張 旭，黎智輝，王 鑫，彭思龍，，許小京，王世君

（1.中國科學(xué)院自動(dòng)化研究所，北京 100190；2.公安部物證鑒定中心，北京 100038；3.北京工商大學(xué)理學(xué)院，北京 100048；4.北京多維視通技術(shù)有限公司，北京 100190）

專題研究：影像

視頻取證技術(shù)研究進(jìn)展

張 旭1，黎智輝2，王 鑫3，彭思龍1，4，許小京2，王世君4

（1.中國科學(xué)院自動(dòng)化研究所，北京 100190；2.公安部物證鑒定中心，北京 100038；3.北京工商大學(xué)理學(xué)院，北京 100048；4.北京多維視通技術(shù)有限公司，北京 100190）

由于近年來多媒體采集設(shè)備和影像處理工具的普及和廣泛應(yīng)用，人們可以輕易對(duì)圖像和視頻進(jìn)行篡改。利用惡意篡改的圖像和視頻進(jìn)行敲詐勒索的案件日益增多，判斷監(jiān)控系統(tǒng)拍攝或者網(wǎng)上下載的圖像和視頻的原

DOΙ: 10.16467/j.1008-3650.2015.02.001

視頻取證；圖像取證 ；篡改檢測； 反取證

近年來，隨著手機(jī)、相機(jī)、攝像機(jī)這些低廉、便攜、操作簡單的設(shè)備以及影像編輯軟件的普及，獲取、編輯和傳播數(shù)字影像越來越簡單易行，檢材樣本真實(shí)性鑒定變得越來越困難。在未進(jìn)行原始性和真實(shí)性鑒定的情況下，視頻和圖像不再被認(rèn)為“眼見為實(shí)”的證據(jù)，因此，研究人員致力于研究數(shù)字影像取證這一重要的課題。數(shù)字圖像因在法學(xué)、醫(yī)學(xué)、監(jiān)控等應(yīng)用領(lǐng)域被大量用于提供客觀證據(jù)［1］，而得到更多的關(guān)注和研究，目前數(shù)字圖像取證技術(shù)已經(jīng)能夠?qū)σ环鶊D像是原始圖像還是合成圖像、圖像是否被篡改以及如何篡改等給出鑒定意見。

相比于數(shù)字圖像，數(shù)字視頻取證的研究較少；隨著通過篡改視頻進(jìn)行敲詐勒索案件的增多，視頻取證變得日益重要［2，3］。一方面，所有能用在數(shù)字圖像上的修改，均能在視頻圖像序列的單幀圖像上應(yīng)用，以達(dá)到從視頻所記錄場景中隱藏或擦除細(xì)節(jié)的目的；另一方面，數(shù)字視頻有圖像所不具備的時(shí)空特性，可以通過刪除幀、復(fù)制幀和插入幀的方式進(jìn)行篡改。同時(shí)，在實(shí)際應(yīng)用中，視頻數(shù)據(jù)通常經(jīng)過壓縮后 進(jìn)行存儲(chǔ)，再加上視頻反取證技術(shù)的出現(xiàn)，視頻取證分析更為困難。先前的綜述文獻(xiàn)大都集中在圖像取證領(lǐng)域，只有少數(shù)細(xì)節(jié)涉及到視頻內(nèi)容取證分析，因此本文對(duì)國內(nèi)外視頻取證技術(shù)進(jìn)行綜述，介紹數(shù)字圖像取證技術(shù)，從采集、壓縮、篡改等方面介紹視頻取證技術(shù)及其優(yōu)缺點(diǎn)，并簡述了視頻反取證。最后對(duì)視頻取證方法進(jìn)行總結(jié)和展 望。

1 圖像取證技術(shù)

圖像取證在過去幾年內(nèi)得到廣泛研究。首先對(duì)和視頻取證技術(shù)背景相通的工作進(jìn)行介紹，如相機(jī)特性、壓縮痕跡和幾何物理不一致性等。光線通過鏡頭后，被色彩濾波陣列CFA分成相間分布的紅綠藍(lán)三色，由CCD/CMOS傳感器存儲(chǔ)像素值，并在機(jī)內(nèi)進(jìn)行一些后期處理和壓縮（見圖1）。有時(shí)候，影像經(jīng)過投影后會(huì)被別的相機(jī)翻拍，但這個(gè)過程通常會(huì)存在光照和幾何的失真。

圖1 影像典型采集過程Fig.1 Typical acquisition process of digital videos and photographs

1.1 相機(jī)特性

關(guān)于圖像采集所用相機(jī)特性的研究，構(gòu)成了圖像取證的基礎(chǔ)，其中研究最多的是CCD/CMOS傳感器的響應(yīng)非一致性噪聲（PRNU）。PRNU可用于數(shù)字相機(jī)種類辨識(shí)以及圖像完整性檢測［4］，當(dāng)圖像經(jīng)過JPEG壓縮后也被證明有效。普通數(shù)字相機(jī)只有一個(gè)傳感器，因此在傳感器上面放置一個(gè)色彩濾波陣列（CFA）然后插值得到其余兩個(gè)通道的顏色合成彩色圖像，檢測色彩插值相關(guān)性可進(jìn)行設(shè)備模式識(shí)別和篡改檢測［5］。利用合成圖像相機(jī)鏡頭色差的不一致實(shí)現(xiàn)篡改區(qū)域的定位［6］。

1.2 圖像壓縮

許多圖像壓縮方法都是有損壓縮，這為基于圖像編碼的取證研究提供了線索。專家因此可以推斷一幅圖像是否被壓縮、是否經(jīng)過分塊處理及估計(jì)塊尺寸、采用了何種編碼方式［7］和采用量化步長的大小等。針對(duì)JPEG二次壓縮，可通過分析DCT系數(shù)直方圖異常來檢測。

