CN107197297B

CN107197297B - 一种检测基于dct系数隐写的视频隐写分析方法

Info

Publication number: CN107197297B
Application number: CN201710447336.6A
Authority: CN
Inventors: 王培培; 曹纭; 赵险峰
Original assignee: Institute of Information Engineering of CAS
Current assignee: Institute of Information Engineering of CAS
Priority date: 2017-06-14
Filing date: 2017-06-14
Publication date: 2019-12-10
Anticipated expiration: 2037-06-14
Also published as: CN107197297A

Abstract

本发明提供一种检测基于DCT系数隐写的视频隐写分析方法，该方法根据分析基于DCT系数隐写的隐写操作对视频空域及时域相关性的影响，使用DCT核及嵌入代价计算空域特征集得到空域直方图。且通过运动向量连接帧间的相似宏块，构造空域分片并计算时域特征集得到时域直方图。将上述空域直方图及时域直方图合并为最终的隐写分析特征集，并将其输入到分类器进行训练生成隐写分析分类器。之后将待测视频按上述方法提取其隐写分析特征，并将该隐写分析特征输入所述隐写分析分类器进行分析判别。该方法可有效检测基于DCT系数隐写的隐写视频，提高了隐写分析尤其对高质量视频进行检测的准确率。

Description

一种检测基于DCT系数隐写的视频隐写分析方法

技术领域

本发明涉及信息安全技术领域中的信息隐藏子领域的隐写分析(Steganalysis)方法，尤其涉及使用DCT核在空域及时域构造特征的一种检测基于DCT系数隐写的视频隐写分析方法，以及该方法在检测基于DCT系数隐写的视频隐写上的应用。

背景技术

隐写分析的目的是检测多媒体文件中是否存在嵌入的秘密信息，有效遏制隐写技术在失窃密通信、隐藏非法联络等中的滥用。当今时代，视频编码技术及高性能网络的高速发展，促使压缩视频成为了影响度最大的多媒体文件之一。同时，压缩视频可以为隐写和隐写分析提供充足的可用冗余信息，因此，以视频为载体的隐写和隐写分析成为了当前的研究热点。

当前的视频隐写方法通常与视频压缩过程相结合，通过改动压缩过程中的运动向量、帧间预测模式、量化DCT参数等嵌入消息来实现视频隐写。其中，基于DCT系数的隐写具有高负载和低复杂度的优点，适用于隐写的实时应用。如Lin(T.Lin,K.Chung,P.Chang,Y.Huang,H.Liao,and C.Fang.2013.An improved DCT-based perturbation scheme forhigh capacity data hiding in H.264/AVC intra frames.Journal of Systems andSoftware 86,3(2013),604–614.),Ma(X.Ma,Z.Li,J.Lv,and W.Wang.2009.Data Hidingin H.264/AVC Streams with Limited Intra-Frame Distortion Drift.In2009International Symposium on Computer Network and Multimedia Technology.1–5；X.Ma,Z.Li,H.Tu,and B.Zhang.2010.A Data Hiding Algorithm for H.264/AVC VideoStreams Without Intra-Frame Distortion Drift.IEEE Transactions on Circuitsand Systems for Video Technology 20,Oct 2010,1320–1330.)，Nakajima(K.Nakajima,K.Tanaka,T.Matsuoka,and Y.Nakajima.2005.Rewritable Data Embedding on MPEGCoded Data Domain.In 2005IEEE International Conference on Multimedia andExpo.682–685.)，Wong(K.Wong,K.Tanaka,K.Takagi,and Y.Nakajima.2009.CompleteVideo Quality-Preserving Data Hiding.IEEE Transactions on Circuits andSystems for Video Technology 19,10(Oct 2009),1499–1512.)等提出的视频隐写方法，可有效避免视频全解码和重编码过程中的计算消耗，使基于DCT系数的视频隐写成为快速易用的隐写方法。

