本发明提供了一种基于运动矢量残差的HEVC视频双压缩取证方法及系统，涉及视频重压缩检测技术领域，该方法包括：步骤S1：对待检测视频进行解码，并获得解码后的视频帧图片，解码过程中提取各帧间编码帧的编码模式信息；步骤S2：对于提取的编码模式信息，采用空间尺度上的特征融合构建帧间编码差异的特征序列；步骤S3：通过投票算法对所述特征序列进行分析，定位异常帧位置；步骤S4：对于异常帧序列进行时域分析，判断待检测视频是否经历双压缩；步骤S5：若视频经历了双压缩，则进一步推断首次压缩中的GOP长度。本发明能够考虑HEVC针对快速变化场景设计的自适应编码模式，具有鲁棒性高，检测效率高的特点。
1.一种基于运动矢量残差的HEVC视频双压缩取证方法，其特征在于，包括：步骤S1：对待检测视频进行解码，并获得解码后的视频帧图片，解码过程中提取各帧间编码帧的编码模式信息，其中包括各类帧间编码模式的频次以及运动矢量残差数据；
步骤S2：对于提取的编码模式信息，采用空间尺度上的特征融合构建帧间编码差异的特征序列；
步骤S3：通过投票算法对所述特征序列进行分析，定位异常帧位置；
步骤S4：对于异常帧序列进行时域分析，判断待检测视频是否经历双压缩；
步骤S5：若视频经历了双压缩，则进一步推断首次压缩中的GOP长度；
步骤S2.1：计算每帧采用SKIP模式小块的数量，记为Vskip；
步骤S2.2：计算每帧采用MERGE模式小块的数量，记为Vmerge；
步骤S2.3：计算每帧采用AMVP模式小块的数量，记为VAmvp；
步骤S2.4：计算每帧AMVP编码过程中产生的水平运动向量残差的平均值，记为Vhor，其计算公式为：其中，n代表该帧内所有采用AMVP模式的编码小块，hor(m)代表第m个小块编码后的水平运动向量残差值；
步骤S2.5：计算每帧AMVP编码过程中产生的垂直运动向量残差的平均值，记为Vver，其计算公式为：其中，n代表该帧内所有采用AMVP模式的编码小块，ver(m)代表第m个小块编码后的垂直运动向量残差值；
步骤S2.1～步骤S2.5计算出的特征即为构建的特征序列；
所述步骤S4中进行双压缩检测的步骤如下：步骤S4.1：对异常帧序列P进行时域分析，计算潜在的单次压缩GOP长度序列，记为C，定义为：其中，n1,n2为序列P中不同两帧的帧编号，GCD(n1,n2)为n1,n2的最大公约数；
步骤S4.2：对于C中的每个GOP长度c，计算其频数，记为φ(c)，定义为：其中，δ(x)代表示性函数；
步骤S4.3：对于C中所有元素，计算φ(c)的最大值，φMAX(c)；
步骤S4.4：对于待检测视频进行双压缩判定，具体的，设置一个阈值T，若φMAX(c)>T,则判定为双压缩，否则判定为单压缩。
2.根据权利要求1所述的基于运动矢量残差的HEVC视频双压缩取证方法，其特征在于，所述步骤S1包括：步骤S1.1：使用修改后的HMdecoder解码器解码视频；
步骤S1.2：将每一视频帧分为互不重叠的4*4的小块；
步骤S1.3：统计每个小块所采用的帧间预测模式，若预测模式为AMVP，则额外提取该小块的水平运动向量残差和垂直运动向量残差。
3.根据权利要求1所述的基于运动矢量残差的HEVC视频双压缩取证方法，其特征在于，所述步骤S3包括：步骤S3.1：对特征序列，做如下判断，判断条件分别为：(1)当前帧Vskip特征值小于前后两帧；
步骤S3.2：如果目标帧的特征序列满足步骤S3.1中的所有特征，则将该帧判定为异常帧；
步骤S3.3：视频内的所有异常帧形成一个异常帧序列P。
4.根据权利要求1所述的基于运动矢量残差的HEVC视频双压缩取证方法，其特征在于，所述步骤S5中若视频经历了双压缩，则φMAX(c)所对应的c值为第一次压缩时的GOP长度。
