[发明专利]一种视频篡改检测及定位方法

摘要

本发明公开了一种视频篡改检测及定位方法，首先利用视频指纹算法提取原始视频待检测视频的全局特征向量和局部特征向量，再结合全局特征向量和局部特征向量分步实现由粗到精的视频篡改检测和定位分析。具体的讲，本发明融合全局Zernike特征和局部ORB特征的视频指纹提取，在保证视频指纹的提取效率和鲁棒性前提下，还能兼顾视频篡改检测及定位的准确性，且能适用于颜色篡改、裁剪篡改、缩放篡改和内容篡改等多方面的视频帧篡改检测。

主权项

1.一种视频篡改检测及定位方法，其特征在于，包括以下步骤：(1)、提取原始视频待检测视频的全局特征向量和局部特征向量(1.1)、对原始视频和待检测视频进行预处理在分辨率F1×F2下，分别对原始视频和待检测视频每间隔T帧提取一关键帧l0(i)、l1(i)，i＝1,2,…表示关键帧个数；(1.2)、提取全局特征向量(1.1.2)、帧格式转换：将关键帧l0(i)、l1(i)分别由RGB颜色空间转换为YCbCr颜色空间；(1.2.2)、构建字符串特征向量：利用Zernike算法分别求取关键帧l₀(i)、l₁(i)在YCbCr颜色空间下Y、Cb和Cr各分量的前n阶Zernike矩，分别得到p_n个Zernike矩；再将各个分量中每个Zernike矩由浮点型转换为字符串型，分别得到各个分量下的字符串特征向量和进而分别构建出字符串特征向量和(1.2.3)、获取全局特征向量：利用密钥K1生成长度为3×pn且取值在[0,127]的随机向量M，利用密钥K1对字符串特征向量加密后，分别获取到全局特征向量Z0(i)＝[(Z'0(i)+M)mod128]和Z1(i)＝[(Z′1(i)+M)mod128]；待关键帧l0(i)、l1(i)处理完成后，i＝i+1，继续处理下一关键帧，待所有关键帧处理完毕后得到全局特征向量Z0＝[Z0(1),Z0(2),…]，Z1＝[Z1(1),Z1(2),…]；(1.3)、提取局部特征向量分别提取关键帧l₀(i)、l₁(i)的前N个特征点，每个特征点为256维的二值序列，每个特征点标记为和k＝1,2,…N；利用密钥K₂生成长度为256维的二值随机向量B，对特征点和进行加密，得到特征点向量和进而得到关键帧l₀(i)、l₁(i)的局部特征向量和待关键帧l0(i)、l1(i)处理完成后，i＝i+1，继续处理下一关键帧，待所有关键帧处理完毕后得到局部特征向量S0＝[S0(1),S0(2),…]和S1＝[S1(1),S1(2),…]；(2)、视频篡改检测及定位(2.1)、视频粗检测计算全局特征向量Z0与Z1中对应关键帧之间的汉明距离|Z0(i)‑Z1(i)|，若|Z0(i)‑Z1(i)|≥阈值τ，则判定待检测视频帧存在篡改痕迹，并把该视频帧标记为篡改视频帧；(2.2)、视频细检测将篡改视频帧中部分特征点集不在对应的原始视频帧中或对应原始视频帧中部分特征点集不在篡改视频帧中的特征点集定位为篡改区域；(2.3)、获取不匹配特征点集合设为原始视频帧第k个特征点，表示篡改视频帧中的第k个特征点；计算原始视频帧中的特征点与篡改视频帧中的特征点的汉明距离如果满足则将特征点判定为不匹配特征点将篡改区域中所有特征点处理完成后，得到不匹配特征点集合X₀，X₀＝{x₁,x₂,…,x_Q}，其中，表示最短汉明距离，为次短汉明距离，Q表示不匹配特征点个数；(2.4)、利用能量最小化算法去除不匹配特征点集合中的噪声特征点根据特征点之间的欧式距离衡量特征点之间的能量大小，求出不匹配特征点集合中各特征点与其它所有特征点之间的距离之和，再对各距离之和进行求和，得到E_Q，其中，d_m＝(x_m,x_n)_欧式距离，m≠n且m,n∈Q；通过对所有不匹配特征点处理后，得到能量集合E＝{E₁,E₂,…,E_Q}；选出能量集合中最小能量的特征点，再以该特征点为中心，在不匹配特征点集合X₀中选出距离最近的个特征点构成特征点集T，作为篡改区域的特征点描述；(2.5)、利用最小外接矩形算法对篡改区域定位将特征点集T中的特征点按照π/4角度旋转一周，记录每次旋转后投影在坐标系上的外接矩形参数，选取面积最小的矩形即为篡改区域。