基于YouTube的視頻源鑒別

[荷蘭]亞尼克·斯凱林，尤·范德列里，芝諾·胡拉茨，馬塞爾·瓦林

（阿姆斯特丹大學 系統和網絡工程，荷蘭 海牙）

基于YouTube的視頻源鑒別

[荷蘭]亞尼克·斯凱林，尤·范德列里，芝諾·胡拉茨，馬塞爾·瓦林

（阿姆斯特丹大學 系統和網絡工程，荷蘭 海牙）

盧啟萌譯 施少培校

在一定條件下，傳感器的光電響應非均勻（PRNU）特性能夠作為拍攝器材的特異性指標，用于視頻圖像的來源鑒別。本文利用Luká?等[1]定義的小波濾波器提取經過AVC方式重新編碼的視頻文件中的光電響應非均勻特性模式，研究調節分辨率和編碼參數對拍攝器材的光電響應非均勻性模式的影響，發現部分經過重新編碼的視頻仍能夠通過光電響應非均勻特性進行拍攝器材的鑒別。

光電響應非均勻特性模式;視頻來源;重新編碼;小波濾波器

1 前言

從鑒定角度而言，視頻拍攝相機的鑒別是個十分有趣的問題。例如，在猥褻兒童案件中，鑒定人員往往需要判斷扣押的相機是否與歸罪的視頻資料庫中的圖片或視頻相關。

隨著YouTube和Vimeo等視頻上傳服務網站的發展，視頻分享變得越來越流行。視頻服務提供商為了維持海量數據，在每個視頻上傳后會對其重新編碼（壓縮），以減小文件大小，加快媒體流速，減少帶寬使用。重新編碼將會改變視頻，從而增加了視頻來源鑒別的難度，使其成為一項十分具有挑戰性的任務。

大部分相機在拍攝的視頻文件中存儲有相機序列號等元數據，較新型的相機甚至還存儲有GPS坐標，但是這些元數據很容易被刪除。然而，我們仍然可以通過其他角度對視頻來源進行鑒別，如拍攝時相機附加的“噪聲”。這類噪聲一般不容易識別，但它作為相機的“標簽”或“印記”存在于拍攝的輸出中。相機處理信號時，有許多因素會導致噪聲，如傳感器有壞點形成的固定模式噪聲（FPN），但更為普遍的來源是光電響應非均勻特性（PRNU）。光電響應非均勻特性是由拍攝相機的傳感器引入[2-3]，總是存在于其輸出中。每個傳感器的光電響應非均勻特性已被證明具有特異性[4]，這使得它成為理想的視頻來源鑒別指標。

因為光電響應非均勻模式存在于圖像本身，所以當對圖像進行壓縮時這種模式的質量將會降低。在撰寫本文時，應用最廣泛的視頻編解碼器是AVC（H.264/MPEG-4），其對光電響應非均勻特性的影響尚未有過研究。該領域最近的成果是2008年van Houten等[5]針對由XviD及Windows Media9編解碼器處理的低分辨率視頻的研究，我們將拓展這項研究，探索經AVC（H.264/MPEG-4）方式重新編碼后，是否仍能夠通過光電響應非均勻特性對拍攝相機進行鑒別。

2 原理

由于視頻可視為由一系列圖像組成，本部分將從靜態圖像而非視頻角度闡述視頻源的鑒別原理。

2.1 光電響應非均勻特性

當鑒定人員嘗試判斷一幅圖像的來源時，他首先需要尋找拍攝相機的特有印記，然后將其與待檢圖像進行比較。此類印記可以有不同的來源，其中最為重要的是圖像傳感器。其他的還有顏色插值（插值假像）[6]和信號處理（量化表）[7]。

