相同比特率的MPEG視頻雙壓縮檢測*

陳潔遠， 蔣興浩， 孫錟鋒（上海交通大學電子信息與電氣工程學院，上海0040；信息內(nèi)容分析技術國家工程實驗室，上海0040）

相同比特率的MPEG視頻雙壓縮檢測*

陳潔遠1，2**， 蔣興浩1，2， 孫錟鋒1，2
（1上海交通大學電子信息與電氣工程學院，上海200240；2信息內(nèi)容分析技術國家工程實驗室，上海200240）

MPEG視頻雙壓縮檢測在視頻取證領域中扮演著重要的角色。然而，在現(xiàn)有的雙壓縮檢測算法中，多數(shù)算法只能檢測不同比特率的雙壓縮視頻，缺少一種有效的檢測視頻同比特率雙壓縮的辦法。本文提出了一種基于宏塊模式的視頻同比特率雙壓縮檢測算法。宏塊模式由宏塊的編碼類型以及運動矢量組成，文中首先分析了宏塊模式在多次使用相同比特率編碼后的收斂性，之后選擇利用支持向量機對其建立模型進行分類，判斷待檢測視頻是否經(jīng)過了同比特率的二次壓縮。通過與現(xiàn)有的方法進行對比，實驗結(jié)果表明本文提出的方法可以有效檢測同比特率下的雙壓縮視頻，并且同時適用于MPEG-2以及MPEG-4標準。

雙壓縮檢測；同比特率；宏塊模式

［Abstract］The detection of double MPEG compression plays an important role in video forensics.However，most existing methods could not effectively detect double MPEG compression with the same bitrates in constant bitrates coding.Thus，a novel method based on macro block mode（MBM）is proposed to detect double MPEG compression with the same bitrates.MBM is composed of macro block coding type and its motion vector.The convergence of MBM during repeated compression is firstly analyzed，then the support vector machine is used to model the MBM feature and to discriminate whether a video is doubly compressed with the same bitrates.Experiments indicate that the proposed method outperforms the existing methods and is robust to both MPEG-2 and MPEG-4 videos.

［Key words］double compression；same bitrates；macro block mode

0 引言

近年來基于MPEG標準的監(jiān)控攝像頭廣泛應用于各個場所，同時其拍攝的視頻也會被作為證據(jù)用于司法取證。然而隨著視頻編輯軟件的出現(xiàn)，視頻更加容易被攻擊者篡改，其完整性與真實性難以得到保證。攻擊者在進行一個有意義的視頻篡改時，必需的步驟就是首先將原始視頻進行解碼，篡改完畢后再對其進行二次壓縮編碼。所以視頻雙壓縮檢測成為了視頻篡改取證中非常關鏈的技術手段［1］。

Wang和Farid通過對MPEG視頻中量化后的離散余弦變換（DCT）系數(shù)進行建模，利用其統(tǒng)計特征進行雙壓縮檢測［2，3］?；谑孜粩?shù)字特征的方法由Chen等人從JPEG圖像雙壓縮檢測中引入到MPEG視頻雙壓縮檢測［4］。王婉等人只利用I幀中的首位數(shù)字特征進行分類，提高了檢測的準確率［5］。Xu等人利用MPEG-2視頻中每個宏塊特定位置的DCT系數(shù)的統(tǒng)計特征進行分類，在不同編碼器和比特率下均得到了較好的檢測準確率［6］。Jiang等人利用了相鄰DCT系數(shù)間的馬爾科夫統(tǒng)計特征進行檢測，是日前效果最好的算法之一［7］。

然而當視頻采用CBR方式進行編碼時，上述算法都只能檢測二次壓縮使用與第一次壓縮不同的比特率的雙壓縮視頻。由于使用相同比特率進行壓縮后，雙壓縮視頻與單壓縮視頻的區(qū)別非常微小，導致算法失效。因此Huang等人為了解決此問題，利用MPEG-2視頻中I幀的DCT系數(shù)在多次使用相同比特率進行重復壓縮后的收斂性進行檢測［8］。但是該方法對于量化程度比較敏感，當采樣較低的比特率進行壓縮時，檢測準確率會大幅下降，同時只能適用于MPEG-2標準。

