CN108366295A - 视频分类特征提取方法、转码重压缩检测方法及存储介质 - Google Patents
视频分类特征提取方法、转码重压缩检测方法及存储介质 Download PDFInfo
- Publication number
- CN108366295A CN108366295A CN201810144370.0A CN201810144370A CN108366295A CN 108366295 A CN108366295 A CN 108366295A CN 201810144370 A CN201810144370 A CN 201810144370A CN 108366295 A CN108366295 A CN 108366295A
- Authority
- CN
- China
- Prior art keywords
- video
- frame
- classified types
- weight contracting
- pixels
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 230000000007 visual effect Effects 0.000 title claims abstract description 38
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 238000012795 verification Methods 0.000 claims abstract description 15
- 238000007906 compression Methods 0.000 claims description 33
- 230000006835 compression Effects 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 23
- 238000012706 support-vector machine Methods 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000013139 quantization Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005194 fractionation Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
- H04N21/440218—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by transcoding between formats or standards, e.g. from MPEG-2 to MPEG-4
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/177—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a group of pictures [GOP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明提供了一种视频分类特征提取方法、转码重压缩检测方法及存储介质,所述视频分类特征提取方法包括:利用可视化分析器提取视频帧的PU划分类型,并将提取到的所述视频帧的PU划分类型以像素块为基本单元进行标记;统计视频中每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目;将每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目求取平均值,得到所有组连续画面里第一个P帧的各个PU划分类型的分类特征。本发明使用数目较少维数特征,达到了更高的重压缩视频的检测率。
Description
技术领域
本发明涉及视频处理技术领域,特别涉及一种视频分类特征提取方法、视频转码重压缩检测方法及计算机可读存储介质。
背景技术
在当下互联网的快速发展下,数字视频的获取和传输变得日益成熟和普及。同时,功能日益强大的视频编辑软件也越来越受到民众追捧,这使得数字视频被篡改的情况时有发生。当被篡改的视频用于司法、媒体等行业时,会歪曲事实真相,继而会引起司法误判、媒体失实的严重后果。于是,数字视频的真实性和完整性成为当下社会需要迫切解决的问题。
目前,国内外的研究主要集中在数字图像方面,也获得了大量的研究成果。例如,检测版权图像的非法拷贝,图像中的复制移动检测,以及将计算机生成的图像与摄影图像区分开。由于视频的信息量大、篡改方式多样等特点,导致视频取证研究困难重重。依托于图像取证研究的进展,近年来视频取证技术也获得了长足发展。
