一種基于時(shí)域感知哈希的視頻篡改檢測(cè)方法和裝置制造方法
【專利摘要】本發(fā)明公開(kāi)了一種基于時(shí)域感知哈希的視頻篡改檢測(cè)方法和裝置，通過(guò)對(duì)待檢視頻的每一幀圖像進(jìn)行同樣的隨機(jī)分塊；以每一幀為單位計(jì)算各個(gè)分塊的亮度均值，統(tǒng)計(jì)各個(gè)分塊在時(shí)域通道上的亮度均值變化情況，形成待檢視頻的時(shí)域特征矩陣；對(duì)時(shí)域特征矩陣進(jìn)行量化，得到對(duì)應(yīng)的哈希序列；提取相同視頻長(zhǎng)度的原始視頻對(duì)應(yīng)的哈希序列；根據(jù)待檢視頻和原始視頻的哈希序列計(jì)算待檢視頻和原始視頻的時(shí)域特征距離；將所述時(shí)域特征距離與一設(shè)定的閾值進(jìn)行比較，當(dāng)所述時(shí)域特征距離小于所述閾值時(shí)，則待檢視頻沒(méi)有被篡改；反之，則被篡改；大大提高了視頻篡改檢測(cè)速度和準(zhǔn)確率。
【專利說(shuō)明】一種基于時(shí)域感知哈希的視頻篡改檢測(cè)方法和裝置【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及視頻檢測(cè)領(lǐng)域，尤其涉及的是一種基于時(shí)域感知哈希的視頻篡改檢測(cè)方法和裝置。
【背景技術(shù)】
[0002]隨著數(shù)字多媒體技術(shù)的飛速發(fā)展，視頻媒體應(yīng)用逐漸占據(jù)了網(wǎng)絡(luò)多媒體應(yīng)用中的主要份額。面對(duì)極度膨脹的信息量和越來(lái)越多的使用方式，視頻信息安全問(wèn)題和大規(guī)模視頻文件庫(kù)的管理問(wèn)題日益突出，成為制約多媒體技術(shù)以及相關(guān)學(xué)科發(fā)展的一大瓶頸，如何對(duì)視頻信息進(jìn)行版權(quán)保護(hù)，如何對(duì)篡改的視頻進(jìn)行準(zhǔn)確、快速的篡改檢測(cè)與定位，如何從海量的視頻數(shù)據(jù)中檢測(cè)到可疑的視頻內(nèi)容，這些均是迫切需要解決的問(wèn)題。同時(shí)，當(dāng)今對(duì)于視頻處理缺少人眼感知因素的加入，制約各種有效方法的形成，這些也成為亟待解決的關(guān)鍵問(wèn)題。
[0003]為解決上述問(wèn)題，國(guó)內(nèi)外研究人員展開(kāi)了深入的探討，提出了視頻數(shù)字簽名和視頻指紋等內(nèi)容標(biāo)識(shí)技術(shù)。國(guó)內(nèi)外研究人員展開(kāi)了深入的探討，提出了視頻數(shù)字簽名和視頻指紋等內(nèi)容標(biāo)識(shí)技術(shù)。然而，多年來(lái)的研究雖然已取得一定的進(jìn)展，但是仍然無(wú)法有效滿足視頻應(yīng)用的需要，原因主要在于兩點(diǎn)--第一，由于視頻結(jié)構(gòu)信息，無(wú)法準(zhǔn)確捕捉豐富的視頻特征；第二，視頻數(shù)據(jù)量巨大，無(wú)法準(zhǔn)確區(qū)分在傳輸或存儲(chǔ)過(guò)程中出現(xiàn)的視頻內(nèi)容保持操作與內(nèi)容非法篡改操作。
