栗赫遙 包 清 鄧 南

（1 上海公安學(xué)院治安系 上海 200137；2 上海市公安局刑事偵查總隊 上海 200083；3 上海理工大學(xué)光電信息和工程學(xué)院 上海 200093）

1 引言

隨著數(shù)字化攝錄設(shè)備的普及，視聽資料在各種案件中出現(xiàn)的頻率不斷上升。相對保守的法庭科學(xué)，在一定的條件下把新興的數(shù)字化的數(shù)據(jù)逐漸納入到線索和證據(jù)之中[1-2]。由于數(shù)字化的視聽資料具有易于修改和難以留痕的特點，經(jīng)編輯的視聽資料作為線索或是證據(jù)存在瑕疵。目前，數(shù)字化視聽資料的檢驗主要集中在單張圖片的檢驗[3-4]，通過檢驗單張圖片的原始性來評判圖片是否經(jīng)過編輯，據(jù)此判斷圖片是否可以被采信[5]。其中利用背景噪聲檢驗方法主要有張弛等人提出的通過邊緣算子提取邊緣后比較內(nèi)外的噪聲差異[6]，劉麗娟等人提出的圖像分割后基于偏度統(tǒng)計的噪聲識別方法，識別出異常噪聲區(qū)域以達(dá)到檢驗拼接區(qū)域的目的[7]，盧燕飛等人提出了基于估計信道信噪比高階統(tǒng)計量分割圖像檢驗異常區(qū)域的方法[8]，張暉等人提出了利用噪聲的高階統(tǒng)計特征檢驗圖片是否拼接形成[9]。上述方法均是通過背景噪聲的統(tǒng)計性參數(shù)，檢驗單張圖像的原始性。

根據(jù)中華人民共和國公安部在2014年頒布的標(biāo)準(zhǔn)，法庭科學(xué)中視聽資料連續(xù)性檢驗鑒定規(guī)范（GA/T 1199-2014）將視頻資料連續(xù)性檢驗分成了兩個部分，即客觀評價體系和主觀評價體系?？陀^評價體系包括藍(lán)屏/黑屏的有無；場景分辨率是否變化；鏡頭切換的有無；畫面重復(fù)的有無；關(guān)鍵幀信息是否一致。主觀評價體系包括景深關(guān)系是否合理；畫面噪聲分布是否合理；畫面質(zhì)量是否一致；目標(biāo)運動是否合理；內(nèi)容變化是否合理；壓縮程度是否合理。

參照公安部標(biāo)準(zhǔn)，視頻資料連續(xù)性檢驗的客觀標(biāo)準(zhǔn)易被剪輯者規(guī)避，檢驗主要依賴檢驗人員的經(jīng)驗和細(xì)致。有的學(xué)者也提出了一些相對客觀的檢驗方法與標(biāo)準(zhǔn)，如Qi Wang等人提出了使用支持向量機通過灰度值的相關(guān)系數(shù)衡量幀間的穩(wěn)定性[10]，Lu Zheng等人提出了利用亮度比值的連續(xù)性衡量幀間的連續(xù)性[11]，但上述方法適用范圍小，效果并不顯著。視頻中的本底噪聲作為十萬甚至是百萬的數(shù)量級的感光元件的耦合作用結(jié)果，是在錄制過程中無法避免的。聲學(xué)角度的本底噪聲高斯模型已發(fā)展成熟[12]，利用本底噪聲之間在特征上的差異可建立起聲音環(huán)境識別[13]。依據(jù)現(xiàn)有刑事技術(shù)學(xué)的理論，視頻中的本底噪聲被認(rèn)為是有自身連續(xù)性的[14]，從理論上說利用本底噪聲檢驗視頻的連續(xù)性是可行的，但客觀、定量的連續(xù)性檢驗尚無成熟的方法。

本文提出了一種通過濾波提取視頻中本底噪聲后，計算幀間轉(zhuǎn)移矩陣距離差值的算法，能夠客觀、數(shù)值化地衡量本底噪聲的差異。

2 實驗

2.1 實驗原理

馬爾科夫過程指的是一個系統(tǒng)狀態(tài)轉(zhuǎn)化過程中第n次轉(zhuǎn)換的狀態(tài)決定于前一次，即第n-1次的狀態(tài)結(jié)果。對于一段連續(xù)錄制的錄像，假設(shè)錄制的是一段靜穩(wěn)場景，那么任意t時刻第k幀視頻中的本底噪聲，是由第k-1幀時的噪聲經(jīng)過衰減再疊加過程中產(chǎn)生的隨機噪聲而得到的，t時刻第k幀視頻中本底噪聲與第k-1幀時的噪聲存在一定的相關(guān)性。視頻中本底噪聲大量存在，所以將本底噪聲的轉(zhuǎn)移過程建立成矩陣后，在統(tǒng)計上存在穩(wěn)定性。當(dāng)視頻經(jīng)過剪輯后，雖然場景沒有變化但本底噪聲轉(zhuǎn)移矩陣之間的連續(xù)性遭到破壞，通過檢驗轉(zhuǎn)移矩陣之間的連續(xù)性判斷視頻是否經(jīng)過剪輯。

