色溫估計法的拼接篡改視頻檢驗*

劉磊 孫鵬 郎宇博 單大國 王方明 牛宇豪

1.中國刑事警察學院 2.遼寧網絡安全執法協同創新中心

引言

視頻資料是法庭證據的重要組成部分，具有真實性、直觀性以及客觀性等特點，是犯罪認定的重要依據。隨著視頻編輯技術的普及與發展，案件中出現的視頻資料常經過編輯篡改，經篡改后的視頻資料無法反應客觀事實，不能成為案情認定證據。因此，對視頻資料原始性和完整性的檢驗鑒定是其成為司法證據的前提，其中，對拼接篡改視頻的檢驗鑒定是主要檢驗內容之一。

拼接篡改視頻檢驗分為主動檢驗和被動檢驗兩種方法。拼接篡改視頻的主動檢驗，主要應用的是視頻數字水印技術，即在視頻中嵌入數字水印。當對視頻進行篡改時，嵌入的數字水印將遭到破壞，通過檢測數字水印的完整性檢驗拼接篡改視頻。該方法的優點在于方法簡單、實用性強，但是需要提前在視頻生成過程中嵌入驗證信息或者生成散列值，甚至需要第三方認證，在很多實際檢驗過程中難以滿足應用條件[1]。

拼接篡改視頻的被動檢驗，即通過使用視頻的固有特征進行檢驗，包括哈希值檢驗、視頻參數檢驗、視頻內容檢驗以及視頻光學成像特性檢驗[2]等。

基于視頻內容與視頻光學成像特性的經驗性檢驗，是視頻檢驗鑒定實踐中應用最多的檢驗方法，由鑒定專家對視頻的內容是否符合物理規律（透視規律、光線傳播與反射規律等），以及視頻的光學成像規律（視頻偏色程度一致性、視頻亮度一致性、視頻焦距變化特點等）進行檢驗，通過細致觀察，結合物理規律、光學成像規律以及大量檢驗鑒定經驗，對視頻進行檢驗。隨著檢驗鑒定要求的不斷提高，經驗性檢驗方法過度依賴于鑒定專家的專業性及職業操守的特點及拼接篡改手段的不斷變化等問題的出現，使其受到極大的限制。經驗性檢驗判斷方法理論的整合、視頻內容與光學成像特性的量化以及拼接篡改視頻的自適應檢驗方法研究，成為數字取證領域的研究重點。諸多研究中，比較成功的檢驗方法包括基于鬼影痕跡檢測修補的方法[3]；通過飛行物體與其陰影關系的檢驗方法[4]；采用分治法，將視頻分成幾部分，通過計算不同的相關系數得到每部分間的相似度，進而對視頻進行檢驗[5,6]等。

光學特征中，視頻的色溫是廣泛存在且穩定的特征，視頻采集時的光源特性是穩定的，因此視頻中每幀圖像的色溫估計值具有穩定性。本文通過對視頻幀間色溫的比較研究，結合色溫估計法，選取色溫估計中的藍色偏量，研究該量化特征在時間維度上的變化規律，提出了基于色溫估計法的拼接篡改視頻檢驗方法。

一、色溫估計的拼接篡改視頻檢驗

采集視頻時，光源的變化是連續的，且大部分視頻采集時光源變化很小，使得采集的視頻色溫變化具有規律性，變化幅度有限。基于色溫估計的視頻拼接篡改檢驗方法，利用視頻色溫變化的規律性，根據文獻[7]中的色溫估計方法，在YCbCr色彩空間中計算視頻每幀圖像的色溫，為簡化計算并增強算法的實時性，使用圖像幀的藍色偏量值反映色溫特性，進而通過時間序列上圖像幀藍色偏量的變化規律實現拼接篡改視頻的檢驗，檢驗過程如圖1所示。

（一）色溫估計方法

色溫估計，即估算圖像采集時的光源色溫。周榮政等[10]使用YCbCr模型進行色溫估計，進而對圖像的偏色進行檢驗校正，其中Y代表像素點亮度，Cb代表藍色的濃度偏移量，Cr代表紅色的濃度偏移量，RGB色彩空間和YCbCr的轉換公式為：

