袁秀娟a，黃添強a,b，蘇立超a，陳智文a，吳鐵浩a

(福建師范大學(xué) a.數(shù)學(xué)與計算機科學(xué)學(xué)院；b.網(wǎng)絡(luò)安全與密碼技術(shù)福建省高校重點實驗室，福州 350007)

1 概述

在網(wǎng)絡(luò)和多媒體技術(shù)迅速發(fā)展的今天，圖片、音視頻等多媒體文件的傳播變得更加快捷。數(shù)字時代高品質(zhì)成像設(shè)備和先進多媒體編輯軟件的出現(xiàn)，也使得對這類數(shù)據(jù)的編輯篡改更加容易。技術(shù)的進步給人們帶來方便的同時，也帶來了某些方面不利的影響。被惡意篡改的視頻通過網(wǎng)絡(luò)的傳播混淆視聽，傳播虛假信息，也有不法分子通過對視頻的篡改毀滅證據(jù)，這些無疑在一定程度上影響了社會的穩(wěn)定。因此，在信息安全領(lǐng)域，對視頻的篡改檢測技術(shù)已經(jīng)成為一個研究的熱點。本文引入目標跟蹤的思想，對第一幀或者前幾幀進行邊緣異常判斷檢測出可疑對象之后，利用目標跟蹤進行自動化處理，提高檢測效率。

2 相關(guān)背景

視頻的篡改方式主要分為時域篡改和空域篡改，時域篡改包括對幀的插入、刪除、復(fù)制，空域篡改指的是對視頻幀區(qū)域內(nèi)容的篡改，如幀內(nèi)對象的復(fù)制粘貼、Logo的去除、摳像合成等。摳像合成篡改是當今應(yīng)用比較普遍的篡改方式，常用摳像方法有亮度摳像和度摳像，亮度摳像一般應(yīng)用于畫面明暗度反差較大的前景與背景的素材處理，如果前景與背景的色度差異較大則使用色度摳像。在影視節(jié)目以及藝術(shù)照片的拍攝中都廣泛使用色度摳像技術(shù)。

針對多種多樣的視頻篡改方式，國內(nèi)外也相繼取得了一系列研究成果。美國Dartmouth大學(xué)的Farid研究小組先后提出了MPEG格式視頻二次壓縮檢測[1]、隔行掃描視頻和非隔行掃描視頻篡改檢測[2]、基于灰度級向量協(xié)方差的視頻幀復(fù)制和區(qū)域復(fù)制檢測[3]、視頻雙重MPEG壓縮過程中雙重量化存在的特征判斷篡改[4]等檢測方法。國外Hsu基于視頻圖像的噪音殘差相關(guān)性分布模型，提出一種視頻偽造區(qū)域查找算法[5]。國內(nèi)關(guān)于視頻被動認證的研究也相繼展開，文獻[6]利用篡改前后運動誤差的周期性變化檢測幀的插入或刪除，文獻[7]利用運動矢量檢測視頻運動對象在時間軸上的篡改，文獻[8]基于統(tǒng)計相關(guān)性原理，通過計算模式噪聲與待檢測幀的噪聲相關(guān)性確定篡改位置。數(shù)字視頻盲取證技術(shù)在不斷發(fā)展中，各種檢測算法不斷出現(xiàn)。

文獻[9]針對視頻的藍屏摳像合成篡改，提出一種檢測算法。對于拼接合成的對象，邊緣像素點的鄰域相關(guān)性遭到破壞。它通過計算邊緣點的可疑因子判斷是否篡改。通過大量實驗觀察邊緣像素點的特征，正常的邊緣點其實并不是絕對地位于左右點的中間位置，只是偏離得不是那么明顯。而篡改對象的邊緣點與背景之間沒有經(jīng)過CFA插值，破壞了像素點的鄰域相關(guān)性，會過度地偏向一方。對邊緣點的鄰域相關(guān)性進行描述量化，將插值和未插值的邊緣點像素鄰域一致性進行比較，判斷是否被篡改。文獻[9]只計算了2個方向的可疑因子，且檢測過程是針對所有幀一幀一幀進行人工判斷。