圖1 116個原始YUV序列用不同編碼器以不同比特率經(jīng)過多次壓縮后Cn的平均值

本文提出一種新的基于宏塊模式的方法來檢測同比特率MPEG雙壓縮視頻。文中首先引入了宏塊模式的概念，它由宏塊的編碼類型以及運動矢量構成。根據(jù)文獻［9］中發(fā)現(xiàn)的使用相同量化因子進行多次壓縮JPEG圖像時DCT系數(shù)的收斂性，我們發(fā)現(xiàn)宏塊模式在同比特率多次壓縮后的也會有相同的收斂性，通過對視頻進行同比特率的多次壓縮，提取宏塊模式變化的宏塊數(shù)量作為特征，最后利用支持向量機（SVM）進行分類，判斷視頻是否經(jīng)過使用同比特率的雙壓縮。實驗結(jié)果表明，文中提出的方法在檢測MPEG-2的視頻中比Huang［8］等人的方法有更高的準確率，同時可以適用于MPEG-4編碼。

1 宏塊模式的統(tǒng)計特征

1.1 宏塊決策和運動估計

MPEG視頻中3種基本類型幀，分別為I幀、P幀以及B幀。I幀為幀內(nèi)編碼幀，P幀和B幀為預測編碼幀。在P幀中的宏塊也有3中基本類型，分別是幀內(nèi)編碼宏塊（I宏塊），幀間編碼宏塊（P宏塊）以及跳過編碼宏塊（S宏塊）。一個基于MPEG標準的編碼器在編碼一個宏塊時首先要進行宏塊決策，決定它的宏塊類型，使用更少的比特進行編碼。

當一個宏塊被選為幀間編碼宏塊，則需要進行運動估計。運動估計利用視頻中的前后幀的相關性進行壓縮編碼，在編碼時只需要編碼該宏塊的運動矢量以及與其參照宏塊的預測殘差即可，因此可以減少大量編碼實際像素所需要的空間。

1.2 宏塊模式的統(tǒng)計特征

在固定比特率編碼的視頻中，量化因子Q是一個重要的參數(shù)用來控制編碼的比特率。當一個固定比特率編碼的MPEG視頻以相同比特率多次壓縮時，由于比特率沒有變，因此相同位置的宏塊有很大一部分依然會使用與前一次壓縮相同的量化因子。在文獻［9］中可以看到，當一個JPEG圖像在以相同量化因子多次壓縮后，相鄰兩次壓縮之間，DCT系數(shù)變化的數(shù)量隨著壓縮次數(shù)的增加而減小。JPEG圖像中同一個宏塊在第n+1次編碼后的DCT系數(shù)可以由第n次壓縮后的DCT系數(shù)表示，如式（2）：

Dn+1=［DCT（RT（IDCT（Dn×Q×QS）））/（Q×QS）］（2）其中Dn表示第n次壓縮后宏塊的8×8DCT系數(shù)矩陣，DCT（·）和IDCT（·）分別表示8×8離散余弦變換和離散余弦逆變換，Q和QS表示量化矩陣和量化因子。RT（·）表示對一個數(shù)取整，并將其截斷至［0，255］的范圍內(nèi)，［·］表示取整操作。上述操作符都是對矩陣中每個元素分別進行的。進一步令En表示重構像素后量化取整引起的誤差，即：

通過式（2），（3）可以得到：

其中Rn為En進行離散余弦變換并量化后的系數(shù)。

從式（4）中我們可以看到，當對視頻用相同量化因子進行多次編碼后，Rn會變?yōu)榱憔仃?，此時Dn+1=Dn。越來越多的DCT系數(shù)保持不變，從而呈現(xiàn)一種收斂性。由于I幀的編碼方式與JPEG圖像相同，因此Huang等人利用I幀DCT系數(shù)的收斂性，檢測同比特率MPEG雙壓縮視頻［8］。