常见的视频篡改手段一般需经历解码、删除帧或***帧等篡改操作,被篡改的视频序列都需要经过再次压缩才能重新生成视频码流。因此,检测视频是否被重压缩可作为检测视频是否被篡改的一种技术手段。现有技术中,对重压缩检测的方法有多种,例如:以同比特率对MPEG视频进行重压缩时,单次压缩与双次压缩的DCT系数变化数目要比双次压缩和三次压缩的变化数目多,并利用此现象进行视频的重压缩检测。通过检查重压缩视频的块效应强度规律及其均值的变化来检测MPEG视频的重压缩。利用了相邻P帧的运动补偿边际效应的不同,并通过判断傅里叶变换域中是否存在尖峰来检测MPEG视频的重压缩。利用重压缩视频中量化DCT系数统计直方图的凸特性区分MPEG-2单次压缩视频和重压缩视频,算法适用于检测采用不同MPEG-2编码器的重压缩,对帧删除篡改具有鲁棒性。一种以非零量化AC系数的概率为特征的检测算法用于区分H.264单次压缩视频和双重压缩视频,当第二次压缩量化参数小于首次压缩量化参数时取得了很高的分类准确率。一种相同量化参数下的H.264视频多重压缩取证算法,以相邻三次压缩间不同量化DCT系数的比率差构建了含有四分位数的特征集,作为支持向量机的输入,实现了对单次压缩视频和多重压缩视频的分类。所提算法有高分类精度,对复制/粘贴攻击和帧删除攻击具有较强的鲁棒性。
作为最新的视频编码标准,HEVC已经吸引了相当多的研究者的关注。和H.264相比,相同视频质量情况下,HEVC提供双倍的数据压缩比,也即相同的比特率情况下,HEVC能大幅提高视频质量。它支持的分辨率高达8192×4320,其中也包括8k UHD。因此,现有技术中提出了针对HEVC视频重压缩加测的方法,例如:一种基于相邻DCT系数对奇偶组合统计特性的HEVC重压缩视频检测算法。同时在现有技术中提出了基于量化DCT系数的共生矩阵和基于Markov特征优化的HEVC视频重压缩检测算法。利用HEVC重压缩视频中I帧的各PU划分类型对应的块数目的突变现象,提出了不同比特率下HEVC视频重压缩取证算法。但是,现有技术中针对HEVC视频重压缩检测的方法的分类特征维数较多,计算量大,也没有达到较高的检测率。
因此,为了解决上述技术问题,需要一种分类特征维数少,达到高检测率的一种视频分类特征提取方法及视频转码重压缩检测方法。
发明内容
本发明的目的在于提供一种视频分类特征提取方法及视频转码重压缩检测方法,以解决现有技术中的至少一种缺陷。
本发明的一方面提供一种及视频转码重压缩检测方法,所述方法包括:
利用可视化分析器提取视频帧的预测单元(PU)划分类型,并将提取到的所述视频帧的PU划分类型以像素块为基本单元进行标记;
统计视频中每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目;
将每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目求取平均值,得到所有组连续画面里第一个P帧的各个PU划分类型的分类特征。
优选地,所述视频帧的PU划分类型提取时,设定所述可视化分析器边界颜色的RGB分量,优选可以设置为(255,0,255)或者其他能够区分PU划分边框与视频内容的任何适宜的分量值。
优选地,所述视频帧的PU划分类型以N×N像素块为基本单元进行标记,其中N为4或者4的整数倍值。例如可以以8×8像素块为基本单元进行标记。
优选地,所述每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目求取平均值通过如下公式实现:
其中Pi={pi,0,pi,1,...,pi,24}(i=1,2,...,M),M为视频中包含的连续画面的组数。
本发明的另一个方面在于提供一种视频转码重压缩检测方法,包括:
随机选取数目相同的单次压缩视频和重压缩视频作为训练样本送入支持向量机;
按照如下方法对所述单次压缩视频和重压缩视频进行视频分类特征提取:对PU划分类型分析,利用可视化分析器提取视频帧的PU划分类型,并将提取到的所述视频帧的PU划分类型以像素块为基本单元进行标记;统计视频中每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目;将每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目求取平均值,得到所有组连续画面里第一个P帧的各个PU划分类型的分类特征;
所述支持向量机根据提取的所述分类特征构建判决函数;
随机选取用于测试的单次压缩视频和重压缩视频作为测试样本送入所述支持向量机,所述支持向量机根据所述判决函数输出判定测试的视频为单次压缩视频还是重压缩视频的分类检测结果。
优选地,所述方法还包括,通过如下方式计算表示分类性能的评估指标:其中,AR为评估指标,TNR为判定为单次压缩视频的比率;TPR为判定为重压缩视频的比率。
优选地,所述方法还包括:通过如下方式计算表示视频压缩检测的检测率:其中,n为测试和训练不同的视频样本的次数。
所述重压缩视频为原始视频以第一比特率进行H.261、H.263、H.263+、H.264、MPEG-1、MPEG-2和MPEG-4中的任一种标准格式进行压缩。例如所述重压缩视频为原始视频以第一比特率进行H.264压缩,经解码后再对解码后视频以第二比特率进行HEVC压缩得到的视频。
优选地,所述单压缩视频为原始视频以第二比特率进行HEVC压缩得到的视频。