1.3 幾何/物理特性不一致

場景信息不依賴圖像底層特征，圖像經(jīng)過強(qiáng)壓縮、質(zhì)量很低也很有效，因此對(duì)于圖像真實(shí)性鑒定來說是一種非常有用的方法。主要包括通過場景光照方向［8］和人眼反射光點(diǎn)不一致、場景中陰影的幾何和顏色反?，F(xiàn)象［9］及廣告牌的透視反常［10］來檢測圖像合成篡改。

1.4 復(fù)制粘貼檢測

為了保護(hù)圖像版權(quán)、制止非法復(fù)制，需要檢測圖像復(fù)制和復(fù)制粘貼篡改。一些人聲稱他們的圖像是在不同的時(shí)間和地點(diǎn)拍攝的，但是，通過檢查相應(yīng)圖像特征之間的相似度，就能判斷是否是復(fù)制圖像［11］。許多圖像復(fù)制粘貼檢測方法都是基于SIFT算法來檢測場景中是否存在經(jīng)過復(fù)制粘貼的相同物體［12］。

2 視頻采集取證

與彈道指紋取證技術(shù)相似，多媒體取證中最早出現(xiàn)的方法之一是圖像采集分析，即辨識(shí)采集圖像的原始設(shè)備，主要通過三個(gè)層次進(jìn)行分析：檢材內(nèi)容由何種設(shè)備或技術(shù)生成？使用什么品牌的設(shè)備得到？具體由哪臺(tái)設(shè)備生成？圖像采集設(shè)備辨識(shí)已得到很多研究，其中一些方法可以為視頻源辨識(shí)借鑒，但是有關(guān)視頻的源辨識(shí)技術(shù)還遠(yuǎn)沒有成熟。

2.1 采集設(shè)備辨識(shí)

有關(guān)視頻采集設(shè)備辨識(shí)的工作大都是圍繞生成檢材內(nèi)容的特定設(shè)備展開。Kurosawa等人首先引入攝錄機(jī)指紋的問題［13］，他們觀察到由CCD芯片制造工藝所決定的暗電流噪聲，會(huì)使每 個(gè)設(shè)備生成的視頻幀都有不同的固定模式噪聲，并給出了一種估計(jì)模式噪聲的方法。該方法需要數(shù)百黑色幀提取噪聲，通常難以滿足，但仍被認(rèn)為是視頻設(shè)備辨識(shí)的開創(chuàng)性工作。

2.1.1 基于PRNU噪聲的視頻源辨識(shí) 盡管不是傳感器產(chǎn)生的唯一噪聲，許多圖像設(shè)備辨識(shí)方法都采用PRNU噪聲作為特征，因?yàn)樗泻芎玫聂敯粜?，而且設(shè)備制造工藝難以消除這種乘性噪聲。Amerini等［14］選擇一個(gè)恰當(dāng)?shù)娜ピ霝V波器，通過平滑物體如墻、天空等的一組圖像就可以提取出PRNU，然后計(jì)算檢材噪聲和設(shè)備PRNU的相關(guān)性就可以進(jìn)行來源判斷。van Houten等［15］深入研究了低質(zhì)量視頻的源辨識(shí)問題。他們使用不同攝像機(jī)，采用不同的分辨率和比特率錄制了一些視頻，然后上傳到Y(jié)ouTube上再下載。由于上傳時(shí)YouTube對(duì)視頻進(jìn)行了重編碼，視頻至少經(jīng)歷了兩次壓縮。實(shí)驗(yàn)表明若能從視頻中提取出PRNU模板、且在上傳時(shí)視頻畫面比例沒有變化，那么對(duì)低質(zhì)量視頻，基于PRNU噪聲的源辨識(shí)仍然有效。

2.1.2 基于編解碼器辨識(shí)的視頻源辨識(shí) 由于視頻多以壓縮格式存儲(chǔ)，而且第一次壓縮是由相機(jī)的專用編解碼器完成。因此，采集設(shè)備的辨識(shí)問題也可以利用基于編解碼器辨識(shí)的技術(shù)實(shí)現(xiàn)（詳見第3部分）。

2.2 視頻翻拍合成檢測

盜版電影和合成視頻檢測是版權(quán)保護(hù)亟需解決的一個(gè)問題。通過視頻重投影檢測和基于設(shè)備指紋的視頻檢索技術(shù)，可以嘗試解決該問題。

2.2.1 翻拍檢測 翻拍就是拍攝顯示在顯示器上或投影在屏幕上的視頻。Wang和Farid采用多視圖幾何原理［16］檢測重投影視頻。現(xiàn)實(shí)世界的場景是立體的，而翻拍場景則被限制在屏幕的平面上，重投影會(huì)導(dǎo)致全局投影內(nèi)參數(shù)矩陣的非零斜。假定首次拍攝時(shí)相機(jī)沒有傾斜，如果估計(jì)的內(nèi)參數(shù)矩陣斜度出現(xiàn)明顯偏差，說明是重拍視頻，其檢測準(zhǔn)確率達(dá)到88%，只有0.4%的虛警率，不過多數(shù)實(shí)驗(yàn)是在人工設(shè)置的環(huán)境下開展的，自然場景下的效 果還有待實(shí)驗(yàn)。

Lee等［17］針對(duì)檢測圖像是否是翻拍的隔行掃描視頻進(jìn)行研究。隔行掃描視頻相鄰時(shí)間點(diǎn)的掃描線分別記錄在相鄰兩場中，將相鄰時(shí)間點(diǎn)的兩場合成到一起得到全分辨率幀。如果一段視頻中包含快速運(yùn)動(dòng)對(duì)象，或者是錄像機(jī)快速移動(dòng)，就會(huì)引入梳束失真。作者利用梳束失真的方向特性，從小波變換子帶以及垂直、水平差分直方圖中提取了6個(gè)判別特征然后進(jìn)行分類，實(shí)驗(yàn)結(jié)果表明該方法平均準(zhǔn)確率達(dá)到97%以上。