然而DCT系數(shù)對量化因子的大小非常敏感，當以較小的比特率進行壓縮時，檢測效果較差。因此我們引入了宏塊模式（Macroblock Mode，MBM）的概念。宏塊模式不僅保持了在相同量化因子下多次壓縮的收斂性，同時對于量化強度不敏感。宏塊模式定義為宏塊類型和運動矢量的組合，即：

其中M表示一個宏塊，Mtype和Mmv分別表示M的宏塊類型和運動矢量。I-MB的Mmv為（0，0）。當兩個宏塊的宏塊類型和運動矢量都相同時才認為兩個宏塊有相同的宏塊模式。當用相同的比特率重復壓縮一個視頻時，如果在第n+1次壓縮的視頻中與在第n次壓縮的視頻中位于同一個位置的宏塊擁有相同的宏塊模式，則稱該宏塊在第n+1次壓縮中是穩(wěn)定的，否則認為它是不穩(wěn)定的。

考慮用相同比特率進行多次壓縮時P幀內(nèi)的宏塊，令第n+1次壓縮中穩(wěn)定宏塊的數(shù)量為Tn，平均每個P幀中穩(wěn)定宏塊的數(shù)量為Cn=Tn/N，其中N為視頻中P幀的數(shù)量。圖1中展示的是116個原始YUV序列以不同比特率多次壓縮后Cn的均值，其中橫軸為壓縮次數(shù)，縱軸為在該次壓縮中宏塊模式發(fā)生改變的平均宏塊數(shù)。左圖使用FFmpeg中的mpeg4編碼器（FF-MPEG4），右圖是使用FFmpeg中的mpeg2video編碼器（FF-MPEG2）?？梢钥吹讲煌€上Cn的值總會隨著壓縮次數(shù)的增加而減小，同時減小的速度越來越慢，即Cn+1-Cn＞Cn+2-Cn+1。

圖2 基于宏塊模式的檢測算法的流程圖

2 基于宏塊模式的檢測算法

從圖1中可以看到，單次壓縮視頻的C1會有更加大的值，同時曲線收斂的速度在相同壓縮次數(shù)下也會比雙壓縮視頻更快。為了使得宏塊模式的統(tǒng)計特征可以被更好的利用，我們提出了一個機器學習的框架，將 Cn的值作為特征輸入到支持向量機（SVM）中進行分類，提高準確率和魯棒性。算法的流程圖如圖2所示，算法共分為如下4個步驟：

1）將輸入的MPEG視頻V解碼成YUV文件，同時得到視頻的比特率B。并且在解碼的過程中提取P幀中各個宏塊的宏塊模式并保存為MBM0。

2）用相同的比特率B去重新編碼之前得到的YUV文件，得到新的視頻Vn，n=1，2，…，K。

3）解碼視頻Vn得到新的YUV文件，同時提取Vn中各個P幀的宏塊模式信息，保存為MBMn。

4）重復K次步驟2和步驟3。利用多次壓縮后的宏塊模式信息MBMn，計算在相鄰兩次壓縮中宏塊模式發(fā)生變化的宏塊的平均數(shù)量，記為Cn，n=1，2，…，K。具體的計算方法如式（6）：