5.一种基于运动矢量残差的HEVC视频双压缩取证系统，其特征在于，包括：模块M1：对待检测视频进行解码，并获得解码后的视频帧图片，解码过程中提取各帧间编码帧的编码模式信息，其中包括各类帧间编码模式的频次以及运动矢量残差数据；
模块M2：对于提取的编码模式信息，采用空间尺度上的特征融合构建帧间编码差异的特征序列；
模块M3：通过投票算法对所述特征序列进行分析，定位异常帧位置；
模块M4：对于异常帧序列进行时域分析，判断待检测视频是否经历双压缩；
模块M5：若视频经历了双压缩，则进一步推断首次压缩中的GOP长度；
模块M2.1：计算每帧采用SKIP模式小块的数量，记为Vskip；
模块M2.2：计算每帧采用MERGE模式小块的数量，记为Vmerge；
模块M2.3：计算每帧采用AMVP模式小块的数量，记为VAmvp；
模块M2.4：计算每帧AMVP编码过程中产生的水平运动向量残差的平均值，记为Vhor，其计算公式为：其中，n代表该帧内所有采用AMVP模式的编码小块，hor(m)代表第m个小块编码后的水平运动向量残差值；
模块M2.5：计算每帧AMVP编码过程中产生的垂直运动向量残差的平均值，记为Vver，其计算公式为：其中，n代表该帧内所有采用AMVP模式的编码小块，ver(m)代表第m个小块编码后的垂直运动向量残差值；
模块M2.1～模块M2.5计算出的特征即为构建的特征序列；
所述模块M4中进行双压缩检测的步骤如下：模块M4.1：对异常帧序列P进行时域分析，计算潜在的单次压缩GOP长度序列，记为C，定义为：其中，n1,n2为序列P中不同两帧的帧编号，GCD(n1,n2)为n1,n2的最大公约数；
模块M4.2：对于C中的每个GOP长度c，计算其频数，记为φ(c)，定义为：其中，δ(x)代表示性函数；
模块M4.3：对于C中所有元素，计算φ(c)的最大值，φMAX(c)；
模块M4.4：对于待检测视频进行双压缩判定，具体的，设置一个阈值T，若φMAX(c)>T,则判定为双压缩，否则判定为单压缩。
6.根据权利要求5所述的基于运动矢量残差的HEVC视频双压缩取证系统，其特征在于，所述模块M1包括：模块M1.1：使用修改后的HMdecoder解码器解码视频；
模块M1.2：将每一视频帧分为互不重叠的4*4的小块；
模块M1.3：统计每个小块所采用的帧间预测模式，若预测模式为AMVP，则额外提取该小块的水平运动向量残差和垂直运动向量残差。
7.根据权利要求5所述的基于运动矢量残差的HEVC视频双压缩取证系统，其特征在于，所述模块M3包括：模块M3.1：对特征序列，做如下判断，判断条件分别为：(1)当前帧Vskip特征值小于前后两帧；
模块M3.2：如果目标帧的特征序列满足模块M3.1中的所有特征，则将该帧判定为异常帧；
模块M3.3：视频内的所有异常帧形成一个异常帧序列P。
基于运动矢量残差的HEVC视频双压缩取证方法及系统
技术领域
[0001] 本发明涉及视频重压缩检测技术领域，具体地，涉及一种基于运动矢量残差的HEVC视频双压缩取证方法及系统。
背景技术
[0002] 随着科技的进步,功能强大的视频编辑软件的推出,人们可以非常方便的对数字视频进行编辑修改。如果为了歪曲事实、颠倒黑白、破坏社会秩序、影响社会诚信而对数字视频的内容进行篡改,无疑会对社会产生极其恶劣的影响,危及社会信息安全。为此数字视频篡改取证研究变得非常必要,具有非常重要的现实意义。数字视频被动取证技术是通过分析视频数据的统计特性或检测篡改视频时遗留的痕迹来判断视频是否遭受篡改。现有的数字视频被动取证技术一般根据数字视频的篡改方式不同而设计不同的篡改检测算法。数字视频被动取证技术不依赖外加的辅助信息，完全依靠视频自身的数据信息判断视频的真实性和完整性，所以被动取证技术应用面更广。