所述视频帧的PU划分类型以N×N像素块为基本单元进行标记,其中N为4或者4的整数倍值。例如,所述视频帧的PU划分类型提取时,选取所述可视化分析器边界颜色的RGB分量为(255,0,255);所述视频帧的PU划分类型以8×8像素块为基本单元进行标记。
优选地,所述每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目求取平均值通过如下方法实现:
其中Pi={pi,0,pi,1,...,pi,24}(i=1,2,...,M),M为视频中包含的连续画面的组数。
本发明的又一方面还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,在该计算机程序被执行时实现如上所述的方法步骤。
本发明提供的一种视频分类特征提取方法及视频转码重压缩检测方法,针对H.264至HEVC标准的视频转码重压缩视频进行重压缩检测,提取的分类特征维数少,能够达到更高的检测率。此外,本发明提供的方法同样也可以适用于检测第一次视频编码标准为其他HEVC标准之前的视频编码标准,例如也可以适用于H.261、H.263、H.263+、MPEG-1、MPEG-2和MPEG-4中的任一种标准。
应当理解,前述大体的描述和后续详尽的描述均为示例性说明和解释,并不应当用作对本发明所要求保护内容的限制。
附图说明
参考随附的附图,本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明,其中:
图1是不同预测模式下PU划分方式的示意图;
图2是本发明视频分类特征提取方法的流程框图;
图3a至图3d是单次压缩视频和重压缩视频的P帧PU划分类型示意图;
图4是本发明PU划分类型的标记示意图;
图5是本发明视频转码重压缩检测方法的流程框图。
具体实施方式
通过参考示范性实施例,本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而,本发明并不受限于以下所公开的示范性实施例;可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。
在下文中,将参考附图描述本发明的实施例。在附图中,相同的附图标记代表相同或类似的部件,或者相同或类似的步骤。下面通过具体的实施方式对本发明的内容进行说明,视频篡改者在对视频进行帧删除、***等篡改后,需要另外的视频压缩格式对视频序列进行重压缩。与其他编码标准相比,H.264编码与HEVC编码最为相关,编码架构大致相似。篡改者对H.264格式的原始视频篡改后,再次压缩时采用HEVC编码重新压缩。本实例中采用H.264编码标准作为第一次视频压缩的标准。
视频经转码重压缩后,由于关键帧像素值的改变,一组连续画面(GOP)里第一个P帧在以关键帧作为参考帧进行帧间预测编码时,其帧内PU划分类型也会相应地发生变化。基于此现象,本发明采用直方图统计此类帧内的各PU划分类型对应的像素块数目,以此作为分类特征来检测视频的转码重压缩。
实施例中为了使本发明针对其它编码标准到HEVC的转码重压缩检测得以更加清晰的阐释,有必要对P帧PU划分类型进行说明。HEVC编码采用了预测加变换的混合编码框架。在HEVC编码中引入了三个基本单元,即编码单元(CU),预测单元(PU)和变换单元(TU),从而使得HEVC比H.264/AVC的编码方式更加灵活。其中,CU是编码基本单元,PU用于帧内和帧间预测,TU用于变换和量化。PU是包含了预测信息的基本单元,一个CU可以分割为一个或多个PU,PU预测模式可以分为跳过、帧内和帧间。如图1所示不同模式下PU划分类型的示意图,当预测模式为跳过模式a时,其PU大小只能为2N×2N;当预测模式为帧内模式b时,PU有2N×2N和N×N两种划分模式;当预测模式为帧间模式c时,PU有8种划分模式,包括2N×2N和N×N两种方形分割模式c1、2N×N和N×2N两个对称分割模式c2,以及2N×nU、2N×nD、nL×2N和nR×2N四个非对称分割模式c3。其中非对称分割模式c3为可选模式,能通过编码配置文件中的相关语法控制其开启或关闭。
在转码视频重压缩过程中,PU块包含的预测信息阐释了CU块的预测过程。如图2所示为本发明视频分类特征提取方法的流程框图,如图2所示,本发明实施例提供的一种视频分类特征提取方法包括如下步骤:
步骤S101,对PU划分类型分析,提取视频帧的PU划分类型并进行标记。
对PU划分类型分析,如图3a至图3d所示为单次压缩视频和H.264至HEVC重压缩视频的P帧PU划分类型示意图,实施例中通过对PU划分类型分析,进而提取视频的分类特征。图3a为使用HEVC编码,以3.5M比特率压缩的bridge_far的第一组连续画面(GOP)里第一个P帧的PU划分类型。图3b为使用H.264编码以3M比特率压缩后,再用HEVC编码以3.5M比特率压缩后的第一组连续画面(GOP)里第一个P帧的PU划分类型。图3c为使用H.264编码以3.5M比特率压缩后,再用HEVC编码以3.5M比特率压缩bridge_far的第一组连续画面(GOP)里第一个P帧的PU划分类型。图3d为使用H.264编码以4M比特率压缩后,再用HEVC编码以3.5M比特率压缩bridge_far的第一组连续画面(GOP)里第一个P帧的PU划分类型。