为分析隐写对视频流的空域及时域相关性造成的影响，一系列隐写分析方法已被提出，如Da(Ting Da,ZhiTang Li,and Bing Feng.2015.A Video SteganalysisAlgorithm for H.264/AVC Based on the Markov Features.Springer InternationalPublishing,Cham,47–59.)，Pankajakshan(V.Pankajakshan and A.Ho.2007.ImprovingVideo Steganalysis Using Temporal Correlation.In Proceedings of the ThirdInternational Conference on International Information Hiding and MultimediaSignal Processing,Volume 01.IEEE Computer Society,Washington,DC,USA,287–290.)，Zarmehi(N.Zarmehi and M.Akhaee.2016.Digital video steganalysis towardspread spectrum data hiding.IET Image Processing 10,1(2016),1–8.)提出的方法。上述隐写分析方法并非是专用于基于DCT系数的视频隐写分析方法，但指导了检测此类隐写的研究方向。此外，图像中基于量化DCT系数的隐写研究已经较为成熟，在JPEG图像中的高效隐写分析算法，如Holub和Fridrich(V.Holub and J.Fridrich.2015.Low-ComplexityFeatures for JPEG Steganalysis Using Undecimated DCT.IEEE Transactions onInformation Forensics and Security10,2Feb 2015,219–228；V.Holub andJ.Fridrich.2015.Phase-aware projection model for steganalysis of JPEGimages.2015.)设计的算法，也为本发明的设计提供了研究思路。

发明内容

本发明的目的是提供一种检测基于DCT系数隐写的视频隐写分析方法，该方法通过分析隐写操作对视频空域及时域相关性的影响，分别构造空域及时域隐写分析特征集，实现对基于DCT系数隐写的视频隐写方法的有效检测。

为达到上述目的，本发明所采用的技术方案为：

一种检测基于DCT系数隐写的视频隐写分析方法，其步骤包括：

1)制备原始视频集，并基于一部分原始视频集采用待分析的隐写算法生成相应的隐写视频集；

2)将上述每个原始视频和每个隐写视频分别解码到K个GOP(Group of Pictures)单元，其中K根据视频和GOP单元的长度确定；

3)解码各GOP单元的I帧到空域，并对每个空域I帧提取空域特征集，得到空域直方图；

4)解码各GOP单元的P帧/P帧和B帧，并在解码过程中构造时域特征集，得到时域直方图；

5)根据上述空域直方图和时域直方图得到隐写分析特征集；

6)将上述隐写分析特征集输入分类器进行训练，得到隐写分析分类器；

7)根据步骤2)至步骤5)所述方法提取待测视频的隐写分析特征，并将其输入所述隐写分析分类器进行分析判别。

进一步的，步骤1)中所述原始视频集的制备方法是指：用户根据统一的压缩参数压缩YUV视频流，得到一个或多个原始视频集。

更进一步的，所述压缩参数包括尺寸、长度、分辨率。

进一步的，步骤3)中所述对每个空域I帧提取空域特征集得到空域直方图的步骤包括：

3-1)计算空域I帧与DCT核的卷积，得到空域I帧的噪声残差，并通过量化操作得到空域I帧的量化噪声残差；

3-2)根据现有基于DCT隐写算法的嵌入方法，得到不同改动系数对宏块空域像素值的影响，并计算改动当前宏块的嵌入代价；

3-3)根据上述空域I帧的量化噪声残差和上述嵌入代价，计算空域特征集得到空域直方图。

更进一步的，步骤4)中所述构造时域特征集得到时域直方图的步骤包括：

4-1)通过运动向量连接相似宏块重构空域分片；

4-2)计算上述空域分片与DCT核的卷积，得到空域分片的噪声残差，并通过量化操作得到P帧/P帧和B帧的量化噪声残差；

4-3)根据上述P帧/P帧和B帧的量化噪声残差和步骤3-2)中的嵌入代价，计算时域特征集得到时域直方图。

进一步地，步骤5)具体包括：根据DCT核的对称原则合并上述空域直方图和时域直方图，得到降维后的空域特征和时域特征，连接降维后的空域特征和时域特征得到隐写分析特征集。

进一步地，步骤6)中所述分类器为集成分类器或高斯核的支持向量机。

进一步地，多次重复步骤7)，将平均结果作为依据进行最终判别。

本发明对视频隐写分析领域的有益效果在于：本发明提供一种检测基于DCT系数隐写的视频隐写分析方法，且该方法是首个专用于检测基于DCT系数隐写的视频隐写分析方法。该方法根据分析基于DCT系数隐写的隐写操作对视频空域及时域相关性的影响，使用DCT核及嵌入代价计算空域特征集得到空域直方图。且通过运动向量连接帧间的相似宏块，构造空域分片并计算时域特征集得到时域直方图。将上述空域直方图及时域直方图合并为最终的隐写分析特征集，并将其输入到分类器进行训练生成隐写分析分类器。之后将待测视频按上述方法提取其隐写分析特征，并将该隐写分析特征输入所述隐写分析分类器进行分析判别。该方法可有效检测基于DCT系数隐写的隐写视频，提高了隐写分析尤其对高质量视频进行检测的准确率。