檢驗主要包括兩個部分，第一部分是本底噪聲的提取，采用梯度算法得到圖像的梯度分布強度后利用濾波得到圖像中的本底噪聲，將提取出的本底噪聲與周圍小鄰域的均值做差，即可以得到該點處本底噪聲的強度；第二部分是轉(zhuǎn)移矩陣的建立和矩陣間距離的計算，將相同一點(x,y)第k-1幀和第k幀的本底噪聲強度進(jìn)行統(tǒng)計建立轉(zhuǎn)移矩陣，用兩個矩陣之間的歐式距離衡量轉(zhuǎn)移矩陣之間的相似性。

2.2 實驗過程

使用型號為PMW-EX1的錄像機開機5min后，錄制一段時長為40s的視頻，原始視頻中有人員進(jìn)入和離開的場景，使用專門的視頻編輯軟件對視頻進(jìn)行剪輯，把反映人員活動的幀剪輯掉，再將視頻拼接起來，經(jīng)肉眼觀察剪輯后的整段視頻均未發(fā)現(xiàn)明顯異常。視頻的剪輯點位于視頻的24.8s處，即第620幀（每秒25幀）處，視頻中被剪輯前有人員進(jìn)出的場景和被剪輯拼接后的場景，如圖1所示。按照傳統(tǒng)方法對視頻進(jìn)行檢驗，由于無法發(fā)現(xiàn)剪輯痕跡，該視頻將被認(rèn)定為未經(jīng)處理的原始視頻。

2.2.1 本底噪聲的提取

本次實驗對于本底噪聲的提取主要是基于梯度算法。記P（i，j）為點（i，j）處的灰度值，記T（i，j）=max（（P（i，j）－P（i，j-1）），（P（i，j）－P（i-1，j）））為點（i，j）處的梯度強度值。將原始圖像轉(zhuǎn)化為灰度圖像后使用梯度算法得到梯度強度分布圖像，如圖2所示。

圖2 梯度強度分布示例圖

相對于本底噪聲，圖像2中物體的輪廓與邊緣有兩個特點：①圖像中物體的輪廓與邊緣的梯度強度遠(yuǎn)大于本底噪聲；②圖像中物體的輪廓與邊緣相對于分布雜亂無章的本底噪聲，在一個局部小鄰域內(nèi)容易呈現(xiàn)出比較明顯的線性特征。利用上述兩個特點對圖像進(jìn)行濾波，即可得到去除物體輪廓與邊緣的灰度圖像，如圖3所示。

圖3 去輪廓灰度示例圖

圖像3中，當(dāng)提取點滿足去輪廓條件，即提取點不屬于輪廓，并且在包含提取點的3*3的鄰域內(nèi)不屬于輪廓點的計數(shù)大于4，則計算該點的本底噪聲強度，并記錄下該點的本底噪聲強度Ixy，坐標(biāo)位置(x，y)于集合D。Ixy=I-(Σ(Ic)/n)，其中，Ixy為計算后所提取出點的本底噪聲強度，I為所提取出點的梯度強度值，Σ(Ic)為所提取出點的3*3鄰域內(nèi)不屬于輪廓點的梯度強度值的和，n為所提取出點的3*3鄰域內(nèi)不屬于輪廓點的計數(shù)，得到本底噪聲強度分布，如圖4所示。

圖4 本底噪聲強度分布色階示例圖

2.2.2 轉(zhuǎn)移矩陣的提取與計算

對于單張本底噪聲圖片，提取每一個已經(jīng)計算得到的本底噪聲點的噪聲強度I，坐標(biāo)位置(x，y)，即可得到灰度分布。利用兩張本底噪聲圖片，即可求得本底噪聲轉(zhuǎn)移矩陣。Cij=Nij/Ni，其中Cij為轉(zhuǎn)移矩陣第i行j列的元素值，Nij為噪聲強度由i變化到j(luò)的總點數(shù)，Ni為噪聲強度為i的總點數(shù)。使用該方法即可得到本底噪聲的轉(zhuǎn)移矩陣，如圖5所示。

