)计算待鉴定视频各帧表征噪声水平的高斯分布标准差，获得标准差序列，方法是：
提取第t帧视频帧的亮度成份ft，t＝1,2,…,T，T为视频序列总帧数，由式(1)计算一级小波分解的最高频子带系数：
其中，(m,n)为像素位置坐标，×表示卷积运算，偶数索引n＝2k、m＝2k，k≥0，代表非负处计算卷积时进行滤波和用2下采样，和hψ分别是有限长低通和高通滤波器组，由4阶Symlets小波基抽取而成，分别组成如下：
hψ＝[-0.0322,-0.0126,0.0992,0.2979,-0.8037,0.4976,0.0296,-0.0758]
利用最高频子带系数Wψ计算视频帧的噪声标准差如下：
其中Median(Wψ)表示取输入向量Wψ的中值，|Wψ-Median(Wψ)|表示取输入向量Wψ-Median(Wψ)的绝对值，Median(|Wψ-Median(Wψ)|)表示取输入向量|Wψ-Median(Wψ)|的中值；
(2)对标准差序列进行傅立叶变换获得傅立叶频谱，其变换公式为：
其中T为视频序列总帧数，F(k)为傅立叶频谱，e-j(x)为复指数函数；
(3)对傅立叶频谱作高通滤波，并进行显著性增强处理，方法是：
对傅立叶频谱F(k)作高通滤波处理，具体为：
其中为高频滤波后的傅立叶频谱，d取0.12·T的整数部分，对显著性增强处理如下：
其中S(k)为高频谱的显著分布谱；
(4)提取频谱尖峰，并从中分离出异常尖峰集，提取S(k)尖峰值，非尖峰置0，生成尖峰谱P(k)，分离异常尖峰集方法为：
计算尖峰谱P(k)的均值Ep，设定异常阈值Thr1＝0.8Ep，对P(k)作硬阈值处理，即低于Thr1的尖峰置0，否则P(k)保持不变，非0尖峰并入异常尖峰集，重复操作，直至异常尖峰子集元素不发生变化为止；
(5)利用频谱尖峰和异常尖峰子集计算可信度，根据可信度设置阈值Thr2，当可信度大于阈值，则待鉴定视频为由运动补偿帧率上转换编辑过的伪造视频，否则为原始视频，可信度的计算公式如下：
其中为由异常尖峰集构造的向量，N1为异常尖峰集的容量，P为由尖峰谱P(k)构造的向量，和Mean(P)分别为取的最大值和取P的平均值，当CV值大于阈值Thr2，则认定视频为由运动补偿帧率上转换编辑过的伪造视频，否则为原始视频。
CN201510807782.4A 2015-11-20 2015-11-20 基于噪声水平估计的视频运动补偿帧率上转取证方法 Expired - Fee Related CN105376584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510807782.4A CN105376584B (zh) 2015-11-20 2015-11-20 基于噪声水平估计的视频运动补偿帧率上转取证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510807782.4A CN105376584B (zh) 2015-11-20 2015-11-20 基于噪声水平估计的视频运动补偿帧率上转取证方法

Publications (2)

Publication Number Publication Date
CN105376584A CN105376584A (zh) 2016-03-02
CN105376584B true CN105376584B (zh) 2018-02-16

Family

ID=55378321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510807782.4A Expired - Fee Related CN105376584B (zh) 2015-11-20 2015-11-20 基于噪声水平估计的视频运动补偿帧率上转取证方法

Country Status (1)

Country Link
CN (1) CN105376584B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106878704A (zh) * 2017-02-14 2017-06-20 福建师范大学 基于光流周期特性的视频帧率上转篡改检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102595186A (zh) * 2012-02-17 2012-07-18 中山大学 一种视频原始帧率的鉴定方法
CN103327320A (zh) * 2013-03-27 2013-09-25 中山大学 一种用于伪高码率视频的鉴定方法
CN104011771A (zh) * 2011-12-30 2014-08-27 英特尔公司 用于可缩放的帧速率上转换的方法和设备
CN104202603A (zh) * 2014-09-23 2014-12-10 浙江工商大学 一种应用于视频帧速率上转换的运动向量场生成方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1895467A2 (en) * 2006-08-29 2008-03-05 Sony Corporation Image determination by frequency domain processing

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104011771A (zh) * 2011-12-30 2014-08-27 英特尔公司 用于可缩放的帧速率上转换的方法和设备
CN102595186A (zh) * 2012-02-17 2012-07-18 中山大学 一种视频原始帧率的鉴定方法
CN103327320A (zh) * 2013-03-27 2013-09-25 中山大学 一种用于伪高码率视频的鉴定方法
CN104202603A (zh) * 2014-09-23 2014-12-10 浙江工商大学 一种应用于视频帧速率上转换的运动向量场生成方法

Also Published As

Publication number Publication date
CN105376584A (zh) 2016-03-02

Similar Documents

Publication Publication Date Title
Kim et al. Deep learning of human visual sensitivity in image quality assessment framework
Gu et al. No-reference quality assessment of screen content pictures
Liu et al. End-to-End Blind Quality Assessment of Compressed Videos Using Deep Neural Networks.
Zhang et al. Blind video quality assessment with weakly supervised learning and resampling strategy
CN100559881C (zh) 一种基于人工神经网络的视频质量评价方法
Lv et al. Difference of Gaussian statistical features based blind image quality assessment: A deep learning approach
CN107944359A (zh) 基于视频的火焰检测方法
CN105049851A (zh) 基于色彩感知的通用无参考图像质量评价方法
Zhou et al. Blind quality index for multiply distorted images using biorder structure degradation and nonlocal statistics
CN103444179B (zh) 用于通过使用变换系数去除图像块效应的方法和设备
Jin et al. Perceptual image quality assessment using block-based multi-metric fusion (BMMF)
Gu et al. Structural similarity weighting for image quality assessment
CN110631812A (zh) 轨道振动检测方法及装置、振动检测设备
Chen et al. Unsupervised curriculum domain adaptation for no-reference video quality assessment
Jiang et al. Image saliency prediction in transformed domain: A deep complex neural network method
CN102595186B (zh) 一种视频原始帧率的鉴定方法
CN110121109A (zh) 面向监控系统数字视频实时溯源方法、城市视频监控系统
CN104837011A (zh) 一种内容自适应的视频隐写分析方法
Chen et al. Edge preservation ratio for image sharpness assessment
CN105376584B (zh) 基于噪声水平估计的视频运动补偿帧率上转取证方法
CN115880749A (zh) 基于多模态特征融合的人脸深伪检测方法
He et al. Exposing fake bitrate videos using hybrid deep-learning network from recompression error
Zheng et al. Faver: Blind quality prediction of variable frame rate videos
Tu et al. Efficient user-generated video quality prediction
Le Callet et al. No reference and reduced reference video quality metrics for end to end QoS monitoring

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180216

Termination date: 20191120