附图说明

图1是本发明提供的一种检测基于DCT系数隐写的视频隐写分析方法流程图；

图2是本发明中空域特征集计算流程图；

图3是本发明中时域分层构造示意图；

图4是本发明中顺序运动向量计算示意图；

图5是本发明使用运动向量连接宏块示意图；

图6是本发明方法与DCTR分析特征、Da的分析方法在不同量化参数及嵌入率下对Ma的隐写方法的检测准确率对比图；

图7是本发明方法与DCTR分析特征、Da的分析方法在不同量化参数及嵌入率下对Lin的隐写方法的检测准确率对比图。

具体实施方式

为使本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附图作详细说明如下。

本发明提供的一种检测基于DCT系数隐写的视频隐写分析方法的实现流程如图1所示。本发明所采用的技术方案主要包括以下步骤(如无特殊说明，以下步骤均由计算机和电子设备的软硬件执行)：

1、制备原始视频和隐写视频集。

用户根据统一的压缩参数(如尺寸、长度、分辨率等)压缩YUV视频流，得到一个或多个原始视频集。基于一组原始视频集，采用待分析的隐写算法生成相应的一组隐写视频集。

2、提取隐写分析特征集。

将上述原始视频和隐写视频分别解码到K个GOP单元(其中K根据视频和GOP单元的长度确定)，各GOP单元的起始帧为I帧，对第k个GOP单元(1≤k≤K)执行下述操作：

1)解码各I帧到空域，对每个空域I帧F_k提取空域特征集，其特征提取过程如图2所示，包括以下步骤：

a)通过求F_k与DCT核G的卷积，计算空域I帧的噪声残差U(F_k,G)＝{F_k*G}。并且通过量化操作得到空域I帧的量化噪声残差U(F_k,G,Q)＝Q(U(F_k,G)/q)，其中q是固定的量化步长，Q是以{0,1,2,...,T_r}为质心的量化器，其中T_r是截断阈值。该步骤如图2中(a)卷积及量化所示；

b)根据现有基于DCT隐写算法的嵌入方法，得到不同改动系数对宏块空域像素值的影响ρ_i,j，并计算改动当前宏块的嵌入代价δ(ρ_i,j)，其中ρ_i,j的下标i和j分别为宏块横坐标和纵坐标的索引。该步骤如图2中(d)宏块分类及(e)代价计算所示；

c)对于分辨率为M×N的I帧，根据上述空域I帧的量化噪声残差和上述嵌入代价，计算空域特征集得到空域直方图该步骤如图2中(b)直方图计算所示。

其中，χ为宏块的长宽像素值；u,v为DCT变换及量化后的残差索引系数，且0≤u,v≤χ-1；Q为量化器，其质心为{0,1,2,...,T_r}，T_r为截断阈值；τ为空域直方图的取值，且-T_τ≤τ≤T_τ，其中T_τ≥0；和分别为空域I帧在纵向和横向的宏块个数。

2)解码各GOP单元的P帧/P帧和B帧，在解码过程中构造时域特征集；其中GOP单元的P帧/P帧和B帧是指有的GOP单元包括P帧，而有的GOP单元包括P帧和B帧。其包括以下步骤：

a)通过运动向量连接相似宏块重构空域分片P_k。用于连接的运动向量需满足其中SAD是预测宏块与原始宏块间的残差绝对值之和，μ是SAD的标准差，Nei定义邻居宏块的范围大小。重构的图层如图3所示，各行由T个与空域I帧对应的相似宏块构成，其中T是该GOP单元中的帧数。若该GOP单元中存在L个连接，则重构空域分片共由L行构成；

b)计算上述空域分片P_k与DCT核G的卷积，得到空域分片P_k的噪声残差U(P_k,G)，并将其量化得到P帧/P帧和B帧的量化噪声残差U(P_k,G,Q)；

c)对由T×L个宏块拼接的空域分片P_k，计算时域特征集得到时域直方图

其中，u,v为DCT变换及量化后的残差索引系数，且0≤u,v≤χ-1；Q为量化器，其质心为{0,1,2,...,T_r}，T_r为截断阈值；τ为时域直方图的取值，且-T_τ≤τ≤T_τ，其中T_τ≥0；δ(ρ_i)表示P_k同一行中连接的相似宏块的嵌入代价是相同的，均等于F_k中相应宏块的嵌入代价。

3)根据DCT核的对称原则合并空域直方图(如图2中(c)降维处理所示)和时域直方图得到降维后的空域特征和时域特征。连接降维后的空域特征和时域特征即可得到最终的隐写分析特征集。

