基于視頻修復痕跡的運動對象刪除區(qū)域檢測方法

基于視頻修復痕跡的運動對象刪除區(qū)域檢測方法

1基于數(shù)字視頻的篡改檢測圖像、頻率、視頻和其他數(shù)字媒體易于編輯、合成、復制和傳播。這不僅是方便的，而且是信息安全的挑戰(zhàn)。盡管數(shù)字視頻的篡改偽造相對于靜止圖像要更為復雜,但功能強大的視頻編輯軟件,例如VideoEditMagic、AdobeAfterEffects和Mokey等,使得數(shù)字視頻信息的完整性和真實性遭到破壞數(shù)字視頻取證根據(jù)取證方式分為主動取證和被動取證。主動取證包括數(shù)字視頻水印技術對數(shù)字視頻,運動對象的修改屬于最受關注的惡意篡改與偽造操作,特別是語義視頻對象的改變,往往直接影響對視頻內(nèi)容的理解和認知,因此相對于雙重壓縮將運動目標從視頻中移除是視頻對象篡改的一種常見形式,但是目前檢測方法較少,并且當前算法一般僅進行單幀檢測,沒有考慮時域上的幀篡改序列。運動對象移除后需采用數(shù)字視頻修復技術填補由于移除操作產(chǎn)生的黑洞,目前較為典型的是空時域區(qū)域復制方式和空時域插值填充兩種修補方式,但這些操作會導致篡改視頻或多或少的存在一些修復痕跡。本文針對將運動目標從固定背景中移除的篡改操作,利用視頻修復操作所遺留的痕跡,提出運動對象刪除檢測算法,能夠快速檢測視頻幀是否經(jīng)過篡改并在空時域上進行準確定位。運動目標的運動屬性主要表現(xiàn)為幀間差、光流(opticalflow)場等2經(jīng)過加工的視頻檢測算法沒有減少首先介紹視頻篡改軟件的編輯機理,并在此基礎上提出檢測算法。2.1mokey軟件篡改修復運動對象刪除篡改技術是將視頻中特定區(qū)域內(nèi)的對象進行刪除,并通過修補算法填充被刪除區(qū)域,目前較為典型的是空時域區(qū)域復制和空時域插值填充兩種修補方式?？梢赃M行對象刪除操作的編輯軟件有很多種,本文算法主要針對Mokey摳圖軟件,是ImagineersystemsSoftware公司的3D軟件之一。Mokey軟件使用全新的方法進行視頻摳像,能在復雜、多紋理和多色彩的背景上移除前景,并在重新繪制的背景上自動的補償幀與幀間存在的光影變化,使得篡改后視頻在視覺上幾乎沒有任何變化。Mokey在進行對象刪除時主要是利用時間域相關性特點,從前后相鄰幀相應區(qū)域選取適當?shù)南袼貙η熬皡^(qū)域進行區(qū)域式修補填充,從而刪除相應區(qū)域內(nèi)的目標對象。即在復制粘貼過程中,它是以一定區(qū)域大小而不是以pixel為單位進行復制的由上述可知,Mokey軟件在篡改修復的過程中是采用空時域區(qū)域復制的方式,從前后相鄰幀相應區(qū)域選取適當?shù)南袼貙η熬皡^(qū)域進行填充。幀間差分法2.2對稱幀誤差特征對稱幀差是對傳統(tǒng)的幀間差分算法的改進,由相鄰兩幀之間的差分擴展到前后3幀。假設S(x,y,k-1)、S(x,y,k)和S(x,y,k+1)分別為視頻序列的前一幀、當前幀和下一幀,分別計算相鄰兩幀圖像的絕對差灰度圖像。Z其中:(x,y)為像素坐標;k為當前幀幀號。讀取一幀視頻幀,并將其與前一幀和后一幀做對稱幀差。由于對象移除操作是一個前后相鄰幀之間像素區(qū)域的復制粘貼過程,未經(jīng)壓縮的復制粘貼區(qū)域完全相同,因此篡改區(qū)域的對稱幀差值全為0,在對稱幀差二值圖像上表現(xiàn)為黑色區(qū)域,如圖2所示。篡改視頻檢測步驟:3)逐幀進行檢測,直到最后一幀結(jié)束。圖3(b)表示視頻篡改從第137幀開始,黑色矩形區(qū)域為篡改區(qū)域;圖3(e)表示視頻篡改到179幀結(jié)束,黑色矩形區(qū)域逐漸移動,直至變小消失。第179幀檢測結(jié)果不明顯,是因為運動物體在完全消失之前可見區(qū)域逐漸變小,相應的其刪除區(qū)域小,因此檢測結(jié)果是一塊較小的區(qū)域,可能會出現(xiàn)漏檢的情況。3對稱幀差法壓縮存儲地震為了適應網(wǎng)絡傳輸?shù)男枨?偽造者通常會將篡改后視頻壓縮存儲。壓縮過程會引入量化噪聲,導致原本完全相同的復制粘貼區(qū)域產(chǎn)生差異,因此對稱幀差法不再適用。目前檢測運動對象的有效方法除了幀差法之外,光流法3.1光流約束方程光流是空間運動物體在觀測成像面上的像素運動的瞬時速度,表達了圖像的變化,由于它包含了圖像的運動信息,因此可被用來確定目標的運動情況。