采用HEVC的视频内容认证

张明辉， 冯桂

(华侨大学 信息科学与工程学院， 福建 厦门 361021)

采用HEVC的视频内容认证

张明辉， 冯桂

(华侨大学 信息科学与工程学院， 福建 厦门 361021)

提出一种基于高效视频编码(HEVC)的视频内容认证算法.根据图像纹理特征产生特征码，将特征码用于修改帧间8×8编码单元的分割模式、帧间预测模式和运动向量，并保留最佳的编码单元分割模式及相应的预测模式和运动向量.实验结果表明：该算法对视频质量影响很小，嵌入水印后码率的变化也很小;同时,该算法具有较好的脆弱性，可以用于视频认证.

高效视频编码； 内容认证； 运动向量； 帧间预测模式

Abstract： In this paper, a video content authentication scheme based on high efficiency video coding (HEVC) has been proposed, the scheme used the feature codes generated from image texture to modify partition modes, inter-prediction modes and the value of motion vector of inter-frame 8×8 coding unit, and reserve the optimal coding unit splitting mode with corresponding prediction mode and motion vector. The experimental results show that our proposed algorithm has very small effect on video quality and bitrate. And our scheme can be used for authenticating video content owing to its good fragility.

Keywords： high efficiency video coding; content authentication; motion vector; inter-frame prediction mode

高效视频编码(high efficiency video coding,HEVC)是ITU-T视频编码专家组和ISO/IEC运动图像专家组联合推出的最新视频编码标准.在相同的感知视频质量下，HEVC比现有的标准减少50%的比特率[1-2].视频内容认证一般采用脆弱视频水印算法，与之相关的文献多以H.264为基础.王美华等[3]提出修改帧内4×4块量化离散余弦变换(DCT)高频系数的奇偶性嵌入水印，然而奇偶性的脆弱性并不好.Xu等[4]选择中频部分嵌入水印，算法在嵌入过程中修改了非零系数，因此嵌入水印后码率增加较大.Zhang等[5]提出的可逆脆弱算法中，将水印嵌入4×4块最后一个非零量化DCT系数中，虽然算法是可逆的，但水印的嵌入区域不定，从低频到高频都有可能，因而脆弱性受限.除了帧内量化DCT系数外，帧间运动向量(motion vector,MV)也常用来实现脆弱水印嵌入.文献[6-7]选择修改MV的奇偶性嵌入水印.Li等[8]选择修改P帧或B帧满足条件的运动向量差的分量，实现水印嵌入，由于算法嵌入过程要满足一定条件，因而嵌入容量受限.以HEVC为平台的水印算法较少见.王家骥等[9]提出了在纹理块区域，根据水印修改帧内预测模式的奇偶性，此方案能获得良好的视觉质量，只是奇偶性的脆弱性并不好.因此，本文提出一种基于HEVC的视频内容认证算法.

图1 PB分割模式Fig.1 Splitting mode for PB

1 HEVC编码特性

相比H.264编码标准中的宏块，HEVC采用了一个新的编码结构——编码树单元(coding tree unit,CTU)作为基本处理单元.根据图像的内容，每个CTU被自适应地分割为编码单元(coding unit,CU).CU的大小有8×8，16×16，32×32和64×64.HEVC将每个CU划分成预测单元(prediction unit,PU)，如图1所示.图1中,帧间8×8 CU不允许采用N×N分割，这是为了最小化最坏情况下的内存带宽；而对非对称分割，只有在2N≥16时才允许[10].对于每个PU，HEVC采用了两种帧间预测模式，分别为帧间模式和合并模式.帧间模式采用高级运动向量预测，此模式下要传输MV的值给解码端；合并模式，HEVC从候选列表中选出代价最小的合并候选，此模式下只要传输合并索引给解码端，并产生一个合并标志[11].

2 算法的提出

2.1特征码的产生

一般来说，HEVC对纹理复杂的区域采用小尺寸的CU；对较平滑的区域采用大尺寸的CU.然而，纹理特性在同一个场景中变化不大，因此，利用纹理特性产生特征码.S表示区域平滑度，定义为

式(3)中：T取值在[Smin，Smax]之间，根据T值划分出纹理块与非纹理块，S>T的块认为是纹理块.α的取值要适中，α过大时，T趋于Smin，会影响特征码的鲁棒性；α过小时，T趋于Smax，影响纹理块的个数.

图2 不同QP下纹理块划分为4个8×8 CU的概率Fig.2 Probability that texture block is divided into 4 CUs of 8×8 size under different QP

在编码过程中，HEVC通常会将16×16的纹理块划分成4个8×8的CU.因而,统计当前纹理块划分为4个8×8 CU的概率.在HM14.0的平台上，测试4个不同序列，分辨率为416×240，编码30个Ⅰ帧，每帧令α=0.5划分出纹理块.在不同量化参数(quantiztion parameter,QP)下,统计纹理块的划分情况，如图2所示.图2中：P为概率.

