[发明专利]一种基于熵的视频运动矢量隐写检测方法

摘要

本发明公开了一种基于熵的视频运动矢量隐写检测方法；本方法采用滑动窗口选取局部区域内若干运动矢量，计算选取的运动矢量在水平分量H，垂直分量V，方向D，和长度L四个变量各自最低4bit的熵，得到一个滑动窗口内的16维熵值；通过在视频帧内移动滑动窗口，得到多组熵值，计算出16维熵均值，作为隐写分析特征。通过该方法，可以捕捉视频运动矢量隐写带来的“熵增加”异常，实现运动矢量的隐写检测。

主权项

1.一种基于熵的视频运动矢量隐写检测方法，其特征在于：包括如下步骤：步骤1，检测者准备好cover非隐写样本，并在cover样本上进行隐写嵌入，得到对应的stego隐写样本；步骤2，提取视频每帧HVDL特征，并对cover样本和stego样本加入标签，获得对等的cover和stego训练样本特征；所述的HVDL特征是依据运动矢量(H,V)计算得到的16维特征；其中H表示水平分量，V表示垂直分量，D是运动矢量的方向，L是运动矢量的长度；所述的提取方法包括以下步骤：步骤2.1，解码一个包含运动矢量的视频帧，获取该帧内每个宏块的运动矢量数值；此时视频帧转化为各大小尺寸的宏块及其宏块运动矢量(H,V)的组合；步骤2.2，对步骤2.1得到的包含运动矢量视频帧，选取滑动窗口；滑动窗口内的运动矢量不止一个，看作是一个二维变量(H,V)；将运动矢量(H,V)这个2维变量扩展成16维变量，并计算窗口内该16维变量熵值，最后移动滑动窗口计算出多组熵值；所述的步骤2.2包括以下步骤：步骤2.2.1，设定一个大小为m×n的滑动窗口，其中m和n均为正整数；其中，m为滑动窗口高度，其代表最大宏块高度的m倍；n为滑动窗口的宽度，其代表该宽度为最大宏块宽度的n倍；步骤2.2.2，对于滑动窗口内宏块的运动矢量(H,V)，通过计算运动矢量的H分量、V分量、方向D和长度L各自最低4bit，将2个变量转换为16个变量：其中，Q为量化函数，以H分量为例，t代表了取H的倒数第t个bit，V、D、L的量化方法相同；α为运动矢量与水平右侧方向形成的角度，α∈[0,2π)，因此D是α被划分为16等分后对应的0到15数值；代表运动矢量的取整长度；步骤2.2.3，对于滑动窗口内的每个运动矢量，都看作是这个滑动窗口内运动矢量(H,V)变量的观测值；基于步骤2.2.2，得到了16维变量的观测值，每个变量取值0或1；此16个变量的熵E为：E＝‑(P0log2P0+P1log2P1)其中，P0即变量为0的概率，P1即变量为1概率；步骤2.2.4，每个滑动窗口都可计算得到一组16维熵值；累计计算滑动窗口数量，并累计每一维熵值；步骤2.2.5，若已扫描完这个视频帧，则跳转步骤2.3；否则，将滑动窗口一次水平或垂直移动一个最大宏块单位，会得到一个与此前被扫描过窗口不完全重复的新的滑动窗口，执行步骤2.2.3；步骤2.3，依据步骤2.2.5中的累计滑动窗口数量，及其各维熵的累积之和，对多组熵值数据求均值，得到16维的各自熵均值，并将之作为特征输出；若还有后续视频帧，则回到步骤2.1，若没有后续视频帧，则完成特征提取；步骤3，使用SVM或其他分类器，对提取的特征进行特征的训练，得到训练模型；步骤4，对于任何一个给定的待测视频，同样使用步骤2的方法提取HVDL特征构造检测特征，将步骤3中训练得到的训练模型，对得到的每帧特征进行是否隐写的预测，给出检测结果。