[0003] 双压缩检测作为被动取证技术的分支，其原理为，视频信息在拍摄完成时，处于未压缩状态，为了储存和传送的方便，需要对其进行压缩，而攻击者想要对视频进行篡改，通常需要将压缩后的视频先解压，在时空域篡改后再次压缩，也就是经历了复数次压缩操作，视频双压缩检测即判断目标视频是否经历复数次压缩，这也是视频被动取证的一个重要内容。
[0004] HEVC是新一代的视频编码标准，相比传统的编码标准，HEVC在高清视频的编码效率上有了很大提升，因此也得到了更广泛的运用。在旧的编码标准，如MPEG，H.264上,双压缩的取证算法已经取得了很好的成效，然而在HEVC中，这方面的研究相对较少，尤其是HEVC为了能更好的编码快速变化场景，提出了一种自适应参数的编码方式，而以这种方式为对象的双压缩取证算法研究寥寥无几。因此，研究基于HEVC的，尤其是面向自适应参数场景的双压缩取证算法变得尤为重要。
[0005] 公开号为CN112788331A的发明专利，公开了一种视频重压缩检测方法、终端设备及存储介质，所述视频重压缩检测方法包括：获取视频数据集；对所述视频数据集进行解码，得到训练数据集和测试数据集的视频帧序列；根据所述训练数据集和所述测试数据集的视频帧序列，提取所述训练数据集和所述测试数据集的视频帧序列的统计特征；根据所述训练数据集的视频帧序列的统计特征训练视频重压缩检测分类器，得到视频重压缩检测模型；根据所述视频重压缩检测模型，对所述测试数据集的视频帧序列的统计特征进行视频重压缩检测。该专利采用机器学习的分类方法，效果取决于模型质量，而本发明不需要预训练模型，表现稳定且检测效率高。
[0006] 公开号为CN112911298A的发明专利，公开了一种基于边界效应的HEVC视频双压缩检测方法及系统，包括：步骤1：将待检测的HEVC视频进行解码，解码过程中以CTU为单位提取I帧中的DCT系数；步骤2：对于每个CTU，计算变换单元TU边界处的相邻两行/列之间的DCT系数的边界效应度量；步骤3：对于待检测HEVC视频的所有I帧中的CTU进行同样的相关性度量，求取CTU均值，构建HEVC视频的特征序列；步骤4：将HEVC视频的特征序输入已经训练完成的支持向量机中，获得分类结果。该专利仅采用传统的编码系数作为特征，且只针对GOP固定的场景，而本发明采用了HEVC独有的编码系数作为特征，且考虑了自适应编码场景。
发明内容
[0007] 针对现有技术中的缺陷，本发明提供一种基于运动矢量残差的HEVC视频双压缩取证方法及系统。
[0008] 根据本发明提供的一种基于运动矢量残差的HEVC视频双压缩取证方法及系统，所述方案如下：
[0009] 第一方面，提供了一种基于运动矢量残差的HEVC视频双压缩取证方法，所述方法包括：
[0010] 步骤S1：对待检测视频进行解码，并获得解码后的视频帧图片，解码过程中提取各帧间编码帧的编码模式信息，其中包括各类帧间编码模式的频次以及运动矢量残差数据；
[0011] 步骤S2：对于提取的编码模式信息，采用空间尺度上的特征融合构建帧间编码差异的特征序列；
[0012] 步骤S3：通过投票算法对所述特征序列进行分析，定位异常帧位置；
[0013] 步骤S4：对于异常帧序列进行时域分析，判断待检测视频是否经历双压缩；
[0014] 步骤S5：若视频经历了双压缩，则进一步推断首次压缩中的GOP长度。
[0015] 优选的，所述步骤S1包括：
[0016] 步骤S1.1：使用修改后的HMdecoder解码器解码视频；
[0017] 步骤S1.2：将每一视频帧分为互不重叠的4*4的小块；
[0018] 步骤S1.3：统计每个小块所采用的帧间预测模式，若预测模式为AMVP，则额外提取该小块的水平运动向量残差和垂直运动向量残差。