表1.各PU划分类型对应的像素块数目
从表1中可看出,3M-3.5M、3.5M-3.5M和4M-3.5的各PU划分类型对应的像素块数目分布趋势大致相同,与3.5M的PU划分类型对应的像素块数目分布相差较大。特别是PU划分类型为4×4、8×8、4×8、8×4时,3M-3.5M、3.5M-3.5M和4M-3.5的各PU划分类型对应的像素块数目与3.5M的PU划分类型对应的像素块数目分布具有较大的差别。
由上述分析PU划分类型分析及表1显示,使用H.264编码后,再用HEVC编码压缩后的第一组连续画面(GOP)里第一个P帧的PU划分类型以小像素块为主;单次使用HEVC编码压缩后的第一组连续画面(GOP)里第一个P帧的PU划分类型以大像素块为主。由此,使用H.264编码后,再用HEVC编码压缩后的第一组连续画面(GOP)里第一个P帧的PU为精细的PU划分类型。
应当理解,在H.264编码压缩时,分别对每个像素块进行DCT变换,块与块之间的相关性被忽略。块与块的边界处的像素值出现不连续跳变。当视频再以HEVC编码压缩时,由于块效应的影响,块与块的边界处便需要更小的PU划分类型来表达此处的图像跳变。除H.264之外的其它HEVC之前的视频编码标准亦采用分块DCT变换,同样存在块效应,因此可以预见采用HEVC之前的视频编码标准进行视频压缩之后,再转码为HEVC格式视频时,都会需要更小的PU划分类型来表达块边界处的图像跳变。
根据本发明,实施例通过对PU划分类型分析后,利用可视化分析器提取视频帧的PU划分类型,并将提取到的视频帧的PU划分类型以像素块为基本单元进行标记。
具体地,实施例中可视化分析器可以采用例如Gitl_HEVC_Analyze的视频分析软件或者其他任何适宜的软件对视频帧进行PU划分类型的提取。为了将视频背景和PU划分类型边界区分开,可视化分析器边界颜色的RGB分量设置为(255,0,255)。
根据本发明,实施例中视频帧的PU划分类型以8×8像素块为基本单元进行标记,实施例中对PU划分类型以标号的方式进行标记,表2为标号对应的PU划分类型,根据本发明,实施例中共25种PU划分类型。如图4所示本发明PU划分类型的标记示意图。
表2.标号对应的PU划分类型
步骤S102,统计视频中每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目。
统计视频中每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目。将每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目记为:Pi={pi,0,pi,1,...,pi,24}(i=1,2,...,M),M为视频中包含的连续画面的组数,即每个Pi中记录了25种PU划分类型对应的8×8像素块数目。
步骤S103,提取视频的分类特征。
将每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目求取平均值,得到所有组连续画面里第一个P帧的各个PU划分类型的分类特征。每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目求取平均值通过如下公式实现:
其中Pi={pi,0,pi,1,...,pi,24}(i=1,2,...,M),M为视频中包含的连续画面的组数。
将每一组连续续画面里第一个P帧的各个PU划分类型对应的像素块数目的平均值最为每一组连续续画面里第一个P帧的各个PU划分类型对应的像素块数目的直方图,得到视频的分类特征。
通过本发明一种视频分类特征的提取方法对视频转码重压缩检测,如图5所示本发明视频转码重压缩检测方法的流程框图,具体地一种视频转码重压缩检测方法包括:
步骤S201,随机选取数目相同的单次压缩视频和重压缩视频作为训练样本送入支持向量机。
重压缩视频为原始视频以第一比特率进行H.264压缩,经解码后再对解码后视频以第二比特率进行HEVC压缩得到的视频。单压缩视频为原始视频以第二比特率进行HEVC压缩得到的视频。
具体地,实施例中首先制作单次压缩视频和重压缩视频作为检测目标。
采用34个未压缩的YUV序列作为初始视频,其中包括17个QCIF格式视频(分辨率为176×144)和17个CIF格式视频(分辨率为352×288)。为了增加样本容量,每个视频被分割成长度为100帧的非重叠视频片段。最后,总共生成36个QCIF视频片段和43个CIF视频片段。
HM10.0采用encoder_lowdelay_P_main配置文件进行HEVC编码和解码过程。JM采用encoder_main配置文件进行H.264编码和解码过程。帧率、I帧周期和GOP大小分别设置为30、4和4。
制作单次压缩视频:对原始视频以第二比特率(B2)进行HEVC压缩得到。
制作重压缩视频:对原始视频以第一比特率(B1)进行H.264压缩,经解码后再对解码后视频以第二比特率(B2)进行HEVC压缩。
