專利名稱：目標樣本隨機標記、檢測方法及其視頻數(shù)字水印加密應(yīng)用的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種目標樣本隨機標記和檢測方法，以及在視頻數(shù)字水印加密上的應(yīng)用。
背景技術(shù)：
在許多物理學、化學、地質(zhì)學等領(lǐng)域的研究和應(yīng)用中，常常會遇到這樣一類難題如何準確、快速、高效地檢測出目標樣本，電子信息技術(shù)研究領(lǐng)域中用于版權(quán)保護的視頻數(shù)字水印加密技術(shù)應(yīng)用便是一個很好的例子。
隨著網(wǎng)絡(luò)技術(shù)和數(shù)字多媒體技術(shù)的飛速發(fā)展及應(yīng)用普及，數(shù)字水印技術(shù)作為一種數(shù)字版權(quán)保護的有效手段正日益受到人們的重視。水印的嵌入類似于目標樣本的標記，而提取則類似于目標樣本的檢測，水印的嵌入和提取過程可以理解和歸納為目標樣本的標記和檢測，尤其是水印嵌入幀的選擇和查找過程更加典型。盡管數(shù)字水印技術(shù)的研究已經(jīng)經(jīng)歷了十多年的發(fā)展，出現(xiàn)了許多理論和算法，但大多仍然停留在研究階段，真正實際應(yīng)用的數(shù)量很少。從具體研究的內(nèi)容來看，絕大多數(shù)仍然局限于圖像數(shù)字水印，而對多媒體(包括視頻和音頻)數(shù)字水印的研究相對較少。這一方面是由于來源于實際應(yīng)用的多媒體數(shù)字水印的需求點還不十分明確，沒有形成更好的技術(shù)應(yīng)用模式；另一方面是由于多媒體文件數(shù)量多、文件數(shù)據(jù)量大，且更多地應(yīng)用于網(wǎng)絡(luò)環(huán)境，其數(shù)字水印的技術(shù)方面還存在許多難以根本解決的問題，如視頻數(shù)字水印中最常見的、也是最難解決的幀剪輯攻擊問題。
數(shù)字水印一般要求具有隱藏性和魯棒性兩個重要性質(zhì)，而在視頻數(shù)字水印中，由于視頻文件多、數(shù)據(jù)量大、實時性要求高，除具備以上兩個數(shù)字水印的基本性質(zhì)以外，還應(yīng)該滿足以下幾點①視頻數(shù)字水印(尤其是用于版權(quán)監(jiān)督和控制的視頻數(shù)字水印)應(yīng)該是一種盲水印，在水印檢測過程中不應(yīng)該再需要原始視頻文件的幫助；②視頻數(shù)字水印應(yīng)該能抵抗基于視頻文件最常見的幀剪輯攻擊，包括幀替換、幀重組、幀添加、幀刪除等；否則，只需要簡單的幾個幀剪輯操作，水印就已經(jīng)不復存在。因此，一種再好的視頻數(shù)字水印算法如果不能抵抗幀剪輯攻擊，就失去了其實際應(yīng)用價值。
③視頻數(shù)字水印的檢測速度應(yīng)該足夠快，能滿足網(wǎng)絡(luò)環(huán)境下的在線檢測要求。視頻數(shù)字水印除了應(yīng)具有圖像數(shù)字水印的版權(quán)認證功能外(離線完成)，更應(yīng)發(fā)揮其在版權(quán)監(jiān)督和控制方面的功能。這就要求水印的檢測算法復雜度足夠低，檢測時間短，讓用戶能夠忍耐。
目前，還沒有發(fā)現(xiàn)能完全滿足以上三個條件的視頻數(shù)字水印的嵌入方法和檢測方法。

