王 斌,王讓定

(寧波大學(xué) 信息科學(xué)與工程學(xué)院,浙江 寧波 315211)

0 概述

隨著數(shù)字多媒體技術(shù)和網(wǎng)絡(luò)的發(fā)展,越來越多的視頻及圖像編輯軟件被廣泛使用,這在給人們帶來樂趣與便捷的同時(shí),也意味著真實(shí)的視頻文件容易被篡改,以至于給多媒體內(nèi)容的權(quán)威性[1]帶來極大的挑戰(zhàn)性。如果將篡改后的視頻進(jìn)行肆意傳播,那么會(huì)給社會(huì)帶來巨大的負(fù)面影響。同時(shí),圖像篡改檢測(cè)[2]方法相對(duì)成熟,與之對(duì)應(yīng)視頻偽造檢測(cè)的研究亦得到了業(yè)界的廣泛重視。

對(duì)象移除篡改是視頻偽造中較常見的一種惡意操作。因其相對(duì)于雙重壓縮[3-5]、幀操作[6-7]、合成篡改[8-9]等行為,對(duì)象移除篡改更能直接影響對(duì)視頻內(nèi)容的理解和認(rèn)知。對(duì)象移除篡改的研究主要分為塊匹配法[10-12]和提取運(yùn)動(dòng)殘留法。塊匹配方法主要通過分析篡改軟件的運(yùn)行原理,得出篡改區(qū)域與相鄰背景區(qū)域之間存在復(fù)制粘貼的關(guān)系,文獻(xiàn)[10]即利用此原理尋找匹配塊,以達(dá)到檢測(cè)目的,但是此種方法對(duì)于量化噪聲的魯棒性較低,文獻(xiàn)[11]針對(duì)這一缺點(diǎn)引入了量化噪聲影響因子來修正時(shí)間域匹配準(zhǔn)則以消除視頻壓縮帶來的噪聲干擾,但效果并不太理想,文獻(xiàn)[12]通過引入了統(tǒng)計(jì)矩特征和歸一化互相關(guān)因子取得了一定效果。提取運(yùn)動(dòng)殘留法又可分為時(shí)域殘留法[13-15]和空域殘留法[16-17]。文獻(xiàn)[13]以刪除運(yùn)動(dòng)對(duì)象會(huì)造成運(yùn)動(dòng)矢量方向混亂為依據(jù),通過計(jì)算運(yùn)動(dòng)矢量方向的方差并設(shè)定閾值來判斷該位置是否發(fā)生篡改;文獻(xiàn)[14]在文獻(xiàn)[13]的基礎(chǔ)上,通過檢測(cè)篡改區(qū)域的光流不一致性來確定是否發(fā)生篡改;文獻(xiàn)[16]利用篡改區(qū)域邊緣異常,通過檢測(cè)邊緣點(diǎn),來達(dá)到定位篡改區(qū)域的目的;文獻(xiàn)[17]依據(jù)對(duì)象移除使篡改幀高頻分量比重降低的思想提出了檢測(cè)算法,但該方法以幀為最小單位,對(duì)于小目標(biāo)篡改基本無效。

本文分別從時(shí)域、空域2個(gè)角度挖掘篡改殘留互補(bǔ)特征,提出針對(duì)對(duì)象移除視頻的空時(shí)域聯(lián)合檢測(cè)算法。在提取時(shí)域殘留信息時(shí),從視頻剖面圖的角度分析篡改區(qū)域,更好地凸顯了偽造痕跡,將三維視頻的研究轉(zhuǎn)化到二維圖像上,使得研究方法更加豐富。

1 視頻對(duì)象移除引發(fā)的殘留痕跡

視頻的固有統(tǒng)計(jì)特性可分為2類:幀內(nèi)特性和幀間特性,前者描述空間特征,后者描述時(shí)間特征。當(dāng)篡改發(fā)生時(shí),視頻的2種固有特性必然會(huì)隨之改變。

1.1 篡改操作引發(fā)的時(shí)域遺留痕跡

視頻中的每幀都包括兩部分:運(yùn)動(dòng)部分和靜態(tài)部分。靜態(tài)部分在局部時(shí)間窗口內(nèi)基本保持不變,而運(yùn)動(dòng)部分則是在局部時(shí)間窗口內(nèi)發(fā)生變化。運(yùn)動(dòng)部分包含了視頻的時(shí)間特征,雖然篡改時(shí)會(huì)將運(yùn)動(dòng)物體抹除,但依舊會(huì)留下少量殘留運(yùn)動(dòng)信息,因此,它們成為本文主要尋找和分析的對(duì)象。