实施例中由于QCIF和CIF视频具有不同的空间分辨率,因此应选择不同的比特率来保证编码视频的视觉质量。对于QCIF视频,第一比特率(B1)和第二比特率(B2)的值分别从{100,200,300}(kbps)和{200,300,400}(kbps)中选择。对于CIF视频,第一比特率(B1)和第二比特率(B2)分别从{3,3.5,4}(Mbps)和{3.5,4,4.5}(Mbps)中选择。
在上述制作的单次压缩视频和重压缩视频中,随即选取数目相同的单次压缩视频和重压缩视频作为训练样本送入支持向量机(SVM)进行训练。本实施例,对于QCIF格式的视频随机选择30个单次压缩视频和30个重压缩视频进行训练。对于CIF格式的视频随机选择35个单次压缩视频和35个重压缩视频进行训练。
训练阶段,支持向量机(SVM)执行步骤2和步骤3构建判决函数。
步骤202、对单次压缩视频和重压缩视频提取分类特征。
根据本发明,实施例按照如下方法对单次压缩视频和重压缩视频进行视频分类特征提取:
利用可视化分析器提取视频帧的PU划分类型,并将提取到的所述视频帧的PU划分类型以像素块为基本单元进行标记;
统计视频中每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目;
将每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目求取平均值,得到所有组连续画面里第一个P帧的各个PU划分类型的分类特征。
步骤S203、支持向量机根据提取的分类特征构建判决函数。
对于步骤2中视频分类特征的提取在上文中已经给出了详细阐释,这里不再赘述。
优选地,实施例中支持向量机可以选取具有SVMcg内核的LIBSVM开源软件或者其他具有类似功能的软件作为分类器。
步骤S204、随机选取用于测试的单次压缩视频和重压缩视频作为测试样本送入所述支持向量机,输出分类结果。
随机选取用于测试的单次压缩视频和重压缩视频作为测试样本送入所述支持向量机,所述支持向量机根据所述判决函数输出判定测试的视频为单次压缩视频还是重压缩视频的分类检测结果。
根据本发明,本实施例可通过如下方式计算表示分类性能的评估指标:
其中,AR为评估指标,TNR为判定为单次压缩视频的比率;TPR为判定为重压缩视频的比率。
视频压缩检测的检测率通过如下方式计算表示:
其中,n为测试和训练不同的视频样本的次数。
本实施例,选择20次训练和测试得到检测率的平均值,具体视频压缩检测的检测率的平均值通过如下方式计算:
其中,AR为评估指标,n=20。
为了更加清楚的体现本发明所提供的一种视频分类特征提取方法及视频转码重压缩检测方法的优势,本实施例中分别采用本发明的视频分类特征提取方法及视频转码重压缩检测方法和采用I帧的PU划分类型对应的像素块数目的共生矩阵作为视频分类特征的视频转码重压缩检测方法进行对比。表3为本发明QCIF格式的重压缩视频的检测率,表3为本发明CIF格式的重压缩视频的检测率,表5为采用I帧的PU划分类型对应的像素块数目的共生矩阵作为视频分类特征的视频转码重压缩检测方法的QCIF格式的重压缩视频的检测率。
表3.本发明QCIF格式的重压缩视频的检测率
B1/B2 | 200k | 300k | 400k |
100k | 0.9667 | 0.9167 | 0.9125 |
200k | 0.9208 | 0.9750 | 0.9750 |
300k | 0.9208 | 0.9417 | 0.9500 |
表4.本发明CIF格式的重压缩视频的检测率
B1/B2 | 3.5M | 4M | 4.5M |
3M | 0.9813 | 0.9781 | 0.9875 |
3.5M | 0.9875 | 0.9750 | 0.9688 |
4M | 0.9813 | 0.9844 | 0.9813 |
表5.采用I帧的PU划分类型对应的像素块数目的共生矩阵作为视频分类特征的视频转码重压缩检测方法的QCIF格式的重压缩视频的检测率
B1/B2 | 200k | 300k | 400k |
100k | 0.7750 | 0.8417 | 0.8667 |
200k | 0.8375 | 0.8709 | 0.8667 |
300k | 0.7957 | 0.8375 | 0.8917 |
从表3和表4中可以看出,采用本发明的视频分类特征提取方法及视频转码重压缩检测方法,QCIF和CIF格式的重压缩检测率均达到了90%以上,最高达到98.75%,最低为92.08%。
从表5可以看出,现有技术中采用采用I帧的PU划分类型对应的像素块数目的共生矩阵作为视频分类特征的视频转码重压缩检测方法,QCIF格式的重压缩视频检测率在77%-90%之间。本发明重压缩视频检测正确率在91%-97.5%之间,明显高于现有技术。同时,实施例中采用发明的视频分类特征提取方法及视频转码重压缩检测方法,PU划分类型为25种,现有技术中采用I帧的PU划分类型对应的像素块数目的共生矩阵作为视频分类特征的视频转码重压缩检测方法的PU划分类型为100种。本发明的PU划分类型为现有技术的1/4。本发明在PU划分类型维数低于现有技术,在降低了计算量同时,提高了重压缩视频的检测率。本发明一种视频分类特征提取方法及视频转码重压缩检测方法更为有效。