2.2.2 合成檢測 常見的視頻合成檢測方法是基于視頻內(nèi)容提取特征進(jìn)行檢測。不過Bayram等［18］指出這些方法對(duì)相似但并非彼此復(fù)制的視頻辨識(shí)效果不好，比如不同人拍攝的同一場景的兩段視頻。因此他們提出使用從視頻中提出的設(shè)備特征進(jìn)行合成檢測，具體來說就是提取生成視頻的錄像機(jī)的PRNU指紋進(jìn)行加權(quán)平均。對(duì)于模糊、丟幀、對(duì)比度增強(qiáng)、亮度調(diào)節(jié)、加字幕、壓縮等常規(guī)處理，該方法也有較強(qiáng)的魯棒性，但是文章沒有提到的旋轉(zhuǎn)和縮放，很可能是破壞了PRNU指紋。實(shí)驗(yàn)結(jié)果表明檢測YouTube視頻的準(zhǔn)確率達(dá)到96%，虛警率也只有5%。

3 視頻壓縮取證

視頻內(nèi)容大都經(jīng)過有損壓縮，這就留下了可供取證分析的壓縮特征指紋，研究壓縮一段視頻所采用的編碼解碼器，對(duì)于辨識(shí)采集設(shè)備、揭示可能采取的篡改操作有著重要作用。

已有視頻編碼框架大都基于為圖像設(shè)計(jì)的編碼工具，比如目前應(yīng)用廣泛的JPEG圖像壓縮標(biāo)準(zhǔn)的許多原理就用于視頻壓縮。JPEG編解碼器將彩色圖像轉(zhuǎn)化到一個(gè)合適的色彩空間，然后獨(dú)立處理每種色彩成分，主要有以下操作步驟：

（1）將空間域圖像按8×8分塊后使用離散余弦變換（DCT）變換到頻率域；

（2）采用量化步長對(duì)DCT系數(shù)進(jìn)行量化得到解碼器中重建的DCT系數(shù)；

（3）采用霍夫曼編碼器對(duì)量化系數(shù)進(jìn)行無損編碼得到二進(jìn)制比特流。

多數(shù)視頻壓縮標(biāo)準(zhǔn)如MPEG-x、H.26x繼承了JPEG基于塊變換編碼的方式，但是視頻編碼框架中又加入時(shí)空預(yù)測、環(huán)路濾波、圖像插值等技術(shù)才能完成。

圖2是常見視頻編碼框架主要步驟的簡單示意圖。首先，編碼器將視頻序列分成單幀，并將每幀分成像素塊×，每個(gè)塊又和預(yù)測模塊P生成的預(yù)測幀（基于時(shí)空相關(guān)）相減，然后通過與JPEG標(biāo)準(zhǔn)相似的步驟對(duì)差值進(jìn)行編碼。

圖2 視頻編碼過程簡單示意圖Fig.2 Simplifi ed block diagram of video codec process

不可逆的量化過程是信息損失的主要原因，留下的特征指紋依賴于所選擇的量化步長和量化策略。因此，可從下面幾個(gè)方面對(duì)基于編碼的視頻指紋進(jìn)行分析：

（1）推斷編碼器細(xì)節(jié)，如編碼標(biāo)準(zhǔn)、編碼參數(shù)等；

（2）無參考視頻序列質(zhì)量評(píng)估；

（3）研究傳輸視頻的信道特征。

3.1 視頻編碼參數(shù)檢測

JPEG壓縮中用戶能定義的編碼參數(shù)只有量化矩陣，而視頻壓縮中用戶可調(diào)整的編碼參數(shù)就有很多，所以辨識(shí)編解碼器可以考慮的因素更多。利用視頻編碼參數(shù)有助于查明知識(shí)產(chǎn)權(quán)侵權(quán)案件、辨識(shí)生成視頻的編解碼器、不借助原始數(shù)據(jù)評(píng)估視頻質(zhì)量。編碼參數(shù)檢測方法大致可分為檢測塊效應(yīng)、估計(jì)量化參數(shù)、估計(jì)運(yùn)動(dòng)矢量。

3.1.1 塊效應(yīng)檢測 視頻編碼框架大都基于分塊對(duì)幀進(jìn)行編碼，因此塊效應(yīng)便可以用來研究先前的壓縮步驟，而識(shí)別塊邊界也有助于估計(jì)塊尺寸。Fan等［7］指出可以通過檢查局部像素一致性檢測是否存在基于塊的編碼操作，如果塊間像素差異的統(tǒng)計(jì)特性和同一塊內(nèi)像素的不同，那么就有理由懷疑這是張經(jīng)過基于塊壓縮的圖像。Li等［19］在頻域中對(duì)重建圖像進(jìn)行分析，通過檢測與塊邊界間斷相關(guān)的亮點(diǎn)、而不是通過分析圖像內(nèi)在特征來估計(jì)壓縮視頻的塊尺寸。

3.1.2 量化步長檢測 變換域的量化過程會(huì)在DCT系數(shù)直方圖中留下痕跡：DCT系數(shù)直方圖變得不再連續(xù)，而是呈典型梳狀分布，頂點(diǎn)間的間隔就是量化步長。Fan等［7］使用直方圖來評(píng)估JPEG壓縮的質(zhì)量因子，首先采用直流系數(shù)高斯分布和交流系數(shù)拉普拉斯分布來近似梳狀直方圖的包絡(luò)線，然后將量化系數(shù)作為觀測值，使用極大似然法估計(jì)質(zhì)量因子。Ye等［20］提出一種估計(jì)量化表元素的方法：計(jì)算得到每個(gè)DCT系數(shù)子帶的直方圖，對(duì)直方圖求取二階導(dǎo)數(shù)得到能量譜的周期性，通過分析周期性規(guī)律可以提取出每個(gè)子帶的量化步長。Lin等［6］通過DCT系數(shù)直方圖中相鄰頂點(diǎn)的間距初步估計(jì)每個(gè)DCT子帶的量化步長，然后把要估計(jì)的量化表看成是數(shù)據(jù)庫中已有量化表的線性組合，來補(bǔ)全量化表中高頻系數(shù)的缺失元素。在這些已經(jīng)提出的量化步長估計(jì)方法的基礎(chǔ)上，未來可能的一條研究思路是通過研究量化參數(shù)隨時(shí)間變化的規(guī)律，推斷編碼端所使用的碼率控制算法。這將是辨識(shí)編解碼器工具生產(chǎn)商的重要線索。

