文摘

交互式多媒体服务的迅速发展和相机传感器网络,网络视频的数量是爆炸,形成了一个自然的载体库对隐写术。在这项研究中,一个连封面都没有的隐写术方案基于运动分析的视频。为每个视频数据库中,面向光学流的健壮的直方图(RHOOF)得到,和构造索引数据库。隐藏的信息比特映射到哈希RHOOF序列,和相应的索引是由发送方发送。接收机,通过计算哈希RHOOF从封面视频序列,成功的秘密信息可以提取。在整个过程中,覆盖视频仍然是原来没有任何修改,有很强的抗隐写式密码解密能力。能力调查,显示了良好的改善。对大多数攻击鲁棒性性能突出等胡椒和盐噪声,散斑噪声,mpeg - 4压缩和运动JPEG 2000压缩。相比与现有coverless基于图像的信息隐藏方案,该方法不仅获得一个好的隐藏信息容量和鲁棒性之间的平衡,还可以实现更高的隐藏的成功率和更低的传输数据加载,显示良好的实用性和可行性。

1。介绍

近年来,信息隐藏的需求持续增长,特别是云计算环境。传统的信息隐藏技术通常将秘密信息嵌入到载体(1- - - - - -5),导致变量改性载体的功能。隐藏信息的隐写术方案通过构造覆盖特征之间的映射关系和机密信息6,7)或使用自动生成技术(8- - - - - -10引起了许多研究者的兴趣,有强烈的抗隐写式密码解密能力。

大多数现有coverless速记式加密方案是基于文本和图像。基于文本的方法挖掘出文本特性,比如中国数字表达11),字排名地图(12),或词频13,14)和量化。然后文本特征之间的映射关系,建立了秘密信息,和索引。在基于图像的方法,关键问题是如何有效地提取图像的主要特征,已被广泛地研究了在以前的研究(15- - - - - -19]。在周等人提出的方法。6),秘密信息转换为比特和划分为若干个数据段。序列图像具有相同散列数据段被选中和封面图片传送到接收机,接收机的可以提取秘密信息。郑et al。20.]利用方向信息的尺度不变特征变换(筛选)指出,设计图像散列和利用结构的反向索引用于提高能力和检索效率。面向一个算法基于直方图的梯度(猪)提出的周et al。21),获得了散列序列不重叠的图像块。块离散余弦变换(DCT)后22]或离散小波变换(DWT) [23),相邻块的系数之间的关系被用来生成健壮的特征序列。它可以提高通过分割图像隐藏信息的能力,但是鲁棒性将会减少一个更大的分区号。邹et al。24和曹et al。25用平均像素值的子图象,实现隐藏的成功率高,能力。在[26),医学图像的LBP特征提取和映射到隐私信息。最近,罗et al。27)使用公认的对象来隐藏秘密信息。

同时,网络平台和视频生活社交应用越来越受欢迎(28]。大量的短视频生成和传播在互联网上,它提供了足够的信息隐藏的载体。与图像、视频不仅质地、形状、和颜色特征,但也有丰富的时空特性,可以挖掘一些运动特征。从理论上讲,运动特点是健壮的和无法轻易被篡改,这适用于隐写术。这促使我们设计一种新型coverless隐写术方案基于短视频通过构造运动特征之间的映射函数和信息位。

现有的研究成果coverless基于视频隐写术仍然是罕见的。一些研究人员提出了一些版权保护的视频水印技术,构造水印信息提取视频特征。李等人。29日)提出了一种基于对数极坐标变换的零水印算法。2 d-dwt和3维变换后原始图像的转换,实现了水印将对数极坐标转换。刘等人。30.)提出了一种三维视频的水印方案,提取的特征映射到二维视频帧和深度产生版权信息实现版权保护和使用秘密共享方案。与零水印算法相比,coverless基于视频隐写术能力有更高的要求。

