沈 婷， 孫錟鋒， 蔣興浩

(上海交通大學(xué) 電子信息與電氣工程學(xué)院； 信息內(nèi)容分析技術(shù)國家工程實驗室，上海 200240)

近年來，數(shù)字視頻已經(jīng)成為我們?nèi)粘Ｉ钪蝎@取信息的一種重要來源.然而，視頻編輯軟件的不斷進步使得用戶可以輕易篡改數(shù)字視頻，導(dǎo)致數(shù)字視頻的完整性與真實性難以得到保證.進行視頻篡改時，操作者必須先解碼原始視頻，對其篡改后再進行二次編碼，所以一段被篡改的視頻肯定經(jīng)歷過重壓縮過程.視頻雙壓縮檢測時若發(fā)現(xiàn)為單次壓縮，可認為該段視頻為原始視頻，反之則懷疑該段視頻被篡改過.因此在被動取證領(lǐng)域中，視頻雙壓縮檢測技術(shù)具有重要的研究意義和實用價值.

自2006年以來，越來越多的學(xué)者致力于視頻雙重壓縮檢測技術(shù)研究，并提出了許多相關(guān)算法.Xu等[1]提出利用視頻中量化離散余弦變換(DCT)系數(shù)分布特征進行MPEG-2編碼標(biāo)準視頻的雙壓縮檢測.He等[2]提出自適應(yīng)去塊效應(yīng)濾波器法，Jiang等[3]提出馬爾科夫統(tǒng)計模型法，均能有效檢測MPEG-4編碼標(biāo)準的雙壓縮視頻.針對H.264雙重壓縮視頻的檢測算法，Liao等[4]提出利用AC系數(shù)分布帶來變化的方法，以及Su等[5]提出采用去塊效應(yīng)濾波器的方法.然而，上述算法只能檢測兩次壓縮過程采用不同量化參數(shù)(QP)的雙壓縮視頻.在實際應(yīng)用場景中，篡改者可以從視頻比特流中讀取QP信息，在重壓縮過程中使用相同值.當(dāng)使用相同QP對單次壓縮視頻再次壓縮時，壓縮前后兩者之間的差別將變得極其微小，進而導(dǎo)致上述算法失效[6].在圖像重壓縮檢測領(lǐng)域，也存在類似問題，即兩次壓縮量化參數(shù)相同會導(dǎo)致重壓縮痕跡十分微弱.Huang等[7]首次提出相同量化矩陣下JPEG圖像的雙壓縮檢測，發(fā)現(xiàn)隨著壓縮次數(shù)n的增加，第n次和第n+1次壓縮的圖片中不同JPEG系數(shù)的數(shù)量呈遞減趨勢.Yang等[8]利用誤差塊的統(tǒng)計性差異來檢測相同量化矩陣下單次和雙次JPEG壓縮；Chen等[9]受此啟發(fā)，提出采用P幀中的宏塊模式(MBM)來進行相同量化因子下MPEG視頻雙壓縮檢測.Zhang等[10]受文獻[7]中統(tǒng)計特性規(guī)律啟發(fā)，提出比差集(RDS)統(tǒng)計方法，用于統(tǒng)計相鄰兩次壓縮視頻版本間同一I幀量化DCT系數(shù)變化情況，來檢測H.264標(biāo)準下相同QP的雙壓縮視頻.目前，針對H.264相同QP雙壓縮檢測的算法仍然較少，文獻[10]的算法只考慮了量化DCT系數(shù)一種編碼參數(shù)，其檢測準確率會隨著QP增大而明顯下降.

針對以上問題，本文提出一種將I幀宏塊幀內(nèi)預(yù)測模式(IPMBM)與量化DCT系數(shù)相結(jié)合的雙編碼參數(shù)模型，用于檢測相同QP的H.264雙壓縮視頻.首先，引入I幀IPMBM的概念，該模式由宏塊類型和預(yù)測模式兩部分構(gòu)成.文獻[9]發(fā)現(xiàn)，當(dāng)使用相同量化因子多次壓縮MPEG視頻后，視頻P幀MBM變化的宏塊數(shù)量具有收斂性.我們發(fā)現(xiàn)H.264視頻中I幀IPMBM在使用相同QP多次壓縮后的視頻中其變化數(shù)量也有相同的收斂性.采用相同QP對視頻實施多次壓縮后，提取相鄰兩次壓縮版本之間幀內(nèi)預(yù)測模式發(fā)生改變的宏塊數(shù)量及量化DCT系數(shù)發(fā)生變化的數(shù)量，將兩者組合為分類特征，然后利用支持向量機(SVM)來分類判斷視頻是否經(jīng)歷相同QP的雙壓縮.本文的編碼參數(shù)模型結(jié)合了兩種不同的編碼參數(shù)，取得了更為穩(wěn)健的檢測效果.最終實驗表明，本文算法檢測的平均準確率優(yōu)于文獻[10]中算法，且在QP值較大的情況下仍能保持較高的檢測準確率.