3.1.3 運(yùn)動(dòng)矢量辨識(shí) 使用預(yù)測器減少時(shí)間冗余是視頻和圖像編碼的一個(gè)顯著區(qū)別。視頻編碼多采用基于塊的運(yùn)動(dòng)模型，因此通過估計(jì)每個(gè)塊的運(yùn)動(dòng)矢量就能得到運(yùn)動(dòng)補(bǔ)償預(yù)測器。Valenzise等［21］研究了如何從解碼端估計(jì)出編碼器所采用的運(yùn)動(dòng)矢量，其關(guān)鍵是通過求每個(gè)塊預(yù)測殘差DCT系數(shù)直方圖的目標(biāo)函數(shù)的最大值來進(jìn)行運(yùn)動(dòng)估計(jì)。多數(shù)視頻編碼參數(shù)估計(jì)都集中在塊效應(yīng)和量化參數(shù)上，但是由于編碼操作的多樣性以及率失真優(yōu)化、運(yùn)動(dòng)估計(jì)等標(biāo)一些非標(biāo)準(zhǔn)工具的應(yīng)用，使得辨識(shí)這些操作遺留痕跡的取證工作變得更加困難，仍有許多領(lǐng)域等待深入研究。

3.2 視頻重編碼檢測

只要經(jīng)過縮放、剪裁、亮度/對(duì)比度調(diào)節(jié)、局部修改、添減幀等編輯，壓縮視頻就會(huì)被再次壓縮。研究二次壓縮過程有助于篡改檢測、源編碼器辨識(shí)等工作。從碼流中提取重壓縮前的編碼信息比較困難，但能得到最后一次壓縮的參數(shù)，因此已有研究工作主要借用JPEG二次壓縮的方法，針對(duì)MPEG視頻二次壓縮展開。

采用不同的量化步長對(duì)已量化的圖像DCT系數(shù)再次量化會(huì)對(duì)其直方圖產(chǎn)生影響，因此多數(shù)圖像二次壓縮檢測方法都是基于直方圖統(tǒng)計(jì)特性進(jìn)行。He等［22］介紹了二次壓縮向直方圖中引入特征尖峰的原理，指出尖峰顯著與否取決于兩次量化步長的關(guān)系，提出一種能夠自動(dòng)檢測并定位JPEG二次壓縮區(qū)域的方法。

Wang 等［23］根據(jù)圖像組（GOP）是否保持，分兩種情況考慮對(duì)MPEG編碼視頻二次壓縮痕跡的檢測問題進(jìn)行了研究。如果重編碼時(shí)所有的幀類型不變，壓縮后GOP保持初次壓縮結(jié)構(gòu)不變。由于I幀編碼原理和JPEG壓縮相似，若以不同比特率對(duì)I幀重新編碼，I幀DCT系數(shù)直方圖就和JPEG二次壓縮形式相同。相反，幀刪除或插入操作時(shí)GOP結(jié)構(gòu)發(fā)生改變，I幀被重編碼為其他類型的幀，這會(huì)在運(yùn)動(dòng)補(bǔ)償后造成更大的預(yù)測殘差。對(duì)幀差的能量進(jìn)行傅里葉變換，若出現(xiàn)亮點(diǎn)就說明GOP結(jié)構(gòu)發(fā)生改變，這就是檢測二次壓縮的一個(gè)線索。

Bestagini等［24］提出一種辨識(shí)二次壓縮視頻初次壓縮編碼器的有效算法。若采用相同量化表對(duì)重編碼數(shù)據(jù)進(jìn)行二次量化，輸出和輸入就會(huì)有很高的相關(guān)性。因此采用不同的編解碼器和參數(shù)設(shè)置對(duì)視頻序列做第三次重編碼，就有可能辨識(shí)初次編解碼器類型及參數(shù)。只要輸出輸入序列相關(guān)性高，就有理由認(rèn)為這就是初次壓縮所采用的編碼設(shè)置。

3.3 網(wǎng)絡(luò)指紋辨識(shí)

由于丟包和誤碼會(huì)影響接收比特流，經(jīng)含噪信道傳播的視頻編碼數(shù)據(jù)會(huì)丟失或損壞；為恢復(fù)正確信息、減少信道引起的失真，研究人員提出差錯(cuò)隱藏等算法。這些操作會(huì)向視頻中引入可推斷丟失或錯(cuò)誤模式的指紋，從而可以辨識(shí)視頻傳播信道；通過分析與誤碼分布相關(guān)的丟包率、誤碼率、突發(fā)性以及其他統(tǒng)計(jì)特性，還能夠?qū)鬏攨f(xié)議、流基礎(chǔ)架構(gòu)進(jìn)行辨識(shí)。網(wǎng)絡(luò)指紋辨識(shí)方法主要有兩類：

第一類采用傳輸統(tǒng)計(jì)特性估計(jì)信道失真。Reibman 等［25］提出三種策略計(jì)算信道失真進(jìn)行無參考視頻質(zhì)量監(jiān)督：從網(wǎng)絡(luò)統(tǒng)計(jì)特性計(jì)算最終視頻質(zhì)量、采用丟包特性估計(jì)丟包對(duì)視頻時(shí)空特性的影響、估計(jì)誤碼擴(kuò)散對(duì)視頻的影響。Naccari等［26］提出了一種無參考PSNR估計(jì)方法，對(duì)時(shí)空差 錯(cuò)隱藏的影響進(jìn)行評(píng)價(jià)，其輸出值和平均意見值MOS有很強(qiáng)的相關(guān)性。