Horn和Schunck于1981年創(chuàng)造性地將二維速度場與灰度相聯(lián)系,指出空間中運動場轉(zhuǎn)移到圖像上就表示為光流場,光流場反映了圖像上每一點灰度的變化趨勢,根據(jù)運動前后圖像灰度保持不變這個基本假設,引入光流約束方程,稱為Horn-Schunck(HS)光流法對于攝像機固定的情形,理想情況下背景光流應當為0,只有前景才有光流,由光流約束方程就可以很容易求得梯度方向的光流速率,降低了計算復雜度。其中:velocity表示光流速率,angle表示光流方向[0,2π);u=dx/dt、v=dy/dt分別代表x、y方向上的光流。光流矢量的含義是同一個像素點在前后兩幀中發(fā)生的位移,二維位移表示為二維向量就是[uv]。HS算法在光流約束方程的基礎上又提出了光流的平滑性約束,即圖像上任一點的光流并不是獨立的,光流在整個圖像范圍內(nèi)平滑變化,篡改操作會影響光流的平滑性。圖4為視頻中連續(xù)的兩幀及其光流圖。由圖(e)、(f)中可知,原始視頻中,運動對象的光流方向是一致的;而經(jīng)過運動對象的刪除操作后,篡改區(qū)域的光流方向表現(xiàn)出不一致性。3.2檢測算法3.2.1基于閾值的運動區(qū)域定位在未篡改視頻中很容易定位運動目標區(qū)域,由于理想情況下靜止背景光流應當為0,通過設置合理閾值,就能夠?qū)⒐饬鞔笥陂撝档牟糠旨辞熬皡^(qū)域標定出。但是經(jīng)過運動對象刪除篡改后,前景區(qū)域被背景覆蓋,閾值法不能夠定位出目標區(qū)域。本文算法將一幅M×N的圖像劃分為互不重疊的小塊Ω由于不同視頻的內(nèi)容復雜度不同,運動快慢也不同。對于閾值T要根據(jù)視頻內(nèi)容自適應確定,本文設定其中:a為常數(shù),依實驗測試經(jīng)驗取a值為0.9;m和δ分別為k個分塊標準差的最大值和均值,3.2.2篡改幀線的確定假設運動物體從出現(xiàn)到消失需要時間n秒,視頻幀率為30frame/s,那么運動物體在視頻中出現(xiàn)的幀數(shù)為30×n,并且連續(xù)不間斷。運動對象移除篡改操作目的是將運動物體從整個時間軸上抹除,因此篡改幀也是連續(xù)不間斷。一個視頻片斷通常都會有上百幀,為了避免逐幀檢測帶來的時間耗費,采用二分查找法以降低檢測時間。步驟如下:1)定義指針p,指示當前待檢測幀;2)將指針p指向視頻首尾兩幀,檢測結(jié)果未篡改幀標記為Normal,篡改幀標記為Forged;3)將視頻段劃分為等長度的左右兩個查找區(qū)間,分別進行二分查找,若區(qū)間兩端點均標記為Forged,則該區(qū)間不再劃分,直接標記整個區(qū)間為篡改區(qū)域;4)重復步驟2和3,直到查找區(qū)間為1。4算法的實驗應用為驗證算法有效性,在MatlabR2009a平臺上采用本文檢測算法進行實驗。計算機為32位操作系統(tǒng),CPU為Intel.Core.i3處理器,主頻為3.2GHz,內(nèi)存為3GB。4.1未壓縮操作視頻的結(jié)果測試視頻來源于SULFA數(shù)據(jù)庫4.2不符合測試要求的情況測試視頻的信息見表3。其中,7個來源于SULFA數(shù)據(jù)庫,5個為自拍攝視頻。自拍攝視頻分辨率較高,10s篡改視頻在未壓縮情況下可達1GB以上,故不用于4.1節(jié)測試。對每一個視頻,任意選取40幀(其中20幀為篡改幀,20幀為非篡改幀),共480幀進行檢測,用基于幀的幀檢測準確率T由于目前針對運動對象刪除篡改的被動檢測算法較少,沒有較統(tǒng)一的標準篡改視頻數(shù)據(jù)庫作為支撐,測試中的篡改視頻往往都只能由自己操作,并且算法中使用的篡改軟件及一些參數(shù)不夠透明,所以沒有給出本文算法與其他算法的對比數(shù)據(jù)。5篡改檢測算法驗證將運動目標從視頻中刪除是一種常見的視頻篡改操作,對篡改后是否經(jīng)過壓縮分別提出了相應的檢測算法。針對篡改后未壓縮視頻,采用對稱幀差法檢測運動對象刪除區(qū)域;對篡改后壓縮視頻,從運動光流場的角度,通過檢測視頻幀光流方向的一致性判斷視頻幀是否遭受篡改。光流方向一致性算法也可以用來檢測篡改視頻未壓縮的情況,但是對于已經(jīng)確認為未壓縮的視頻,采用對稱幀差法其復雜度更低、檢測速度更快、準確率更高。接下來,我們將進一步優(yōu)化篡改后壓縮視頻的檢測算法,提高檢測準確率。1)讀取一段視頻,依次讀入視頻序列的每一幀;2)第2幀作為當前幀,與前一幀和后一幀做對稱幀差,若對稱幀差圖中出現(xiàn)黑色矩形