由图2可知：对于运动很缓慢的图像BQsquare，不同QP下纹理块被划分为4个8×8的概率在98%以上，其他的测试序列也在90%以上，说明纹理块划分具有很好的鲁棒性.因而根据纹理块确定特征码,即

将特征码作为水印w=mcode嵌入到P帧中.

2.2水印嵌入

Liu等[12]提出了一种用水印修改帧内和帧间分割模式的算法，过程较为复杂.文中将该算法简化以适应HEVC的分割模式，并结合HEVC特有的帧间预测模式实现水印嵌入.算法选择对8×8的CU进行修改，具体有以下5个步骤.

步骤1在编码过程中，如果当前16×16 CU的代价比4个8×8 CU的代价大，则对这个16×16的CU进行重编码，在重编码过程中嵌入水印.这么做是为了减小算法对视频质量和码率的影响.

步骤2假设要嵌入的二值水印序列为W={w1,w2,…，wk,wk+1,wk+2,…}，如果当前水印wk=1，则在编码时跳过2N×2N的分割模式；反之，则跳过2N×N和N×2N分割模式.

步骤3对于修改后CU下的PU，如果当前水印值wk+1=0，则强制当前PU的预测模式为合并模式；否则，强制为帧间模式.这一步处理只针第一个PU，PU序号,如图3所示.

图3 PU的序号Fig.3 PU order

步骤4经过步骤3后，N×2N和2N×N的分割方式下PU会有剩余.为了扩大容量，对步骤3中剩下的PU也进行处理.然而，继续修改预测模式会对码率产生较大影响，故这一步只处理剩下PU的MV.Wang等[13]指出，对MV进行加1或减1操作对视频质量影响很小.因此，如果当前PU的最佳预测模式为帧间，就需要传输MV给解码端.根据水印wk+2的值修改MV的水平分量MVx和垂直分量MVy中绝对值较大的分量的奇偶性，令MVmax=max{|MVx|,|MVy|}为水平和垂直分量中绝对值的最大值，有

1) 如果MVmax存在，则

2) 如果MVmax不存在，则MVx=MVy，两者同时处理.即

这里只列举MVx的处理步骤，MVy的处理与其类似.

步骤5保留最佳的CU分割模式及其相应PU的预测模式和MV值.

2.3水印的提取

水印提取不需要位置信息，只需对帧间8×8 CU进行相应地提取，是一种盲提取.其具体提取分以下3个步骤.

步骤1如果当前CU的大小为8×8，获得当前CU的分割模式，分割模式为2N×2N,则提取水印mk=1;反之，提取水印mk=0.

步骤2由步骤1可知，区分帧间预测模式的关键在于合并标志.获取当前PU的合并标志，如果合并标志位true，则提取水印mk+1=0;反之,提取为1.

步骤3在执行完步骤2后，如果CU分割模式为N×2N或2N×N，则有PU剩余.对于剩余的PU，如果其预测模式为帧间模式，则继续从PU的MV进行提取，即

3 结果与分析

算法采用HEVC参考软件HM14.0进行测试.原始QP=30，编码方式为IPPP…，总共编码28帧，其余参数都为标准配置.分别测试了6个具有4种分辨率的测试序列，分别是3个416×240的序列(BQSquare，BlowingBubbles，RaceHorses),832×480的序列(BQMall),1 024×768的序列(ChinaSpeed)和1 920×1 080的序列(BasketballDrive).

3.1视觉质量和不可见性分析

表1 不同QP下的RPSN值Tab.1 RPSN values corresponding to different QP dB

3.2比特率分析和容量测试

不同QP(28，30)下，无水印与有水印视频序列的比特率，如表2所示.表2中：R和R′分别表示原始视频序列比特率和嵌入水印后视频序列的比特率；Rvar表示比特率的增长百分比，定义为

由表2可知：Rvar的最大值发生在QP=28时的BlowingBubbles序列，为0.94%；Rvar的最小值发生在QP=28时的BQMall序列，为0.14%；码率的增长不超过1%，说明文中算法对比特率的影响很小.

表2 不同QP下的比特率Tab.2 Bitrate corresponding to different quantization parameters

不同QP(28，30)下，28帧的容量，如表3所示.由表3可知：对于每一个视频序列，QP值越小，容量越大.这是由于QP越小，满足重编码条件的16×16块越多，8×8尺寸的CU个数越多，故容量越大.

表3 不同QP下28帧的容量CTab.3 Capacity C of all 28 frames corresponding to different QP bits

3.3视频认证

定义正确提取率η,于衡量算法的脆弱性，表示为

式(12)中：right_bits表示正确提取的比特数；total_bits表示总的水印比特数.η越小表明提取的水印与原始的水印差别越大，脆弱性越好.不同QP值含水印视频重编码下的η值，如表4所示.表4中：ηave表示η的平均值.在重编码的过程中，P帧8×8 CU的分割模式、帧间预测模式以及MV的值都有可能发生改变.对比不同的测试序列可知：ChinaSpeed视频序列的ηave值最小，为0.43；RaceHorses和BQMall视频序列的ηave值最大，为0.48.说明文中算法具有较好的脆弱性，能够用于视频认证.