如图1,有一个孩子走在视频。最简单的映射函数是连接不同的步进与不同的信息比特以下方程:

然后,宝宝的连续步进可以代表一个信息比特序列。然而,这种映射具有一些缺点:第一,的特点是语义,可以很容易地理解和破裂。第二,加强识别的计算复杂性仍相对较高,虽然视频的运动分析和跟踪最近取得了重大进展(31日,32]。第三,信息隐藏的能力很低,因为只有一位是隐藏在每一帧。因此,如何挖掘nonsemantic运动特点和构建一个映射函数相关的信息比特的关键问题是coverless基于视频隐写术。

视频识别已经被很多研究人员,研究深度和许多算法被提出。光流c是最经典的视频分析方法(33- - - - - -37]。在这项工作中,我们主要研究光流特征的视频与隐藏的信息并将它们映射实现coverless隐写术。这项工作的主要贡献如下:首先,我们构造一个小说连封面都没有的隐写术方案基于运动分析的视频。第二,健壮的方向性特征之间的映射算法提出了视频光流和秘密信息和优化。最后,信息隐藏能力,鲁棒性性能、效率、隐藏的成功率和传输数据加载的方案进行了分析和比较现有coverless基于图像隐写术方案。

这项研究的组织结构如下:第二部分介绍了预赛,该方法被描述在第三部分。实验结果和比较第四部分所示。最后,我们得出本研究的最后一部分。

2。预赛

2.1。光流

光流的瞬时速度分布亮度模式,这是由物体的运动(33,34)和运动分析已经应用广泛。在最近的研究中,利用光流估计行驶车辆的交通流参数在不同的场景和指示效率(35,36]。Lv等人意识到亚像素图像配准的基础上,光流模型和特征点匹配37]。

光流法的基本思想是要找到相应的图像序列中相邻帧之间的关系在时域中使用像素的变化。然后,可以计算出物体的运动信息。

假设有一个像素 在一个框架,其光强度表示为 。它移动 在接下来的框架。根据亮度不变的假设,我们可以得到以下方程:

泰勒级数近似应用于方程(2);然后,我们可以得到 在哪里是二阶无穷小的术语,可以忽略。因此,方程(3可以转化为)

假设u和光流的速度矢量在吗X轴和Y轴,分别

方程(4)可以转化为 在哪里 , ,和 。这是基本的光流约束方程。

为了解决上面的方程,实现未知的值u和 ,有两个经典的方法。一个是一个全球性的微分方法,它假定顺利在整个图像光流变化。另一个是当地微分方法,它假定运动向量保持不变在一个小空间域。因此,适用于小型运动检测,但对于大型运动检测失败。为了改善这一缺陷,锥体的实现提出了Bouguet [38]。

金字塔分层方法被用来减少图片的大小一层一层地,从而减少对象的运动位移两帧之间。流程如图2,具体步骤如下:步骤1:创建一个金字塔每一帧,该决议从底部到顶部依次降低。步骤2:从顶层开始,顶级的光流在每一点上获得的图像是最小化最小匹配误差和社区内的每一个点。假设d是光流,剩余函数被定义为(38] 在哪里 原始图像的点吗我和 目标图像的点吗J。假设有l金字塔的层,第一层是原始图像。如果总位移d,然后每一层的位移 步骤3:的光流层l传播到层吗l−1如下:

的层l,光流的计算是基于最小化的匹配误差的总和为所有点附近地区,如以下方程:

它传播到金字塔,直到到达底层。然后,计算出的光流

2.2。健壮的面向光学流的柱状图

因为移动目标的大小通常随着时间变化在一个视频中,相应的光流的维度描述符也会改变。同时,原光学流也是敏感的背景噪音,规模变化和运动的方向。隐藏的信息,提取的特征将更稳定,从而获得更好的鲁棒性。因此,有必要找到一个方法基于光流不仅可以描述颞运动信息,但也并不敏感。直方图面向光学流(蹄)提出了乔杜里et al。39]。蹄的规模不变性特性是通过归一化直方图。为了进一步提高鲁棒性,面向光学流的健壮的直方图(RHOOF)仅是通过计算光流的数量位于定向垃圾箱,而振幅信息将被忽略。这意味着RHOOF不会受到光流的幅值变化的影响,这是不同于原来的蹄。

