[發明專利]一種基于熵的視頻運動矢量隱寫檢測方法

有效

• 申請號: 201610066493.8
• 申請日: 2016-01-30
• 公開（公告）號: CN105721875B
• 公開（公告）日: 2018-11-13
• 發明（設計）人: 王麗娜;徐一波;翟黎明;任延珍;譚選擇;任魏翔
• 申請（專利權）人: 武漢大學
• 主分類號: H04N19/467
• 分類號: H04N19/467;H04N17/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 張火春

1.一種基于熵的視頻運動矢量隱寫檢測方法，其特征在于：包括如下步驟：

步驟1，檢測者準備好cover非隱寫樣本，并在cover樣本上進行隱寫嵌入，得到對應的stego隱寫樣本；

步驟2，提取視頻每幀HVDL特征，并對cover樣本和stego樣本加入標簽，獲得對等的cover和stego訓練樣本特征；所述的HVDL特征是依據運動矢量(H,V)計算得到的16維特征；其中H表示水平分量，V表示垂直分量，D是運動矢量的方向，L是運動矢量的長度；

所述的提取方法包括以下步驟：

步驟2.1，解碼一個包含運動矢量的視頻幀，獲取該幀內每個宏塊的運動矢量數值；此時視頻幀轉化為各大小尺寸的宏塊及其宏塊運動矢量(H,V)的組合；

步驟2.2，對步驟2.1得到的包含運動矢量視頻幀，選取滑動窗口；滑動窗口內的運動矢量不止一個，看作是一個二維變量(H,V)；將運動矢量(H,V)這個2維變量擴展成16維變量，并計算窗口內該16維變量熵值，最后移動滑動窗口計算出多組熵值；

所述的步驟2.2包括以下步驟：

步驟2.2.1，設定一個大小為m×n的滑動窗口，其中m和n均為正整數；其中，m為滑動窗口高度，其代表最大宏塊高度的m倍；n為滑動窗口的寬度，其代表該寬度為最大宏塊寬度的n倍；

步驟2.2.2，對于滑動窗口內宏塊的運動矢量(H,V)，通過計算運動矢量的H分量、V分量、方向D和長度L各自最低4bit，將2個變量轉換為16個變量：

其中，Q為量化函數，以H分量為例，t代表了取H的倒數第t個bit，V、D、L的量化方法相同；α為運動矢量與水平右側方向形成的角度，α∈[0,2π)，因此D是α被劃分為16等分后對應的0到15數值；代表運動矢量的取整長度；

步驟2.2.3，對于滑動窗口內的每個運動矢量，都看作是這個滑動窗口內運動矢量(H,V)變量的觀測值；基于步驟2.2.2，得到了16維變量的觀測值，每個變量取值0或1；此16個變量的熵E為：

E＝-(P₀log₂P₀+P₁log₂P₁)

其中，P₀即變量為0的概率，P₁即變量為1概率；

步驟2.2.4，每個滑動窗口都可計算得到一組16維熵值；累計計算滑動窗口數量，并累計每一維熵值；

步驟2.2.5，若已掃描完這個視頻幀，則跳轉步驟2.3；否則，將滑動窗口一次水平或垂直移動一個最大宏塊單位，會得到一個與此前被掃描過窗口不完全重復的新的滑動窗口，執行步驟2.2.3；

步驟2.3，依據步驟2.2.5中的累計滑動窗口數量，及其各維熵的累積之和，對多組熵值數據求均值，得到16維的各自熵均值，并將之作為特征輸出；若還有后續視頻幀，則回到步驟2.1，若沒有后續視頻幀，則完成特征提取；

步驟3，使用SVM或其他分類器，對提取的特征進行特征的訓練，得到訓練模型；

步驟4，對于任何一個給定的待測視頻，同樣使用步驟2的方法提取HVDL特征構造檢測特征，將步驟3中訓練得到的訓練模型，對得到的每幀特征進行是否隱寫的預測，給出檢測結果。

2.根據權利要求1所述的一種基于熵的視頻運動矢量隱寫檢測方法，其特征在于：所述的步驟2.2.1中，所述的m＝n＝3。

3.根據權利要求1所述的一種基于熵的視頻運動矢量隱寫檢測方法，其特征在于：所述的最大宏塊高度和最大宏塊寬度為16個像素。