一种基于混合感知哈希的视频篡改检测方法和装置制造方法
【专利摘要】本发明公开了一种基于混合感知哈希的视频篡改检测方法和装置，通过在待检视频的每一帧图像上随机产生多个矩形块，并对各个矩形块依次进行编号，其中，各个矩形块互相交叠，各个矩形块的大小随机产生；得到对应的结构哈希向量和哈希序列；根据待检视频和原始视频的结构哈希向量计算待检视频和原始视频中对应帧的结构特征距离；根据待检视频和原始视频的哈希序列计算待检视频和原始视频的时域特征距离；根据所述结构特征距离和时域特征距离得出待检视频和原始视频的特征距离；将所述特征距离与一设定的阈值进行比较，当所述特征距离小于所述阈值时，则待检视频没有被篡改；反之，则被篡改；大大提高了视频篡改检测速度和准确率。
【专利说明】一种基于混合感知哈希的视频篡改检测方法和装置
【技术领域】
[0001]本发明涉及视频检测领域，尤其涉及的是一种基于混合感知哈希的视频篡改检测方法和装置。
【背景技术】
[0002]随着数字多媒体技术的飞速发展，视频媒体应用逐渐占据了网络多媒体应用中的主要份额。面对极度膨胀的信息量和越来越多的使用方式，视频信息安全问题和大规模视频文件库的管理问题日益突出，成为制约多媒体技术以及相关学科发展的一大瓶颈，如何对视频信息进行版权保护，如何对篡改的视频进行准确、快速的篡改检测与定位，如何从海量的视频数据中检测到可疑的视频内容，这些均是迫切需要解决的问题。同时，当今对于视频处理缺少人眼感知因素的加入，制约各种有效方法的形成，这些也成为亟待解决的关键问题。
[0003]为解决上述问题，国内外研究人员展开了深入的探讨，提出了视频数字签名和视频指纹等内容标识技术。国内外研究人员展开了深入的探讨，提出了视频数字签名和视频指纹等内容标识技术。然而，多年来的研究虽然已取得一定的进展，但是仍然无法有效满足视频应用的需要，原因主要在于两点--第一，由于视频结构信息，无法准确捕捉丰富的视频特征；第二，视频数据量巨大，无法准确区分在传输或存储过程中出现的视频内容保持操作与内容非法篡改操作。
[0004]国内视频内容检测与篡改定位研究相对分离，主要表现为拷贝检测与篡改检测。在前者中，研究者们重点关注视频特征提取方法，而且以帧为单位的提取与匹配方法占据了主导地位，通过视频特征的相似度计算达到对具有相似或者相同内容的视频检测。检测算法复杂度较高且对于视频特征的结构组织形式讨论较少。篡改检测中，以模式噪声为主的检测方法成为研究热点，该方法虽然对于是否进行篡改的检测较为准确，但是由于需要原始摄像机才能进行计算，具有天然的不足，并且对定位技术研究不深。通过嵌入水印的方式对篡改进行定位成为讨论热点，然而由于其需要严格控制水印的嵌入方式与嵌入规模，定位精度亦较低。其他方法多数实现篡改模糊定位或者侧重于篡改检测，定位技术涉及甚少。
[0005]而国外文献中的算法对于特征提取方法以基本的信号变换方法居多:如傅里叶变换、DCT变换、奇异值分解、小波变换等。DCT变换和傅里叶分析揭示了时域与频域之间的内在联系，反映了整个时间范围内的“全部”频谱成分，虽然具有很强的频域局域化能力，但并不具有时间局域化能力；信号变换技术无法有效体现人类感知特性，且时间复杂度、空间复杂度较高，针对海量的视频数据信息，难以起到有价值的实际应用。对于视频的篡改检测与定位，多数算法是通过视频帧的逐一匹配策略，利用海明距离，JND等手段计算特征之间的相似度，算法的时间复杂度、空间复杂度更高，计算起来既耗时、又耗力，难以实现大数据量视频处理的有效应用。
[0006]因此，现有技术还有待于改进和发展。
【发明内容】
[0007]本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于混合感知哈希的视频篡改检测方法和装置，旨在解决现有技术中视频篡改检测复杂、检测速度慢及准确率不高问题。
