论文部分内容阅读
随着互联网应用的普及和多媒体产业的飞速发展,数字视频逐渐占据了我们生活的很大一部分,同时也是司法证据的一个重要部分。然而随着大量功能强大的视频编辑软件的出现,人们可以根据目的随意地篡改视频。一些难辨的恶意篡改视频的流传,严重影响了社会安定,阻碍了司法取证工作,因此数字视频取证技术应运而生。因为被篡改过的视频肯定经历过重压缩,所以视频重压缩取证技术是数字视频取证技术的一个重要分支。HEVC(High Efficient Video Coding)是在2013年被提出的新一代视频编码标准。相比较于旧编码标准H.264,它的编码效率更高,且能更好地支持高分辨率视频。本文通过深入研究HEVC的编码核心技术,从HEVC预测过程的角度,全面比较分析了不同码率下单压视频和重压视频的特征差异,在此基础上提出了两个性能优越的HEVC视频重压缩取证算法。(1)本文提出了不同码率下基于预测单元(PU)类型的HEVC视频重压缩取证算法。首先通过分析HEVC标准下的四叉树划分算法,提取所有视频图像组(Group of Picture,GOP)内首个 P帧的预测单元(Prediction Unit,PU)划分类型,然后统计25种PU划分类型的直方图作为检测重压缩视频的分类特征(the Histogram of PU Partitioning,HPP),最后将特征HPP送到支持向量机进行模型训练和测试。实验结果表明该算法不仅具有很高的分类准确率,同时对帧删除、帧内复制-粘贴和GOP结构变化这三种攻击具有强鲁棒性。(2)本文提出了不同码率下基于预测过程的HEVC视频重压缩取证算法。通过全面地分析HEVC的编码预测过程,发现重压缩对预测过程中的五种预测变量的影响较大,分别为:Ⅰ帧编码单元(Coding Unit,CU)划分类型,Ⅰ帧PU划分类型,Ⅰ帧帧内预测模式,P帧CU划分类型,P帧PU划分类型。首先在视频解码流中提取这五种变量,然后分别统计它们的概率矩阵作为单项预测特征,同时采用三种角度的特征融合方法:Ⅰ帧系列的特征融合,P帧系列的特征融合和所有预测特征融合。最后将五种单项预测特征和三种融合特征分别送到支持向量机中,从而完成分类。实验结果表明这五种单项预测特征都是有效的,它们都能区分开HEVC单双压视频,而采用特征融合的方法能增强特征的表现力,进一步提高分类准确率。另外,本文还测试了所提算法抵抗帧删除,帧内复制-粘贴和GOP结构变化攻击的鲁棒性,结果表明所提算法的鲁棒性非常强。通过与过去优秀的视频重压缩检测算法进行对比,验证了本文提出的算法在重压缩视频检测率和抗攻击鲁棒性两方面均具有较大的优越性。