视频同比特率双重压缩检测方法技术

本发明专利技术提供了一种视频同比特率双重压缩检测方法，包括如下步骤：对测试和训练视频进行基于mode的预处理，得到预处理后的测试视频和训练视频；提取预处理后测试和训练视频各帧的首位数字概率分布函数，并与Benford近似对数定律拟合后得到12维特征；得到训练视频各帧的12维特征训练分类器；利用分类器对测试视频各帧进行分类，并判断测试视频是否经过双重压缩。本发明专利技术填补了视频同比特率双重压缩检测技术相关领域的空白，提高了检测效率。

【技术实现步骤摘要】

本专利技术设及双重压缩检测方法，具体地，设及一种视频同比特率双重压缩检测方 法。
技术介绍
随着多媒体技术的不断发展，数字视频通过网络广泛地传播。科技的进步使得摄 像设备的价格越来越低廉，同时出现了许多强大的图像或者视频编辑软件，导致人们可W 轻易地对数字图像和视频进行篡改。虚假视频的传播可能会带来不良的社会影响。所W， 可靠的视频鉴定和取证技术具有重要的社会意义。 数字图像视频取证旨在检测和分析图形和视频原始内容的真实性，相关研究包 括；篡改（克隆、修复、修整、拼接）检测，隐藏数据的检测和修复，在没有原始记录的情况下 对图像源的认证等。其中，双重压缩检测是篡改检测领域中比较有效的一类方法。近些年 来，许多学者致力于数字图像取证技术，并在图像篡改检测领域取得了较多有价值的研究 成果。由于视频编解码的复杂性和篡改方式的多样性，视频篡改检测的难度比较大，但是在 近十年内也取得了不少突破性的进展。 经过对现有双重压缩检测技术的检索发现，公开号为CN102413328A、公开日为 2012年04月11日的中国专利记载了一种"JPEG图像双重压缩检测方法及系统"，该技术 针对给定的待测JPEG图像进行矫正获得参考图像，提取待检测JPEG图像及参考图像的量 化DCT参数的直方图，并根据两者直方图计算各频率的特征值；采用经训练的分类器对所 述特征值进行模式识别，判别所述待检测JPEG图像是否经过双重压缩。该专利针对JPEG 图像，而不是视频，视频双重压缩检测相关的专利依旧是个空白。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种视频同比特率双重压缩检测方 法。 根据本专利技术提供的一种，包括如下步骤： 步骤1 ;对测试视频和训练视频进行基于mode的预处理，得到预处理后的测试视 频和训练视频；[000引步骤2 ;提取预处理后测试视频和训练视频各个I帖的首位数字概率分布函数，并 与Benford近似对数定律拟合后得到12维特征；I帖表示关键帖； 步骤3 ;利用步骤2中得到的训练视频各个I帖的12维特征训练分类器； 步骤4 ;利用12维特征分类器对测试视频各个I帖进行分类，并判断测试视频是 否经过双重压缩。 所述步骤1包括如下步骤：[001引步骤1. 1 ;量化测试视频和训练视频各个I帖的图像，得到图像的DCT系数；[001引步骤1. 2 ;根据图像的DCT系数定义mode值，其中，在DCT系数8x8矩阵相同位置 上所有的系数组成了一个mode,所述矩阵左上角的mode中的系数属于DC系数，其余63个mode称为AC mode, AC mode中的系数属于AC系数； 步骤1. 3 ;统计预处理后测试视频和训练视频各个I帖的ACmode中非零AC系数 集合：当一AC mode中非零AC系数的个数小于100,则丢弃该AC mode ; 当一I帖中被丢弃的ACmode的个数大于等于10,则丢弃该I帖。 所述步骤2包括如下步骤： 步骤2. 1 ;计算通过统计预处理后测试视频和训练视频各个I帖首位数字的值的 概率分布函数f (X)，其中，X表示首位数字的值，X= 1，2,…，9,得到预处理后测试视频和 训练视频各个I帖的9维特征； 步骤2. 2 ;将步骤2. 1得到的概率分布函数与Benford近似对数定律拟合，得到拟 合统计值，与所述的9维特征共同构成预处理后测试和训练视频各个I帖的12维特征。 优选地，所述步骤2中的Ben化rd近似对数定律由Ben化rd定律泛化而来， Ben化rd定律的公式如下；【主权项】1. 