[0004]國(guó)內(nèi)視頻內(nèi)容檢測(cè)與篡改定位研究相對(duì)分離，主要表現(xiàn)為拷貝檢測(cè)與篡改檢測(cè)。在前者中，研究者們重點(diǎn)關(guān)注視頻特征提取方法，而且以幀為單位的提取與匹配方法占據(jù)了主導(dǎo)地位，通過(guò)視頻特征的相似度計(jì)算達(dá)到對(duì)具有相似或者相同內(nèi)容的視頻檢測(cè)。檢測(cè)算法復(fù)雜度較高且對(duì)于視頻特征的結(jié)構(gòu)組織形式討論較少。篡改檢測(cè)中，以模式噪聲為主的檢測(cè)方法成為研究熱點(diǎn)，該方法雖然對(duì)于是否進(jìn)行篡改的檢測(cè)較為準(zhǔn)確，但是由于需要原始攝像機(jī)才能進(jìn)行計(jì)算，具有天然的不足，并且對(duì)定位技術(shù)研究不深。通過(guò)嵌入水印的方式對(duì)篡改進(jìn)行定位成為討論熱點(diǎn)，然而由于其需要嚴(yán)格控制水印的嵌入方式與嵌入規(guī)模，定位精度亦較低。其他方法多數(shù)實(shí)現(xiàn)篡改模糊定位或者側(cè)重于篡改檢測(cè)，定位技術(shù)涉及甚少。
[0005]而國(guó)外文獻(xiàn)中的算法對(duì)于特征提取方法以基本的信號(hào)變換方法居多:如傅里葉變換、DCT變換、奇異值分解、小波變換等。DCT變換和傅里葉分析揭示了時(shí)域與頻域之間的內(nèi)在聯(lián)系，反映了整個(gè)時(shí)間范圍內(nèi)的“全部”頻譜成分，雖然具有很強(qiáng)的頻域局域化能力，但并不具有時(shí)間局域化能力；信號(hào)變換技術(shù)無(wú)法有效體現(xiàn)人類感知特性，且時(shí)間復(fù)雜度、空間復(fù)雜度較高，針對(duì)海量的視頻數(shù)據(jù)信息，難以起到有價(jià)值的實(shí)際應(yīng)用。對(duì)于視頻的篡改檢測(cè)與定位，多數(shù)算法是通過(guò)視頻幀的逐一匹配策略，利用海明距離，JND等手段計(jì)算特征之間的相似度，算法的時(shí)間復(fù)雜度、空間復(fù)雜度更高，計(jì)算起來(lái)既耗時(shí)、又耗力，難以實(shí)現(xiàn)大數(shù)據(jù)量視頻處理的有效應(yīng)用。
[0006]因此，現(xiàn)有技術(shù)還有待于改進(jìn)和發(fā)展。
【發(fā)明內(nèi)容】

[0007]本發(fā)明要解決的技術(shù)問(wèn)題在于，針對(duì)現(xiàn)有技術(shù)的上述缺陷，提供一種基于時(shí)域感知哈希的視頻篡改檢測(cè)方法和裝置，旨在解決現(xiàn)有技術(shù)中視頻篡改檢測(cè)復(fù)雜、檢測(cè)速度慢及準(zhǔn)確率不高問(wèn)題。
[0008]本發(fā)明解決技術(shù)問(wèn)題所采用的技術(shù)方案如下:
一種基于時(shí)域感知哈希的視頻篡改檢測(cè)方法，其中，包括以下步驟:
A、對(duì)待檢視頻的每一幀圖像進(jìn)行同樣的隨機(jī)分塊；以每一幀為單位計(jì)算各個(gè)分塊的亮度均值，統(tǒng)計(jì)各個(gè)分塊在時(shí)域通道上的亮度均值變化情況，形成待檢視頻的時(shí)域特征矩陣；
B、對(duì)時(shí)域特征矩陣進(jìn)行量化，得到對(duì)應(yīng)的哈希序列；
C、提取相同視頻長(zhǎng)度的原始視頻的時(shí)域特征矩陣，并量化得到對(duì)應(yīng)的哈希序列；根據(jù)待檢視頻和原始視頻的哈希序列計(jì)算待檢視頻和原始視頻的時(shí)域特征距離；
D、將所述時(shí)域特征距離與一設(shè)定的閾值進(jìn)行比較，當(dāng)所述時(shí)域特征距離小于所述閾值時(shí)，則待檢視頻沒(méi)有被篡改；反之，則被篡改。
