一種基于互信息和運(yùn)動(dòng)向量視頻隱寫的分析方法
【專利摘要】本發(fā)明提供了一種基于互信息和運(yùn)動(dòng)向量視頻隱寫的分析方法。其主要包括：對(duì)建模過程采用加性高斯噪聲疊加的隱寫方法，利用壓縮視頻流中預(yù)測(cè)幀幀內(nèi)運(yùn)動(dòng)向量的熵來度量隱寫對(duì)空間相關(guān)性的影響，同時(shí)利用相鄰預(yù)測(cè)幀幀間運(yùn)動(dòng)向量水平和垂直兩方向的差分直方圖以及互信息來度量隱寫對(duì)時(shí)間相關(guān)性的影響，最后通過支持向量機(jī)的分類檢測(cè)來判斷是否存在隱寫。針對(duì)運(yùn)動(dòng)向量視頻隱寫，通過本發(fā)明提出的方法可以達(dá)到較好的檢測(cè)效果。
【專利說明】一種基于互信息和運(yùn)動(dòng)向量視頻隱寫的分析方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種視頻隱寫的分析方法，尤其涉及一種基于互信息和運(yùn)動(dòng)向量視頻隱寫的分析方法。
【背景技術(shù)】
[0002]隨著互聯(lián)網(wǎng)的不斷普及和數(shù)字多媒體應(yīng)用技術(shù)的日益成熟，特別是網(wǎng)絡(luò)流媒體業(yè)務(wù)不斷發(fā)展，使得音頻，視頻，圖像等多媒體的傳輸和交換非?？旖莘奖恪Ｐ畔①Y源的共享給人們的工作、生活、娛樂帶來了無限便利，特別是隨著視頻應(yīng)用的不斷普及，使得網(wǎng)絡(luò)上各種視頻文件不斷出現(xiàn)；同時(shí)，信息隱藏技術(shù)也在不斷發(fā)展，圖像信息隱藏技術(shù)積累的經(jīng)驗(yàn)也為應(yīng)用視頻為載體進(jìn)行信息隱藏提供了條件。
[0003]研究視頻隱寫分析技術(shù)具有十分重要的意義。首先，視頻隱寫分析技術(shù)能遏制視頻隱寫技術(shù)的濫用，隨著視頻隱寫分析技術(shù)的進(jìn)步，針對(duì)各種視頻隱寫技術(shù)的檢測(cè)算法準(zhǔn)確率、檢測(cè)速度都在大幅度的提高，這就在相當(dāng)程度上提高了對(duì)視頻隱寫的監(jiān)管力度。其次，研究視頻隱寫分析技術(shù)也是占領(lǐng)信息安全研究領(lǐng)域制高點(diǎn)的必然要求，視頻隱寫分析技術(shù)是信息隱藏中較新的領(lǐng)域，但同時(shí)也是未來發(fā)展的重要方向，只有掌握了先進(jìn)的視頻隱寫分析技術(shù)，才能在保證在國家信息安全和軍事、情報(bào)活動(dòng)中取得主動(dòng)權(quán)。最后，研究視頻隱寫分析技術(shù)能達(dá)到對(duì)視頻隱寫技術(shù)的促進(jìn)作用，通過視頻隱寫分析發(fā)現(xiàn)現(xiàn)有視頻隱寫算法的不足，然后針對(duì)現(xiàn)有缺點(diǎn)，改進(jìn)隱寫算法，就能達(dá)到更好的視頻隱寫。
[0004]運(yùn)動(dòng)向量隱寫與傳統(tǒng)的空域或者頻域隱寫方法相比，運(yùn)動(dòng)向量隱寫的隱蔽性更好。與圖像隱寫分析技術(shù)相比，視頻隱寫技術(shù)的發(fā)展比較緩慢，大多數(shù)學(xué)者將視頻建模成一系列靜止圖像的組合，信息的嵌入可以建模成給信號(hào)加上均值為零的高斯噪聲。這個(gè)模型同樣可以應(yīng)用于運(yùn)動(dòng)向量隱寫。對(duì)運(yùn)動(dòng)向量進(jìn)行隱寫會(huì)影響視頻幀的時(shí)空域統(tǒng)計(jì)特征。因此可以通過比較隱寫前后運(yùn)動(dòng)向量的統(tǒng)計(jì)特征的變化來進(jìn)行隱寫分析。

【發(fā)明內(nèi)容】

[0005]技術(shù)問題:本發(fā)明的目的是提供一種針對(duì)運(yùn)動(dòng)向量隱寫的分析方法。視頻碼流中的運(yùn)動(dòng)向量是通過視頻編碼的運(yùn)動(dòng)估計(jì)算法獲得的，它關(guān)系到視頻畫面的時(shí)間連續(xù)性和平滑性，是視頻壓縮重點(diǎn)保護(hù)對(duì)象。經(jīng)過編碼或重新編解碼后，運(yùn)動(dòng)信息數(shù)據(jù)變化很小。由于運(yùn)動(dòng)矢量反映的是當(dāng)前編碼幀中被預(yù)測(cè)宏塊與參考幀中最佳匹配宏塊的運(yùn)動(dòng)位移信息，與宏塊的具體內(nèi)容無關(guān)。如果把信息嵌入到運(yùn)動(dòng)矢量中，具有很強(qiáng)的隱蔽性。通過使用本發(fā)明提出的方法可以有效提高此類隱寫方法的檢測(cè)率。