發(fā)明內(nèi)容本發(fā)明的一個目的，在于提供一種準確、快速、高效的目標樣本隨機標記、檢測方法。
本發(fā)明的另一目的，在于提供一種視頻數(shù)字水印加密中對加密幀的標記和檢測方法，即基于隨機幀嵌入與隨機幀提取的視頻數(shù)字水印方法。
A。關(guān)于目標樣本隨機標記和檢測方法，具體論述如下1 一種目標樣本隨機標記、檢測方法，包括以下步驟①在一個含有N個樣本的樣本空間中，不重復地、隨機地標記其中的n1個樣本，其中n1＜N，標記比例k=n1N;]]>②根據(jù)標記比例k按照以下公式計算出臨界隨機采樣數(shù)量n2′ ③從樣本空間中不重復地隨機選取n2個樣本，其中n2大于或等于臨界隨機采樣數(shù)量n2′，則必然會找到一個被標記樣本。
上述本發(fā)明的目標樣本隨機標記和檢測方法中，所述的標記比例k一般取值為10～50％；最好取值20～30％。
2 理論分析在一個含有N個樣本的樣本空間中，隨機地標記其中的n1個樣本(不重復標記)，相當于從N個樣本中隨機地選取n1個樣本，屬于概率論與數(shù)理統(tǒng)計的范疇[4]，共有CNn1種不同選擇。同樣地，第二次隨機抽取其中的n2個樣本(不重復抽取)有CNn2種不同選擇。那么，第二次隨機抽取的n2個樣本中根本不含有被標記樣本的組合數(shù)為CN-n1n2。為了使兩次隨機采樣中出現(xiàn)重復樣本，即第二次隨機抽取的n2個樣本中至少含有一個被標記樣本的概率Pn2(N,n1)≥99.995%]]>成立，則需要滿足Pn2(N,n1)=CNn2-CN-n1n2CNn2×100%≥99.995%...(1)]]>其中，Cnm=n×(n-1)×(n-2)...(n-m+1)m×(m-1)...×2×1.]]>式(1)給出了兩次隨機采樣中出現(xiàn)樣本重復的精確條件關(guān)系。由于該式過于復雜，存在多階層運算，其運算量和運算復雜度都比較大，很難直接利用來確定n2的取值范圍。在實際應(yīng)用中更希望能夠找到一種直觀、快速的方法確定n2及其范圍。
式(1)實質(zhì)上給出了一個兩次隨機采樣中出現(xiàn)樣本重復時n2需要滿足的關(guān)系不等式，其中存在一個臨界隨機采樣數(shù)量n2′。n2′滿足關(guān)系式Pn2(N,n1)|n2=n2′≥99.995%≥Pn2(N,n1)|n2=n2′-1...(2)]]>由此，可以換一個角度，將式(1)的求解轉(zhuǎn)換為尋找臨界隨機采樣數(shù)量n2′，同時式(1)的精確條件關(guān)系轉(zhuǎn)換為n2≥n2′。
3 臨界隨機采樣數(shù)量n2′的數(shù)值求解利用Matlab 6.5實驗平臺來進行臨界隨機采樣數(shù)量n2′的數(shù)值求解，具體求解步驟如下(1)在一個含有N＝104個樣本的樣本空間中，隨機地標記其中10％的樣本(不重復標記)，即n1＝N×10％。
(2)將n2從1開始間隔為1逐步增大，分別計算相應(yīng)的概率Pn2(N,n1)=CNn2-CN-n1n2CNn2×100%,]]>找到滿足式(1)的第一個n2值，并記為n2′。
(3)將隨機標記比例k從10％開始以10％的間隔依次增大至100％，即n1＝k×10％×N，k＝1，2，…，10。重復步驟(1)(2)，記錄相應(yīng)的n2′。
(4)將樣本空間數(shù)量N依次增大為106、108，重復步驟(1)～(3)。
計算結(jié)果如表1所示。
