[发明专利]一种运动矢量调制信息隐藏检测方法

摘要

本发明涉及一种运动矢量调制信息隐藏检测方法，包括：选取原始视频序列S，对其分别进行一般H.264压缩和隐写H.264压缩，得到模型训练样本；为模型训练样本提取宏块运动矢量，基于所述宏块运动矢量为视频序列建立时空相邻宏块运动矢量关联网络模型，进而对该模型进行剪枝，得到强相关关联网络模型；对强相关关联网络模型进行参数估计，得到模型参数，然后提取模型参数作为特征向量，并基于支持向量机回归算法对所述特征向量进行训练，生成隐写检测器模型；运用隐写检测器模型对待检测的未知类型的H.264文件进行隐写检测。

主权项

1.一种运动矢量调制信息隐藏检测方法，包括：步骤S1)、选取原始视频序列S，对其分别进行一般H.264压缩和隐写H.264压缩，得到模型训练样本；所述模型训练样本包括未隐写的H.264文件训练样本与带隐写的H.264文件训练样本；步骤S2)、为步骤S1)得到的模型训练样本提取宏块运动矢量，基于所述宏块运动矢量为视频序列建立时空相邻宏块运动矢量关联网络模型，进而对该模型进行剪枝，得到强相关关联网络模型；步骤S3)、对步骤S2)得到的强相关关联网络模型进行参数估计，得到模型参数，然后提取模型参数作为特征向量，并基于支持向量机回归算法对所述特征向量进行训练，生成隐写检测器模型；步骤S4)、运用步骤S3)得到的隐写检测器模型对待检测的未知类型的H.264文件进行隐写检测；所述步骤S2)进一步包括：步骤S2‑1)、根据步骤S1)得到的未隐写的H.264文件训练样本与带隐写的H.264文件训练样本提取宏块运动矢量假设当前宏块具有N个分块，d_i＝(x_i,y_i)是第i个分块的运动矢量，则宏块运动矢量定义如下：步骤S2‑2)、根据步骤S2‑1)得到的宏块运动矢量建立每个视频序列的时空相邻宏块运动矢量关联网络模型D＝(V,E(V))；每个视频序列表示出一组变量每个变量表示第i帧上第j个宏块的宏块运动矢量；建立时空相邻宏块运动矢量关联网络模型，关联网络模型为有向图D＝(V,E(V))，定义如下：V＝{v_i[j]|i,j∈{0,1,2,3,...}}E(V)＝{＜v_i[p],v_j[q]＞|v_i[p],v_j[q]∈V}；其中V为有向图中的顶点构成的集合，每个顶点v_i[j]对应视频序列中的一个宏块运动矢量即v_i[j]表示视频序列中第i个帧(F_i帧)中的第j个宏块的运动矢量在有向图中的顶点；步骤S2‑3)、对步骤S2‑2)得到的网络模型D进行剪枝，得到包含帧内、帧间关系的强相关关联网络模型D′＝(V,E′(V))；所述步骤S2‑3)进一步包括：步骤S2‑3‑1)、对网络模型D进行帧间剪枝；视频序列中相邻帧之间存在较强相关性,且在时域有严格的先后顺序,因此仅保留当前帧与其前一帧在相同位置的宏块之间的有向边，即仅保留v_i‑1[j]到v_i[j]的边；步骤S2‑3‑2)、对网络模型D进行帧内剪枝；视频序列同一帧内的临近宏块运动矢量间存在较强相关性,因此保留v_i[j]与其8领域内相邻宏块之间的有向边；步骤S2‑3‑3)、根据步骤S2‑3‑1)、步骤S2‑3‑2)得到的帧间有向边、帧内有向边建立强相关关联网络模型D′；D′＝(V,E′(V))E′(V)＝E′_帧间∪E′_帧内E′_帧间＝{＜v_i‑1[j],v_i[j]＞|i∈(1,2,...),j∈(0,1,2,...)}E′_帧内＝{＜v_n[i],v_n[j]＞|n,i∈(0,1,2,...),j∈(与i相邻的宏块)}。