3 CFA插值

在數(shù)碼相機成像過程中，自然景物反射的自然光通過鏡頭進入相機，被感光器件電荷藕合器件或者互補金屬氧化物半導(dǎo)體接收感知，將光學(xué)信號轉(zhuǎn)化為電流信號，通過A/D轉(zhuǎn)換器將模擬信號轉(zhuǎn)換為數(shù)字信號，再經(jīng)過一些后續(xù)處理，繼而存儲為數(shù)字圖像。為了節(jié)約數(shù)碼相機制造成本，人們研究了新的解決方案，在感光器件前端放置一個顏色濾波陣列(CFA)，對于每一個像素點，僅采集三基色RGB的一個分量，用一個感光器件陣列接收濾波陣列過濾出的顏色分量，通過顏色插值(CFA插值)計算得到其余2個顏色分量。然后經(jīng)過白平衡、伽馬校正等后續(xù)處理最后形成數(shù)字圖像。如今多數(shù)數(shù)碼相機以及攝像機都是采用圖1所示的模型。

圖1 相機成像模型

顏色濾波陣列有多種排列方式，最經(jīng)典、使用最廣泛的是拜爾濾波陣列，即Bayer CFA。如圖2所示，在一個2×2的基本單元中，綠色像素占總像素數(shù)的1/2，紅色和藍色各占1/4。因為人眼視覺系統(tǒng)對綠色更為敏感，能分辨更多細節(jié)。

圖2 Bayer CFA

由于濾波陣列在每個像素點只采集了一個顏色分量，為了獲得R,G,B這3個色彩信息，就要對其進行插值，即CFA插值過程。不同型號的數(shù)碼相機會根據(jù)其采用的CFA模式的不同以及相機內(nèi)部硬件的差異選擇合適的CFA插值方法。CFA插值算法主要分為2類：(1)單個顏色通道獨立插值算法，不考慮圖像特性，采用同一種方法插值，是非自適應(yīng)的；(2)利用多通道之間的相關(guān)性進行插值，是自適應(yīng)的插值算法，結(jié)合了對圖像細節(jié)的分析以及顏色通道間的相關(guān)性。

4 篡改檢測算法

正常情況下因為CFA插值的存在，像素具有鄰域相關(guān)性，在垂直于邊緣的方向上，邊緣點像素值與兩側(cè)的像素值的偏差不會相差太大，而如果是經(jīng)過篡改拼接的邊緣點，會帶來像素值偏向異常，即過度偏向于一方。已有的算法計算了邊緣像素點水平和豎直方向上的鄰域相關(guān)性，為了全方位考慮，另外再計算2個對角方向上的相關(guān)性，通過檢測這種異常來定位拼接點。

檢測流程如圖3所示，實驗檢測的是視頻中某個目標的存在是否真實。步驟如下：

(1)將視頻轉(zhuǎn)換為圖像序列，輸入目標出現(xiàn)的第一幀，進行Sobel邊緣檢測，獲取圖像的邊緣點。

(2)通過對邊緣點鄰域相關(guān)特征的描述量化，挖掘正常邊緣與異常邊緣的特征差異，計算邊緣點4個方向上的偏差，找出篡改點，定位篡改區(qū)域。

(3)學(xué)習(xí)檢測到的篡改區(qū)域，輸入整個視頻序列，用目標跟蹤算法查找時域上幀的篡改范圍。當所跟蹤的目標消失，跟蹤結(jié)束，此目標出現(xiàn)的幀均為篡改幀。

(4)目標消失跟蹤結(jié)束之后，在目標出現(xiàn)的最后一幀再次進行異常邊緣的檢測，與最初檢測到的異常區(qū)域?qū)Ρ?，看檢測結(jié)果是否一致。