表1固定Pn2(N,n1)=99.995%,]]>N＝104，106，108時臨界隨機采樣數(shù)量n2′
從表1可以明顯看出兩次隨機采樣中出現(xiàn)樣本重復時，臨界隨機采樣數(shù)量n2′隨著標記比例k(或者標記數(shù)量n1)的增大而減少，表示標記比例越大則檢測到目標樣本的可行性大；同時，與隨機樣本標記數(shù)量n1相比，n2′要小得多(即n2′＜＜n1)，表示完全可以使用遠小于標記樣本數(shù)量n1的隨機采樣實現(xiàn)樣本的檢測；更重要地，在標記比例一定的情況下，n2′的取值是相同的，即n2′僅與標記比例有關(guān)。
下面通過曲線擬合給出n2′的近似表達式，進而使上述結(jié)論更加清晰。
4 n2′數(shù)值分析及其曲線擬合為了求出n2′的近似表達式，使用與上節(jié)相同的辦法，求解固定N時，當n1逐步變化過程中n2′的值，具體求解步驟如下(1)設(shè)定N＝106，Pn2(N,n1)=99.995%,]]>n1＝1(即標記比例為1/106)。
(2)固定n1取值，將n2從1開始間隔為1逐步增大，分別計算相應(yīng)的概率Pn2(N,n1)=CNn2-CN-n1n2CNn2×100%,]]>找到滿足式(1)的第一個n2值，并記為n2′。
(3)將n1間隔為1逐步增大直到N，重復步驟(1)(2)，記錄相應(yīng)的n2′。
(4)畫出固定N時，n2′與n1的關(guān)系曲線n2′～n1，如圖1所示。
(5)改變N＝104，重復(1)～(4)。曲線n2′～n1如圖2所示。
由圖1和圖2可以看出，當N固定時，n2′與n1大致成倒數(shù)關(guān)系，并與N存在一定關(guān)系。因此，假設(shè)n2′具有以下形式 其中，α為待定系數(shù)，f(N)，g(N)，h(N)為待定函數(shù)。
在上述實驗數(shù)據(jù)的基礎(chǔ)上對圖1進行多次分段擬合，得到n2′隨N、n1的變化關(guān)系，并考慮到n2′取值必須為整數(shù)，則擬合函數(shù)(N，n1)如下 這樣，就可以根據(jù)任意給定的N、n1值由式(3)方便地計算出滿足條件的n2′值。
將標記比例記為k=n1N,]]>將式(3)變?yōu)?由式(4)可以看出，n2′僅與標記比例k有關(guān)，是k的近似分段倒數(shù)函數(shù)。這進一步證明了在3節(jié)中的計算結(jié)果。圖3顯示了n2′～k關(guān)系圖。
至此可以得到如下結(jié)論在一個含有N個樣本的樣本空間中，隨機地標記其中的n1個樣本(不重復標記)。第二次隨機采樣其中的n2個樣本(不重復抽取)，n2只要大于或等于其臨界隨機采樣數(shù)量n2′，就能達到樣本重復即目標樣本有效檢測的目的。臨界隨機采樣數(shù)量n2′僅與隨機被標記樣本占總樣本的比例有關(guān)，即 本發(fā)明目標樣本隨機標記和檢測方法，具有準確性高、檢測時間短、可靠性高的優(yōu)點。
B.關(guān)于本發(fā)明在視頻數(shù)字水印加密的應(yīng)用，具體論述如下1 