設(shè)待檢測(cè)視頻V表示為:

V?{F(1),F(2),…,F(T)},T∈Z

(1)

其中,V為X×Y分辨率并已灰度化的視頻,T為視頻的總幀數(shù)。依次提取所有視頻幀第k列元素,如圖1所示,得到矩陣P,用P(k)表示由每幀視頻的第k列組成的矩陣。用F(i,k)(t)表示視頻的第t幀中坐標(biāo)為(i,k)的像素值。

P(k)= [(F(1,k)(1),F(2,k)(1),…,F(i,k)(1),…,F(X,k)(1));

?

(F(1,k)(t),F(2,k)(t),…,F(i,k)(t),…,F(X,k)(t));

(F(1,k)(T),F(2,k)(T),…,F(i,k)(T),…,F(X,k)(T))],

i∈(1,2,…,X),k∈(1,2,…,Y)

(2)

圖1 視頻切割方向示意圖

篡改視頻前后的對(duì)比示意圖如圖2所示。P(k)是一個(gè)T×X的圖像,如圖2(c)、如圖2(d)所示?？梢詮膱D2中觀察出,該剖面圖在背景區(qū)域具有橫向紋理一致的特征,這是由于該視頻為監(jiān)控視頻,背景區(qū)域在時(shí)間軸上波動(dòng)性較小。但圖2(d)存在輕微混亂現(xiàn)象,對(duì)比圖2(c)可知,此區(qū)域正是被抹除的運(yùn)動(dòng)對(duì)象所在的區(qū)域,因此,可將此現(xiàn)象認(rèn)定為篡改遺留的時(shí)域痕跡。此時(shí),對(duì)視頻的檢測(cè)便轉(zhuǎn)移到了對(duì)剖面圖的檢測(cè),視頻的時(shí)域信息被映射到了二維圖像上,從而達(dá)到了降維的目的。

圖2 篡改視頻前后的對(duì)比示意圖

灰度共生矩陣是一種常用的描述紋理方法,它是像素距離和角度的矩陣函數(shù),通過計(jì)算圖像中一定距離和一定方向的兩點(diǎn)灰度之間的相關(guān)性,來反映圖像在方向、間隔、變化幅度及快慢上的綜合信息。因其在表征紋理時(shí)可設(shè)定方向,本文采用此方法來檢測(cè)在橫向紋理背景下圖像中的紋理不一致性問題。

1.2 篡改操作引發(fā)的空域遺留痕跡

由于視頻具有比較強(qiáng)的連貫性,因此當(dāng)運(yùn)動(dòng)對(duì)象被移除時(shí),篡改軟件會(huì)對(duì)篡改區(qū)域做模糊處理,從而使得該區(qū)域的高頻分量損失。選取視頻集內(nèi)一幀篡改圖像,將其分為100個(gè)互不重疊的小塊。然后進(jìn)行小波變換,提取HH分量,將每個(gè)位置塊內(nèi)HH高頻系數(shù)求和,各位置處高頻分量和如圖3所示。篡改對(duì)象所在位置正是高頻分量值下降區(qū)域,因此,可將此現(xiàn)象認(rèn)定為篡改遺留的空域痕跡。

圖3 篡改后該幀高頻分量分布

2 視頻篡改檢測(cè)算法

在對(duì)篡改圖像進(jìn)行檢測(cè)時(shí),通常將其分為多個(gè)互不重疊的圖像塊,此種方法能夠較好地避免噪聲點(diǎn)的干擾。同理,在對(duì)篡改視頻進(jìn)行檢測(cè)時(shí),由于操作對(duì)象由二維轉(zhuǎn)化為三維,因此將視頻分為多個(gè)互不重疊的小立方塊。每個(gè)小立方塊都可通過圖4所示的方式,在q所在剖面圖獲得時(shí)域篡改殘留信息,在p所在剖面圖獲得空域篡改殘留信息。檢測(cè)流程如圖5所示。

圖4 空時(shí)域關(guān)系示意圖

圖5 檢測(cè)流程

2.1 時(shí)域運(yùn)動(dòng)殘留檢測(cè)器

在剖面圖中,對(duì)象移除的區(qū)域,紋理會(huì)出現(xiàn)混亂?？沼蜻\(yùn)動(dòng)殘留檢測(cè)器主要是將殘留痕跡定量分析,即為每個(gè)立方塊求得一個(gè)表征篡改的數(shù)值。步驟如下:

1)將分辨率為X×Y,幀數(shù)為T的視頻V分為20×10×(T/5)個(gè)互不重疊的小立方塊如圖6所示,每個(gè)立方塊包括(X/20)×(Y/10)×5個(gè)像素值,每個(gè)小立方塊的空間位置用(x,y,t)表示,x∈(1,2,…,20),y∈(1,2,…,10),t∈(1,2,…,T/5)。過任一空間位置為(x,y,t)的小立方塊的中心點(diǎn)作視頻V沿時(shí)間軸的切面,即沿第(Y/10)×y-Y/20列元素對(duì)視頻進(jìn)行切割,得到剖面圖P((Y/10)×y-Y/20)。

圖6 視頻分割示意圖

2)剖面圖P((Y/10)×y-Y/20)分為了20×(T/5)個(gè)互不重疊的圖像塊。如圖7所示,該剖面圖橫軸為幀數(shù)。以每個(gè)圖像塊的紋理特征近似表征其所在小立方體的篡改時(shí)域遺留信息。由于此剖面圖具有橫向紋理一致,縱向溝壑分明的特性,因此每一塊分別經(jīng)過0°掃描和90°掃描生成k階灰度共生矩陣G0、G90[18-19],其中,k為剖面圖的灰度級(jí)數(shù)。0°掃描所得k階灰度共生矩陣G0的熵ENT和90°掃描所得k階灰度共生矩陣G90(i,j)的對(duì)比度CON分別為:

(3)

(4)

圖7 視頻剖面

當(dāng)共生矩陣G0中元素值接近時(shí),熵較小;反之,熵較大。因剖面圖具有橫向一致性,在0°掃描所得的灰度共生矩陣中值分布較集中,固具有較小的熵。而在篡改區(qū)域出現(xiàn)混亂,熵則較大。對(duì)比度反映了圖像的清晰度和紋理溝壑深淺的程度。紋理溝壑越深,其對(duì)比度越大,視覺效果越清晰;反之,對(duì)比度小,則溝壑淺、效果模糊。所以,相比篡改區(qū)域,非篡改區(qū)域具有較大的縱向?qū)Ρ榷取＞C上,篡改可疑度與熵成正比關(guān)系,與對(duì)比度成反比關(guān)系。因此,可以定義篡改可疑度AD為:

AD=ENT/CON

(5)

相較篡改塊,運(yùn)動(dòng)物體所在塊的AD值更大,需先將其去除。通過實(shí)驗(yàn)設(shè)定閾值K:

(6)

如果AD(x,y,t)>K(x,y),那么該塊為運(yùn)動(dòng)物體塊,標(biāo)記為運(yùn)動(dòng)物體,其AD值改為所在行的AD均值;反之保留。然后定義時(shí)域可疑度TAD為式(7),其值表征篡改遺留的時(shí)域信息,值越大,篡改可能性越大。

(7)

2.2 空域運(yùn)動(dòng)殘留檢測(cè)器

在對(duì)象移除的區(qū)域,高頻分量會(huì)出現(xiàn)缺失?？沼蜻\(yùn)動(dòng)殘留檢測(cè)器主要是將空域殘留痕跡定量分析。過任一空間位置為(x,y,t)的小立方塊的中心點(diǎn)作視頻V沿時(shí)間軸的垂直方向的切面,得到第(5×t- 2)幀視頻,即F(5×t-2)。每一幀圖像都被分為了20×10個(gè)互不重疊的圖像塊,以每個(gè)圖像塊的高頻系數(shù)和近似表征其所在小立方體的篡改空域遺留信息。用s表示所在圖像塊內(nèi)高頻系數(shù)和,篡改區(qū)域處s值較小,非篡改處s值較大。為避免個(gè)別噪聲點(diǎn)對(duì)s值的影響,空域篡改遺留信息可由周圍(2×c+1)×(2×c+1)大小的塊窗口表征,如圖8所示。因此,定義空域可疑度SAD為式(8),其值表征篡改遺留的空域信息,值越大,篡改可能性越小。

(8)

圖8 空域位置示意圖

c值決定了計(jì)算SAD時(shí)窗口的大小。如果c值太小,窗口小于運(yùn)動(dòng)物體,那么有可能出現(xiàn)窗口完全在物體內(nèi),此時(shí),計(jì)算得到的SAD值偏大,易造成誤檢;如果c太大,會(huì)引入過多干擾。所以,c的選取將依據(jù)待檢測(cè)視頻內(nèi)容而定,通過比較本文所用實(shí)驗(yàn)樣本內(nèi)運(yùn)動(dòng)物體大小,得出c為2。此時(shí),既能做到窗口大于運(yùn)動(dòng)物體,又能減少引入過多干擾。