對于圖像的來源鑒別而言，出現在一系列圖像中的印記十分重要，并且同樣的印記模式必須在參照圖像和待檢圖像中都出現。這種再現性的印記模式通常稱為固定模式噪聲（FPN），由CCD或CMOS傳感器造成。它們對光線輸入進行處理，并將其轉換為數字信號。Geradts等[8]的研究結果表明，傳感器的缺陷像素可用于拍攝相機的鑒別。通過對多幅圖像進行平均，可以濾除其它來源的非恒定分布的噪聲，從而獲得反映出缺陷像素的固定模式噪聲。然而，缺陷像素導致的固定模式噪聲常常會被后期處理過濾掉，并不是總會在圖像中得到反映。

Luká?等[1]提出了一種更好的利用模式噪聲鑒別拍攝相機的方法。這一模式噪聲不是來自于傳感器的缺陷像素，而是來源于每個像素點對光照感應的不均勻性。當所有像素點曝光于同一光照度下，每個像素的響應會有微弱差別，這一現象稱作光電響應非均勻特性，也被視作模式噪聲的一種。這種模式噪聲由器件和結構的不完善所引起，出現在每一幅圖像輸出中，并且被證明具有特異性[4]。從視頻中提取到光電響應非均勻分布，它就可以作為拍攝相機的指紋，用于確認其他圖像中的噪聲模式是否與其相符。即，首先通過拍攝相機獲得參照模式噪聲，然后用其驗證待檢圖像的模式噪聲。

為了確定視頻V來自于相機C，首先必須獲得相機C的參照模式噪聲PC，視頻V與參照模式噪聲PC的關聯程度用它們之間的相關系數表示。由于大部分相機無法直接從中獲得原始傳感器數據，我們只有通過對視頻的多幀圖像進行平均，得到模式噪聲的近似值。

視頻V首先被分割為一系列的單幀圖像Ii，i=1，……，N，N等于視頻V的總幀數。平均Ii可以得到模式噪聲的近似值。理想情況下，每幀圖像應只包含模式噪聲，不應存在場景內容。我們可以用降噪濾波器F過濾每幀Ii中的場景內容，僅留下噪聲ni，用于計算模式噪聲。

視頻V中的幀數越多，平均得到的模式噪聲PV就越精確。建議N＞50[1]。

為了驗證視頻V是否來自于相機C，得到的PV與參照模式PC之間的相關系數ρC計算如下：

帶有上橫線的符號代表平均值。有賴于降噪濾波器的選擇，我們可以發現更為準確的相關系數。Luká?等在參考文獻[1]中提出了一種基于小波變換的濾波器，效果優于維納濾波器和中值濾波器，后二者常會在圖像邊緣產生誤判。參考文獻[1]和[8]詳細描述了該降噪濾波器的工作原理。

上述濾波器的完整算法已在由van Houten等開發的開源工具PRNUCompare[9]中實現，用于獲得光電響應非均勻模式及計算視頻間的相關系數。

得到ρC（V）后，我們就可以判斷相機C是否用于拍攝視頻V。相機C的參照模式噪聲是用該器材拍攝視頻后通過PRNUCompare計算得到。參照視頻中沒有場景內容，并且理論上接近均勻光照，小波變換濾波器中參數σ的推薦取值為5[5]。

因為小波變換濾波器獨立處理每個顏色通道，ρC（V）將會有三個相關系數（RGB），這三個系數之和可用于視頻拍攝相機的鑒別。

2.2 AVC編解碼器

視頻編解碼器用來壓縮視頻文件。因為視頻質量越好，則文件越大，所以壓縮過程過程總是視頻質量與文件大小的折中。壓縮使視頻文件變小，減少了帶寬的占用，增加了視頻流速。

如今，針對高清晰視頻的標準編碼方式是AVC，許多在線視頻服務，如YouTube和Vimeo都使用該編碼方式。

AVC基于H.264和MPEG-4兩個標準，并在FFmpeg的libx264庫執行。改變壓縮率有多種設置，最簡單的一種是調節固定質量因子（CRF）參數，旨在確定輸出的視頻質量。當CRF設為0時為無損壓縮；設為18～20時，能在保證高質量的同時，視頻文件較小。使用CRF編碼參數，易于調節輸出的視頻質量等級。