第二類假定傳輸過 程中視頻會(huì)被解碼，無法利用比特流，可以利用的只有重建像素。Valenzise 等［27］利用重建像素值來判斷缺失哪部分視頻片段，得到一個(gè)和全參考視頻均方誤差有著很強(qiáng)相關(guān)的質(zhì)量值，并對(duì)方法進(jìn)行擴(kuò)展，將丟失片段的分布作為空間先驗(yàn)信息使用最大后驗(yàn)概率進(jìn)行辨識(shí)。

4 視頻篡改取證

視頻已經(jīng)廣泛應(yīng)用于安防監(jiān)視系統(tǒng)，并被認(rèn)為是比單張圖像更有力的證據(jù)。但由于出現(xiàn)越來越多的視頻編輯工具，視頻篡改也變得容易起來。替換、刪除、復(fù)制視頻中的某些幀，或向視頻中引入、復(fù)制、刪除對(duì)象，都是一些常用的方法。視頻篡改和視頻取證都可以按幀內(nèi)（單幀）和幀間（多幀）進(jìn)行分類。應(yīng)用圖像取證方法分析單幀圖像進(jìn)行視頻取證并不太實(shí)用，主要因?yàn)椋阂曨l數(shù)據(jù)復(fù)雜，取證分析計(jì)算要求高；圖像取證不能檢測幀復(fù)制等幀間篡改，無法從時(shí)間維度上進(jìn)行分析。

4.1 基于相機(jī)特性的篡改檢測

Hsu等［29］基于噪聲殘差的時(shí)間相關(guān)性進(jìn)行視頻篡改檢測。對(duì)每幀分塊然后估算相鄰兩幀同一位置上塊的噪聲殘差的時(shí)間相關(guān)性。如果塊經(jīng)過修補(bǔ)或是從其他地方復(fù)制 而來，相關(guān)性就會(huì)降低；而相鄰復(fù)制幀的相關(guān)性為1。文獻(xiàn)采用兩步檢測法來降低方法復(fù)雜性：首先采用粗略閾值對(duì)塊間相關(guān)性進(jìn)行檢測，如果出現(xiàn)較多可疑塊，建立噪聲殘差相關(guān)性的高斯混合模型，對(duì)參數(shù)進(jìn)行更為精確的估計(jì)。但是實(shí)驗(yàn)結(jié)果并不理想，只能檢測出復(fù)制粘貼篡改視頻中55%的塊，虛警率為3.3%；對(duì)幀內(nèi)修補(bǔ)篡改的檢測率為74%，虛警率也增加到7%；若視頻經(jīng)過有損編碼，檢測效果會(huì)隨著量化步長增加而急劇下降。

Kobaysshi等［30］利用固定采集設(shè)備的噪聲特性從視頻靜態(tài)場景中檢測可疑的篡改區(qū)域，其中重點(diǎn)使用了光子散粒噪聲（主要依賴于噪聲水平函數(shù)NLF所確定的輻照度），通過檢測篡改區(qū)域和非篡改區(qū)域NLF的一致性，得到每個(gè)像素篡改的可能性。由于無法直接得到像素是否屬于篡改區(qū)域，所以使用EM算法同時(shí)估計(jì)視頻NLF以及像素篡改可能性。對(duì)未壓縮的靜態(tài)視頻，可以檢測97%的篡改區(qū)域，而且只有2.5%的虛警率。但是對(duì)于壓縮靜態(tài)視頻，該方法的檢測性能會(huì)迅速降低，這就限制了其在實(shí)際中的進(jìn)一步應(yīng)用。

4.2 基于視頻編碼痕跡的檢測

視頻編碼會(huì)嚴(yán)重影響基于相機(jī)特性的取證方法有效性，但是編解碼本身就會(huì)向視頻中引入可用于檢測篡改的痕跡。最近幾年，研究人員通過研究編碼痕跡的存在性和不一致性，來判斷視頻真實(shí)性并對(duì)篡改區(qū)域進(jìn)行定位。

Wang等［23］提出的檢測視頻二次壓縮的方法同樣可以用來檢測篡改，接著作者對(duì)MPEG視頻二次壓縮進(jìn)行更精確的表達(dá)［30］，可以檢測16×16像素的二次壓縮宏塊。因此這種方法也能夠檢測只有部分像素被二次壓縮的幀，比如由綠屏摳像技術(shù)得到的視頻。該方法的性能由兩次壓縮質(zhì)量因子的比值決定：比值大于1.7，檢測率能達(dá)到99.4%；小于1.3時(shí)，檢測率就驟減到2.5%。作者又提出另一種可以檢測隔行以及去隔行視頻篡改的算法［31］?？紤]到去隔行視頻幀中缺失行的生成方式，未經(jīng)修改的視頻是時(shí)空相關(guān)場的組合；若一個(gè)區(qū)域被篡改，這種關(guān)系就遭到破壞，從而可以檢測篡改。作者使用EM算法對(duì)濾波器參數(shù)進(jìn)行估計(jì)，并將像素按原始區(qū)域和篡改區(qū)域進(jìn)行劃分。對(duì)于由奇數(shù)場和偶數(shù)場合成幀的隔行視頻，快速運(yùn)動(dòng)的物體會(huì)向視頻中引入梳束失真；由于其強(qiáng)弱取決于場間運(yùn)動(dòng)量，場間運(yùn)動(dòng)不一致就能揭露篡改。這兩種方法都能確定出現(xiàn)篡改的時(shí)間位置。由于壓縮會(huì)減弱像素間相關(guān)性，這種方法適合檢測中/高質(zhì)量的去隔行視頻。

以上討論了一些基于編碼痕跡的視頻篡改檢測方法。但是視頻編碼算法要比圖像JPEG壓縮算法復(fù)雜很多，不容易建立其數(shù)學(xué)模型，所以通過編碼引入痕跡檢測篡改有一定困難。但是，這也促使研究人員繼續(xù)尋找那些對(duì)有損編碼更加魯棒的編碼痕跡，得到更好的檢測效果。