一種視頻數(shù)字水印加密的標記、檢測方法，包括以下步驟①根據(jù)視頻文件的原有碼率確定視頻文件的總幀數(shù)N，利用隨機數(shù)生成器隨機產(chǎn)生不相互重復的1～N之間的的n1個隨機數(shù)，并按照此隨機數(shù)序列依次從視頻文件中隨機地選取其中的n1幀作為水印嵌入幀，其中n1＜N，標記比例k=n1N;]]>②通過圖像水印嵌入算法對選取的n1幀圖像分別嵌入水印，并將嵌入水印的n1幀圖像和沒有嵌入水印的N-n1幀圖像重新組合成為帶有水印信息的視頻文件；③根據(jù)標記比例k計算出臨界檢測幀數(shù)n2′， ④根據(jù)視頻文件的原有碼率確定視頻文件的總幀數(shù)N，利用隨機數(shù)生成器隨機產(chǎn)生不相互重復的1～N之間的的n2個隨機數(shù)，并按照此隨機數(shù)序列依次從視頻文件中隨機地選取其中的n2幀作為水印檢測幀，其中n2≥n2′；⑤通過圖像水印檢測算法分別對選取的n2幀圖像進行水印檢測，必然會找到一幀嵌入水印的圖像。
上述本發(fā)明的視頻數(shù)字水印加密中對加密幀的標記和檢測方法，所述的標記比例k一般為10～50％，最好為20～30％。
2 理論分析視頻數(shù)字水印的嵌入和檢測操作基本上都是基于視頻幀(如I幀、B幀、P幀)的，但它們都沒有十分明確地說明應(yīng)該如何在一個含有很多幀的視頻文件中嵌入和提取水印，按照缺省的想法就應(yīng)該是在所有的視頻幀中嵌入水印，但在實際應(yīng)用中這很難行得通。原因有二在一個視頻文件中進行大規(guī)模的水印嵌入是一項浩大的工程，用戶無法忍耐；同時，大規(guī)模的水印嵌入會對視頻文件產(chǎn)生較大破壞，嚴重影響視頻播放效果。因此，一種好的視頻數(shù)字水印算法應(yīng)該盡可能地少嵌入水印信息，同時又要十分容易地檢測出來，即在水印的不可見性和魯棒性之間有一個很好的平衡。
按照這個原則，視頻水印嵌入時應(yīng)該是在視頻文件中選擇一部分視頻幀作為嵌入幀，通過對視頻嵌入幀固定位置的微小修改或函數(shù)變換后的微小修改實現(xiàn)水印信息的隱藏嵌入；水印提取時首先要找到嵌入水印的視頻幀，然后再按照水印提取算法在固定位置去檢測嵌入時所做的微小修改。如果能檢測到水印信息就證明了水印的存在。那么，如何在數(shù)量巨大的視頻幀中準確地找到嵌入水印的視頻幀、如何在嵌入水印的視頻幀中準確地找到嵌入水印的具體位置，就顯得十分重要。將視頻文件中水印嵌入幀的選擇信息、水印嵌入幀中水印的嵌入位置信息統(tǒng)稱為水印的同步信息，把前者的魯棒性稱為水印的幀間魯棒性，后者的魯棒性稱為水印的幀內(nèi)魯棒性。同步信息被破壞，就無法找到水印嵌入幀、無法找到嵌入水印的具體位置，也就無法正常地提取出水印。
如果能夠按照一定比例從視頻文件中隨機地選擇其中一部分視頻幀作為水印嵌入幀嵌入水印，然后隨機地選擇一定數(shù)量的視頻幀進行水印檢測，即利用基于隨機幀嵌入與隨機幀提取的方法來實現(xiàn)視頻數(shù)字水印，那么視頻數(shù)字水印的嵌入和提取過程，或第一類魯棒性問題就可以歸納為兩次隨機采樣中的樣本重復即目標樣本有效檢測問題。
本發(fā)明的理論根據(jù)為在一個含有N個樣本的樣本空間中，隨機地標記其中n1個樣本(不重復標記)。第二次隨機抽取其中的n2個樣本(不重復抽取)，n2需要滿足什么條件才能使兩次隨機采樣中出現(xiàn)重復樣本，或第二次隨機抽取的n2個樣本中至少含有一個被標記樣本的概率趨近于1，設(shè)定為Pn2(N,n1)≥99.995%.]]>n2只要大于或等于其臨界隨機采樣數(shù)量n2′，就能達到樣本重復即目標樣本有效檢測的目的。臨界隨機采樣數(shù)量n2′僅與隨機被標記樣本占總樣本的標記比例有關(guān)，即 而與樣本總數(shù)量n1無關(guān)。其近似表達式為 n2′～k關(guān)系圖如圖3所示。