[0008]本发明解决技术问题所采用的技术方案如下:
一种基于混合感知哈希的视频篡改检测方法，其中，包括以下步骤:
A、在待检视频的每一帧图像上随机产生多个矩形块，并对各个矩形块依次进行编号，其中，各个矩形块互相交叠，各个矩形块的大小随机产生；
B、设定步长，计算编号差为设定的步长的两个矩形块的亮度均值差，并形成对应的结构信息特征矩阵；对待检视频的每一帧图像进行同样的随机分块；以每一帧为单位计算各个分块的亮度均值，统计各个分块在时域通道上的亮度均值变化情况，形成待检视频的时域特征矩阵；
C、对结构信息特征矩阵和时域特征矩阵分别进行量化，得到对应的结构哈希向量和哈希序列；
D、提取相同视频长度的原始视频的帧图像结构信息特征矩阵和时域特征矩阵，并量化得到对应的结构哈希向量和哈希 序列；根据待检视频和原始视频的结构哈希向量计算待检视频和原始视频中对应帧的结构特征距离；根据待检视频和原始视频的哈希序列计算待检视频和原始视频的时域特征距离；根据所述结构特征距离和时域特征距离得出待检视频和原始视频的特征距离；
E、将所述特征距离与一设定的阈值进行比较，当所述特征距离小于所述阈值时，则待检视频没有被篡改；反之，则被篡改。
[0009]所述的基于混合感知哈希的视频篡改检测方法，其中，所述步骤A还包括:
Al、在待检视频的每一帧图像上根据密钥，在伪随机函数的控制下产生多个矩形块，其中，各个矩形块互相交叠，各个矩形块的大小随机产生。
[0010]所述的基于混合感知哈希的视频篡改检测方法，其中，所述步骤B具体包括:
B1、设定步长，计算编号差为设定的步长的两个矩形块的亮度均值差，根据亮度差形成对应的结构信息特征矩阵；
B2、对待检视频的每一帧图像进行同样的随机分块，在每一帧图像上随机产生多个矩形块，其中，各个矩形块互相交叠，各个矩形块的大小随机产生，计算每一帧图像上相应的各个矩形块的亮度均值，将亮度均值形成对应的时域特征矩阵；每一行代表一个分块时域通道。
[0011]所述的混合感知哈希的视频篡改检测方法，其中，所述步骤C具体包括:
Cl、每一帧的结构信息特征矩阵，采用如下公式:
【权利要求】
1.一种基于混合感知哈希的视频篡改检测方法，其特征在于，包括以下步骤: A、在待检视频的每一帧图像上随机产生多个矩形块，并对各个矩形块依次进行编号，其中，各个矩形块互相交叠，各个矩形块的大小随机产生； B、设定步长，计算编号差为设定的步长的两个矩形块的亮度均值差，并形成对应的结构信息特征矩阵；对待检视频的每一帧图像进行同样的随机分块；以每一帧为单位计算各个分块的亮度均值，统计各个分块在时域通道上的亮度均值变化情况，形成待检视频的时域特征矩阵； C、对结构信息特征矩阵和时域特征矩阵分别进行量化，得到对应的结构哈希向量和哈希序列； D、提取相同视频长度的原始视频的帧图像结构信息特征矩阵和时域特征矩阵，并量化得到对应的结构哈希向量和哈希序列；根据待检视频和原始视频的结构哈希向量计算待检视频和原始视频中对应帧的结构特征距离；根据待检视频和原始视频的哈希序列计算待检视频和原始视频的时域特征距离；根据所述结构特征距离和时域特征距离得出待检视频和原始视频的特征距离； E、将所述特征距离与一设定的阈值进行比较，当所述特征距离小于所述阈值时，则待检视频没有被篡改；反之，则被篡改。
2.根据权利要求1所述的基于混合感知哈希的视频篡改检测方法，其特征在于，所述步骤A还包括: Al、在待检视频的每一帧图像上根据密钥，在伪随机函数的控制下产生多个矩形块，其中，各个矩形块互相交叠，各个矩形块的大小随机产生。