4.3 基于視頻內(nèi)容不一致的檢測

由于逐幀檢測視頻幾何/物理一致性不太現(xiàn)實(shí)，已有基于視頻內(nèi)容不一致的方法多使用和運(yùn)動(dòng)相關(guān)的現(xiàn)象來檢測篡改。

圖像修補(bǔ)是一種通過復(fù)制周圍紋理自動(dòng)填充缺失內(nèi)容的技術(shù)，而且視頻逐幀修補(bǔ)技術(shù)也已取得進(jìn)展。不過每幀修補(bǔ)區(qū)域在時(shí)間維度上不連續(xù)導(dǎo)致出現(xiàn)“鬼影”效應(yīng)，張明玉等［32］提出一種基于鬼影痕跡檢測修補(bǔ)的方法。他們發(fā)現(xiàn)累計(jì)差分圖像ADI可以很好的顯示“鬼影”。將參考圖像和每一幅后續(xù)幀比較，并把每個(gè)像素當(dāng)成計(jì)數(shù)器，如果差值顯著計(jì)數(shù)器就加一，最終累加次數(shù)就是ADI像素值。由于ADI會(huì)同時(shí)檢測移動(dòng)物體，作者提出自動(dòng)判斷是鬼影還是運(yùn)動(dòng)物體的方法。對(duì)一些現(xiàn)實(shí)場景視頻進(jìn)行的實(shí)驗(yàn)表明該方法對(duì)MPEG壓縮依然魯棒。

Conotter等［33］提出一種通過空中自由飛行物體三維拋物線軌跡的對(duì)應(yīng)平面二維投影來檢測視頻中物體運(yùn)動(dòng)軌跡異常的算法。首先從視頻中提取飛行物體，然后估計(jì)出物體三維運(yùn)動(dòng)模型，將投影到二維平面的軌跡和合理的軌跡進(jìn)行比較，如果差異顯著，就認(rèn)為視頻經(jīng)過了篡改。盡管是非常特定的情況，但該方法很好的展示了基于幾何/物理特性不一致的篡改檢測方法的明顯優(yōu)勢，就是檢測結(jié)果不受壓縮和視頻質(zhì)量的影響。

4.4 視頻復(fù)制粘貼檢測

視頻復(fù)制粘貼篡改分幀內(nèi)和幀間兩種。幀內(nèi)復(fù)制粘貼篡改是將幀內(nèi)某個(gè)區(qū)域復(fù)制粘貼到另一區(qū)域上，達(dá)到掩飾或者復(fù)制一些物體的目的，可用圖像復(fù)制粘貼檢測方法檢測。幀間復(fù)制粘貼篡改是將一些幀用其他幀替換，通常用來去除某段時(shí)間內(nèi)出現(xiàn)在原始視頻中的一些物體。Faird等［34］采用分治法，將整個(gè)視頻分成幾個(gè)部分，通過計(jì)算不同的相關(guān)系數(shù)得到每部分間的相似程度。實(shí)驗(yàn)結(jié)果表明，對(duì)于固定相機(jī)檢測精度達(dá)到90%以上，對(duì)于運(yùn)動(dòng)相機(jī)大約為80%，而且該方法檢測效果不受MPEG壓縮影響。

5 視頻反取證策略

圖像視頻取證方法發(fā)展的同時(shí)，也伴隨著隱藏相應(yīng)篡改痕跡的反取證方法的研究來對(duì)抗取證。針對(duì)基于相機(jī)特性的篡改檢測方法，一個(gè)很直接的反取證方法是將篡改視頻縮放后進(jìn)行重編碼，因?yàn)橐曨l縮放要經(jīng)過插值，噪聲痕跡就會(huì)消失。Stamm等［35］采用中值濾波器去除圖像塊效應(yīng)，然后通過加入抖動(dòng)信號(hào)重塑DCT系數(shù)直方圖、恢復(fù)原始分布來隱藏二次壓縮痕跡，使得不能通過查看DCT系數(shù)分布來檢測篡改區(qū)域。反取證方法自身也會(huì)留下痕跡，Valenzise等［36］對(duì)文獻(xiàn)［35］引入的失真進(jìn)行研究，提出了一種有效的檢測算法。Stamm等［37］提出針對(duì)視頻壓縮的反取證方法，可以干擾文獻(xiàn)［23］提出的基于運(yùn)動(dòng)補(bǔ)償預(yù)測器誤碼序列檢測幀刪除的取證方法。

本文綜述了視頻取證技術(shù)的最新進(jìn)展，可以看出視頻取證是信號(hào)處理領(lǐng)域中一個(gè)不斷涌現(xiàn)新問題并引領(lǐng)取證潮流的研究熱點(diǎn)。盡管一些技術(shù)借鑒圖像取證中相關(guān)方法，但由于視頻信號(hào)數(shù)據(jù)量大而復(fù)雜、并且視頻壓縮可能會(huì)擦除許多篡改遺留的痕跡，讓視頻取證面臨新的挑戰(zhàn)，需要更多研究來解決現(xiàn)實(shí)中遇到的難題。

［1］ 黎智輝，王桂強(qiáng)，許小京，等.視頻偵查中的影像證據(jù)應(yīng)用［J］.北京：刑事技術(shù)，2014， （2）: 42-45.

［2］ 許磊，郭晶晶，黎智輝.合成不雅視頻案件檢驗(yàn)1例［J］.刑事技術(shù)，2014， （4）: 13， 17.

［3］ 段成閣，倪萍婭，張國臣，等.淺析監(jiān)控視頻鑒定［J］.刑事技術(shù)，2012， （4）: 42-44， 72.

［4］ Chen M， Fridrich J， Goljan M， et al.Determining image origin and integrity using sensor noise［J］.IEEE Trans.Information Forensics and Security， 2008， 3（1）: 74-90.

［5］ Popescu A， Farid H.Exposing digital forgeries in color filter array interpolated images［J］.IEEE Trans.Signal Processing，2005， 53（10） : 3948-3959.