本发明提供的一种视频分类特征提取方法及视频转码重压缩检测方法,针对H.264至HEVC标准的视频转码重压缩视频进行重压缩检测,提取的分类特征维数少,能够达到更高的检测率。
本发明的各部分可以用硬件、软件、固件或者它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可以用本领域共知的下列技术中的任一项或者他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在流程图中表示或者在此以其它方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读存储介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。“计算机可读存储介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。
如上针对一个实施例描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施例中使用,和/或与其它实施例中的特征相结合或替代其它实施例中的特征使用。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或***。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
此外,本发明提供的方法同样也可以适用于其他HEVC标准之前压缩格式标准转码为HEVC格式的场景,例如也可以适用于H.261、H.263、H.263+、MPEG-1、MPEG-2和MPEG-4中的任一种标准。
结合这里披露的本发明的说明和实践,本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的,本发明的真正范围和主旨均由权利要求所限定。
Claims (9)
1.一种视频分类特征提取方法,其特征在于,所述方法包括:
利用可视化分析器提取视频帧的预测单元PU划分类型,并将提取到的所述视频帧的PU划分类型以像素块为基本单元进行标记;
统计视频中每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目;
将每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目求取平均值,得到所有组连续画面里第一个P帧的各个PU划分类型的分类特征。
2.根据权利要求1所述的方法,其特征在于,所述视频帧的PU划分类型以N×N像素块为基本单元进行标记,其中N为4或者4的整数倍值。
3.根据权利要求1所述的提取方法,其特征在于,所述每一组连续画面里第一个P帧的各个PU划分类型对应的像素块数目求取平均值通过如下公式实现:
其中Pi={pi,0,pi,1,...,pi,24}(i=1,2,...,M),M为视频中包含的连续画面的组数。
4.一种视频转码重压缩检测方法,其特征在于,所述方法包括:
随机选取数目相同的单次压缩视频和重压缩视频作为训练样本送入支持向量机;
按照如权利要求1-3中任意一项所述的视频分类特征提取方法对所述单次压缩视频和重压缩视频进行视频分类特征提取;
所述支持向量机根据提取的所述分类特征构建判决函数;
随机选取用于测试的单次压缩视频和重压缩视频作为测试样本送入所述支持向量机,所述支持向量机根据所述判决函数输出判定测试的视频为单次压缩视频还是重压缩视频的分类检测结果。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
通过如下方式计算表示分类性能的评估指标:
其中,AR为评估指标,TNR为判定为单次压缩视频的比率;TPR为判定为重压缩视频的比率。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
通过如下方式计算表示视频压缩检测的检测率:
其中,n为测试和训练不同的视频样本的次数。
7.根据权利要求4所述的方法,其特征在于,所述重压缩视频为原始视频以第一比特率进行H.261、H.263、H.263+、H.264、MPEG-1、MPEG-2和MPEG-4中的任一种标准格式进行压缩,经解码后再对解码后视频以第二比特率进行HEVC压缩得到的视频。
8.根据权利要求4所述的方法,其特征在于,所述单压缩视频为原始视频以第二比特率进行HEVC压缩得到的视频。
9.一种计算机可读存储介质,其特征在于,该计算机可读存储介质中存储有计算机程序,在该计算机程序被执行时实现如权利要求1-8中任意一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810144370.0A CN108366295B (zh) | 2018-02-12 | 2018-02-12 | 视频分类特征提取方法、转码重压缩检测方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810144370.0A CN108366295B (zh) | 2018-02-12 | 2018-02-12 | 视频分类特征提取方法、转码重压缩检测方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108366295A true CN108366295A (zh) | 2018-08-03 |