在Nakano[8]和 Lee[9]等的研究基礎上，文獻[10]使用改進的約束條件進行色溫估計：

通過約束選取合適的白點，當亮度Y較小時，Cb和Cr的范圍控制的較小，只有藍紅兩色濃度偏移量較小的像素點用于色溫估計；當亮度Y較大時，Cb和Cr的范圍控制的較大，此時的Cb和Cr偏移量較大的像素點也可作為色溫估計參考點，使得更多的像素點加入到色溫估計中，減小誤差，提高色溫估計精度。

（二）色溫估計的視頻真偽性檢驗

視頻是光源發出的光經物體反射后，由攝像頭捕捉并記錄下來的光信息。拍攝時，光源發出的光具有連續性，光源的色溫也是連續變化的。當光照射到物體上并經過反射，被攝像機鏡頭記錄，光源色溫以及設備特性使得視頻產生特定的偏色特性。在拍攝的視頻中，表現為第k幀圖像和第k+1幀圖像的偏色程度相同或差值很小，即相鄰兩幀圖像的偏色程度變化差值在一定閾值內，當連續兩幀圖像的偏色程度差值超出一定閾值時，視頻即在該處發生了篡改。

1. 偏色特征量計算

時長為t的待檢驗視頻Ft,解碼為時間軸上的圖像幀序列Ik(i,j),k=1,2,......,n,其中n為圖像幀總數，i,j為圖像的寬和長。對每幀圖像使用式（2）選取圖像白點，并計算這些白點處藍色偏量的均值，即該幀圖像的藍色偏量特征，用以反映圖像的偏色程度：

其中Cb(k)是第k幀圖像的藍色偏量特征，Cbw(z1)為該幀圖像中第z1個白點的藍色偏量值，N1為該幀圖像中白點總數。使用式（3）計算每一幀圖像的藍色偏量特征，得到視頻的藍色偏量特征Cb(k)。

在時間維度上，視頻的藍色偏量特征整體趨勢變化平緩，在局部具有明顯的無規律波動，但是相鄰幀間變化幅度小于一定閾值。相鄰幀間藍色偏量特征值的快速波動，一是由于光源色溫并非恒定不變，而是處于一定規律性的時刻變化中；二是由于使用的色溫估計方法存在誤差，當場景隨時間變化，圖像內的白點個數以及白點位置均發生變化，使得圖像藍色特征值發生變化，因此相鄰幀間藍色偏量差值時刻變化。光源的緩慢變化以及場景的時刻更新，在時間維度上具有連續性，因此圖像色溫變化幅度是有限的，使得相鄰幀間藍色偏量特征值的變化幅度有限。使用DCb(k)表示藍色偏量變化量：

其中Cb(k+1)與Cb(k)分別為第k+1幀以及第k幀圖像的藍色偏量特征值，n為視頻幀數。

2. 異常數據檢測

無拼接篡改視頻的藍色偏量變化量有限，小于一定閾值，而在拼接篡改視頻的拼接處，相鄰幀間視頻藍色偏量變化量明顯大于其他幀間藍色偏量變化量，故通過對視頻藍色偏量變化量的異常數據檢測，可對拼接篡改視頻進行檢測，并找出拼接篡改處。

視頻的拍攝環境與拍攝內容的多樣性，使得不同拍攝視頻的藍色偏量變化量不盡相同，根據視頻的光學特性自適應選取閾值θ：

其中，T為閾值系數，當T取值較小時，閾值θ對幀間色溫變化較敏感，誤檢率較高；當T取值較大時，閾值θ對幀間色溫變化不敏感，當視頻拼接篡改的兩幀間色溫變化較小時，易發生漏檢。經實驗，當T取值在[10,20]時，能夠得到較好的檢測結果。

拼接篡改視頻的檢測，即使用閾值θθ 檢驗藍色偏量變化量中的異常數據：

當視頻藍色偏量變化量滿足式（6）時，在第k幀與第k+1幀處，視頻即經過拼接篡改。

二、實驗仿真

根據監控視頻內容，選取三段不同的視頻為實驗組a：第一段視頻為背景固定、前景固定的監控視頻，第二段視頻為背景靜止、前景運動的監控視頻，第三段視頻為背景運動、前景運動的監控視頻。為便于比較實驗結果，將視頻解碼為圖像幀后，分別選取其中連續的500幀圖像作為實驗素材。