每两个坐标系,计算光流。然后,光流矢量的方向角可以通过 在量化(·)是一个四方形逆正切函数,x是水平分量,y是光流矢量的垂直分量。的范围是 。如果角度范围分成几组,然后直方图分布统计。如图3本数量的直方图是6和容器的大小 ,这意味着光流的角度范围分为6组。的分布角度右边的柱状图所示。所有组的可能性的总和是1。

3所示。提出Coverless速记式加密方案

我们建议coverless隐写术方案基于视频显示在图4。框架主要包括三个部分:索引结构,秘密信息隐藏,秘密信息提取。首先,视频数据库是由多个不同主题的视频。视频数据库共享的秘密信息发送方和接收方,可以存储在云平台保存最终用户的存储空间。其次,计算每个RHOOF视频在视频数据库。计算哈希RHOOF序列后,视频索引数据库。视频数据库和索引数据库的建设是coverless信息隐藏的基础。

在信息隐藏过程中,需要将秘密信息预处理,将二进制位组。每一个组可以被映射到一个散列RHOOF序列。在视频索引数据库搜索之后,适当的一个或多个视频被选为封面,和相应的映射索引返回给发送者。映射索引将被发送到接收机。接收器,覆盖视频可以准确、有效地根据接收到的映射索引。通过计算哈希RHOOF从封面视频序列,成功的秘密信息可以恢复。在整个过程中,覆盖视频仍然是原来没有任何修改。因此,它可以抵御隐写式密码解密的检测。

3.1。代的散列顺序

如前所述,RHOOF可以反映视频的主要运动特征。我们提出一个散列序列生成方法基于RHOOF如图5。(假设两个相邻帧的帧我和框架我+ 1)的视频,他们先转化为灰度。第二,两帧中值过滤可能为了抑制噪声和保护边缘信息。第三,这两个框架计算像素的变化,和面向光学流实现如前一节所述。我们可以分析方向的光流值。每个子块的直方图计算在几个垃圾箱。在图5,我们将子块的数量为4,垃圾箱的数量8作为一个例子。

假设直方图来标示 在哪里N箱子的数量。我们设置阈值 在哪里是一个校正因子。然后,散列的顺序是通过比较直方图的值与阈值以下方程:

3.2。视频索引数据库的建设

为了找到封面视频有效地、准确地、视频索引数据库的建设是必要的和重要的。因此,我们构建一个高效的索引数据库有两个水平,如图6。第一级指标是散列序列和二级指标包含的信息项包括视频和框架。

哈希索引项进行排序的序列。在这里,本数量也将8作为一个例子。因此,哈希的价值序列从“00000000”到“11111111”的索引表。为每个索引条目对应的散列序列,索引ID, ID,视频帧ID和子块ID包含在索引数据库中。索引ID是一个索引的序列号,增量。视频ID意味着覆盖视频的存储路径和名称。帧ID意味着相应的帧和子块ID意味着相应的子群。这类信息,覆盖视频可以准确地找到,和散列序列可以有效、方便地计算。一个散列的序列,可以包含多个索引项,这意味着有多个覆盖子块具有相同散列的视频数据库中序列。在这种情况下,可以选择任何索引项原则上为后续秘密信息映射。