[0019] 优选的，所述步骤S2中构建特征序列包括：
[0020] 步骤S2.1：计算每帧采用SKIP模式小块的数量，记为Vskip；
[0021] 步骤S2.2：计算每帧采用MERGE模式小块的数量，记为Vmerge；
[0022] 步骤S2.3：计算每帧采用AMVP模式小块的数量，记为VAmvp；
[0023] 步骤S2.4：计算每帧AMVP编码过程中产生的水平运动向量残差的平均值，记为Vhor，其计算公式为：
[0024]
[0025] 其中，n代表该帧内所有采用AMVP模式的编码小块，hor(m)代表第m个小块编码后的水平运动向量残差值；
[0026] 步骤S2.5：计算每帧AMVP编码过程中产生的垂直运动向量残差的平均值，记为Vver，其计算公式为：
[0027]
[0028] 其中，n代表该帧内所有采用AMVP模式的编码小块，ver(m)代表第m个小块编码后的垂直运动向量残差值；
[0029] 步骤S2.1～步骤S2.5计算出的特征即为构建的特征序列。
[0030] 优选的，所述步骤S3包括：
[0031] 步骤S3.1：对特征序列，做如下判断，判断条件分别为：
[0032] (1)当前帧Vskip特征值小于前后两帧；
[0033] (2)当前帧Vmerge特征值小于前后两帧；
[0034] (3)当前帧VAmvp特征值大于前后两帧；
[0035] (4)当前帧Vhor特征大于前后两帧；
[0036] (5)当前帧Vver特征大于前后两帧；
[0037] 步骤S3.2：如果目标帧的特征序列满足步骤S3.1中的所有特征，则将该帧判定为异常帧；
[0038] 步骤S3.3：视频内的所有异常帧形成一个异常帧序列，记为P。
[0039] 优选的，所述步骤S4中进行双压缩检测的步骤如下：
[0040] 步骤S4.1：对异常帧序列P进行时域分析，计算潜在的单次压缩GOP长度序列，记为C，定义为：
[0041]
[0042] 其中，n1,n2为序列P中不同的两帧，GCD(n1,n2)为n1,n2的最大公约数；
[0043] 步骤S4.2：对于C中的每个GOP长度c，计算其频数，记为φ(c)，定义为：
[0044]
[0045] 其中，δ(x)代表示性函数；
[0046] 步骤S4.3：对于C中所有元素，计算φ(c)的最大值，φMAX(c)；
[0047] 步骤S4.4：对于待检测视频进行双压缩判定，具体的，设置一个阈值T，若φMAX(c)>T,则判定为双压缩，否则判定为单压缩。
[0048] 优选的，所述步骤S5中若视频经历了双压缩，则φMAX(c)所对应的c值为第一次压缩时的GOP长度。
[0049] 第二方面，提供了一种基于运动矢量残差的HEVC视频双压缩取证系统，所述系统包括：
[0050] 模块M1：对待检测视频进行解码，并获得解码后的视频帧图片，解码过程中提取各帧间编码帧的编码模式信息，其中包括各类帧间编码模式的频次以及运动矢量残差数据；
[0051] 模块M2：对于提取的编码模式信息，采用空间尺度上的特征融合构建帧间编码差异的特征序列；
[0052] 模块M3：通过投票算法对所述特征序列进行分析，定位异常帧位置；
[0053] 模块M4：对于异常帧序列进行时域分析，判断待检测视频是否经历双压缩；
[0054] 模块M5：若视频经历了双压缩，则进一步推断首次压缩中的GOP长度。
[0055] 优选的，所述模块M1包括：
[0056] 模块M1.1：使用修改后的HMdecoder解码器解码视频；
[0057] 模块M1.2：将每一视频帧分为互不重叠的4*4的小块；
[0058] 模块M1.3：统计每个小块所采用的帧间预测模式，若预测模式为AMVP，则额外提取该小块的水平运动向量残差和垂直运动向量残差。