3 實驗方法

3.1 限制條件

相機支持的視頻分辨率正變得越來越標準化。新型的相機可以錄制1280×720或1920×1080的高清（HD）視頻，通常還可轉換至640×480的低分辨率來節省磁盤空間。手機、網絡攝像機、監控攝像機依然使用這種低分辨率標準。在van Houten等的研究中[5]，僅使用了 176×144，320×240，352×288 及 640×480 的低分辨率相機。研究高清分辨率相機及其與低分辨率相機的區別是一種較為合理的拓展思路。本研究中，我們選擇的視頻分辨率為640×480和1280×720，未包括全高清分辨率1920×1080，因為采用該分辯率的相機很少。

Van Houten等[5]的研究表明，一般而言，200以上的平場幀就可提取到可靠的模式噪聲。為了保證獲得可靠的模式噪聲，我們將所有視頻裁切為30s。30s的圖像幀數與幀速率有關，范圍在750到900幀。前期研究[5]采用30s視頻得到了確定性的結果，這也是我們采用這個視頻長度的原因。

3.2 實驗配置

3.2.1 拍攝器材

拍攝器材為既能錄制480p視頻又能錄制720p視頻的相機。選用三種常見品牌，其中，兩種型號的松下相機，兩種型號的佳能相機及蘋果iPhone4手機。為了提高數據的可靠性，每種型號的相機都有5個，這樣可以大大減少可能的制造瑕疵的影響，同時保證這些型號相機的PRNU模式比較的有效性。

特別選擇iPhone4在于其有很高的大眾認知度。iPhone是銷量最高的智能手機之一，YouTube中的視頻有很大部分直接來自于iPhone4，研究該款智能手機使得我們的研究工作也切合潮流。

表1 相機在不同分辨率下支持的幀速率

表1列出了實驗用相機的概況，包括支持的分辨率和編解碼選擇。松下FP-7和松下FZ-45采用Motion JPEG編解碼器。但是，松下FZ-45也可以拍攝AVC（H.264/MPEG-4）編碼的720p視頻。其他相機都使用通用的AVC（H.264/MPEG-4）編解碼器。

拍攝相機的幀速率不盡相同，它決定了相機每秒能夠錄制的幀數。因為實驗的視頻長度均裁切為30s，幀速率值決定了參照視頻和自然視頻最終的幀數。

本文著重研究使用AVC（H.264/MPEG-4）重新編碼后，從視頻中提取的PRNU模式，這意味著重新編碼之前的編碼方式并不十分重要。但我們仍然會簡單闡述不同編碼方式的視頻在二次壓縮后的區別。

3.2.2 準備視頻

為了確定PRNU模式間的相關性是否仍是鑒別拍攝相機的可靠方法，我們使用上述相機進行實驗驗證。首先，給每個型號的相機貼上1到5的標簽；然后，在重新編碼之前提取參照視頻和自然視頻的PRNU模式；之后，將每個參照視頻的PRNU模式與5個同一型號相機拍攝的自然視頻的PRNU模式進行比較。在可能的情況下，對480p和720p分辨率的視頻都進行這一步驟。例如，我們從松下FP-7_1拍攝的參照視頻中提取PRNU模式，同時提取編號為FP-7_1到FP-7_5的自然視頻的PRNU模式。使用PRNUCompare計算每個參照視頻與5個自然視頻的模式相關系數，匹配相機間的相關系數由ρm表示，失配相機的最高相關系數由ρmm表示。

如本文第二部分所述，我們針對每個相機都分別使用480p和720p分辨率攝制一個參照視頻和一個自然視頻。參照視頻在實驗條件下拍攝，保證提取的PRNU模式可靠。參照視頻均使用同一方法拍攝，即將相機對著一白色表面緩慢移動拍攝30s。

使用Avidemux工具[10]將每個視頻裁切為30秒。Avidemux通過“流復制”功能可以在不重新編碼的情況下剪切視頻文件，其工作方式為，首先分離視頻流，然后以新的長度重寫文件頭，從而不會改變實際的視頻流。由于每個相機的幀速率不盡相同，我們通過計算，當總幀數約為30s時剪切視頻。