將a組三段視頻中第50幀、第250幀、第450幀分別使用PS進行處理，通過改變圖像的色彩平衡模擬色溫變化，然后將其放回到原圖像幀序列中，作為實驗組b，模擬拼接篡改視頻。圖2為實驗組a中第一段視頻截圖，圖3為實驗組b中第一段視頻截圖。

對a、b兩組視頻使用基于色溫估計法的拼接篡改視頻檢驗方法進行檢驗，三段監控視頻的DCb(k)分別為圖4～圖6。

圖4a為使用靜止場景下的正常監控視頻藍色偏量變化數據圖，視頻內容無明顯變化，DCb(k)值較小，均小于0.45；圖4b為該視頻經篡改后的藍色偏量變化數據圖，篡改幀與其他幀有較大的色溫差異，故在k=49、249、449時，DCb較 大，相對于其他幀處的DCb值有明顯差異，滿足式(6)，即在第49幀和第50幀、第50幀和第51幀、第249幀和第250幀、第250幀和第251幀、第449幀和第450幀以及第450幀和第451幀處發生過拼接篡改。

圖5a為使用背景靜止、有前景運動的監控視頻藍色偏量變化數據圖，其中DCb(k)值均較小；圖5b為篡改視頻的藍色偏量變化數據圖，篡改幀與其前后幀間的藍色偏量變化量較大，相較于正常幀處藍色偏量變化量差異十分明顯，使用式（6）對圖5b的數據進行判斷，能準確判斷出視頻中經篡改的圖像幀。

圖6a為使用攝像頭運動拍攝的視頻藍色偏量變化量數據圖，背景的運動使得色溫估計結果有較大波動，但仍然在允許范圍內。圖6b為經篡改的視頻藍色偏量變化數據圖，在視頻拼接處，幀間藍色偏量變化量與其他幀間藍色偏量變化差異較大，經式（6）可檢驗出拼接篡改幀。

不同場景下的監控視頻，DCb(k)值變化特性不同，但是均能使用基于色溫估計法的拼接篡改視頻檢驗方法，成功檢驗出經篡改的視頻，并定位出篡改幀。

三、結論

經實驗仿真，通過色溫估計并比較幀間藍色偏量變化幅度，能對拼接篡改視頻進行檢驗，并能找出拼接篡改幀，為科學地運用視頻的光學特性對視頻進行檢驗提供了新的思路。但同時，該方法仍具有一定的局限性，如夜間各色霓虹燈下場景、光源雜亂無序場景、光源變化具有較大突變場景下拍攝的視頻，在應用此方法進行拼接篡改視頻的檢驗鑒定時，將受到較大的限制。

拼接篡改視頻檢驗的研究將作為視頻證據研究的一項重要工作持續進行，更精確的色溫估計方法、更準確的T值選取策略、更精密的實驗，均能提高基于色溫估計法的拼接篡改視頻檢驗方法的準確率。

[1] 段成閣, 倪萍婭, 張國臣,等. 淺析監控視頻鑒定[J]. 刑事技術,2012(4):42-44.

[2] 何芳州, 楊洪臣, 蔡能斌. 利用文件十六進制信息檢驗視頻真偽性方法與應用范圍研究[J]. 中國刑警學院學報,2015(3):58-61.

[3] 張明玉.基于“鬼影”的數字視頻篡改檢測[D].天津大學,2010.

[4] Conotter V, O'Brien J F, Farid H. Exposing Digital Forgeries in Ballistic Motion[J]. IEEE Transactions on Information Forensics &Security, 2012, 7(1):283-296.

[5] Wang W, Farid H. Exposing Digital Forgeries in Video by Detecting Duplication[C]// The Workshop on Multimedia &Security, Mm&sec 2007, Dallas, Texas, Usa, September. 2007:35-42.

[6] 張旭, 黎智輝, 王鑫,等. 視頻取證技術研究進展[J]. 刑事技術,2015(2):87-93.

[7] 周榮政, 何捷, 洪志良. 自適應的數碼相機自動白平衡算法[J].計算機輔助設計與圖形學學報, 2005, 17(3):529-533.

[8] Nakano N, Nishimura R, Sai H, et al. Digital Still Camera System for Megapixel CCD[J]. Consumer Electronics IEEE Transactions on, 1998, 44(3):581-586.

[9] Lee J S, Jung Y Y, Kim B S, et al. An Advanced Video Camera System With Robust AF, AE, and AWB control[J]. IEEE Transactions on Consumer Electronics, 2001, 47(3):694-699.