技術(shù)特征：

1.一種H.264視頻同量化因子雙重壓縮檢測方法，其特征在于，包括如下步驟：

步驟1：初始化n的值，令n＝1，n表示第n次輸入的H.264視頻；

步驟2：對輸入的H.264視頻進行解碼，解碼后的H.264視頻記為V_n，V_n表示第n次輸入的H.264視頻，獲取H.264視頻V_n對應的YUV序列Y_n，以及該H.264視頻V_n的I幀中所有宏塊的幀內(nèi)預測宏塊模式IPMBM_n；

步驟3：使用與H.264視頻V_n相同的量化因子對YUV序列Y_n進行編碼得到H.264視頻V_n+1，并獲得H.264視頻V_n+1的YUV序列Y_n+1，以及H.264視頻V_n+1幀I幀中所有宏塊的幀內(nèi)預測宏塊模式IPMBM_n+1，V_n+1表示第n+1次輸入的H.264視頻，即經(jīng)過n次重壓縮的H.264視頻；令n自增1；

步驟4：判斷n是否大于K，若n小于等于K，則對比IPMBM_n和IPMBM_n+1，得到平均每個I幀內(nèi)所有宏塊的幀內(nèi)預測宏塊模式不相同的宏塊的數(shù)量，記為C_n，返回執(zhí)行步驟2；其中，C_n表示第n次比對得到的平均每個I幀內(nèi)所有宏塊的幀內(nèi)預測宏塊模式不相同的宏塊的數(shù)量；

若n大于K，則執(zhí)行步驟5，其中：K表示比對的總次數(shù)；

步驟5：將K次比對得到的所有C_n的值分別除以對應H.264視頻單幀內(nèi)宏塊的總數(shù)量，得到相應的K個值，記為F_n，其中n＝1,2,…，K；并將該K個值組合成K維特征向量，記為F，F(xiàn)＝(F1,F2,…,F_K)；

步驟6：使用訓練視頻集的特征向量訓練分類器，采用分類器對待預測視頻的特征向量進行分類，判斷出視頻是否經(jīng)過同量化因子的雙重壓縮。

2.根據(jù)權(quán)利要求1所述的H.264視頻同量化因子雙重壓縮檢測方法，其特征在于，所述步驟2中關(guān)于H.264視頻I幀中所有宏塊幀內(nèi)預測宏塊模式由宏塊類型和幀內(nèi)預測模式信息組成，具體定義如下：

IPMBM(MB)＝{MB_type，MB_pre}

式中，MB表示一個16x16宏塊，MB_type表示宏塊類型，MB_pre表示宏塊的幀內(nèi)預測模式信息，IPMBM(MB)表示H.264視頻I幀中宏塊MB幀內(nèi)預測宏塊模式。

3.根據(jù)權(quán)利要求1所述的H.264視頻同量化因子雙重壓縮檢測方法，其特征在于，所述步驟4中C_n的計算公式如下：

$C_n=\frac{1}{N}\underset{i,x,y}{\Σ}I\left({\mathrm{MB}}_n\right(i,x,y),{\mathrm{MB}}_{n+1}(i,x,y\left)\right)$

式中：N代表I幀的總數(shù)量，MB_n(i,x,y)代表經(jīng)過n次壓縮的視頻中第i個I幀內(nèi)處于(x,y)位置上的宏塊，MB_n+1(i,x,y)代表經(jīng)過n+1次壓縮的視頻中第i個I幀內(nèi)處于(x,y)位置上的宏塊，i的取值為1,2，…N；其中：指示函數(shù)I(MB₁,MB₂)的定義如下：

$I({\mathrm{MB}}_1,{\mathrm{MB}}_2)=\left\{\begin{array}{cc}1,& IPMBM\left({\mathrm{MB}}_1\right)\≠IPMBM\left({\mathrm{MB}}_2\right)\\ 0,& IPMBM\left({\mathrm{MB}}_1\right)=IPMBM\left({\mathrm{MB}}_2\right)\end{array}\right.$

式中，MB₁和MB₂分別表示兩個不同的宏塊，IPMBM(MB₁)表示H.264視頻I幀中宏塊MB₁幀內(nèi)預測宏塊模式，IPMBM(MB₂)表示H.264視頻I幀中宏塊MB₂幀內(nèi)預測宏塊模式。

4.根據(jù)權(quán)利要求1所述的H.264視頻同量化因子雙重壓縮檢測方法，其特征在于，所述步驟5中的F_n的計算公式如下：

F_n＝C_n/A_T

式中：N_T代表單幀內(nèi)包含的宏塊總數(shù)量，n表示F_n在K維特征向量F內(nèi)所處的元素位置，n＝1,2,…,K。

5.根據(jù)權(quán)利要求1所述的H.264視頻同量化因子雙重壓縮檢測方法，其特征在于，所述步驟6包括如下步驟：

步驟6.1：構(gòu)造包括測試視頻特征向量和標簽的訓練集，其中，所述測試視頻特征向量集由訓練視頻經(jīng)過步驟1～步驟5得到K維特征向量組成，以標簽0表示該測試視頻未經(jīng)過雙重壓縮，以標簽1表示該測試視頻經(jīng)過雙重壓縮；

步驟6.2：利用核函數(shù)RBF，從所述訓練集中選擇參數(shù)對，其中所述核函數(shù)RBF為設置支持向量機SVM的核函數(shù)，運用交叉驗證的方法進行參數(shù)尋優(yōu)，得到參數(shù)對(c，g)；其中c表示懲罰系數(shù)，g是核函數(shù)參數(shù)；

步驟6.3：將特征向量集合、標簽集合、核函數(shù)RBF和參數(shù)對(c，g)作為輸入，經(jīng)過SVM訓練，得到分類器；

步驟6.4：待測視頻經(jīng)過步驟1～步驟5得到K維特征向量作為分類器的輸入，經(jīng)過分類器的預測，輸出標簽0或者標簽1，判斷出視頻是否經(jīng)過重壓縮處理。