3.2.3 視頻編碼

獲得適當的視頻長度后，我們對每個自然視頻使用不同的質量設置進行重新編碼。如本文第二部分所述，在libx264編解碼器中使用CRF選項，旨在得到相近圖像質量的視頻。選擇CRF值為18到39之間，以3為遞增值對視頻進行處理，得到8個重新編碼的視頻。使用PRNUCompare提取每個重新編碼視頻的PRNU模式。

3.2.4 YouTube編碼

為了比較我們的重新編碼視頻與YouTube視頻的區別，我們上傳了所有的自然視頻，然后對其下載。由于YouTube允許使用640×480和1280×720分辨率，下載視頻的大小都未發生改變。每個視頻均在YouTube經過AVC（H.264/MPEG-4）重壓縮，但參數設置未知。使用PRNUCompare提取每個下載視頻的PRNU模式。

3.2.5 評估標準

PRNU模式比較與兩個視頻間的RGB差值有關。每個顏色通道的最大相關系數1，最小相關系數為-1。三個相關系數之和為最終相關值，我們用其推斷兩個視頻是否匹配。和的最大值為3，表明兩個視頻完全匹配。當使用同一個視頻相互比較時，可得到這一最大值。

為了確認PRNU模式的比較值，我們對結果進行T分布檢驗。T分布檢驗能夠檢測數據的顯著性，并與PRNU相關系數結合，推斷模式的可靠性。

4 實驗結果

4.1 重新編碼前

依照本文第三部分描述的提取方法，我們使用PRNUCompare提取并比較了視頻的PRNU模式，得到第一組結果。

如表2所示，對于松下FP-7，最高PRNU模式匹配值出現在松下FP-7_1參照視頻與自然視頻之間。當視頻為480p分辨率時，計算得到ρm=2.021，ρmm=0.054。表3為同一相機當分辨率為720p的結果，ρm=2.129，ρmm=0.481。與480p分辨率視頻相比，匹配值有些許增大，但失配率要高出很多。