[0006]技術(shù)方案:對(duì)隱寫過程建模為加性高斯噪聲的疊加過程，利用壓縮視頻流中預(yù)測(cè)幀幀內(nèi)運(yùn)動(dòng)向量的熵來度量隱寫對(duì)空間相關(guān)性的影響，同時(shí)利用相鄰預(yù)測(cè)幀幀間運(yùn)動(dòng)向量水平和垂直兩方向的差分直方圖以及互信息來度量隱寫對(duì)時(shí)間相關(guān)性的影響。最后通過支持向量機(jī)的分類檢測(cè)來判斷是否存在隱寫。
[0007]本發(fā)明包含以下步驟:[0008]1、從發(fā)送方與接收方之間的公共信道上提取壓縮視頻流中的運(yùn)動(dòng)向量，根據(jù)幀內(nèi)運(yùn)動(dòng)向量與其鄰域內(nèi)運(yùn)動(dòng)向量的相關(guān)性判斷得到二進(jìn)制數(shù)據(jù)流，計(jì)算此二進(jìn)制數(shù)據(jù)流的熵。通過對(duì)視頻流數(shù)據(jù)進(jìn)行部分解碼，可以得到運(yùn)動(dòng)預(yù)測(cè)編碼幀的運(yùn)動(dòng)矢量及其相關(guān)信息。視頻對(duì)象碼流逐層分解到宏塊層時(shí)，通過判斷分辨出當(dāng)前幀是否為基于運(yùn)動(dòng)預(yù)測(cè)編碼的P幀間編碼宏塊以及B幀間雙向編碼宏塊。在P幀中，可以計(jì)算得出前向運(yùn)動(dòng)矢量，而在B幀中可計(jì)算得出前向和后向兩個(gè)運(yùn)動(dòng)矢量。通過這些運(yùn)算得出相應(yīng)的數(shù)據(jù)。
[0009]2、計(jì)算預(yù)測(cè)幀幀間互信息I。
[0010]3、計(jì)算預(yù)測(cè)幀幀間差直方圖前四階矩，即均值μ、方差σ 2、偏度ζ、峰度K。
[0011]4、從訓(xùn)練樣本庫中提取的分類特征作為已選定分類器的輸入，交叉驗(yàn)證過程中使用網(wǎng)格搜索法自動(dòng)尋找最優(yōu)的懲罰因子C和核函數(shù)的參數(shù)O。
[0012]5、將待測(cè)視頻樣本的特征向量作為已訓(xùn)練好的分類器的輸入，進(jìn)行分類，得到分
類結(jié)果。
[0013]采用幀間互信息以及二進(jìn)制數(shù)據(jù)流熵來度量隱寫對(duì)載體視頻時(shí)空相關(guān)性的影響。采用互信息以及預(yù)測(cè)幀幀間差直方圖的均值、方差、偏度、峰度來表示幀間特征。當(dāng)前幀與其相鄰幀的運(yùn)動(dòng)向量相關(guān)性在運(yùn)動(dòng)向量隱寫后發(fā)生改變，由原來的近似相同變?yōu)椴煌?，反?yīng)了相鄰兩幀的運(yùn)動(dòng)向量約束程度變小。而這種約束程度可以用相鄰兩幀的互信息來表示。幀內(nèi)特征通過計(jì)算任一預(yù)測(cè)幀的二進(jìn)制數(shù)據(jù)流的熵得到。
【專利附圖】

【附圖說明】
[0014]圖1是本發(fā)明的系統(tǒng)框圖。
[0015]圖2是本發(fā)明的流程圖。
[0016]圖3是本發(fā)明的運(yùn)動(dòng)向量分析流程圖。
[0017]圖4是本發(fā)明的隱寫分析ROC曲線圖。
【具體實(shí)施方式】
[0018]下面結(jié)合附圖與【具體實(shí)施方式】對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。
[0019]如圖1所示，是本發(fā)明的系統(tǒng)框圖。視頻隱寫分析就是對(duì)以視頻為載體的信息隱藏進(jìn)行分析的技術(shù)。隱寫過程就是發(fā)送方在密鑰K的作用下，利用嵌入算法將秘密信息寫入視頻，通過公共信道傳給接收方，接收方在密鑰K的作用下，利用提取算法將秘密信息提取出來。視頻隱寫分析就是在公共信道上對(duì)傳輸?shù)囊曨l進(jìn)行檢測(cè)，分析判斷視頻中是否有信息隱藏。