［6］ Yerushalmy I， Hel-Or H.Digital image forgery detection based on lens and sensor aberration［J］.Int J Computer Vision， 2001，92（1）: 71-91.

［7］ Lin W S， Tjoa S K， Zhao H V， et al.Digital image source coder forensics via intrinsic fingerprints［J］.IEEE Trans.Information Forensics and Security， 2009， 4（3）: 460-475.

［8］ Johnson M， Farid H.Exposing digital forgeries in complex lighting environments［J］.IEEE Trans.Information Forensics and Security， 2007， 2（3）: 450-461.

［9］ Zhang W， Cao X， Zhang J.Detecting photographic composites using shadows［C］.IEEE International Conference on Multimedia & Expo， 2009: 1042-1045.

［10］ Conotter V， Boato G， Farid H.Detecting photo manipulation on signs and billboards［C］.IEEE International Conference on Image Processing， 2010: 1741-1744.

［11］ Kang L W， Hsu C Y， Chen H W.Feature-based sparse representation for image similarity assessment［J］.IEEE International Transactions on Multimedia， 2011， 13（5）: 1019-1030.

［12］ 杜振龍，楊凡，李曉，等.利用SIFT特征的非對(duì)稱匹配圖像拼接盲檢測［J］.中國圖象圖形學(xué)報(bào)，2013， 18 （4） : 442-449.

［13］ Kurosawa K， Kuroki K， Saitoh N.CCD fingerprint method identification of a video camera from videotaped images［C］.IEEE International Conference on Image Processing， 1999， 3: 537-540.

［14］ Amerini I， Caldelli R， Cappellini V.Analysis of denoising filters for photo response non uniformity noise extraction in source camera identification［C］.IEEE International Conference on Digital Signal Processing， 2009: 1-7.

［15］ Van Houten W， Geradts Z， Franke K.Verification of video source camera competition［A］.Recognizing Patterns in Signals， Speech， Images and Videos， 2010: 22-28.

［16］ Wang W， Farid H.Detecting re-projected video［A］.Information Hiding， 2008: 72-86.

［17］ Lee J W， Lee M J， Oh T W.Screenshot identification using combing artifact from interlaced video［C］.ACM Workshop on Multimedia and Security， 2010: 49-54.

［18］ Bayram S， Sencar H T， Memon N D.Video copy detection based on source device characteristics: a complementary approach to content-based methods［C］.ACM International Conference on Multimedia Information Retrieval， 2008: 435-442.

［19］ Li H， Forchhammer S.MPEG2 video parameter and no reference PSNR estimation［A］.Picture Coding Symposium，2009: 1-4.

［20］ Ye S， Sun Q， Chang E C.Detecting digital image forgeries by measuring inconsistencies of blocking artifact［C］.IEEE International Conference on Multimedia & Expo， 2007: 12-15.

［21］ Valenzise G.Tagliasacchi M， Tubaro S.Estimating QP and motion vectors in H.264/AVC video from decoded pixels ［A］.ACM Workshop on Multimedia in Forensics， Security and Intelligence， 2010: 89-92.

［22］ He J， Lin Z， Wang L， et al.Detecting doctored JPEG images via DCT coefficient analysis［A］.Computer Science， 2006: 423-435.

［23］ Wang W， Farid H.Exposing digital forgeries in video by detecting double MPEG compression［A］.ACM Workshop on Multimedia and Security， 2006: 37-47.

［24］ Bestagini P， Allam A， Milani S， et al.Video codec identification［C］.IEEE International Conference on Acoustics，Speech， and Signal Processing， 2012: 2257-2260.

［25］ Reibman A， Vaishampayan V.Quality monitoring of video over a packet network［J］.IEEE International Transactions on Multimedia， 2004， 6（2）: 327-334.

［26］ Naccari M， Tagliasacchi M， Tubaro S.No-reference video quality monitoring for H.264/AVC coded video［J］.IEEE International Transactions on Multimedia， 2009， 11（5）: 932-946.

［27］ Valenzise G， Magni S， Tagliasacch M， et al.No-reference pixel video quality monitoring of channel-induced distortion ［J］.IEEE Trans.Circuits and Systems for Video Technology， 2012，22（4）: 605-618.

［28］ Hsu C T， Hung T Y， Lin C W.Video forgery detection using correlation of noise residue［A］.IEEE Workshop on Multimedia Signal Processing， 2008: 170-174.

［29］ Kobayashi M， Okabe T， Sato Y.Detecting forgery from staticscene video based on inconsistency in noise level functions［J］.IEEE Trans.Information Forensics and Security， 2010， 5（4）: 450-461.

［30］ Wang W， Farid H.Exposing digital forgeries in video by detecting double quantization［A］.ACM Workshop on Multimedia and Security， 2009: 39-48.

［31］ Wang W， Farid H.Exposing digital forgeries in interlaced and deinterlaced video［J］.IEEE Trans.Information Forensics and Security， 2007， 2（4）: 238-258.

［32］ 張明玉.基于“鬼影”的數(shù)字視頻篡改檢測［D］.天津：天津大學(xué)，2010.

［33］ Conotter V， O’Brien J， Farid H.Exposing digital forgeries in ballistic motion［J］.IEEE Trans.Information Forensics and Security， 2012， 7（1）: 283-296.

［34］ Wang W， Farid H.Exposing digital forgeries in video by detecting duplication［A］.ACM Workshop on Multimedia and Security， 2007: 35-42.

［35］ Stamm M C， Tjoa S K， Lin W S， et al.Undetectable image tampering through JPEG compression anti-forensics［C］.IEEE International Confe rence on Image Processing，2010: 2109-2112.

［36］ Valenzise G， Nobile V， Tagliasacchi M， et al.Countering jpeg anti-forensics［C］.IEEE International Conference on Image Processing， 2011: 1949-1952.