對每個拍攝器材都進行同樣的計算，結果見表2～表 11。

表2 松下FP-7，以Motion JPEG方式640×480分辨率編碼的自然視頻平均幀=10，σ=5

表3 松下FP-7，以Motion JPEG方式1280×720分辨率編碼的自然視頻平均幀=10，σ=5

表4 松下FZ-45，以Motion JPEG方式640×480分辨率編碼的自然視頻平均幀=10，σ=5

表5 松下FZ-45，以Motion JPEG方式1280×720分辨率編碼的自然視頻平均幀=10，σ=5

表6 松下 FZ-45，以 AVC （H.264/MPEG-4）方式 1280×720分辨率編碼的自然視頻平均幀=10，σ=5

表7 蘋果 iPhone4，以 AVC（H.264/MPEG-4）方式 1280×720分辨率編碼的自然視頻平均幀=10，σ=5

表8 佳能 Ixus 220HS，以 AVC（H.264/MPEG-4）方式 640×480分辨率編碼的自然視頻平均幀=10，σ=5

表9 佳能Ixus220HS，以AVC（H.264/MPEG-4）方式1280×720分辨率編碼的自然視頻平均幀=10，σ=5

表10 佳能 PowerShot SX210 IS，以 AVC（H.264/MPEG-4）方式640×480分辨率編碼的自然視頻平均幀=10，σ=5

表11 佳能 PowerShot SX210 IS，以 AVC（H.264/MPEG-4）方式1280×720分辨率編碼的自然視頻平均幀=10，σ=5

表12 松下 FP-7，以 AVC （H.264/MPEG-4）方式 640×480分辨率不同CRF值編碼的自然視頻

表13 松下 FP-7，以 AVC （H.264/MPEG-4）方式 1280×720分辨率不同CRF值編碼的自然視頻

表14 松下FZ-45，以Motion JPEG方式640×480分辨率不同CRF值編碼的自然視頻

表15 松下FZ-45，以Motion JPEG方式1280×720分辨率不同CRF值編碼的自然視頻

表16 松下 FZ-45，以 AVC （H.264/MPEG-4）方式1280×720分辨率不同CRF值編碼的自然視頻

表17 蘋果iPhone4，以AVC（H.264/MPEG-4）方式1280×720分辨率不同CRF值編碼的自然視頻

表18 佳能Ixus220HS，以AVC（H.264/MPEG-4）方式640×480分辨率不同CRF值編碼的自然視頻

表19 佳能Ixus220HS，以AVC（H.264/MPEG-4）方式1280×720分辨率不同CRF值編碼的自然視頻

4.2 二次壓縮后

提取重新編碼之前的PRNU模式后，我們進一步提取所有重新編碼視頻的PRNU模式，并與同一型號相機拍攝的參照視頻進行比較。表12～表21給出了視頻的參數及ρm和ρmm值，但僅列出了每一型號編號為1的相機的結果。

表20 佳能 PowerShot SX210 IS，以 AVC（H.264/MPEG-4）方式640×480分辨率不同CRF值編碼的自然視頻

如表12所示，對于松下FP-7_1，當CRF為18時，ρm為 1.456（未重新編碼時為 2.021），ρmm為 0.034（未重新編碼時為0.054）。視頻流大小為15.2MB，比特率為4063kbps（原始視頻為38.4MB和10.7Mbps）。

當CRF從18變到39，壓縮率相應增加。PRNU相關系數在CRF為39時降低為ρm=0.068，ρmm=0.023。視頻流大小只有930Kb，比特率下降到246kbps。

表中也包含了YouTube視頻的相關系數。如對于松下 FP-7_1，YouTube 的 ρm=0.306，ρmm=0.019。 視頻流大小為4.23MB，比特率為1129kbps。

5 分析

5.1 重新編碼前

我們計算所有視頻文件的PRNU模式相關系數。提取表2～表11中的ρm和ρmm值，計算平均值。

我們的數據有限，故計算表2～表11中PRNU模式的ρm和ρmm標準差，以確定其分布。

表21 佳能 PowerShot SX210 IS，以 AVC（H.264/MPEG-4）方式1280×720分辨率不同CRF值編碼的自然視頻

標準差的公式如下，xi是數據，x是平均值：

圖1為計算得到的二次壓縮前的PRNU值分布。

為了測試數據的顯著性，對所有參數條件下視頻的PRNU模式相關系數進行T分布檢驗。

圖1 所有相機重新編碼前的PRNU模式相關系數平均值

圖1 顯示，對于一些型號的相機而言，比較PRNU模式是一種有效的鑒別視頻源的方法。松下FP-7、松下FZ-45和iPhone的匹配值ρm與ρmm最高失配值有明顯的差異。在720p分辨率下，佳能PowerShot SX210 IS的PRNU值也可認為是可靠的。在圖1看到，在480p分辨率下，佳能Ixus220HS和佳能Power ShotSX210的ρm與ρmm幾乎沒有區別。

我們進一步觀察各個分辨率下視頻的PRNU值差異，決定哪個足夠顯著，可以認為是可靠的。

5.1.1 松下FP-7

該相機使用Motion JPEG方式編碼。480p視頻的ρm=1.979，ρmm=0.054，差異有 36倍，顯著有效。 720p 視頻的 ρm=2.045，ρmm=0.477，相差 4.2 倍，足夠有效，尤其是考慮到相關匹配值很高這一情況（最大值為3）。圖1清楚地顯示了這些差異。

5.1.2 松下FZ-45

該相機的480p分辨率視頻用Motion JPEG方式編碼，720p分辨率視頻可以選用Motion JPEG或AVC（H.264/MPEG-4）方式編碼。該相機的這一特點使得我們可以研究這兩種編碼方式對PRNU值的影響。如圖1所示，匹配和不匹配視頻的PRNU值差異非常明顯。高相關匹配值和低相關失配值說明該相機能夠得到有效的鑒別。