2.3 空時(shí)域聯(lián)合檢測(cè)方法

每個(gè)小立方塊都可分別求得TAD值、SAD值,TAD越大,SAD越小,該立方體的篡改可能性越大。又因?yàn)闀r(shí)域運(yùn)動(dòng)殘留提取器對(duì)篡改對(duì)象邊緣檢測(cè)較弱,而空域提取器恰好相反,越是邊緣部分周圍部分塊的高頻分量值越大,其SAD值也就越小,篡改可能性越大,兩者在區(qū)域判定上具有差異性從而起到了互補(bǔ)的作用。所以,定義聯(lián)合可疑度UAD如式(9)所示,不同系數(shù)會(huì)對(duì)檢測(cè)結(jié)果產(chǎn)生影響。通過實(shí)驗(yàn)得出a=1.2,閾值為0.02。如果UAD大于閾值時(shí),該小立方體被認(rèn)定為發(fā)生篡改;反之為未篡改。每個(gè)小立方體都被標(biāo)記為篡改或非篡改,也即達(dá)到了對(duì)整個(gè)視頻的檢測(cè)的目的。

UAD=TAD-a×SAD

(9)

3 實(shí)驗(yàn)結(jié)果與分析

本文算法在Matlab R2012a平臺(tái)上進(jìn)行實(shí)驗(yàn),視頻篡改軟件Mokey V4.0,視頻拍攝設(shè)備Samsung WB200F和Panasonic Lumix DMC—GM1k。視頻測(cè)試樣本為20個(gè),其中,5個(gè)來源于SULFA數(shù)據(jù)庫(kù),分辨率為240像素×320像素,15個(gè)為自拍攝視頻,分辨率480像素×640像素。20段視頻共計(jì)5 324幀,幀率統(tǒng)一為30 frame/s,并且所有視頻經(jīng)過篡改后,都在H.264編碼標(biāo)準(zhǔn)下進(jìn)行了壓縮。因?yàn)楸疚乃惴ㄊ菍⒁曨l分為小立方塊,以每個(gè)小立方塊為最小檢測(cè)單位,與先前算法不在同一檢測(cè)體系,所以較難做對(duì)比實(shí)驗(yàn)。

本文為了確定其中系數(shù)a,進(jìn)行了如下實(shí)驗(yàn):將每段視頻分為20×10×(T/5)個(gè)立方體,從中分別選取1 000個(gè)篡改區(qū)域立方塊,1 000個(gè)非篡改區(qū)域立方塊。a取不同值時(shí)的可疑度值如圖9所示,其中,灰色點(diǎn)為篡改塊,黑色點(diǎn)為非篡改塊,可疑度為比值。

圖9 篡改塊與非篡改塊分布

TT為類別為非篡改的樣本被系統(tǒng)判為非篡改的數(shù)量,FT為類別為非篡改的樣本被系統(tǒng)判為篡改的數(shù)量。

準(zhǔn)確率=(TT+FF)/(T+F)

漏警率=FT/(TT+FT)

虛警率=TF/(TT+TF)

(10)

由表1可知,在a=1.2時(shí),準(zhǔn)確率達(dá)到最大。所以,空時(shí)域聯(lián)合可疑度UAD=TAD-1.2×SAD,此時(shí),閾值T=0.02。除此之外,塊的大小同樣是影響檢測(cè)效果的重要因素,所以,又進(jìn)行了如下實(shí)驗(yàn):將20段視頻分別分為5×10×(T/5)、10×10×(T/5)、15×10×(T/5)、20×10×(T/5)、30×10×(T/5)個(gè)互不重疊立方塊,從中分別選取500、1 000、1 500、2 000、3 000個(gè)篡改與非篡改等量的樣本。

表1 不同系數(shù)下的準(zhǔn)確率 %

如表2所示,隨著塊的減小,檢測(cè)效果有明顯的提高。這是因?yàn)閴K越小對(duì)于邊緣區(qū)域的檢測(cè)精確度越高。但是并不是塊越小越好,塊太小不僅使得算法復(fù)雜度大幅提高,還使得虛警率增加較多。因?yàn)楫?dāng)塊較小時(shí),某些塊內(nèi)的噪聲占比將會(huì)較大,從而影響檢測(cè)效果。