［37］ Stamm M C， Liu K J.Anti-forensics for frame deletion/ addition in mpeg video［C］.IEEE International Conference on Acoustics， Speech， and Signal Processing， 2011: 1876-1879.

引用本文格式：張旭，黎智輝，王鑫，等.視頻取證技術(shù)研究進(jìn)展［J］.刑事技術(shù)，2015，40（2）：87-93.

A Survey of Video Forensic Technology

ZHANG Xu1， LΙ Zhi-hui2， WANG Xin3， PENG Si-long1，4， XU Xiao-jing2， WANG Shi-jun4
（1.Ιnstitute of Automation，Chinese Academy of Sciences， Beijing 100190， China； 2.Ιnstitute of Forensic Science， Ministry of Public Security， Beijing 100038，China； 3.School of Science， Beijing Technology and Business University， Beijing 100048， China； 4.Beijing Visystem Co，.LTD，Beijing 100190， China）

Digital videos and photographs can be altered rather easily since the broad availability of tools for the acquisition and processing in recent years， and using tampered images and videos to extort and threat becomes more and more serious.All these reasons raise the need to verify whether a multimedia content， which can be acquired by a video surveillance system， downloaded from the internet， or received by a digital TV broadcaster， is original or not.Previous work mainly focuses on image forensics， and it is only in recent years that forensi c experts have begun specifi c research into video forensics.Compared with image forensics， video forensics have new challenges such as computing power because of the large amount and the complexity of data， and high compression factor； however， video signals have distinctive characteristics such as encoded mode， spatial and temporal characteristics， and ways of tampering giving video forensics a more abundant contents and broader application prospects.Signal processing experts have been investigating video forensic strategies and have made some progress， using the peculiarities of video signals and footprints left by alterations.Previous overview papers mainly address image forensic technology and only a few details are provided about video forensic analysis， so we present an overview of the video forensic techniques that have been proposed in the literature in this paper.Considering each frame as single image and many of image forensic tools can be applied to video signals as well， we fi rst give a preliminary review of image forensics which provides the foundations for analogous techniques targeting video content in Section 1， such as camera artifacts， compression and geometric/physical inconsistencies.Next， we give a survey of video forensic technology focusing on various aspects related to video forensics such as acquisition， compression， and editing operations， and summarize the strengths and weaknesses of each solution.Then we address video acquisition in Section 2， presenting several strategies to identify the device that captured a given video content.Then， we consider the traces left by video coding， which are used to determine， e.g.， coding parameters， coding standard， number of multiple compression steps or network footprints in Section 3.Video doctoring is addressed in Section 4， which presents forensic analysis methods based on detecting inconsistencies in acquisition and coding-based footprints， as well as methods that reveal traces left by the forgery itself such as inconsistencies in c ontent and copy-move detection in video.As the design of novel forensic strategies aimed at image and video paralleled by the investigation of corresponding anti-forensic methods， we provide a brief introduction to anti-forensic techniques in Sect ion 5.Video forensics is becoming research focus gradually， receiving more and more attenti on， and still presents many unexplored issues that wait for further study and deeper exploration.

video forensics； image forensics； forgery detection； anti-forensics始性和真實(shí)性成了迫切需要解決的問題。之前的研究工作多集中在圖像取證領(lǐng)域，對(duì)視頻取證的研究近幾年剛剛開始。和圖像相比，視頻數(shù)據(jù)量大，數(shù)據(jù)格式復(fù)雜，存儲(chǔ)壓縮因子高，對(duì)取證算法的計(jì)算要求高；不過，由于視頻在編碼方式、時(shí)空特性、篡改手段上都有著鮮明的特點(diǎn)，視頻取證有更為豐富的研究內(nèi)容和更為廣闊的應(yīng)用前景。研究人員利 用視頻采集和壓縮編碼過程中的特性，以及篡改手段帶來的痕跡，對(duì)視頻篡改檢測方法進(jìn)行了相關(guān)探索，取得了一些成果。先前的綜述文獻(xiàn)大都集中在圖像取證領(lǐng)域，只有少數(shù)細(xì)節(jié)涉及到視頻取證分析，本文對(duì)視頻取證技術(shù)進(jìn)行了綜述。鑒于某些圖像取證技術(shù)可用于視頻單幀圖像取證分析，本文第一部分首先介紹了圖像取證相關(guān)技術(shù)如相機(jī)參數(shù)、壓縮和物理幾何不一致取證等。接著對(duì)已經(jīng)提出的視頻取證技術(shù)，按照采集、壓縮和篡改方式進(jìn)行分類，對(duì)它們的原理和優(yōu)缺點(diǎn)進(jìn)行了綜述，并對(duì)反取證技術(shù)的相關(guān)研究工作進(jìn)行了介紹。第二部分重點(diǎn)介紹視頻采集過程以及辨識(shí)視頻采集設(shè)備的一些方法。第三部分對(duì)因編碼參數(shù)、編碼標(biāo)準(zhǔn)以及壓縮次數(shù)等視頻編碼過程的不同而遺留的痕跡進(jìn)行了探討。第四部分將介紹基于檢測視頻采集和編碼痕跡不一致的取證分析方法，以及揭示篡改遺留痕跡的方法。圖像視頻壓縮檢測取證方法的發(fā)展始終伴隨著相應(yīng)反取證方法的研究，因此第五部分對(duì)視頻反取證方法做了介紹。視頻取證已經(jīng)逐漸成為一個(gè)研究熱點(diǎn)，得到越來越多的研究和關(guān)注，仍有許多未知的領(lǐng)域等待更加深入的研究和探索。

“863”計(jì)劃課題（No.2013AA014602）

張 旭（1989—），男，山東濟(jì)寧人，博士研究生，研究方向?yàn)閳D像視頻處理、影像篡改檢測。E-mail：zhangxu_forensics@163.com

黎智輝，男，副研究員，博士，研究方向?yàn)閳D像處理與分析。 E-mail：lzhuil@sina.com

DF793.2

A

1008-3650（2015）02-0087-07

2014-12-12