[发明专利]一种基于运动矢量一致性的视频多域隐写分析方法

说明书

本发明公开一种基于运动矢量一致性的视频多域隐写分析方法，首先，通过分析视频宏块内部中子块的运动矢量的统计规律，得出运动矢量一致性的定义；其次，分析视频分割模式域和运动矢量域的隐写嵌入过程，总结出隐写嵌入导致运动矢量一致性增强的统计特性；最后，根据视频中的子块类型及其运动矢量的数值分布，提出一种运动矢量一致性隐写分析特征，并通过训练分类器模型，实现对视频分割模式域和运动矢量域的通用而精准的隐写分析。本发明首次提出视频多域的隐写分析特征，具有较强的通用性，且检测准确性仍高于传统的单域隐写分析方法。另外，本发明提出的方法具有计算复杂度低的特点，有利于实时环境的视频隐写分析。

技术领域

本发明涉及多媒体安全和数字媒体处理技术领域，特别涉及一种判别数字视频是否经过秘密信息嵌入的隐写分析技术领域。

背景技术

现代隐写术是一门利用数字媒体进行秘密通信的技术，而隐写分析是隐写术的反向检测技术，其目标是判断图像、音频、视频等数字媒体中是否隐藏有秘密信息。随着视频采集设备的普及和互联网视频应用的流行，数字视频成为极易获取的隐藏载体；视频载体体积较大，能为秘密信息提供足够的隐藏空间。近年来基于数字视频的隐写技术和工具逐渐增多，这对数字视频的隐写分析提出了严峻的挑战。

由于H.264/AVC是目前使用最为广泛的视频编码标准[1]，在实际应用中极有可能成为视频信息隐藏载体，因此本发明主要考虑基于H.264/AVC的视频隐写方法和视频隐写分析方法。在各类视频隐写方法中，基于分割模式的隐写方法和基于运动矢量的隐写方法是典型代表，因为这两类方法的嵌入位置位于视频帧内(inter-frame)类型，嵌入容量大，安全性高。

分割模式(partition mode，PM)和运动矢量(motion vector,MV)是视频压缩编码中的重要参数。H.264/AVC视频编码块的最大尺寸固定为16×16，称之为宏块。为了达到更加精确和细致的压缩效果，宏块往往需要进一步被分割成多个子块，这种子块的分割类型称之为分割模式。H.264/AVC规定一个16×16的宏块可以被划分成一个16×16子块，两个16×8子块，两个8×16子块或四个8×8子块，这些子块的分割被称作宏块分割(MBpartitions)。8×8子块也叫子宏块，它还可以继续被划分成一个8×8子块，两个8×4子块，两个4×8子块或四个4×4子块，这些分割被称作子宏块分割(subMB partitions)。上述分割模式如图1所示。

运动矢量是帧间编码中预测块与当前编码块之间的相对坐标距离。由于相邻视频帧之间具有较高的相似性，通过运动矢量为当前帧中的编码块在参考帧中寻找相似的预测块，可以去除帧间冗余来提高压缩率。视频编码器采用运动估计(motion estimation,ME)来搜索最优的运动矢量，使得预测更加精准。这个搜索过程通常由率失真优化模型来实现，即使得一定的拉格朗日代价函数达到最小，最常见的拉格朗日代价函数如下式[2]：

J_motion＝SAD+λ_motion·R_motion (式1)

其中SAD是预测块与编码块之间的像素残差的绝对误差和，R_motion代表编码运动矢量残差(运动矢量与预测运动矢量的差值)所需的比特数，是拉格朗日乘子，QP是量化参数(quantization parameter,QP)。

视频编码器对宏块的每一种分割模式都寻找最优的运动矢量，然后再比较每一种分割模式的编码代价，从中得到最优的分割模式。这个过程被称为模式决策(modedecision)，它同样也由率失真优化模型来实现[2]：

J_mode＝SSD+λ_mode·R_mode (式2)

其中SSD是预测块与编码块之间的像素残差的误差平方和，R_mode代表编码整个宏块所需的比特数，也是拉格朗日乘子。