一种，其特征在于，包括如下步骤： 步骤1 :对测试视频和训练视频进行基于mode的预处理，得到预处理后的测试视频和 训练视频； 步骤2 :提取预处理后测试视频和训练视频各个I帧的首位数字概率分布函数，并与 Benford近似对数定律拟合后得到12维特征；I帧表示关键帧； 步骤3 :利用步骤2中得到的训练视频各个I帧的12维特征训练分类器； 步骤4 :利用12维特征分类器对测试视频各个I帧进行分类，并判断测试视频是否经 过双重压缩。2. 根据权利要求1所述的，其特征在于，所述步骤1包 括如下步骤： 步骤I. 1 :量化测试视频和训练视频各个I帧的图像，得到图像的DCT系数； 步骤1. 2 :根据图像的DCT系数定义mode值，其中，在DCT系数8x8矩阵相同位置上所 有的系数组成了一个mode，所述矩阵左上角的mode中的系数属于DC系数，其余63个mode 称为AC mode，AC mode中的系数属于AC系数； 步骤1. 3 :统计预处理后测试视频和训练视频各个I帧的AC mode中非零AC系数集合： 当一 AC mode中非零AC系数的个数小于100,则丢弃该AC mode ; 当一 I帧中被丢弃的AC mode的个数大于等于10,则丢弃该I帧。3. 根据权利要求1所述的，其特征在于，所述步骤2包 括如下步骤： 步骤2. 1 :计算通过统计预处理后测试视频和训练视频各个I帧首位数字的值的概率 分布函数f (X)，其中，X表示首位数字的值，X = 1，2,…，9,得到预处理后测试视频和训练 视频各个I帧的9维特征； 步骤2.2 :将步骤2. 1得到的概率分布函数与Benford近似对数定律拟合，得到拟合统 计值，与所述的9维特征共同构成预处理后测试和训练视频各个I帧的12维特征。4. 根据权利要求1所述的，其特征在于，所述步骤2中 的Benford近似对数定律由Benford定律泛化而来，Benford定律的公式如下：式中，X表示非零量化AC系数的首位数字的值，X= 1，2, 一,Ip(X)是首位数字的值 X的概率分布，N是归一化因数，s和q表示拟合参数。5. 根据权利要求3所述的，其特征在于，所述步骤2. 2 中得到的拟合统计值包括：误差平方和SSE、标准差RMSE以及确定系数R-square，所述误差 平方和SSE、标准差RMSE以及确定系数R-square的计算公式如下：式中：pJP &分别表示实际和拟合后的非零量化AC系数的首位数字为i的出现概率， i = 1，2···，9,戶隶示各首位数字出现概率的平均值，η表示数据点的数量。6. 根据权利要求1所述的，其特征在于，所述步骤3包 括如下步骤： 步骤3. 1 :构造包括全部GOP图像组特征向量和标签的训练集，其中，所述GOP图像组 的特征向量集由步骤2中得到训练视频各个I帧的12维特征组成，标签0代表该I帧所属 的测试视频未经过双重压缩，标签1代表该I帧所属的测试视频经过双重压缩； 步骤3. 2 :利用核函数RBF，从所述训练集中选择参数对，其中所述核函数RBF为设置支 持向量机SVM的核函数，运用交叉验证的方法进行参数寻优，得到（c，g)参数对；c表示惩 罚系数，g是核函数参数； 步骤3. 3 :将特征向量集合、标签集合、核函数RBF和（c，g)参数对作为输入，经过SVM 训练，得到分类器。7. 根据权利要求6所述的，其特征在于，所述步骤4包 括如下步骤： 步骤4. 1 :构造包含所有测试视频GOP图像组特征向量的预测集； 步骤4. 2 :利用步骤3得到的分类器对预测集进行预测，输出预测标本文档来自技高网...

【技术保护点】
一种视频同比特率双重压缩检测方法，其特征在于，包括如下步骤：步骤1：对测试视频和训练视频进行基于mode的预处理，得到预处理后的测试视频和训练视频；步骤2：提取预处理后测试视频和训练视频各个I帧的首位数字概率分布函数，并与Benford近似对数定律拟合后得到12维特征；I帧表示关键帧；步骤3：利用步骤2中得到的训练视频各个I帧的12维特征训练分类器；步骤4：利用12维特征分类器对测试视频各个I帧进行分类，并判断测试视频是否经过双重压缩。

【技术特征摘要】

【专利技术属性】
技术研发人员：蒋兴浩，孙锬锋，谢丰，何沛松，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31