本發(fā)明的基于隨機幀嵌入與隨機幀提取的視頻數(shù)字水印的嵌入方法和檢測方法，能有效抵抗視頻數(shù)字水印中常見的、也是最難以解決的幀剪輯攻擊，具有高可靠性和高魯棒性，為視頻數(shù)字水印的實際應(yīng)用提供了保障。


圖1為n2′～n1關(guān)系圖，其中Pn2(N,n1)=99.995%,]]>N＝106圖2為n2′～n1關(guān)系圖，其中Pn2(N,n1)=99.995%,]]>N＝104圖3為n2′～k關(guān)系圖(固定Pn2(N,n1)=99.995%]]>)。
具體實施方式
下面以視頻數(shù)字水印加密為例，對本發(fā)明進行具體的說明，其中標記比例k＝30％。
1.從式(1)的關(guān)系表達式和附圖3的關(guān)系曲線取一點M(0.30，28)，該點表示在隨機樣本標記比例k＝30％時臨界隨機采樣數(shù)量n2′＝28，即隨機地采樣28個樣本一定可以檢測到目標樣本。為了增加可靠性，保證檢測效果，將n2′稍微增加提高到30，即n2等于30。
在一個視頻文件中，隨機地選取其中30％的幀并在每一幀中嵌入水印；水印提取時，從視頻文件中隨機地選取30幀，則至少可以找到一幀含有水印，并檢測出水印。
2.具體的嵌入方法和檢測方法可描述如下(1)隨機幀嵌入
①根據(jù)視頻文件的原有碼率確定視頻文件的幀數(shù)，假設(shè)共計含有N幀。
②利用隨機數(shù)生成器產(chǎn)生n1＝N*30％個不重復的1～N之間的隨機數(shù)。
③按照②生成的1～N之間的隨機數(shù)序列順序，依次從視頻文件中隨機地選取其中的n1幀作為水印嵌入幀。
④通過圖像水印嵌入算法對選取的n1幀圖像嵌入水印。
⑤將嵌入水印的n1幀和其它N-n1幀重新組合成視頻文件，作為帶有水印信息的視頻文件發(fā)布應(yīng)用。
(2)隨機幀提?、俑鶕?jù)視頻文件的原有碼率確定視頻文件的幀數(shù)，假設(shè)共計含有N幀。
②利用隨機數(shù)生成器產(chǎn)生30個不重復的1～N之間的隨機數(shù)。
③按照②生成的1～N之間的隨機數(shù)序列順序，依次從視頻文件中隨機地選取其中的30幀圖像。
④通過圖像水印檢測算法分別對隨機選取的30幀圖像進行水印檢測，并記錄檢測結(jié)果。
⑤只要在隨機選取的30幀圖像檢測中發(fā)現(xiàn)一幀含有水印，就證明了該視頻文件中嵌入水印。
為了提高圖像水印檢測的魯棒性(即幀內(nèi)魯棒性)，可以選擇兩類魯棒性效果達到互補作用同時嵌入位置又不互相影響的圖像水印算法進行重復嵌入，從而實現(xiàn)互補檢測。
3.仿真實現(xiàn)及攻擊驗證本視頻水印算法的仿真是基于matlab6.5為平臺，試驗步驟主要包括a)讀取視頻文件，產(chǎn)生視頻幀序列，共N幀；b)用隨機數(shù)發(fā)生器產(chǎn)生n1＝N*30％個和30個1～N之間的不重復隨機數(shù)，第一組隨機數(shù)用來確定水印嵌入視頻幀的位置，第二組隨機數(shù)用來確定水印提取視頻幀的位置；c)運用圖象水印嵌入算法嵌入水??；d)水印攻擊(1)視頻幀刪除包括在嵌入水印的視頻文件中刪除前、后或中間任意50幀。
(2)視頻幀交換嵌入水印的視頻幀和其前或后的視頻幀交換順序，交換幀數(shù)不少于20幀。
(3)視頻幀插入包括在嵌入水印的視頻文件的前、后或中間任意位置插入50幀。
e)運用圖象水印提取算法提取水印。
