基于帧间频域分析的视频篡改检测

 

 

 

基于帧间频域分析的视频篡改检测

 

摘要：提出一种通过帧间频域分析，来对视频频篡进行盲检测。本文首先梳理分析目前视频分析取证的一些方法。总结出视频分析的依赖于视频连续帧中某一特性的不变性或连续性，提出可以应用频率特性的三种情形。针对三种情形分别给出了帧间频域分析的实现流程，并综合出一种可以实现一体化处理的通用检测模型。最后对帧间频域分析检测的方法进行了初步的理论分析。

1.    引言

随着各种成像设备价格的降低、互联网的发展、各种数字文件编辑软件的流行，使得普通和专业用户出于各种不同目的，故意修改甚至恶意传播一些经过精心篡改和伪造的数字媒体成为可能。数字造假事件如雨后春笋般越来越多地出现在我们周围，使人们无法判断所看到的图像和视频是否为真，更无法相信自己所看到的图像和视频的内容，进而降低了图像和视频应该具有的社会公共置信度【1】。数字取证是否可信，决定了数字取证能否在知识产权、司法取证、军事情报等领域的应用能否发展的一个先决条件。【2】对针对图像的数字化、图像来源设备鉴定、图像抗取证攻击唯一性问题等图像取证的相关问题进行了探讨，指出数字取证在实践中通常得依靠多种检测方法的结合，以此增加整体的鲁棒性。一般，数字媒体取证技术可以分为两类：主动取证和被动取证。其中，主动取证技术是在多媒体信息制作过程中，主动加入一些特有的验证数据，而在接收端通过验证上述信息达到验证媒体真伪的目的，其代表技术是数字签名技术和数字水印技术【3】。但它们往往要求媒体获取设备本身具有生成签名或添加水印的功能(通常要求生产厂商在设备中添加相应的硬软件模块)，这种设备一般比较昂贵，属于高端产品，目前佳能等绝大多数厂商都未实现该功能，或许将来的一些厂商将把一些取证策略融合到已有的数码设备的内置程序中中。主动取证的另一个缺点是，包括易碎数字水印和感知散等多种验证数字篡改的方法，但都需要提前在数字媒体内容生成过程中嵌入验证信息或者生成散列值，甚至需要第三方认证，在很多的实际应用中难以满足【4】。对于数字图像的被动取证研究主要是围绕物理取证和篡改检测两方面。其中，物理取证方面的研究主要是指对数字图像的采集、数字图像的处理及输出设备的取证、识别的实现工作。现阶段，物理取证的研究方法基本上是基于CCD/CMOS噪声、相机反应曲线和相机镜头失真等特定设备固有特性、基于输出图像统计特性来定位数字图像来源。数字图像篡改检测技术多为以下几类：基于数字图像统计特性的取证算法、基于数字图像特定篡改操作的取证算法、基于物理设备模型的数字图像取证算法和基于自然场景的数字图像取证。

数码摄像机等获取数字视频本质可以看作一系列相关的数字图像的有序系列的集合。图像取证包括对数子设备指纹、图像编码特征、图像内物体几何特性等方面的取证分析【5】。【6】对目前的视频取证的现状进行了分类总结，指出视频取证在图像取证的基础上进行的。视频分析可以基于没个图像帧的图像取证，如果发现了一个视频的一个或多个帧存在图像篡改，进而可以认为视频存在篡改现象，这种分析方法我们称之为帧内检测。与帧内分析相对应的的是帧与帧之间相关性的取证分析。图像中的基于CCD/CMOS噪声分析扩展到视频取证分析的领域，就可以计算整个视频或者部分视频段的中每一帧图像的CCD/CMOS噪声（photo responsenonuniformity noise，PRNU）。利用数学平均的方法得到一个整个视频或者部分视频段的整体CCD/CMOS噪声值.通过比对每一帧图像的PRNU值与视频的PRNU进行相关性分析【6】【7】，可以检测出那些帧内篡改的帧，但是这种方法对于用同一设备拍摄的视频帧的插入、删除的检测无能为力。基于视频压缩特性或编码特性【8】、滤波特性【1】【9】等带来的特性的帧间分析，也存在对同一种处理算法经过的图像帧的插入、删除缺乏较好的检测方法。上诉两种方法是基于视频中每帧图像的某个特性唯一不变性进行分析，所以发展出了视频取证的另一分析方法，即基于帧内某些特性在每个帧之间的连续性