表4 不同QP下的η值Tab.4 η values under different QP

3.4对比测试

为了衡量文中算法的整体性能，将文中算法与文献[9]提出的算法作比较.采用与文献[9]相同的配置，周期为16，GOP为8，编码96帧.对BlowingBubbles序列进行了测试，对比结果如表5所示.由表5可知：文中算法在RPSN的变化上与文献[9]算法相差不多，码率的增长稍大；但文中算法的嵌入容量大很多，这是因为将水印嵌入了P帧，而文献[9]只将水印嵌入了Ⅰ帧.同时，文中算法的脆弱性比文献[9]好.这主要是因为文献[9]只根据水印修改帧内预测模式的奇偶性，而文中算法综合了帧间分割模式、预测模式和MV的脆弱性.因此,文中算法的脆弱性更好.

表5 不同算法性能对比结果Tab.5 Comparison results of performance of different algorithms

4 结束语

针对重编码敏感，提出一种基于HEVC的脆弱水印算法.首先，根据图像的纹理特征产生特征码，将其作为水印嵌入P帧中；然后，根据水印值修改帧间8×8 CU的分割模式；最后，在不同的分割模式下，修改帧间预测模式和MV的值，保留最佳的CU分割模式及其相应的预测模式和MV.实验结果表明：文中算法对视频质量的影响几乎可以忽略不计，嵌入水印后码率的增长也很小；同时，该算法具有较好的脆弱性，表明该算法能够用于视频内容认证.

[1] SULLIVAN G J,OHM J,HAN W J,etal.Overview of the high efficiency video coding (HEVC) standard[J].IEEE Transactions on Circuits and Systems for Video Technology,2012,22(12):1649-1668.

[2] OHM J R,SULLIVAN G J,SCHWARZ H,etal.Comparison of the coding efficiency of video coding standards-including high efficiency video (HEVC)[J].IEEE Transactions on Circuits and Systems for Video Technology,2012,22(12):1-12.

[3] 王美华,裴庆祺,范科峰.基于脆弱水印的 H.264 视频完整性认证方案[J].西安电子科技大学学报,2007,34(5):823-827.

[4] XU Dawen,WANG Rangding,WANG Jicheng.A novel watermarking scheme for H.264/AVC video authentication[J].Signal Processing: Image Communication,2011，26(6):267-279.

[5] 张维纬,张茹,刘建毅,等.一种基于H.264/AVC的视频可逆脆弱水印算法[J].电子与信息学报,2013,35(1):106-132.

[6] SAADI K S,BOURIDANE A,GESSOUM A.H.264/AVC video authentication based video content[C]∥5th International Symposium on Communications and Mobile Network.Rabat：IEEE Press，2010:1-4.

[7] 杨高波,李俊杰,王小静，等.基于脆弱水印的H．264视频流完整性认证[J].湖南大学学报(自然科学版),2009,36(6):67-71.

[8] LI Qian,WANG Rangding,XU Dawen.Fragile video watermarking algorithm based on H.264/AVC[J].Materials Research Innovations,2013,17(S1):94-100.

[9] 王家骥,王让定,李伟，等.一种基于帧内预测模式的HEVC视频信息隐藏算法[J].光电子·激光,2014,25(8):1578-1585.

[10] KIM I K,MIN J,LEE T,etal.Block partitioning structure in the HEVC standard[J].IEEE Transactions on Circuits and Systems for Video Technology,2012,22(12):1697-1706.

[11] LIN Jianliang,CHEN Yiwen,HUANG Yuwen,etal.Motion vector coding in the HEVC standard[J].IEEE Journal of Selected Topics in Signal Processing,2013,7(6):957-968.

[12] LIU C H,CHEN O T.Data hiding in inter and intra prediction modes of H.264/AVC[C]∥International Symposium on Circuits and Systems.Seattle W A:IEEE Press,2008:3025-3028.

[13] WANG Keren,ZHAO Hong,WANG Hongxia.Video steganalysis against motion vector based steganography by adding or subtracting one motion vector value[J].IEEE Transactions on Information Forensics and Security,2014,9(5):741-751.

(责任编辑： 黄晓楠英文审校： 吴逢铁)

VideoContentAuthenticationSchemeforHEVC

ZHANG Minghui, FENG Gui

(College of Information Science and Engineering, Huaqiao University, Xiamen 361021, China)

10.11830/ISSN.1000-5013.201502004

2015-02-03

冯桂(1960-)，女，教授，博士，主要从事信号与信息处理、通信系统信息安全理论、多媒体通信的研究.E-mail:fengg@hqu.edu.cn.

福建省自然科学基金资助项目(2014J01242， 2016J01306)

TP 391

A

1000-5013(2017)05-0721-06