對上述算法進行仿真，實驗中采用大量的視頻文件，文件涉及廣泛的場景(包括人物、汽車、風景、運動物體、場景切換等)，對視頻文件進行幀操作攻擊(包括幀刪除、幀交換、幀插入等)，文件名分別為Akiyo、Foreman、Tempete、Mobile。
仿真試驗結(jié)果統(tǒng)計如下表1所示，其中正常提取是指不經(jīng)過視頻幀攻擊直接提取水印信息，實驗中采用的水印算法在單幀圖像中提取相似度為1。
表1實驗仿真統(tǒng)計結(jié)果
從上表可以看出，嵌入比例為30％，提取數(shù)量為30的情況下，該算法對幀操作(幀刪除、幀插入以及幀交換)均能有效提取水印信息，具有很強的魯棒性。
4.結(jié)論上述論證和仿真實驗表明，視頻數(shù)字水印的隨機嵌入方法和檢測方法，能有效抵抗視頻數(shù)字水印中常見的、也是最難以解決的幀剪輯攻擊，具有高可靠性和高魯棒性，為視頻數(shù)字水印的實際應(yīng)用提供了可靠保障。
權(quán)利要求
1一種目標樣本隨機標記、檢測方法，其特征是，包括以下步驟①在一個含有N個樣本的樣本空間中，不重復地、隨機地標記其中的n1個樣本，其中n1＜N，標記比例k=n1N;]]>②根據(jù)標記比例k按照以下公式計算出臨界隨機采樣數(shù)量n2′ ③從樣本空間中不重復地隨機選取n2個樣本，其中n2大于或等于臨界隨機采樣數(shù)量n2′，則必然會找到一個被標記樣本。
2.根據(jù)權(quán)利要求1所述的目標樣本隨機標記、檢測方法，其特征是，所述的標記比例k為10-50％。
3.根據(jù)權(quán)利要求2所述的目標樣本隨機標記、檢測方法，其特征是，所述的標記比例k為20-30％。
4.一種視頻數(shù)字水印加密的標記、檢測方法，其特征是，包括以下步驟①根據(jù)視頻文件的原有碼率確定視頻文件的總幀數(shù)N，利用隨機數(shù)生成器隨機產(chǎn)生不相互重復的1～N之間的的n1個隨機數(shù)，并按照此隨機數(shù)序列依次從視頻文件中隨機地選取其中的n1幀作為水印嵌入幀，其中n1＜N，標記比例k=n1N;]]>②通過圖像水印嵌入算法對選取的n1幀圖像分別嵌入水印，并將嵌入水印的n1幀圖像和沒有嵌入水印的N-n1幀圖像重新組合成為帶有水印信息的視頻文件；③根據(jù)標記比例k計算出臨界檢測幀數(shù)n2′， ④利用隨機數(shù)生成器隨機產(chǎn)生不相互重復的1～N之間的的n2個隨機數(shù)，并按照此隨機數(shù)序列依次從視頻文件中隨機地選取其中的n2幀作為水印檢測幀，其中n2≥n2′；⑤通過圖像水印檢測算法分別對選取的n2幀圖像進行水印檢測，必然會找到一幀嵌入水印的圖像。
5.根據(jù)權(quán)利要求4所述的視頻數(shù)字水印加密的標記、檢測方法，其特征是，所述的標記比例為10-50％。
6.根據(jù)權(quán)利要求5所述的視頻數(shù)字水印加密的標記、檢測方法，其特征是，所述的標記比例為20-30％。
全文摘要
本發(fā)明涉及一種目標樣本隨機標記和檢測方法，以及在視頻數(shù)字水印加密上的應(yīng)用。該方法包括在一個含有N個樣本的樣本空間中，不重復地、隨機地標記其中的n
文檔編號H04N5/913GK1812544SQ200610055129
公開日2006年8月2日 申請日期2006年2月22日 優(yōu)先權(quán)日2006年2月22日
發(fā)明者鄭曉勢, 趙彥玲, 李娜, 劉廣起, 王慶席 申請人:山東省計算中心