3.3。秘密信息隐藏

在秘密信息隐藏,如何将秘密信息映射到有效覆盖视频是最关键的部分。整个过程总结如下:步骤1:建立一个视频数据库,由发送者和接收者都共享步骤2:为每个视频在图书馆,帧得到光流如前一节所述步骤3:计算光流矢量的方向角由方程(12)步骤4:对于每一帧,强劲的直方图分布是统计学计算子块基于光流的东方信息。散列序列如前所述。第五步:构建视频索引数据库如前所述第六步:秘密信息需要发送前预处理。假设秘密信息的长度k位,它将分成米段, 在哪里N是一本RHOOF统计的数量。最后一段,“0”位的尾巴,以及填充字节的数量 第七步:每段,我们在索引数据库中搜索相应的索引项,已散列等于信息比特序列。可能有多个索引序列映射到相同的哈希条目。为了提高信息提取的效率,我们应该选择相同的视频文件的索引项尽可能多。同样的视频文件,映射索引项较小的索引ID将被选中。第八步:秘密信息映射索引对应的信息片段将被发送到接收机。为了提高安全性,索引信息加密传输之前。

索引数据库建设的详细算法描述的算法1。

发送者的信息隐藏算法中描述的算法2。

3.4。提取秘密信息

在接收机,通过计算散列的封面RHOOF基于视频序列,成功的秘密信息可以提取。秘密信息提取的过程如下:步骤1:在收到发送的索引信息发射器,接收器将解密它首先如果必要的话。索引条目将被分析,和视频ID、帧ID和子块ID可以获得。步骤2:根据视频可以找到相应的帧ID和帧ID。光流计算相应的框架如前所述。步骤3:计算光流矢量的方向角由方程(12)步骤4:健壮的直方图分布是统计学计算子块根据面向光学流的信息。散列的顺序。第五步:重复步骤1 - 4,直到所有的散列序列对应的映射索引条目中提取第六步:连接散列后的填充比特序列和删除尾巴,成功恢复秘密信息的比特流

秘密信息提取的详细算法描述的算法3。

如图7,有一个秘密的比特流的传输和提取的例子“11111111000000。“本N是8。如前所述,填充比特流的长度的整数倍N。因此,比特流垫有一个“0”位尾巴,这使得比特流的长度为16。然后,填充比特流分割为2 8位组。接下来,散列等于分段比特流序列“11111111”,“00000010”中搜索视频索引数据库。从图6,可以看出有多个索引条目对应的散列序列“11111111”和“00000010。“指数的指数项ID作为902年和9选择,因为他们有相同的视频ID,标有绿色如图6。因此,“行走的视频。avi”是我们视频。接收器,RHOOF计算基于帧220年和221年和“walking.avi 23和24帧。“然后,哈希序列“11111111”,“00000010”实现分别从子群的子群2和4。删除后填充位“0”的尾巴,比特流的秘密“111111110000001”可以恢复成功。

3.5。算法的改进

光流法的一个先决条件是,亮度应保持不变。在噪音或随机干扰的情况下,光流值将大大受到影响,这将导致错误的隐藏信息的提取。因此,该算法进一步优化应用的平均窗口。光流计算之前,我们更新数据的每一帧平均相邻帧的像素值。通过这种平滑操作,可以减少随机噪声和干扰的影响。索引数据库建设的改进算法中描述的算法4。

改进的信息提取算法中描述的算法5。

4所示。实验结果和分析

与英特尔(R)进行的实验(TM)核心i7 - 6500 x CPU @ 2.50 GHz和16.00 GB RAM。Matlab 2018 b用于算法仿真,和MySQL 6.3工作台用于索引数据库建设。

视频数据库用于测试,由视频与随机选择的不同的动作和场景从UCF101 HMDB51数据集,如图8。视频的文件大小约为200∼800 KB,持续时间大约是2∼10秒。

4.1。能力分析

位数字生成的散列序列基于视频封面决定了信息隐藏容量。假设视频的帧数F,光流影像的数量F−1。每一个图像将被分为光学流年代子群,面向直方图统计计算N箱里。因此,对于每一个光学流图像,绘制位的数量是:

然后为每个视频,映射部分的数量是:

可以看出,信息隐藏的能力在我们的方案中有关本号码N,子群号码年代和帧数F。为一个特定的视频帧数是固定的,然后,能力是由垃圾箱和子块的数量。越大N和年代容量越大。我们比较单一光学流图像的能力在我们的方案与现有coverless基于单一图像信息隐藏方案表1。在该方法中,子块号设置为4,本数量设置为8。

隐藏的秘密消息,如果单一图像的容量比较大,需要较少的封面图片。假设秘密信息的长度K位,单一的图像的能力C位;然后,所需的封面图片的数量

具有相同的隐藏信息,图像的数量需要不同的方法比较表2。可以看出,我们的方法(集年代= 4,N= 8)比其他方法具有更大的能力。的增量年代和N,将会更加增大。然而,如果N视频大小的增加,数据库也需要扩大,以确保信息映射的成功率。和变化的鲁棒性也会受到影响年代和N在接下来的测试,这将进一步调查。

4.2。鲁棒性分析

我们研究鲁棒性对胡椒和盐噪声、高斯噪声和散斑噪声性能评估的不同的参数。视频中,一般使用的压缩转换。因此,mpeg - 4压缩转换(的效果。米p4 file) and compressed motion JPEG 2000 file transformation (.mj2 file) are also investigated. Assuming the original bitstream is和提取的位序列 ,计算准确率 在哪里

准确率的结果对不同的攻击类型与不同本号码N如表所示3,子群号码年代4是固定的。可以看出,该方案的鲁棒性很好,特别是对盐和胡椒噪音和mpeg - 4压缩。同时,箱数的增加会导致精度的降低。这是因为本数量将会导致更大的本规模越小,这是角分布的变化不敏感。但根据方程(19),较低的容量将减少本号码。

精度结果与不同的攻击类型和不同的子群号码年代也研究了给定的表吗4。在这里,本号码N8是固定的。可以看出,子群数量的影响年代相对较小,变化趋势是不规则的。原因是光流的空间分布是不同的各种类型的视频。因此,根据方程(19),我们可以增加容量的信息隐藏在必要时通过增加子块数量。

4.3。改进分析帧平均

我们研究引入帧平均窗口前的性能改进计算光流。这里,帧的长度平均窗口设置为10,这意味着每一帧的数据更新,平均10帧相邻的像素值。准确率的比较不同类型的噪声和压缩数据所示9- - - - - -12,子群号码是设置为4,本数量设置为4,8日,12日和16日,分别。

可以看出,帧平均操作可以显著提高鲁棒性。图9是与压缩攻击精度比较,表明该改进为mp4 mj2压缩远远大于压缩。mj2压缩,准确率与任何本数量增加了7%以上,而只有弱改善mp4压缩。数据10和11显示的准确性与高斯噪声和散斑噪声,分别,都有显著的改善。准确率的增量是本数量增加时更大。然而,对于椒盐噪声,准确率会下降平均帧操作,如图12。本数字越大,影响越明显。这是因为,盐和胡椒噪声近似等于振幅但随机分布在不同的地方。因此,可能会导致一些干净的像素帧平均计算污染相反。

4.4。鲁棒性与不同的方法进行比较

我们使用基于图像的方法将视频帧图像后性能比较。最新的DWT方法(22],DCT方法[23),和散列方法(20.)被认为是基于视频和测试数据库。在测试过程中,子群的DWT和DCT方法是设置为8。我们的方法的子块数量是4,箱子数量也设置为4。准确性与高斯噪声、椒盐噪声、视频压缩转换不同的方法所示的数据13- - - - - -15。可以看出,该方法具有良好的性能,盐和胡椒噪音和视频压缩,虽然相对于其他三种方法对高斯噪声更敏感。虽然该方法的总体精度性能略低于DWT和DCT方法,准确率还可以到达0.97在大多数情况下。然而,隐藏信息容量的方法是16位每一帧,这是两次的DWT和DCT方法在测试方法。因此,我们提出的方法取得了良好的隐写容量和鲁棒性之间的权衡。