其中N表示視頻中P幀的數(shù)量，Mn（i，x，y）表示在視頻Vn中位于第i個P幀中（x，y）處的宏塊。其中指示函數(shù)I（M1，M2）定義如下：

其中M1，M2為兩個宏塊。因此式（6）在統(tǒng)計相鄰兩次壓縮中P幀內(nèi)宏塊模式發(fā)生變化的平均數(shù)量。

5）構造特征向量C=（Cn），n=1，2…，K，作為SVM的輸入，使用訓練集訓練一個檢測模型，利用該模型就可以進行同比特率MPEG視頻雙壓縮檢測。

圖3 當K=2時C在特征空間中的分布

圖3中顯示了用FF-MPEG2編碼器以700 Kbps進行編碼，當K=2時，C在二維空間中的分布，其中方塊為單次壓縮視頻，圓點為用同比特率二次壓縮的視頻。從圖中可以看到，單次壓縮的視頻主要分布在空間的右下部分，也有一些會在右上角，說明單次壓縮視頻C1較大。而雙壓縮視頻集中在空間的左小角，此時C1，C2都偏小。當K增大時，兩類視頻的分布中混疊的部分會更少，因此檢測的準確率也會更高。但是更大的K意味著更多次數(shù)的編碼和解碼，編解碼是一個計算量很大的過程，因此需要在準確率和效率之間進行權衡。

3 實驗仿真

3.1 視頻樣本庫的建立

本文實驗中的視頻樣本來自常用的32段原始YUV序列（下載自https：//media.xiph.org/video/derf/），為了增加樣本的數(shù)量，我們將所有YUV序列以每100幀進行分割作為一個新的YUV序列，不足100幀的部分則舍棄，共生成116段原始YUV序列。所有的YUV序列會以固定比特率模式進行編碼，作為單次壓縮視頻的正樣本。之后對所有正樣本，用與其相同的編碼器以及相同的比特率進行二次壓縮，產(chǎn)生作為同比特率雙壓縮視頻的負樣本。實驗中所采用的編碼器如表1所示，包括MPEG-2標準的一個編碼器以及MPEG-4標準的兩個編碼器。SVM中選擇的核函數(shù)是徑向基函數(shù)，其中的超參數(shù)通過網(wǎng)格搜索的方式選擇最佳的值。為了簡單起見，在編碼時只有I幀和P幀，GOP長度為10，其余參數(shù)都為相應編碼器的默認值。

表1 實驗中選用的三種編碼器

3.1 實驗結(jié)果與分析

對上述的實驗樣本集，由于實驗中的正樣本與負樣本數(shù)量相同，因此用于衡量算法性能的指標就用準確率AR來表示，AR= （TPR+TNR）/2，其中TPR表示真陽性率，TNR為真陰性率。實驗中我們實現(xiàn)了Huang［8］等人的方法，并用相同的樣本庫進行對比實驗。由于文中所提出的方法基于SVM的模型，因此文中方法的結(jié)果是在樣本庫中用5折交叉驗證后得到的平均值，實驗結(jié)果如表2中所示。

表2 不同編碼器在不同比特率下的檢測準確率（%）

表2中展示了算法在3種編碼器下，比特率從200 Kbps到900 Kbps不同比特率下的檢測準確率，其中”平均值”這一行表示的是算法在不同比特率下的平均準確率。Huang這一列表示的是文獻［8］中算法的準確率，MBM一列是文中提出的基于宏塊模式的檢測算法的準確率?？梢钥吹皆贔F-MPEG2編碼器下，文中提出的算法準確率高于文獻［8］中的算法，平均檢測準確率高了8%以上。同時可以看到當編碼的比特率低于500 Kbps時，文獻［8］中的算法的準確率明顯的下降了，此時文中提出的算法準確率比文獻［11］中的算法高出了10%以上。說明文章中提出的基于宏塊模式的方法對量化程度不敏感，即使在比特率低于500 Kbps的情況下依然有75%以上的檢測準確率。

在MPEG-4標準下的FF-MPEG4以及XVID編碼器的實驗中，從表2中可以看到Huang等人的方法的檢測準確率都低于60%，這是因為在MPEG-4中I幀使用的量化矩陣中的元素都大于MPEG-2中量化矩陣的元素，這也就說明MPEG-4下的量化會更加厲害，因此文獻［8］中的算法準確率都較低。而文中提出的方法在這兩種編碼器下也有較好的表現(xiàn)，平均準確率分別有82.57%和78.01%。在XVID上的準確率比在FF-MPEG4上略低是因為XVID中使用了更加復雜的宏塊決策、運動估計以及碼率控制算法，使得同一個位置的宏塊在相鄰兩次壓縮中有較多的宏塊有不同的量化因子，使得算法的檢測效果下降。