[0059] 优选的，所述模块M2中构建特征序列包括：
[0060] 模块M2.1：计算每帧采用SKIP模式小块的数量，记为Vskip；
[0061] 模块M2.2：计算每帧采用MERGE模式小块的数量，记为Vmerge；
[0062] 模块M2.3：计算每帧采用AMVP模式小块的数量，记为VAmvp；
[0063] 模块M2.4：计算每帧AMVP编码过程中产生的水平运动向量残差的平均值，记为Vhor，其计算公式为：
[0064]
[0065] 其中，n代表该帧内所有采用AMVP模式的编码小块，hor(m)代表第m个小块编码后的水平运动向量残差值；
[0066] 模块M2.5：计算每帧AMVP编码过程中产生的垂直运动向量残差的平均值，记为Vver，其计算公式为：
[0067]
[0068] 其中，n代表该帧内所有采用AMVP模式的编码小块，ver(m)代表第m个小块编码后的垂直运动向量残差值；
[0069] 模块M2.1～模块M2.5计算出的特征即为构建的特征序列。
[0070] 优选的，所述模块M3包括：
[0071] 模块M3.1：对特征序列，做如下判断，判断条件分别为：
[0072] (1)当前帧Vskip特征值小于前后两帧；
[0073] (2)当前帧Vmerge特征值小于前后两帧；
[0074] (3)当前帧VAmvp特征值大于前后两帧；
[0075] (4)当前帧Vhor特征大于前后两帧；
[0076] (5)当前帧Vver特征大于前后两帧；
[0077] 模块M3.2：如果目标帧的特征序列满足模块M3.1中的所有特征，则将该帧判定为异常帧；
[0078] 模块M3.3：视频内的所有异常帧形成一个异常帧序列，记为P。
[0079] 与现有技术相比，本发明具有如下的有益效果：
[0080] 1、本发明在特征提取方面使用了HEVC编码下的独有帧间编码特征，相较于传统方法，在HEVC的双压缩检测上有更理想的效果；
[0081] 2、本发明在确定异常帧方式上，使用了多数投票算法，相比于主流的机器学习、神经网络方法，略过了模型训练这一步骤，大大增加了算法的运行效率；
[0082] 3、本发明同时考虑了传统的固定GOP编码场景以及对于快速变化场景编码效率更高的自适应GOP场景，在传统方法中，对于GOP不对齐的HEVC检测强依赖于固定的GOP分组，因此在自适应场景下效果一般，而本发明的检测效果不受编码场景影响。
附图说明
[0083] 通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
[0084] 图1为本发明的整体框架图；
[0085] 图2为双压缩判定算法流程图；
[0086] 图3为固定GOP场景图；
[0087] 图4为自适应场景图；
[0088] 图5为单压缩；
[0089] 图6为双压缩。
具体实施方式
[0090] 下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
[0091] 本发明实施例提供了一种基于运动矢量残差的HEVC视频双压缩取证方法，参照图1和图2所示，该方法具体步骤如下：
[0092] 步骤S1：对待检测视频进行解码，并获得解码后的视频帧图片，解码过程中提取各帧间编码帧的编码模式信息，其中包括各类帧间编码模式的频次以及运动矢量残差数据。
[0093] 该步骤中解码视频采用的解码器为HMdecoder，提取每一帧中各预测模式以及运动矢量残差的步骤如下：
[0094] 将每一视频帧分为互不重叠的4*4的小块；
[0095] 统计每个小块所采用的帧间预测模式，若预测模式为AMVP，则额外提取该小块的水平运动向量残差和垂直运动向量残差。