4.5。隐藏的成功率分析

隐藏基于特征映射的coverless信息,提取的特征序列不仅要保证鲁棒性,而且可以反映出不同的特性。因此,给定数据库的前提下,信息隐藏的成功率也是一个重要的指标来衡量的秘密传输方案的可行性和实用性。假设每一段包含隐藏信息n位,可以生成不同的映射序列的数量由目前的视频库k,隐藏的成功率

随机地选择测试,视频从UCF101 HMDB51数据集。我们方案的成功率与DWT和DCT方法方法。所有这三个算法的子块数量设置为8。结果如图所示16。可以看出隐藏的成功率增加而递增的数字视频。相同数量的视频,隐藏我们的方法的成功率远远高于其他两种方法。只有约70个视频,我们的方法可以实现一个隐藏的成功率超过90%。隐藏的成功率的提高来自于考虑相邻帧之间的光流特征的方法。然而,DWT方法和基于图像的DCT方法只关注每一个单独的框架和相邻帧通常有相似的纹理特性。因此,生成的序列也有很高的相似性,这将减少隐藏的成功率。

4.6。复杂性和效率分析

该方法的复杂性主要在于视频索引数据库的建设,因为每个视频帧的RHOOF需要计算。然而,视频索引数据库只需要构造一次提前发送者。真正的秘密传输期间,我们只需要考虑的时间成本特定的秘密信息隐藏和提取,主要工作负载的谎言掩盖特性分析的框架。我们调查的效率不同的方法基于隐藏的时间成本信息比特长度相同。在表5,不同的方法列出的时间成本,“s / B”是指的秒数需要隐藏一个字节的信息。可以看出,我们的时间成本方法比其他方法更由于分层光流计算的复杂性。

4.7。传输数据负载分析

速记式加密方案,提出的视频数据库共享的发送者和接收者。在信息隐藏过程中,秘密信息将预处理和映射到哈希RHOOF序列。在视频索引数据库搜索后,相应的映射的索引将被发送到接收机。然后,接收方可以找到视频的视频数据库。因此,数据传输负载只包括的内容索引项ID、视频帧ID和子块ID。假设秘密信息的大小n字节,传输大量的不同的方法分析表6。在这里,子群的DWT和DCT方法是8。可以看出我们方案的传输负载大大降低自覆盖视频不需要传输。但是,发送者和接收者都必须共享和更新视频数据库同步,以确保成功的信息隐藏和提取。

5。结论

在这项研究中,一个连封面都没有的隐写术方案基于运动分析的视频。的能力,鲁棒性、隐藏的成功率、时间成本,和传输数据加载进行了调查并与现有的方法。结果表明,该方法不仅获得很好的隐藏信息容量和鲁棒性之间的平衡也达到更高的隐藏的成功率和更低的传输数据加载,显示良好的实用性和可行性。然而,我们的方法的时间成本较高是由于分层光流计算的复杂性。我们将努力改善未来的工作效率。

数据可用性

UCF101数据用于支持本研究的发现是可用的http://crcv.ucf.edu/data/UCF101/UCF101.rar和HMDB51数据是可用的http://serre-lab.clps.brown.edu/resource/hmdb-a-large-human-motion-database/下载。

的利益冲突

作者宣称没有利益冲突。

确认

这部分工作是支持由中国国家自然科学基金(61772561和61772561),湖南省的主要研究和开发计划(2019 sk2022),湖南省教育科学研究项目部门(a174 18日和19日b584),湖南省的学位与研究生教育改革项目(2019 jgyb154),湖南的国家自然科学基金(2020 jj4140和2020 jj4141),湖南省和研究生优秀的教学团队项目([2019]370 - 133年)。