对各GOP单元，按照步骤2的操作提取隐写分析特征集，直至处理完毕当前原始视频集和隐写视频集。

3、隐写分析分类器的训练和配置。将步骤2中从原始视频集和隐写视频集中提取的隐写分析特征集输入分类器，对分类器进行训练，生成隐写分析分类器。

4、对待测视频进行分析。接收到待测视频，首先按照步骤2的操作提取该待测视频的隐写分析特征，然后将获得的隐写分析特征输入隐写分析分类器中进行分析，重复多次，将平均结果作为依据进行最终判别。

下面举一具体实施例来解释说明本发明。该实施例是在H.264/AVC视频编码标准下对基于DCT系数隐写的视频隐写进行的分析，其仅仅是本发明分析方法在H.264/AVC标准中的应用，可以充分说明该方法的效果。但本发明提出的是一个通用的框架，除该实施例之外，该方法可应用于其他视频压缩标准下的隐写分析。故基于本发明的框架提出的其他实施例，都属于本发明的保护范围。

在H.264/AVC视频编码标准中，帧间预测提供了两种亮度块尺寸：4×4和16×16。由于亮度16×16块通常变化平缓且人眼对亮度值的变化较为敏感，因此现有的隐写方法仅考虑I帧中的亮度4×4块。为了降低计算复杂度并实现快速的视频压缩，H.264/AVC标准采用整数DCT变换和量化操作，该过程可公式化表示为R^QDCT＝ARA^T。其中，R^QDCT为整数DCT变换及量化后的残差，R为宏块的残差，A为单位正交矩阵。且单位正交矩阵表示为：

在视频帧中，第i行第j列的DCT变换后的残差块可表示为：

在H.264/AVC标准中，0≤m,n≤3，表示4×4残差的行列索引；0≤u,v≤3，表示4×4DCT变换及量化后的残差索引系数；w_u及w_v表示DCT变换系数，当u,v＝0时并且若u＞0,v＞0，则w_u＝1,w_v＝1。基于上述理论，本发明提出了H.264/AVC中的4×4DCT核，用于空域及时域特征的提取。

本发明提供的一种检测DCT系数隐写的视频隐写分析方法，其在H.264/AVC的实施方法主要包括以下步骤：

(1)制备原始视频集和隐写视频集。100个4:2:0YUV格式的标准CIF序列被用于该实施例。视频序列的帧率为30fps，视频长度为100帧至2000帧。Ma的隐写方法和Lin的隐写方法将被用于嵌入秘密信息，且使用每非零系数嵌入的数据位(bits embedded per non-zero coefficient,bpnc)度量嵌入率。为测试本发明方法在不同情况下的检测效果，该实施例分别使用常用的量化参数(即QP＝28、32、36)压缩视频，并采用不同隐写方法在不同嵌入率下对压缩视频进行隐写(Ma的隐写方法：0.05bpnc，0.1bpnc；Lin的隐写方法：0.05bpnc，0.1bpnc及0.15bpnc)。

(2)解码隐写视频，针对各GOP单元，使用本发明方法提取隐写分析特征集。

a)计算空域特征集。计算空域I帧与DCT核的卷积，得到量化后空域I帧的量化噪声残差。其公式如下：

U(F_k,G)＝{U^(u,v)|0≤u,v≤3}

U^(u,v)＝F_k*G^(u,v)

U(F_k,G,Q)＝Q(U(F_k,G)/q)

其中，G^(u,v)为DCT核，且定义如下：

根据现有基于DCT系数隐写算法得到不同改动系数对下的嵌入代价集合。

δ(ρ_i,j)＝{δ(ρ_i,j)_1st,δ(ρ_i,j)_2st,δ(ρ_i,j)_3st,δ(ρ_i,j)_4st,δ(ρ_i,j)_5st}＝{8Q²,8Q²,8Q²,4Q²,16Q²}

结合卷积操作，计算得到空域直方图。

b)计算时域特征集。通过运动向量连接与空域I帧相似的宏块，请参考图4，基于GOP单元中运动向量间存在的三角运算关系，得到顺序连接的运动向量(Sequential MotionVector，SMV)。在帧中，对于宏块可得在帧中，对于宏块可得同理在帧F_P中，对于宏块MB_P可得请参考图5，在连接运动向量的过程中，若预测宏块超过参考帧中的边界，则连接最大重叠面积的宏块。若连接宏块的大小并非为4×4，则将当前宏块划分为尺寸为4×4的子宏块。通过将连接的4×4宏块进行拼接，可得到空域分片。基于该空域分片，可得到时域直方图。

c)基于DCT核的对称原则合并空域直方图和时域直方图，且空域直方图及时域直方图的个数从16降至9，各特征集的维数均为16×9×(T_r+1)＝144×(T_r+1)。

