一种视频流隐藏信息检测方法和装置制造方法及图纸

本申请公开了一种视频流隐藏信息检测的方法和装置，该方法包括：调用解码库对待检测视频流进行解压缩获得多个视频帧；利用A个预设卷积核对每个视频帧进行卷积操作，获得每个视频帧的A个残差噪声矩阵；利用B个不同量化截断参数对每个视频帧的A个残差噪声矩阵进行量化截断操作，获得每个视频帧的A×B个量化残差噪声矩阵；将每个视频帧的A×B个量化残差噪声矩阵输入预设卷积神经网络模型进行隐藏信息检测，获得待检测视频流的检测结果。可见，将视频流进行解压缩、卷积和量化截断等操作后，结合预设卷积神经网络模型进行隐藏信息检测，该模型可自动提取量化残差噪声矩阵中的检测特征，节省时间、精力和计算资源，提升检测效率和检测结果质量。

A Method and Device for Detecting Hidden Information in Video Stream

This application discloses a method and device for detecting hidden information of video stream, which includes: calling decoding library to decompress the detected video stream to obtain multiple video frames; convoluting each video frame with A preset convolution checks to obtain A residual noise matrix of each video frame; and using B different quantization truncation parameters to obtain A residual noise matrix of each video frame. The matrix is truncated quantitatively to obtain A * B quantized residual noise matrices of each video frame. The A * B quantized residual noise matrices of each video frame are input into the preset convolutional neural network model to detect hidden information and obtain the detection results of the video stream to be detected. It can be seen that after decompression, convolution and quantization truncation of the video stream, the hidden information can be detected by combining the preset convolution neural network model. This model can automatically extract the detection features in the quantization residual noise matrix, save time, energy and computing resources, and improve the detection efficiency and the quality of the detection results.

【技术实现步骤摘要】
一种视频流隐藏信息检测方法和装置
本申请涉及视频处理
，尤其涉及一种视频流隐藏信息检测的方法和装置。
技术介绍
随着科技的快速发展，日常生活中视频技术逐渐得到广泛的应用，从而攻击者容易利用视频流隐藏信息进行攻击，造成恶意代码扩散和信息泄露等安全威胁。尤其是采用H.264编码算法的视频流，因其具有较高的压缩效率、广泛的网络适应性和大量的离散余弦变换(英文：DiscreteCosineTransform，缩写：DCT)系数，导致H.264视频流中DCT系数隐藏信息的可能性更大。由于基于DCT系数修改在视频流中隐藏信息会不同程度的影响视频流中数据的空间相关性，则可基于视频流解压缩后数据的空间相关性检测视频流中的隐藏信息。现阶段，首先，对视频流解压缩得到视频帧进行卷积和量化截断操作，然后，基于量化截断后的特征人工设计得到检测特征，最后，利用支持向量机或集成分类器对视频流隐藏信息进行检测。专利技术人经过研究发现，上述方法检测特征具有局限性，检测特征是人工设计得到，耗时耗力耗计算资源；该检测特征对视频流隐藏信息的检测结果影响较大；并且由于视频相对于其他多媒体数据结构方面更加复杂，所需检测特本文档来自技高网...

【技术保护点】
1.一种视频流隐藏信息检测的方法，其特征在于，包括：调用解码库对待检测视频流进行解压缩获得多个视频帧；利用A个预设卷积核对每个所述视频帧进行卷积操作，获得每个所述视频帧的A个残差噪声矩阵；利用B个不同量化截断参数对每个所述视频帧的A个所述残差噪声矩阵进行量化截断操作，获得每个所述视频帧的A×B个量化残差噪声矩阵；将每个所述视频帧的A×B个所述量化残差噪声矩阵输入预设卷积神经网络模型进行隐藏信息检测，获得所述待检测视频流的检测结果。

【技术特征摘要】
1.一种视频流隐藏信息检测的方法，其特征在于，包括：调用解码库对待检测视频流进行解压缩获得多个视频帧；利用A个预设卷积核对每个所述视频帧进行卷积操作，获得每个所述视频帧的A个残差噪声矩阵；利用B个不同量化截断参数对每个所述视频帧的A个所述残差噪声矩阵进行量化截断操作，获得每个所述视频帧的A×B个量化残差噪声矩阵；将每个所述视频帧的A×B个所述量化残差噪声矩阵输入预设卷积神经网络模型进行隐藏信息检测，获得所述待检测视频流的检测结果。2.根据权利要求1所述的方法，其特征在于，A个所述预设卷积核为16个4×4卷积核，16个所述4×4预设卷积核的构造函数为：其中，3.根据权利要求1所述的方法，其特征在于，所述预设卷积神经网络模型包括B个卷积神经网络子模型，所述卷积神经网络子模型包括A个第一卷积层、全局平均池化层、2个全连接层和softmax层；所述A个第一卷积层中不同第一卷积层之间包括快捷连接。4.根据权利要求3所述的方法，其特征在于，若所述快捷连接两端输入数据和输出数据的数据维度相同，所述快捷连接为恒等快捷连接。5.根据权利要求3所述的方法，其特征在于，若所述快捷连接两端输入数据和输出数据的数据维度不同，所述快捷连接包括第二卷积层，所述输第二卷积层用于匹配所述输入数据和所述输出数据的数据维度。6.一种视频流隐藏信息检测的装置，其特征在于，包括...

【专利技术属性】
技术研发人员：陈性元，杜学绘，孙奕，罗远焱，秦若熙，张东巍，曹利峰，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南,41