圖5 轉(zhuǎn)移矩陣結(jié)果示例圖

在獲得本底噪聲轉(zhuǎn)移矩陣的基礎(chǔ)上，繼續(xù)計算轉(zhuǎn)移矩陣間的距離來衡量兩個轉(zhuǎn)移矩陣之間的相似性其中 為轉(zhuǎn)移矩陣距離，Aij為第k幀的轉(zhuǎn)移矩陣的第i行j列的元素值，Bij為第k-1幀的轉(zhuǎn)移矩陣的第i行j列的元素值，越大時相似性越低，反之則越高。

經(jīng)實驗發(fā)現(xiàn)轉(zhuǎn)移矩陣的維度并不是恒定的，而是會隨著時間的改變而發(fā)生變化，如圖6所示。

圖6 維度分布統(tǒng)計圖

相同數(shù)值的轉(zhuǎn)移矩陣距離的結(jié)果，在不同的維度下的偏差程度是不同的，所以需要對結(jié)果進(jìn)行歸一化消除。對于一個n階的轉(zhuǎn)移矩陣方陣假定后續(xù)幀完全由前序幀決定和后續(xù)幀完全隨機的兩種極限情況下，對應(yīng)的極限轉(zhuǎn)移矩陣分別為單位矩陣和每個元素均為1/n的n階矩陣，將這兩種極限情況歸一化需要把矩陣乘以一個調(diào)節(jié)系數(shù)因為從實驗結(jié)果來看n的值較大，所以可以把歸一化結(jié)果近似地看成乘以一個調(diào)節(jié)系數(shù)

3 結(jié)果

按照上文實驗過程中的步驟，調(diào)整后的轉(zhuǎn)移矩陣距離的變化值，如圖7所示，圖中黑色箭頭為視頻中的剪輯點處。剪輯點附近鄰域的結(jié)果數(shù)值，如圖8所示（依次為618-622幀結(jié)果）。

圖7 轉(zhuǎn)移矩陣距離結(jié)果

圖8 剪輯點附近鄰域處轉(zhuǎn)移矩陣距離結(jié)果

4 討論與分析

根據(jù)噪聲提取結(jié)果，梯度方法提取圖像中的本底噪聲時，結(jié)合去輪廓濾波，能夠在保留圖像中穩(wěn)定區(qū)域提取到大量本底噪聲的同時，消除掉圖像中輪廓和邊緣的干擾，完全與預(yù)期相吻合。

模擬實驗轉(zhuǎn)移矩陣距離結(jié)果的數(shù)值約為0.45，明顯高于絕大多數(shù)連續(xù)幀之間計算的結(jié)果（超過了99%），在1000幀中排到了第3高位，在這個高點，之后又出現(xiàn)了一個約為0.36高點，連續(xù)兩個高點是剪輯視頻的特異性特征，與理論分析相匹配。大量的連續(xù)幀之間的計算結(jié)果集中在[0.1-0.2]之間，與非連續(xù)幀之間計算的結(jié)果0.45存在著顯著的差異。該結(jié)果還可以使用機器學(xué)習(xí)的方法進(jìn)行后續(xù)優(yōu)化，因為在計算轉(zhuǎn)移矩陣距離時，矩陣中的每個元素計算得到的結(jié)果均被賦予了相同的權(quán)重。從實驗數(shù)據(jù)可以發(fā)現(xiàn)，部分元素在連續(xù)幀和非連續(xù)幀兩種情況下變化較大，其他元素沒有這樣的性質(zhì)?？梢酝ㄟ^機器學(xué)習(xí)的方法構(gòu)建了一個帶有反饋的加權(quán)矩陣，將轉(zhuǎn)移矩陣中不同位置的元素賦予不同的權(quán)重。

5 結(jié)論

本次實驗結(jié)果是在錄制機器固定不動、光照條件相對穩(wěn)定，畫面中穩(wěn)定區(qū)域較多的情況下獲得的。經(jīng)過實驗的測試與驗證，基于本底噪聲馬爾科夫轉(zhuǎn)移矩陣的分析方法，在檢驗視頻連續(xù)性與傳統(tǒng)方法相比有著明顯的優(yōu)勢：①能夠使用客觀的計算結(jié)果，直觀地把整段視頻的疑似剪輯處鎖定到一個很小的范圍內(nèi)，減少需要人工觀看和檢驗的視頻區(qū)間，減少了工作量；②改變視頻連續(xù)性檢驗依賴主觀和經(jīng)驗，為確定疑似剪輯處提供了客觀、直觀的數(shù)據(jù)支撐。綜上所述，基于本底噪聲馬爾科夫轉(zhuǎn)移矩陣的分析方法，可以作為分析視頻連續(xù)性的一種有效的輔助手段。