[0009]所述的基于時(shí)域感知哈希的視頻篡改檢測(cè)方法，其中，所述步驟A具體包括:
Al、對(duì)待檢視頻的每一幀圖像進(jìn)行同樣的隨機(jī)分塊，在每一幀圖像上隨機(jī)產(chǎn)生多個(gè)矩形塊，并對(duì)各個(gè)矩形塊依次進(jìn)行編號(hào)，其中，各個(gè)矩形塊互相交疊，各個(gè)矩形塊的大小隨機(jī)
產(chǎn)生；
A2、計(jì)算每一幀圖像上相應(yīng)的各個(gè)矩形塊的亮度均值；
A3、將亮度均值形成對(duì)應(yīng)的時(shí)域特征矩陣；每一行代表一個(gè)分塊時(shí)域通道。
[0010]所述的基于時(shí)域感知哈希的視頻篡改檢測(cè)方法，其中，所述步驟B具體包括:
B1、在時(shí)域特征矩陣中，以每一個(gè)時(shí)域通道為指標(biāo)行，依次計(jì)算該行第
【權(quán)利要求】
1.一種基于時(shí)域感知哈希的視頻篡改檢測(cè)方法，其特征在于，包括以下步驟: A、對(duì)待檢視頻的每一幀圖像進(jìn)行同樣的隨機(jī)分塊；以每一幀為單位計(jì)算各個(gè)分塊的亮度均值，統(tǒng)計(jì)各個(gè)分塊在時(shí)域通道上的亮度均值變化情況，形成待檢視頻的時(shí)域特征矩陣； B、對(duì)時(shí)域特征矩陣進(jìn)行量化，得到對(duì)應(yīng)的哈希序列； C、提取相同視頻長(zhǎng)度的原始視頻的時(shí)域特征矩陣，并量化得到對(duì)應(yīng)的哈希序列；根據(jù)待檢視頻和原始視頻的哈希序列計(jì)算待檢視頻和原始視頻的時(shí)域特征距離； D、將所述時(shí)域特征距離與一設(shè)定的閾值進(jìn)行比較，當(dāng)所述時(shí)域特征距離小于所述閾值時(shí)，則待檢視頻沒(méi)有被篡改；反之，則被篡改。
2.根據(jù)權(quán)利要求1所述的基于時(shí)域感知哈希的視頻篡改檢測(cè)方法，其特征在于，所述步驟A具體包括: Al、對(duì)待檢視頻的每一幀圖像進(jìn)行同樣的隨機(jī)分塊，在每一幀圖像上隨機(jī)產(chǎn)生多個(gè)矩形塊，并對(duì)各個(gè)矩形塊依次進(jìn)行編號(hào)，其中，各個(gè)矩形塊互相交疊，各個(gè)矩形塊的大小隨機(jī)產(chǎn)生； A2、計(jì)算每一幀圖像上相應(yīng)的各個(gè)矩形塊的亮度均值； A3、將亮度均值形成對(duì)應(yīng)的時(shí)域特征矩陣；每一行代表一個(gè)分塊時(shí)域通道。
3.根據(jù)權(quán)利要求2所述的基于時(shí)域感知哈希的視頻篡改檢測(cè)方法，其特征在于，所述步驟B具體包括: B1、在時(shí)域特征矩陣中，以每一個(gè)時(shí)域通道為指標(biāo)行，依次計(jì)算該行第 列與第列亮度均值的差值，然后根據(jù)以下公式量化為哈希位串:
4.根據(jù)權(quán)利要求3所述的基于時(shí)域感知哈希的視頻篡改檢測(cè)方法，其特征在于，所述步驟C具體包括: Cl、對(duì)于給定的待檢視頻
5.根據(jù)權(quán)利要求4所述的基于時(shí)域感知哈希的視頻篡改檢測(cè)方法，其特征在于，所述步驟D具體包括: D1、將待檢視頻和原始視頻片段的時(shí)域特征距離與一設(shè)定的閾值比較，當(dāng)Fg和Vfp之間的時(shí)域特征距離小于所述閾值時(shí)，則待檢視頻沒(méi)有被篡改;當(dāng)匕和C之間的時(shí)