1 雙壓縮檢測模型

1.1 雙編碼參數(shù)模型

本文首次提出一種新的雙編碼參數(shù)模型，包含兩部分特征，分別為I幀IPMBM和I幀量化DCT系數(shù)，檢測模型如圖1所示.由于I幀在編碼過程中先后涉及幀內(nèi)預(yù)測和DCT兩部分，而重壓縮過程中的預(yù)測塊是基于它上方和左方相鄰塊重構(gòu)獲得，所以編碼器會在計算每一種宏塊類型和幀內(nèi)預(yù)測模式的組合方式后選取一種最佳方式.因此，即使是以相同QP值進行多次壓縮時，也會導(dǎo)致當(dāng)前塊宏塊類型和幀內(nèi)預(yù)測模式發(fā)生變化，而量化DCT系數(shù)的變化則由預(yù)測過程以及進一步的量化(包括取整和截斷)操作共同引起.重壓縮過程會導(dǎo)致上述兩種參數(shù)同時發(fā)生變化，且兩者具有相同的統(tǒng)計變化規(guī)律.幀內(nèi)預(yù)測模式和量化DCT系數(shù)屬于兩種不同的編碼參數(shù)，將兩者結(jié)合可提升對單雙次壓縮視頻的辨別能力.因此，本文提出將IPMBM和量化DCT系數(shù)兩者相結(jié)合的雙編碼參數(shù)模型，并采用機器學(xué)習(xí)的框架，將得到的新特征輸入到SVM中進行分類，可以同時達到提高準確率和增強穩(wěn)健性的效果.

圖1 本文雙壓縮檢測的通用模型Fig.1 The double compression detection model

1.2 I幀IPMBM的統(tǒng)計特征

根據(jù)宏塊分成子塊的方式，H.264中I幀亮度宏塊類型有2種基本類型，分別是i16×16和i4×4，相對應(yīng)的幀內(nèi)預(yù)測模式分別有4種和9種.定義宏塊類型和幀內(nèi)預(yù)測模式兩者組合為I幀宏塊幀內(nèi)預(yù)測模型，即

IPMBM(M)=[MtypeMpre]

(1)

若宏塊類型和幀內(nèi)預(yù)測模式兩者均相同，則認為這兩宏塊具有相同IPMBM.當(dāng)對一段視頻采用同一QP值重復(fù)壓縮時，如果經(jīng)歷了第n和n+1次壓縮后處于同一位置處的宏塊具有相同IPMBM，則此宏塊在第n+1次壓縮過程中處于穩(wěn)定狀態(tài)，反之狀態(tài)不穩(wěn)定.定義每幀I幀中所有不穩(wěn)定宏塊的平均數(shù)量如下：

(2)

式中：N表示該段視頻中I幀的數(shù)量；Mn(i,x,y)則表示經(jīng)歷n次壓縮的視頻中處于幀號i位置處I幀(x,y)處的宏塊，對應(yīng)的指示函數(shù)為

(3)

式中：M1和M2為2個宏塊.為了解決不同分辨率的穩(wěn)健性，得到的Sn需要除以一幀中的宏塊總數(shù)NT，因此特征向量F中特征元素Fn的具體計算方法如下：

Fn=Sn/NT

(4)

圖2為從單次壓縮的視頻中提取的Fn的平均值，其中橫坐標(biāo)為Fn中的元素編號，即視頻相同量化參數(shù)下經(jīng)歷的壓縮次數(shù)n；縱坐標(biāo)為Fn中的元素平均值.

由圖2可見：隨著n的增加，F(xiàn)n值嚴格單調(diào)遞減，因為穩(wěn)定的塊在下一次壓縮中將不再改變.同時，F(xiàn)1值比較大(當(dāng)QP<40時，F(xiàn)1>0.5)，這是因為對于一個宏塊而言，IPMBM有4+916種可能情況(1個i16×16宏塊和1個i4×4宏塊分別對應(yīng)有4種和916種可能)，并且宏塊的幀內(nèi)預(yù)測模式受其本身像素點和相鄰兩個宏塊像素點共同影響.圖中曲線后3點間連線的斜率比前2點間連線的斜率小很多，下降趨勢變緩是因為在多次壓縮過程中，像素和宏塊幀內(nèi)預(yù)測之間相互影響的趨勢越來越穩(wěn)定.