(5)在結(jié)束跟蹤后面的幀，若有新的可疑目標出現(xiàn)，再次進行步驟(1)～步驟(4)的檢測。

圖3 視頻目標檢測流程

4.1 邊緣檢測

圖像的連續(xù)像素點如果出現(xiàn)不連續(xù)的灰度值，就意味著局部的不連續(xù)，這個不連續(xù)的局部成為邊緣元。如果能夠?qū)⑾噜彽倪吘壴仄淝芯€方向連接成為一條線段，則稱這條線段為邊界。邊界反映了圖像中物體或區(qū)域所占的物理限度，是一個有用的重要特征。

拼接篡改引入了新的對象，也相應(yīng)地引入了新的邊緣。目的是檢測拼接合成的邊緣，首先對其進行邊緣檢測。邊緣檢測的方法很多，主流的算子有Canny算子、Log算子、Sobel算子、Prewitt算子等。圖4是4種算子的檢測效果。

圖4 不同邊緣檢測算子效果

Canny算子和Log算子邊緣檢測的效果較為細致，物體內(nèi)部的細小邊緣都被檢測。但本文的目的只需檢測物體外部的邊緣。Sobel算子和Prewitt算子類似，都能檢測到物體的大致輪廓，兩者只是權(quán)值有所變化，但兩者實現(xiàn)起來功能還是有差距的，Sobel算子引入了類似局部平均的運算，對噪聲具有平滑作用，能很好地消除噪聲的影響。參考實驗效果以及相關(guān)文獻得知，Sobel要比Prewitt更能準確地檢測圖像邊緣。因此，對比各種算子的優(yōu)缺點、計算復(fù)雜度，最后選用Sobel算子進行檢測忽略沒用的細節(jié)。

4.2 邊緣特征異常檢測

假設(shè)I(i,j)為邊緣點，用下式描述該邊緣點像素值與鄰域點像素值之間的偏差：

對正常的邊緣點，兩側(cè)偏差相差不明顯，邊緣點兩側(cè)的差值比值較小，那么計算的因子的值相應(yīng)較小，而對于篡改的邊緣點，邊緣點兩側(cè)偏向異常，邊緣點過于偏向一側(cè)，相應(yīng)計算得到的因子的值會較大，如圖5所示。計算邊緣點4個方向上的因子，如有一個因子的值大于閾值T，則認為是可疑邊緣點。閾值T是通過大量實驗得到的經(jīng)驗值。

圖5 像素點坐標示意圖

4.3 目標跟蹤檢測

已有的視頻篡改檢測方法基本上都是對視頻的每一幀進行檢測，使得檢測效率不高，引入目標跟蹤的思想提高檢測效率。因為一般情況下篡改的對象目標較大，對于目標跟蹤算法的魯棒性要求不是很高，為了更精確地檢測，采用目標跟蹤領(lǐng)域優(yōu)秀的Real-time Compressive Tracking算法實現(xiàn)對篡改對象的跟蹤[10]。這是一種簡單高效的基于壓縮感知的跟蹤算法。算法的主要思想是利用符合壓縮感知RIP條件的隨機矩陣對多尺度圖像特征進行降維，然后在降維后的特征上采用簡單的樸素貝葉斯分類器進行分類。和一般的模式分類模型一樣：先提取圖像的特征，再通過分類器對其分類，不同在于這里特征提取采用壓縮感知，分類器采用樸素貝葉斯。然后每幀通過在線學(xué)習(xí)更新分類器。

4.3.1 壓縮感知算法應(yīng)用

壓縮感知理論[11]是近年來信號處理領(lǐng)域誕生的一種全新的信號處理理論。壓縮感知以信號稀疏性為前提，如果信號在某一個正交空間具有稀疏性(即可壓縮性)，就能以較低的頻率(遠低于奈奎斯特采樣頻率)采樣該信號，得到信號的稀疏表示，并且能夠很大程度上精確重建該信號。主要步驟包括信號的稀疏表示、設(shè)計測量矩陣和信號的重構(gòu)。