[0096] 步骤S2：对于提取的编码模式信息，采用空间尺度上的特征融合构建帧间编码差异的特征序列。
[0097] 构建特征序列包括：
[0098] 序列1：包含该帧内采用SKIP模式小块的数量，记为Vskip；
[0099] 序列2：包含该帧内采用MERGE模式小块的数量，记为Vmerge；
[0100] 序列3：包含该帧内采用AMVP模式小块的数量，记为VAmvp；
[0101] 序列4：包含该帧内AMVP编码过程中产生的水平运动向量残差的平均值，记为Vhor，其计算公式为：
[0102]
[0103] 其中，n代表该帧内所有采用AMVP模式的编码小块，hor(m)代表第m个小块编码后的水平运动向量残差值；
[0104] 序列5：包含该帧内AMVP编码过程中产生的垂直运动向量残差的平均值，记为Vver，其计算公式为：
[0105]
[0106] 其中，n代表该帧内所有采用AMVP模式的编码小块，ver(m)代表第m个小块编码后的垂直运动向量残差值；
[0107] 序列1～序列5即为构建的特征序列。
[0108] 参照图3和图4所示，为固定GOP场景与自适应场景对比图，P‑frame:前向预测编码帧又称predictive‑frame；I‑frame：帧内编码帧又称intra picture。
[0109] 步骤S3：通过投票算法对特征序列进行分析，定位异常帧位置。
[0110] 该步骤中，基于理论分析，双压缩后的视频帧更容易采用AMVP模式编码，且运动向量残差会变大，因此，投票算法的票数为5，判断条件分别为：
[0111] (1)当前帧Vskip特征值小于前后两帧；
[0112] (2)当前帧Vmerge特征值小于前后两帧；
[0113] (3)当前帧VAmvp特征值大于前后两帧；
[0114] (4)当前帧Vhor特征大于前后两帧；
[0115] (5)当前帧Vver特征大于前后两帧；
[0116] 当目标帧获得票数为5时即满足判断条件中的所有特征，则将该帧判定为异常帧，视频内的所有异常帧形成一个异常帧序列，记为P。
[0117] 参照图5和图6所示，为双压缩后预测单元的差异。步骤S4：对于异常帧序列进行时域分析，判断待检测视频是否经历双压缩；
[0118] 进行双压缩检测的步骤如下：
[0119] 对异常帧序列P进行时域分析，计算潜在的单次压缩GOP长度序列，记为C，定义为：
[0120]
[0121] 其中，n1,n2为序列P中不同的两帧，GCD(n1,n2)为n1,n2的最大公约数；
[0122] 对于C中的每个GOP长度c，计算其频数，记为φ(c)，定义为：
[0123]
[0124] 其中，δ(x)代表示性函数；
[0125] 对于C中所有元素，计算φ(c)的最大值，φMAX(c)；
[0126] 对于待检测视频进行双压缩判定，具体的，设置一个阈值T，若φMAX(c)>T,则判定为双压缩，否则判定为单压缩。
[0127] 步骤S5：若视频经历了双压缩，则进一步推断首次压缩中的GOP长度。
[0128] 具体地，若视频经历了双压缩，则φMAX(c)所对应的c值为第一次压缩时的GOP长度。
[0129] 本发明实施例提供了一种基于运动矢量残差的HEVC视频双压缩取证系统，采用了HEVC编码标准下特有的帧间编码模式来构建特征序列，并且同时考虑了HEVC针对快速变化场景设计的自适应编码模式，具有鲁棒性高，检测效率高的特点，填补了采用HEVC特有运动矢量残差特征来做视频双压缩检测的专利短缺，具有很强的商用价值。
[0130] 本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0131] 以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
