[发明专利]一种视频帧内帧间编码的通用信息隐藏检测方法

权利要求书

1.一种视频帧内帧间编码的通用信息隐藏检测方法，所述方法包括：

步骤1)构建和训练视频隐写分析卷积神经网络；

步骤2)基于视频隐写分析卷积神经网络对待检测图片实现视频帧内帧间编码通用信息隐藏检测；

所述步骤1)具体包括：

步骤1-1)构建视频隐写分析卷积神经网络，所述视频隐写分析卷积神经网络包含依次连接的残差计算模块、特征提取模块和分类模块；

所述残差计算模块为1个残差卷积层；

所述特征提取模块包括依次连接的第一卷积层、第二卷积层、第三卷积层、第一池化层、第一隐写残差单元、第二池化层、第二隐写残差单元、第三池化层、第四卷积层、第四池化层、第五卷积层和第六卷积层；所述第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层和第六卷积层均采用带有可学习参数的截断线性单元作为激活函数；

所述分类模块包括依次连接的1个全连接层和1个Softmax层；

步骤1-2)将训练集中的每个训练样本输入视频隐写分析卷积神经网络，利用分类结果和训练标签迭代从而训练出视频隐写分析卷积神经网络的参数，所述训练样本为大小是256×256的灰度图像；

所述残差卷积层用于计算与图像内容无关的残差特征；该残差卷积层包含34个尺寸为5×5×1的滤波器，每个滤波器的卷积的步长为1并采用所述带有可学习参数的截断线性单元作为激活函数，该残差卷积层的输出为34个尺寸为252×252的特征图；

所述带有可学习参数的截断线性单元的定义为：

其中，阈值T＝7；α为可学习参数；

所述第一隐写残差单元中包含两个卷积层，每个卷积层均包含34个3×3×34的滤波器，步长为1，采用所述带有可学习参数的截断线性单元作为激活函数并在激活函数前进行批量标准化处理；所述第一隐写残差单元的输出为34个123×123的特征图；

所述第一隐写残差单元的输入为x，是载体图像内容c与隐写残差信号m之和，即：

x＝c+m

所述第一隐写残差单元的输出为x-F(x)，其中，F(x)为第一隐写残差单元的第二个卷积层的输出；

所述第二隐写残差单元中包含两个卷积层，每个卷积层均包含34个3×3×34的滤波器，步长为1，采用所述带有可学习参数的截断线性单元作为激活函数并在激活函数前进行批量标准化处理；所述第二隐写残差单元的输出为34个61×61的特征图。

2.根据权利要求1所述的视频帧内帧间编码的通用信息隐藏检测方法，其特征在于，在所述特征提取模块中，所述第一卷积层包含34个尺寸为3×3×34的滤波器，步长为1；第一卷积层的输出为34个尺寸为250×250的特征图；

所述第二卷积层包含34个尺寸为3×3×34的滤波器，步长为1，采用带有可学习参数的截断线性单元作为激活函数，输出为34个尺寸为248×248的特征图；

所述第三卷积层包含34个尺寸为3×3×34的滤波器，步长为1，输出为34个尺寸为246×246的特征图；

所述第一池化层的核大小为2×2，步长为2，输出为34个123×123的特征图；

所述第二池化层的核大小为3×3，步长为2，输出为34个61×61的特征图；

所述第三池化层的核大小为3×3，步长为2，输出为34个30×30的特征图；

所述第四卷积层包含32个3×3×34的滤波器，输出为32个尺寸为28×28的特征图；

所述第四池化层的核大小为2×2，步长为2，输出为32个14×14的特征图；

所述第五卷积层包含16个3×3×32的滤波器，步长为1，输出为16个尺寸为12×12的特征图；

所述第六卷积层包含16个3×3×16的滤波器，步长为3，输出为16个尺寸为4×4的特征图。