圖2 不同QP下Fn(n=1,2,3,4,5)平均值的特征曲線Fig.2 Characteristic curves of the average Fn(n=1,2,3,4,5) with different QPs

1.3 量化DCT系數(shù)的統(tǒng)計特征

圖3為從單次壓縮的視頻中統(tǒng)計得出的量化DCT系數(shù)的變化率，橫坐標(biāo)代表壓縮次數(shù)n，縱坐標(biāo)代表I幀中量化DCT系數(shù)的變化率.

在給定的視頻中獲取比差集

(5)

由于該集合的大小等于一段視頻中I幀數(shù)目，而I幀的數(shù)目是隨著視頻的大小而變化，因此采用一種方法來得到固定維數(shù)的特征，具體如下.

圖3 不同QP下的特征曲線Fig.3 Characteristic curves of the with different QPs

圖4 算法原理圖Fig.4 Framework of the proposed algorithm

首先將集合H中的數(shù)據(jù)按升序排序，然后從集合中選取3個四分位置點處的值、第1個位置點的值以及集合H中所有元素的平均值，共5個數(shù)值組成5維特征.集合H按升序排序，故3個四分位置點的值可以反映出數(shù)值變化的趨勢，四分位置點的計算方法如下：

(6)

式中：[X]表示對X采取四舍五入.因此四分位置點的值可以表示為：

(7)

2 雙重壓縮檢測算法框架

提出一種基于I幀IPMBM和量化DCT系數(shù)兩者相結(jié)合的統(tǒng)計特征，并且采用SVM進行分類，算法整體框架如圖4所示.

算法詳細流程共分為3個步驟，具體如下.

(3) 構(gòu)造特征向量作為SVM的輸入，表達式為F=[FnF′]，n=1,2,…,K，利用訓(xùn)練集訓(xùn)練得到對應(yīng)的檢測模型后，便可進行相同QP下H.264的雙壓縮視頻檢測.其中：Fn由IPMBM特征統(tǒng)計得出，可根據(jù)式(4)計算；F′自RDS中根據(jù)式(6)和(7)得出的5維特征.根據(jù)實驗結(jié)果，當(dāng)K設(shè)定為5時可較好地平衡正確率和復(fù)雜度兩者間關(guān)系.算法具體流程如圖5所示.

圖5 本文雙重壓縮檢測算法細化流程圖Fig.5 Scheme of the proposed double compression detection

3 實驗與分析

3.1 視頻樣本庫的建立

實驗中視頻樣本為常用的50段原始YUV序列，來自網(wǎng)站Xiph.org Video Test Media.為了增加樣本數(shù)量，在實驗過程中將所有原始YUV序列進行分割，以每100幀作為一段新的YUV序列，對于不滿100幀的部分直接舍棄，如果原始YUV序列超過1000幀，則只使用前面的1000幀，最終生成132段通用影像傳輸格式(CIF)和78段標(biāo)準化圖像格式(QCIF)的新YUV序列.在H.264編碼標(biāo)準下以特定QP值對這些原始YUV序列編碼，得到的視頻作為雙壓縮檢測實驗的負樣本.之后對所有負樣本，以同一QP值進行二次壓縮編碼，作為相同QP值下實驗的正樣本.實驗過程中正負樣本被隨機分配到訓(xùn)練集和測試集中，但同一段原始YUV分割出來的若干段新YUV序列經(jīng)編碼得到的視頻將隨機同時分配到訓(xùn)練集或同時分配到測試集.實驗中采用FFMPEG編碼器來壓縮視頻，其中圖像組(GOP)長度固定為10，QP取值為1～51.選用基于徑向基函數(shù)(RBF)核的非線性SVM分類器進行分類，通過5折交叉驗證對超參數(shù)進行網(wǎng)格尋優(yōu).其中懲罰參數(shù)c的變化范圍為[2-20,220]，RBF核函數(shù)g的變化范圍為[2-20,220].每個QP值的最終實驗準確率通過計算30次5折交叉驗證結(jié)果的平均值得出.實驗中正負樣本數(shù)量相等，因此利用準確率來衡量算法的性能，表達式為

AR=(TPR+TNR)/2

其中：TPR為真正類率；TNR為負正類率.表1為編碼參數(shù).