4 結(jié)語

同比特率MPEG視頻雙壓縮檢測日前依舊是一個有挑戰(zhàn)性的問題，由于使用和原始視頻相同的比特率進行二次壓縮的視頻與原始視頻的差異較小，因此許多現(xiàn)有的算法只能檢測不同比特率的雙壓縮視頻。文中提出了一種新的基于宏塊模式的同比特率MPEG視頻雙壓縮檢測算法，分析了在多次以相同比特率進行編碼后宏塊模式的收斂性，并結(jié)合支持向量機進行雙壓縮視頻的檢測。實驗結(jié)果表明文中提出的算法比現(xiàn)有文獻中的算法在MPEG-2視頻中有更高的準確率，同時可以適用于MPEG-4標準，同樣有較高的準確率。

［1］ Milani S，F(xiàn)ontani M，Bestagini P，et al.An Overview on Video Forensics［J］.APSIPA Transactions on Signal and Information Processing，2012，1：e2.

［2］ WANG W，F(xiàn)arid H.Exposing Digital Forgeries in Video by Detecting Double MPEG Compression［C］//Proceedings of the 8th workshop on Multimedia and security.ACM，2006：37-47.

［3］ WANG W，F(xiàn)arid H.Exposing Digital Forgeries in Video by Detecting Double Quantization［C］//Proceedings of the 11th ACM workshop on Multimedia and security.ACM，2009：39-48.

［4］ CHEN W，SHI Y Q.Detection of Double MPEG Compression based on First Digitstatistics［M］//Digital Watermarking. Springer Berlin Heidelberg，2009：16-30.

［5］ 王琬，蔣興浩，孫鎖鋒.基于首位數(shù)字特征的雙重MPEG壓縮檢測算法［J］.電子與信息學報，2012，34：3046-3050.

［6］ XU J，SU Y，LIU Q.Detection of Double MPEG-2 Compression based on Distributions of DCT Coefficients［J］.International Journal of Pattern Recognition and Artificial Intelligence，2013，27（01）：1354001.

［7］ JIANG X，WANG W，SUN T，et al.Detection of Double Compression in MPEG-4 Videos based on Markovstatistics［J］.Signal Processing Letters，IEEE，2013，20（5）：447-450.

［8］ HUANG Z，HUANG F，HUANG J.Detection of Double Compression with the Same Bit Rate in MPEG-2 Videos［C］//Signal and Information Processing（China SIP），2014 IEEE China Summit&International Conference on.IEEE，2014：306-309.

［9］ HUANG F，HUANG J，SHI Y Q.Detecting Double JPEG Compression with the Same Quantization Matrix［J］.Information Forensics and Security，IEEE Transactions on，2010，5（4）：848-856.

Detection of Double MPEG Compression with Same Bitrate

CHEN Jie-yuan1，2，JIANG Xing-hao1，2，SUN Tan-feng1，2
（1School of Electronic Information and Electrical Engineering，Shanghai Jiaotong University，Shanghai 200240，China；2National Engineering Lab on Information Content Analysis Techniques，GT036001，Shanghai 200240，China）

TP391

A

1009-8054（2016）02-0113-04

2015-10-19

**

xhjiang@sjtu.edu.cn

陳潔遠（1990—），男，碩士研究生，主要研究方向為視頻篡改檢測；

蔣興浩（1976—），男，博士，教授，主要研究方向為多媒體信息安全、視頻內(nèi)容分析；

孫錟鋒（1975—），男，博士，副教授，主要研究方向為多媒體信息安全、視頻內(nèi)容分析。