(3)训练和配置隐写分析分类器。在本发明实施例中，使用集成分类器及高斯核的支持向量机进行分类，任意选择50％的隐写及非隐写视频使用步骤(2)的方法提取隐写分析特征，并将隐写分析特征输入分类器进行训练，得到隐写分析分类器。

(4)对待测视频进行检测。使用训练完成的隐写分析分类器对剩余的50％视频序列进行分析，首先使用步骤(2)对该待测视频进行特征提取(即提取该待测视频的隐写分析特征)，然后将获得的隐写分析特征输入隐写分析分类器中进行测试。检测准确率是真阳性率和真阴性率的平均值，重复20次实验，使用平均准确率作为最终判别的依据。

为了比较不同隐写分析方法的检测效果，本实施例使用图像隐写分析中的DCTR分析方法及Da提出的视频隐写分析方法作为本发明方法的对照组。不同分析方法的检测效果在表1中列出，图6是本发明方法与DCTR分析特征、Da的分析方法在不同量化参数及嵌入率下对Ma的隐写方法的检测准确率对比图；图7是本发明方法与DCTR分析特征、Da的分析方法在不同量化参数及嵌入率下对Lin的隐写方法的检测准确率对比图。

表1：不同分析方法在不同量化参数和嵌入率下对Da和Lin的隐写方法的检测效果

通过观察表1、图6及图7得知，本发明方法在三种隐写分析中的检测效果最好，且在大多数情况下，DCTR分析特征的检测效果优于Da的分析方法。随着量化参数的降低，三种隐写分析的检测效果大部分都有所提高。这是由于使用较小的量化参数压缩的视频质量较高，从中提取的特征也更有效。此外，由于特征的维度较低，使用支持向量机要比使用集成分类器的分类效果好。尽管针对Ma和Lin的隐写方法，Da和DCTR均有一定的检测效果，但本发明方法极大的提高了检测准确率。在量化参数为28且嵌入率为0.15bpnc的情况下，检测Lin的隐写方法可达到99.13％的准确率。针对Ma的隐写方法，在量化参数为28且嵌入率为0.1bpnc时，准确率高达95.81％。

由以上具体实施方式中的实施例可知，本发明提出的视频隐写分析方法可以对基于DCT系数隐写的视频隐写分析方法进行高效的检测，且对高质量隐写视频的检测效果更佳。

以上实施仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求书所述为准。

Claims

1.一种检测基于DCT系数隐写的视频隐写分析方法，其步骤包括：

2)将上述每个原始视频和每个隐写视频分别解码到K个GOP单元，其中K根据视频和GOP单元的长度确定；

3)解码各GOP单元的I帧到空域，并对每个空域I帧提取空域特征集，得到空域直方图；包括以下子步骤：

3-3)根据上述空域I帧的量化噪声残差和上述嵌入代价，计算空域特征集得到空域直方图；

4)解码各GOP单元的P帧/P帧和B帧，并在解码过程中构造时域特征集，得到时域直方图；包括以下子步骤：

4-1)通过运动向量连接相似宏块重构空域分片；

4-3)根据上述P帧/P帧和B帧的量化噪声残差和步骤3-2)中的嵌入代价，计算时域特征集得到时域直方图；

5)根据上述空域直方图和时域直方图得到隐写分析特征集；

7)根据步骤2)至步骤5)，利用空域直方图和时域直方图提取待测视频的隐写分析特征，并将其输入所述隐写分析分类器进行分析判别。

2.如权利要求1所述的方法，其特征在于，步骤1)中所述原始视频集的制备方法是指：用户根据统一的压缩参数压缩YUV视频流，得到一个或多个原始视频集。

3.如权利要求2所述的方法，其特征在于，所述压缩参数包括尺寸、长度、分辨率。

4.如权利要求1所述的方法，其特征在于，步骤5)具体包括：根据DCT核的对称原则合并上述空域直方图和时域直方图，得到降维后的空域特征和时域特征，连接降维后的空域特征和时域特征得到隐写分析特征集。

5.如权利要求1所述的方法，其特征在于，步骤6)中所述分类器为集成分类器或高斯核的支持向量机。

6.如权利要求1所述的方法，其特征在于，多次重复步骤7)，将平均结果作为依据进行最终判别。