CN108366295B CN108366295B (zh) | 2020-07-14 |
Family
ID=63006028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810144370.0A Expired - Fee Related CN108366295B (zh) | 2018-02-12 | 2018-02-12 | 视频分类特征提取方法、转码重压缩检测方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108366295B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109587498A (zh) * | 2018-12-25 | 2019-04-05 | 华南农业大学 | 一种由avc转码hevc视频的鉴定方法 |
CN109982071A (zh) * | 2019-03-16 | 2019-07-05 | 四川大学 | 基于时空复杂性度量及局部预测残差分布的hevc双压缩视频检测方法 |
CN111837140A (zh) * | 2018-09-18 | 2020-10-27 | 谷歌有限责任公司 | 视频代码化的感受野一致卷积模型 |
CN113065533A (zh) * | 2021-06-01 | 2021-07-02 | 北京达佳互联信息技术有限公司 | 一种特征提取模型生成方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006279573A (ja) * | 2005-03-29 | 2006-10-12 | Sanyo Electric Co Ltd | 符号化装置と方法、ならびに復号装置と方法 |
CN101790097A (zh) * | 2010-03-05 | 2010-07-28 | 天津大学 | 数字视频多次压缩编码检测方法 |
CN102413327A (zh) * | 2011-11-10 | 2012-04-11 | 中山大学深圳研究院 | 一种基于压缩传感的半脆弱水印的视频篡改检测方法 |
US20120134415A1 (en) * | 2010-11-29 | 2012-05-31 | Mediatek Inc. | Method and Apparatus of Extended Motion Vector Predictor |
CN105072444A (zh) * | 2015-07-31 | 2015-11-18 | 宁波大学 | 一种不同量化参数下的hevc视频二次压缩检测方法 |
-
2018
- 2018-02-12 CN CN201810144370.0A patent/CN108366295B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006279573A (ja) * | 2005-03-29 | 2006-10-12 | Sanyo Electric Co Ltd | 符号化装置と方法、ならびに復号装置と方法 |
CN101790097A (zh) * | 2010-03-05 | 2010-07-28 | 天津大学 | 数字视频多次压缩编码检测方法 |
US20120134415A1 (en) * | 2010-11-29 | 2012-05-31 | Mediatek Inc. | Method and Apparatus of Extended Motion Vector Predictor |
CN102413327A (zh) * | 2011-11-10 | 2012-04-11 | 中山大学深圳研究院 | 一种基于压缩传感的半脆弱水印的视频篡改检测方法 |
CN105072444A (zh) * | 2015-07-31 | 2015-11-18 | 宁波大学 | 一种不同量化参数下的hevc视频二次压缩检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111837140A (zh) * | 2018-09-18 | 2020-10-27 | 谷歌有限责任公司 | 视频代码化的感受野一致卷积模型 |
CN109587498A (zh) * | 2018-12-25 | 2019-04-05 | 华南农业大学 | 一种由avc转码hevc视频的鉴定方法 |
CN109587498B (zh) * | 2018-12-25 | 2022-07-08 | 华南农业大学 | 一种由avc转码hevc视频的鉴定方法 |