域特征距離不小于所述閾值時(shí)，則待檢視頻被篡改。
6.根據(jù)權(quán)利要求1所述的基于時(shí)域感知哈希的視頻篡改檢測(cè)方法，其特征在于，在所述步驟D之后，還包括: Ε、將原始視頻和被篡改視頻感知哈希值進(jìn)行相同的分段，其中分段大小隨機(jī)確定，以原始視頻為X軸，以被篡改視頻為Y軸，建立相似度矩陣； F、計(jì)算相似度矩陣對(duì)角線的海民距離，當(dāng)相似度矩陣在對(duì)角線處沒(méi)有達(dá)到最大值時(shí)，對(duì)被篡改視頻中此處視頻進(jìn)行定位。
7.根據(jù)權(quán)利要求1所述的基于時(shí)域感知哈希的視頻篡改檢測(cè)方法，其特征在于，在所述步驟A之前,還包括: AO、對(duì)待檢視頻進(jìn)行預(yù)處理。
8.一種基于時(shí)域感知哈希的視頻篡改檢測(cè)裝置，其特征在于，包括: 時(shí)域特征矩陣提取模塊，用于對(duì)待檢視頻的每一幀圖像進(jìn)行同樣的隨機(jī)分塊；以每一幀為單位計(jì)算各個(gè)分塊的亮度均值，統(tǒng)計(jì)各個(gè)分塊在時(shí)域通道上的亮度均值變化情況，形成待檢視頻的時(shí)域特征矩陣；及提取相同視頻長(zhǎng)度的原始視頻的時(shí)域特征矩陣； 量化模塊，用于對(duì)時(shí)域特征矩陣進(jìn)行量化，得到對(duì)應(yīng)的哈希序列； 時(shí)域特征距離計(jì)算模塊，用于根據(jù)待檢視頻和原始視頻的哈希序列計(jì)算待檢視頻和原始視頻的時(shí)域特征距離； 比較模塊，用于將所述時(shí)域特征距離與一設(shè)定的閾值進(jìn)行比較，當(dāng)所述時(shí)域特征距離小于所述閾值時(shí)，則待檢視頻沒(méi)有被篡改；反之，則被篡改。
9.根據(jù)權(quán)利要求8所述的基于時(shí)域感知哈希的視頻篡改檢測(cè)裝置，其特征在于，所述時(shí)域特征矩陣提取模塊包括: 矩形塊產(chǎn)生單元，用于對(duì)待檢視頻的每一幀圖像進(jìn)行同樣的隨機(jī)分塊，在每一幀圖像上隨機(jī)產(chǎn)生多個(gè)矩形塊，并對(duì)各個(gè)矩形塊依次進(jìn)行編號(hào)，其中，各個(gè)矩形塊互相交疊，各個(gè)矩形塊的大小隨機(jī)產(chǎn)生； 亮度均值計(jì)算單元，用于計(jì)算每一幀圖像上相應(yīng)的各個(gè)矩形塊的亮度均值； 時(shí)域矩陣生成單元，用于將亮度均值形成對(duì)應(yīng)的時(shí)域特征矩陣；每一行代表一個(gè)分塊時(shí)域通道。
10.根據(jù)權(quán)利要求8所述的基于時(shí)域感知哈希的視頻篡改檢測(cè)裝置，其特征在于，還包括: 相似度矩陣建立模塊，用于將原始視頻和被篡改視頻感知哈希值進(jìn)行相同的分段，其中分段大小隨機(jī)確定，以原始視頻為X軸，以被篡改視頻為Y軸，建立相似度矩陣； 海明距離計(jì)算模塊，用于計(jì)算每個(gè)分段二者的海明距離； 定位模塊，用于當(dāng)相似度矩陣在對(duì)角線處沒(méi)有達(dá)到最大值時(shí)，對(duì)被篡改視頻中此處視頻進(jìn)行定位。
【文檔編號(hào)】H04N19/94GK103747254SQ201410039300
【公開(kāi)日】2014年4月23日 申請(qǐng)日期:2014年1月27日 優(yōu)先權(quán)日:2014年1月27日
【發(fā)明者】文振焜 申請(qǐng)人:深圳大學(xué)