表1 本文算法視頻編碼參數(shù)設(shè)置表Tab.1 Parameters for the encoding sequences

3.2 實驗結(jié)果對比與分析

目前，H.264視頻相同量化參數(shù)雙壓縮檢測算法很少，如Zhang等[10]采用基于量化DCT系數(shù)構(gòu)建的特征向量，并結(jié)合SVM分類器進行檢測.IPMBM為Chen等[9]文中MBM在H.264視頻中的推廣模型，可用于檢測同量化參數(shù)情況下的H.264雙壓縮視頻.上述兩種算法代表了同量化參數(shù)雙壓縮檢測的兩類經(jīng)典思想，本文與這兩種算法進行了對比.

圖6為QP=1～51共51種情況下雙壓縮檢測的準確率，每個QP都對應(yīng)210段正樣本和210段負樣本.總體而言，本文算法的平均準確率為 90.01%，比IPMBM算法提高了5%，比文獻[10]中算法提高了 1.6%.

圖6 算法準確率對比Fig.6 Comparative results with the algorithms

由圖6可見：在QP<20時，本文算法和文獻[10]的準確率基本持平，而IPMBM算法較低；當(dāng)QP為20～30時，本文算法的準確率略低于文獻[10]， 而IPMBM準確率較低，基本呈一個直線下降的趨勢，其原因可見圖2中IPMBM部分的曲線，QP=20和QP=30這兩條曲線相鄰兩點之間連線的下降趨勢區(qū)別較小，區(qū)分度不明顯，因而導(dǎo)致組合后的特征檢測準確率與文獻[10]相比反而有所下降；當(dāng)QP>30時，本文算法的準確率明顯優(yōu)于文獻[10]，說明本文方法對量化程度不敏感，即使當(dāng)QP>40時，檢測準確率仍能保持在 74.5% 以上.圖6顯示基于IPMBM部分的特征在QP值較大時能起到有效檢測的效果.原因可從圖2和3中看出，當(dāng)QP較大時，文獻[10]中采用的特征前2點對應(yīng)的縱坐標(biāo)值下降趨勢明顯變緩，區(qū)分度明顯下降；而基于IPMBM的曲線圖中前2點對應(yīng)的縱坐標(biāo)值仍保持較大的下降趨勢，且第1個點的值遠大于第2個點.

隨著QP的增大，3條曲線均呈一定的下降趨勢，這是因為量化程度高會導(dǎo)致宏塊和量化DCT系數(shù)更容易趨于穩(wěn)定狀態(tài)，這使特征中的每維數(shù)值更小，區(qū)分度也隨之變小，因而判斷準確率下降.同時可以看到當(dāng)QP>31時，文獻[10]中的算法準確率明顯下降，而此時本文算法準確率下降比較緩慢，且保持一個較高的值.

IPMBM部分特征選取維數(shù)需考慮到準確率和復(fù)雜度兩者的平衡關(guān)系，因此針對本文算法IPMBM部分選取特征維數(shù)參數(shù)為5(con5)的情況，設(shè)計了2個針對算法參數(shù)設(shè)定的對比實驗，即維數(shù)分別為4和6(即con4和con6).表2列舉了部分QP取值情況下3種設(shè)定不同參數(shù)值的實驗的準確率，其中con4平均為 89.67%，con6平均為 89.86%，而本文算法為 90.01%.由此可見，IPMBM部分特征維數(shù)選取為5時性能更佳.

表2 不同維數(shù)在部分QP值時的準確率Tab.2 Acurracy with some QPs

4 結(jié)語

基于I幀IPMBM和量化DCT系數(shù)相結(jié)合的雙編碼參數(shù)模型，提出一種H.264同量化參數(shù)雙壓縮檢測算法.利用2種不同編碼參數(shù)的收斂性構(gòu)建分類特征；在特征提取過程中，通過對視頻采用相同QP值壓縮多次，分別對相鄰兩次壓縮版本之間I幀中IPMBM和量化DCT系數(shù)不同的個數(shù)進行統(tǒng)計并組成特征，最后將特征結(jié)合SVM分類器來判斷視頻是否經(jīng)歷過雙壓縮.實驗證實，本文算法能有效檢測視頻是否經(jīng)歷雙重壓縮，準確率比現(xiàn)有算法有所提升，且對不同分辨率有較強的穩(wěn)健性.不足之處在于目前算法僅針對H.264編碼標(biāo)準，未考慮其他編碼標(biāo)準，且測試視頻樣本內(nèi)容比較單一，因而下一步工作可考慮將該算法拓展到HEVC視頻的雙壓縮檢測并增加視頻樣本內(nèi)容多樣性.