信號的稀疏性是壓縮感知的重要前提，設(shè)X為長度為N的一維信號，存在一個N×N的正交基Ψ和一個N維向量S滿足X=ΨS。當X在某個基Ψ上僅有k<

其中，Y是M維向量；Φ為M×N的矩陣，X到Y(jié)的轉(zhuǎn)換使得信號從N維降到M維。當測量矩陣與稀疏基矩陣的乘積滿足RIP性質(zhì)，即有限等距性質(zhì)時，壓縮感知理論通過對上式的逆問題先求解稀疏系數(shù)S，然后將稀疏度為k的信號X從M維的測量投影值Y中正確地恢復(fù)出來。

RIP性質(zhì)：

RIP性質(zhì)保證了k個系數(shù)從M個測量值準確重構(gòu)。

求解的最直接方法是通過l0范數(shù)求解最優(yōu)化問題：s.t.Y=ΦΨ α ，得到稀疏系數(shù)S的估計 S'，原信號 X'=ΨS'。l0范數(shù)的求解是個NP問題，由于l1最小范數(shù)在一定條件下和l0最小范數(shù)具有等價性，因此轉(zhuǎn)化為l1范數(shù)求解，從而實現(xiàn)重構(gòu)。

4.3.2 實時壓縮跟蹤

通過壓縮感知理論可知，找到一個滿足RIP準則的稀疏觀測矩陣，利用其對原圖像特征空間進行降維，而且降維后的壓縮特征仍然可以很好地保留原圖像特征空間的信息。所以這里利用稀疏觀測矩陣分別提取前景(所要跟蹤的目標)和背景的特征，作為在線學(xué)習(xí)更新分類器的正樣本和負樣本，然后用更新后的樸素貝葉斯分類器分類下一幀待測圖像，如圖6所示。

圖6 目標跟蹤流程

目標跟蹤步驟如下：

(1)第t幀，通過采樣得到若干張前景(正樣本)和背景(負樣本)的圖像塊，對圖像塊進行多尺度變換，提取圖像塊的特征，通過一個稀疏觀測矩陣對多尺度圖像特征進行降維，利用降維后的特征二分類去訓(xùn)練樸素貝葉斯分類器。

(2)第t+1幀，在前一幀所跟蹤到的目標位置周圍進行采樣，采樣得到n個圖像塊(避免去掃描整幅圖像)，利用同樣的稀疏觀測矩陣對這n個圖像塊特征進行降維，得到壓縮后的圖像特征，用上一幀訓(xùn)練好的樸素貝葉斯分類器進行分類，分類分數(shù)最大的窗口就認為是所要跟蹤的目標窗口。這樣就實現(xiàn)了從t幀到t+1幀的目標跟蹤。

5 實驗分析

實驗所用視頻animal1.mpg、animal2.mpg、woman.mpg是在bestgreenscreen網(wǎng)站下載的原始高清綠色背景視頻，分辨率為1280×720，拍攝視頻分別采用型號Canon IXUS 120IS和CanonA60，分辨率為640×480和320×240這 2種。

視頻編輯篡改使用軟件為Adobe Premiere Pro CS4，將animal.mp4分別與自己拍攝的5個不同視頻進行合成。實驗所用計算機配置Intel Pentium CPU G640@2.80 GHz、4 GB內(nèi)存、Win7系統(tǒng)，利用MatlabR2011a實現(xiàn)算法，個別地方用到VS2010及OpenCV。實驗所用視頻如圖7、圖8所示。