表2 不同分塊數(shù)量下的檢測(cè)效果 %

4 結(jié)束語

本文提出一種針對(duì)視頻對(duì)象刪除的空時(shí)域聯(lián)合檢測(cè)算法。該算法提供了全新的觀察角度,通過對(duì)視頻剖面的分析來實(shí)現(xiàn)對(duì)視頻篡改遺留痕跡的提取。實(shí)驗(yàn)結(jié)果表明,該算法取得了較好的檢測(cè)效果。但是,當(dāng)前該算法僅限于對(duì)視頻垂直切割,下一步將嘗試從不同方向和角度切割視頻,來提高算法針對(duì)不同環(huán)境下的適應(yīng)能力。

[1] FARID H.Seeing is not believing[J].IEEE Spectrum,2009,46(8):44-51.

[2] LI Jian,LI Xiaolong,YANG Bin,et al.Segmentation-based image copy-move forgery detection scheme[J].IEEE Transactions on Information Forensics & Security,2015,10(3):507-518.

[3] JIANG Xinghao,WANG Wan,SUN Tanfeng,et al.Detection of double compression in MPEG-4 videos based on markov statistics[J].IEEE Signal Processing Letters,2013,20(5):447-450.

[4] HE Peisong,JIANG Xinghao,SUN Tanfeng,et al.Double compression detection based on local motion vector field analysis in static-background videos[J].Journal of Visual Communication & Image Representation,2016,35:55-66.

[5] 黃美玲,王讓定,徐 健,等.基于DCT系數(shù)統(tǒng)計(jì)特性的HEVC視頻雙壓縮檢測(cè)算法[J].光電子·激光,2015(4):733-739.

[6] SHANABLEH T.Detection of frame deletion for digital video forensics[J].Digital Investigation,2013,10(4):350-360.

[7] ZHANG Zhenzhen,HOU Jianjun,MA Qinglong,et al.Efficient video frame insertion and deletion detection based on inconsistency of correlations between local binary pattern coded frames[J].Security & Communication Networks,2015,8(2):311-320.

[8] 李曉梅.基于殘留噪聲相關(guān)性的視頻篡改檢測(cè)算法[J].信息技術(shù),2013(10):103-105.

[9] 苗立剛.視頻監(jiān)控中的圖像拼接與合成算法研究[J].儀器儀表學(xué)報(bào),2009,30(4):857-861.

[10] 楊 婧,任延珍,汪肇翔,等.基于差異能量的監(jiān)控視頻篡改檢測(cè)算法[J].信息網(wǎng)絡(luò)安全,2013(9):55-59.

[11] 宋 怡.基于空時(shí)域聯(lián)合匹配的視頻篡改檢測(cè)算法[D].天津:天津大學(xué),2012.

[12] MATHAI M,RAJAN D,EMMANUEL S.Video forgery detection and localization using normalized cross-correlation of moment features[C]//Proceedings of Image Analysis and Interpretation.Washington D.C.,USA:IEEE Press,2016:149-152.

[13] LI L,WANG X,ZHANG W,et al.Detecting removed object from video with stationary background[C]//Proceedings of International Conference on Digital Forensics and Watermaking.Berlin,Germany:Spinger-Verlay,2012:242-252.

[14] 李 倩,王讓定,徐達(dá)文.基于視頻修復(fù)的運(yùn)動(dòng)目標(biāo)刪除篡改行為的檢測(cè)算法[J].光電子·激光,2016(2):182-190.

[15] 王嘉萱,蘇育挺.基于時(shí)序特征聚類的對(duì)象刪除篡改檢測(cè)[Z].2012.

[16] 袁秀娟,黃添強(qiáng),蘇立超,等.基于邊緣異常與壓縮跟蹤的視頻摳像篡改檢測(cè)[J].計(jì)算機(jī)工程,2014,40(7):267-271.

[17] 劉雨青,黃添強(qiáng).基于時(shí)空域能量可疑度的視頻篡改檢測(cè)與篡改區(qū)域定位[J].南京大學(xué)學(xué)報(bào)(自然科學(xué)),2014(1):61-71.

[18] 鄭 紅,李 釗,李 俊.灰度共生矩陣的快速實(shí)現(xiàn)和優(yōu)化方法研究[J].儀器儀表學(xué)報(bào),2012,33(11):2509-2515.

[19] 薄 華,馬縛龍,焦李成.圖像紋理的灰度共生矩陣計(jì)算問題的分析[J].電子學(xué)報(bào),2006,34(1):155-158.