CN109982071A (zh) * | 2019-03-16 | 2019-07-05 | 四川大学 | 基于时空复杂性度量及局部预测残差分布的hevc双压缩视频检测方法 |
CN113065533A (zh) * | 2021-06-01 | 2021-07-02 | 北京达佳互联信息技术有限公司 | 一种特征提取模型生成方法、装置、电子设备和存储介质 |
CN113065533B (zh) * | 2021-06-01 | 2021-11-02 | 北京达佳互联信息技术有限公司 | 一种特征提取模型生成方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108366295B (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5391290B2 (ja) | テクスチャレベルに基づく量子化調整 | |
JP5039777B2 (ja) | Dcシフトアーチファクトに対する量子化調整 | |
CN108632625B (zh) | 一种视频编码方法、视频解码方法和相关设备 | |
KR101599875B1 (ko) | 멀티미디어의 컨텐트 특성에 기반한 멀티미디어 부호화 방법 및 장치, 멀티미디어의 컨텐트 특성에 기반한 멀티미디어 복호화 방법 및 장치 | |
Ravi et al. | Compression noise based video forgery detection | |
CN107657228B (zh) | 视频场景相似性分析方法及***、视频编解码方法及*** | |
CN108366295A (zh) | 视频分类特征提取方法、转码重压缩检测方法及存储介质 | |
US6473459B1 (en) | Scene change detector | |
US7184603B2 (en) | System and method for lossless compression of digital images | |
KR101695681B1 (ko) | 상황-기반의 적응형 이진 산술 코딩(cabac)비디오 스트림 준수 | |
US6058210A (en) | Using encoding cost data for segmentation of compressed image sequences | |
EP2782340B1 (en) | Motion analysis method based on video compression code stream, code stream conversion method and apparatus thereof | |
CN109104609B (zh) | 一种融合hevc压缩域和像素域的镜头边界检测方法 | |
Stütz et al. | Non-blind structure-preserving substitution watermarking of H. 264/CAVLC inter-frames | |
Chen et al. | Detection of double MPEG compression based on first digit statistics | |
Weng et al. | Optimal PPVO-based reversible data hiding | |
Xu et al. | Detection of double MPEG-2 compression based on distributions of DCT coefficients | |
Bhardwaj et al. | A JPEG blocking artifact detector for image forensics | |
KR101149522B1 (ko) | 장면 전환 검출 시스템 및 방법 | |
CN103067713B (zh) | 一种位图jpeg压缩检测的方法及*** | |
Kumar et al. | An improved data-hiding approach using skin-tone detection for video steganography | |
Yao et al. | Double compression detection for H. 264 videos with adaptive GOP structure | |
US20080253670A1 (en) | Image Signal Re-Encoding Apparatus And Image Signal Re-Encoding Method | |
Wang et al. | Motion vector reversion-based steganalysis revisited | |
CN104410863B (zh) | 图像处理器以及图像处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200714 Termination date: 20210212 |