[0020]本發(fā)明針對(duì)現(xiàn)有運(yùn)動(dòng)向量隱寫分析算法做出改進(jìn)。首先，采用互信息以及預(yù)測(cè)幀幀間差直方圖的均值、方差、偏度、峰度來表示幀間特征。當(dāng)前幀與其相鄰幀的運(yùn)動(dòng)向量相關(guān)性在運(yùn)動(dòng)向量隱寫后發(fā)生改變，由原來的近似相同變?yōu)椴煌?，反?yīng)了相鄰兩幀的運(yùn)動(dòng)向量約束程度變小。而這種約束程度可以用相鄰兩幀的互信息來表示。若兩幀運(yùn)動(dòng)向量相互獨(dú)立，則互信息為O ;若兩幀運(yùn)動(dòng)向量相關(guān)性越強(qiáng)，則互信息值越大。因此可以提取相鄰幀互信息特征來衡量運(yùn)動(dòng)向量的幀間特性。沒有嵌入隱藏信息時(shí)，幀間差中除了運(yùn)動(dòng)區(qū)域的邊緣具有較復(fù)雜紋理外，其它大部分區(qū)域是平滑的，說明相鄰幀之間具有強(qiáng)相關(guān)性。而只要相鄰兩幀中有一幀中嵌入了信息，幀間差中不僅運(yùn)動(dòng)區(qū)域的邊緣具有較復(fù)雜紋理，其它區(qū)域的紋理復(fù)雜度亦明顯增強(qiáng)，說明相鄰幀的相關(guān)性受到了削弱。
[0021]假設(shè)一個(gè)16X16的宏塊為一個(gè)運(yùn)動(dòng)向量。首先判斷當(dāng)前運(yùn)動(dòng)向量與其鄰域運(yùn)動(dòng)向量的相關(guān)性，如果相關(guān)則標(biāo)為1，否則標(biāo)為O。這里鄰域定義為包圍當(dāng)前運(yùn)動(dòng)向量的8個(gè)運(yùn)動(dòng)向量。對(duì)任一預(yù)測(cè)幀計(jì)算得到二進(jìn)制數(shù)據(jù)流。當(dāng)沒有嵌入信息時(shí)，運(yùn)動(dòng)向量之間的相關(guān)性較強(qiáng)，必然得到較多的I。而當(dāng)對(duì)運(yùn)動(dòng)向量進(jìn)行修改后破壞了運(yùn)動(dòng)向量與周圍運(yùn)動(dòng)向量的相關(guān)性，導(dǎo)致I的個(gè)數(shù)減少。熵可以用來衡量一個(gè)給定分布的隨機(jī)性，將二進(jìn)制數(shù)據(jù)流按每8位一組，定義運(yùn)動(dòng)向量二進(jìn)制數(shù)據(jù)流的熵為:
【權(quán)利要求】
1.一種基于互信息和運(yùn)動(dòng)向量視頻隱寫的分析方法，其特征在于包含以下步驟: 步驟1:從發(fā)送方與接收方之間的公共信道上提取壓縮視頻流中的運(yùn)動(dòng)向量，根據(jù)任一預(yù)測(cè)幀內(nèi)運(yùn)動(dòng)向量與其鄰域內(nèi)運(yùn)動(dòng)向量的相關(guān)性判斷得到預(yù)測(cè)幀二進(jìn)制數(shù)據(jù)流，計(jì)算此二進(jìn)制數(shù)據(jù)流的熵； 步驟2:計(jì)算預(yù)測(cè)幀幀間互信息； 步驟3:計(jì)算預(yù)測(cè)幀幀間差直方圖前四階矩； 步驟4:從訓(xùn)練樣本庫中提取的分類特征作為已選定分類器的輸入，交叉驗(yàn)證過程中使用網(wǎng)格搜索法自動(dòng)尋找最優(yōu)的懲罰因子C和核函數(shù)的參數(shù)σ ; 步驟5:將待測(cè)視頻樣本的特征向量作為已訓(xùn)練好的分類器的輸入，進(jìn)行分類，得到分類結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種基于互信息和運(yùn)動(dòng)向量視頻隱寫的分析方法，其特征在于: 所述的步驟1中，計(jì)算此二進(jìn)制數(shù)據(jù)流的熵為:
3.根據(jù)權(quán)利要求2所述的一種基于互信息和運(yùn)動(dòng)向量視頻隱寫的分析方法，其特征在于，所述的待測(cè)視頻樣本的特征向量為:分別計(jì)算運(yùn)動(dòng)向量的水平分量和垂直分量的前四階矩，得到8個(gè)特征值；計(jì)算預(yù)測(cè)幀互信息和二進(jìn)制數(shù)據(jù)流的熵，得到2個(gè)特征值，共10個(gè)特征值組成待測(cè)視頻樣本的特征向量。
【文檔編號(hào)】H04N19/139GK103888773SQ201410056321
【公開日】2014年6月25日 申請(qǐng)日期:2014年2月19日 優(yōu)先權(quán)日:2014年2月19日
【發(fā)明者】張登銀, 施廣帥, 王雪梅, 程春玲 申請(qǐng)人:南京郵電大學(xué)