圖7 原始綠色背景視頻

圖8 幀篡改前后及檢測結(jié)果示意圖

確定篡改對象之后，對這一幀的篡改區(qū)域進行學(xué)習(xí)，此后的所有幀利用上文所述的目標追蹤算法，目標消失時結(jié)束追蹤，輸出幀序列號，忽略視頻時域上的篡改，可以判定從目標出現(xiàn)的第一幀到結(jié)束的幀均為合成篡改得到。然后對結(jié)束的幀再次進行異常邊緣的檢測，看得到的異常區(qū)域是否與之前的檢測一致。但不能說明后面的視頻就是原始的，如果后面又有新的目標出現(xiàn)，那么對新目標出現(xiàn)的第一幀重新利用邊緣異常檢測判斷，若為篡改，再進行追蹤。利用目標追蹤的優(yōu)點在于避免了每一幀都進行邊緣異常判斷的繁瑣，實時壓縮跟蹤利用了壓縮感知，大大縮減了運行的時間復(fù)雜度，對于630幀分辨率為640×480的視頻序列時間為45 s，追蹤效果如圖9所示。

圖9 目標追蹤示例

6 結(jié)束語

本文通過計算邊緣點4個方向的偏差檢測邊緣點的可疑，判斷是否為篡改對象的邊緣，然后結(jié)合目標追蹤算法大大提高了檢測效率，實驗檢測效果比較理想。但如果視頻同時進行了時域上的篡改，一個運動的對象前一段為摳像合成，后一段為原始視頻，通過時域上更加精細的篡改使之銜接，這種情況下目標追蹤的算法不適用。不過這種篡改太過復(fù)雜，一般較少出現(xiàn)。本文算法適用于單目標的篡改檢測與追蹤，對于多目標的追蹤還要進一步深入研究。另外可以借鑒多特征融合的圖像檢測方法[12]，融合多種視頻特征、綜合多種篡改檢測方法進行研究。

[1]Wang Weihong,Farid H.Exposing Digital Forgeries in Video by Detecting Double MPEG Compression[C]//Proc.of the 8th Workshop on Multimedia and Security.New York,USA:ACM Press,2006:37-47.

[2]Wang Weihong,Farid H.Exposing Digital Forgeries in Interlaced and De-interlaced Video[J].IEEE Transactions on Information Forensics and Security,2007,2(3):438-449.

[3]Wang Weihong,Farid H.Exposing Digital Forgeries in Video by Detecting Duplication[C]//Proc.of the 9th Workshop on Multimedia and Security.New York,USA:ACM Press,2007:35-42.

[4]Wang Weihong,Farid H.Exposing Digital Forgeries in Video by Detecting Double Quantization[C]//Proc.of the 11th ACM Workshop on Multimedia and Security.Princeton,USA:ACM Press,2009:39-48.

[5]Hsu C C,Hung T Y,Lin C W,et al.Video Forgery Detection Using Correlation of Noise Residue[C]//Proc.of the l0th Workshop on Multimedia Signal Processing.Cairns,Australia:IEEE Computer Society,2008:170-174.

[6]熊 瀟,黃 征,徐 徹,等.基于預(yù)測殘差檢測的數(shù)字視頻篡改鑒定[J].信息安全與通信保密,2008,(12):128-130.

[7]秦運龍,孫廣玲,張新鵬.利用運動矢量進行視頻篡改檢測[J].計算機研究與發(fā)展,2009,46(z1):227-233.

[8]王俊文,劉光杰,張 湛,等.基于模式噪聲的數(shù)字視頻篡改取證[J].東南大學(xué)學(xué)報:自然科學(xué)版,2008,38(z2):13-17.

[9]Su Yuting,Han Yu,Zhang Chengqian.Detection of Blue Screen Based on Edge Features[C]//Proc.of the 6th IEEE Joint International Conference on Information Technology and Artificial Intelligence.[S.l.]:IEEE Press,2011:469-472.

[10]Zhang Kaihua,Zhang Lei,Yang M H.Real-time Compressive Tracking[C]//Proc.of the 12th European Conference on Computer Vision.[S.l.]:IEEE Press,2012:864-877.

[11]Donoho D L.Compressed Sensing[J].IEEE Transactions on Information Theory,2006,52(4):1289-1306.

[12]Chetty G,Singh M,White M.Blind Image Tamper Detection Based on Multimodal Fusion[C]//Proc. of the 17th International Conference on Neural Information Processing:Models and Applications.Sydney,Australia:Springer-Verlag,2010:557-564.