3.根据权利要求1所述的基于混合感知哈希的视频篡改检测方法，其特征在于，所述步骤B具体包括: B1、设定步长，计算编号差为设定的步长的两个矩形块的亮度均值差，根据亮度差形成对应的结构信息特征矩阵； B2、对待检视频的每一帧图像进行同样的随机分块，在每一帧图像上随机产生多个矩形块，其中，各个矩形块互相交叠，各个矩形块的大小随机产生，计算每一帧图像上相应的各个矩形块的亮度均值，将亮度均值形成对应的时域特征矩阵；每一行代表一个分块时域通道。
4.根据权利要求1所述的混合感知哈希的视频篡改检测方法，其特征在于，所述步骤C具体包括: Cl、每一帧的结构信息特征矩阵，采用如下公式:
5.根据权利要求1所述的混合感知哈希的视频篡改检测方法，其特征在于，所述步骤D具体包括: Dl、对视频长度为M的待检视频
6.根据权利要求5所述的混合感知哈希的视频篡改检测方法，其特征在于，所述步骤E具体包括: Eu当Vq和Vpt之间的特征距离小于一设定的阈值时，待检视频没有被篡改；当Fg和:Fi p之间的特征距离不小于所述阈值时，待检视频被篡改。
7.根据权利要求1所述的混合感知哈希的视频篡改检测方法，其特征在于，在所述步骤E之后,还包括: F、将原始视频和被篡改视频感知哈希值进行相同的分段，其中分段大小随机确定，以原始视频为X轴，以被篡改视频为Y轴，建立相似度矩阵； G、计算相似度矩阵对角线的海民距离，当相似度矩阵在对角线处没有达到最大值时，对被篡改视频中此处视频进行定位。
8.一种基于混合感知哈希的视频篡改检测装置，其特征在于，包括: 分块产生模块，用于在待检视频的每一帧图像上随机产生多个矩形块，并对各个矩形块依次进行编号，其中，各个矩形块互相交叠，各个矩形块的大小随机产生；特征矩阵提取模块，用于设定步长，计算编号差为设定的步长的两个矩形块的亮度均值差，并形成对应的结构信息特征矩阵；对待检视频的每一帧图像进行同样的随机分块；以每一帧为单位计算各个分块的亮度均值，统计各个分块在时域通道上的亮度均值变化情况，形成待检视频的时域特征矩阵； 量化模块，用于对结构信息特征矩阵和时域特征矩阵分别进行量化，得到对应的结构哈希向量和哈希序列； 特征距离计算模块，用于提取相同视频长度的原始视频的帧图像结构信息特征矩阵和时域特征矩阵，并量化得到对应的结构哈希向量和哈希序列；根据待检视频和原始视频的结构哈希向量计算待检视频和原始视频中对应帧的结构特征距离；根据待检视频和原始视频的哈希序列计算待检视频和原始视频的时域特征距离；根据所述结构特征距离和时域特征距离得出待检视频和原始视频的特征距离； 比较模块，用于将所述特征距离与一设定的阈值进行比较，当所述特征距离小于所述阈值时，则待检视频没有被 篡改；反之，则被篡改。
9.根据权利要求8所述的基于混合感知哈希的视频篡改检测装置，其特征在于，所述特征矩阵提取模块包括: 结构信息特征矩阵提取单元，用于设定步长，计算编号差为设定的步长的两个矩形块的亮度均值差，根据亮度差形成对应的结构信息特征矩阵； 时域特征矩阵提取单元，用于对待检视频的每一帧图像进行同样的随机分块，在每一帧图像上随机产生多个矩形块，其中，各个矩形块互相交叠，各个矩形块的大小随机产生，计算每一帧图像上相应的各个矩形块的亮度均值，将亮度均值形成对应的时域特征矩阵；每一行代表一个分块时域通道。
10.根据权利要求8所述的基于混合感知哈希的视频篡改检测装置，其特征在于，还包括: 相似度矩阵建立模块，用于将原始视频和被篡改视频感知哈希值进行相同的分段，其中分段大小随机确定，以原始视频为X轴，以被篡改视频为Y轴，建立相似度矩阵； 海明距离计算模块，用于计算每个分段二者的海明距离； 定位模块，用于当相似度矩阵在对角线处没有达到最大值时，对被篡改视频中此处视频进行定位。
【文档编号】H04N19/89GK103747271SQ201410039341
【公开日】2014年4月23日 申请日期:2014年1月27日 优先权日:2014年1月27日
【发明者】文振焜 申请人:深圳大学