同時看到，對于720p的視頻，使用AVC（H.264/MPEG-4）方式編譯比使用Motion JPEG方式編譯，失配值要低很多（AVC為0.006，Motion JPEG為0.374）。但是，必須注意的是720p AVC視頻的ρm為0.756，只有720p Motion JPEG視頻ρm的一半（1.131）多一點。

如果進一步對差異倍數進行比較，720p AVC視頻的729倍遠勝過720p Motion JPEG視頻的3.5倍。盡管Motion JPEG視頻的差異倍數很低，但是由于匹配值很高，結果仍然是可靠的。

5.1.3 Apple iPhone 4

Apple iPhone 4得到了非常理想的結果，ρm=1.452，ρmm=0.006，相差235倍。這一很高的差異倍數結合高的值和很低的ρmm值，使其成為PRNU模式比對的典型相機。

5.1.4 佳能Ixus220HS

佳能Ixus是首個PRNU模式效果不理想的相機。480p和720p的匹配值都太低而不可靠，并且如圖1所示，失配值和匹配值非常接近。而且，當我們進一步計算 480p視頻的標準差時，ρm=0.196，ρmm=0.169，幾乎沒有差別。

720p分辨率視頻的ρm略有增長，至0.382，ρmm降低至0.114，但匹配相關值仍然太低而不可靠。

5.1.5 佳能PowerShotSX 210IS

在480p分辨率上與佳能Ixus220HS一樣，匹配值太低，失配值相對較高，同樣的可靠性低，不應作為PRNU模式比較使用。

720p視頻的表現優于480p視頻，可能是因為更高的分辨率得以捕捉更多的像素。ρm=0.849，ρmm=0.093，9倍的差值足以作為PRNU模式比較使用。

5.2 二次壓縮

分析了重新編碼前的情況，我們對二次壓縮對PRNU相關系數的影響進行進一步研究。如前所述，有些相機的PRNU模式比較是有效的，這里我們選取2種型號的相機予以圖例說明，一個是可靠的松下FP-7相機，另一個是部分可靠的佳能PowerShot SX210 IS相機。其他相機的結果見圖4～圖6，這里不再詳細討論。

5.2.1 松下FP-7

圖2表明，即使經過高壓縮率壓縮，PRNU比較對于松下FP-7而言仍十分有效。直到CRF至33，PRNU模式相關值都足夠高，匹配值與失配值能夠區分，可以認為是可靠的。

圖2 編碼對松下FP-7視頻PRNU相關值的影響

YouTube下載的視頻與CRF值為27左右的重壓縮視頻的情況相當。表12顯示，與經過重壓縮的480p視頻相比，YouTube視頻有略高的比特率和流大小，但是與經過重壓縮的720p視頻相比，兩者幾乎相當。由于YouTube視頻的PRNU相關值較高，仍然可以進行視頻源鑒別。

松下FP-7的480p視頻的T分布檢驗顯示有效，CRF為 18時，p=0.001；CRF為 39時，p=0.001；YouTube的p=0.001，均顯著低于0.05閾值。

720p視頻的顯著性計算結果同樣，CRF為18時，p=0.001；CRF 為 39時，p=0.001；YouTube的 p=0.001。

5.2.2 佳能PowerShot SX210 IS

如前所述，即使沒有經過二次壓縮，也并非所有視頻可以通過PRNU模式與拍攝相機建立關聯，就如前面分析的佳能PowerShot SX210 IS相機拍攝480P視頻。

如圖3所示，720p視頻的相關值足夠高，CRF至30時，依然可以準確地鑒別出匹配相機。

圖3 編碼對佳能PowerShotSX210IS視頻PRNU相關值的影響

對視頻的T分布檢驗證實了我們的結論。CRF為18時，p=0.001；CRF為 39時，p=0.001。 YouTube視頻的壓縮參數與CRF為27的視頻相當，可以鑒別拍攝相機，其T分布檢驗p=0.001。

對于480p視頻，由于其二次壓縮之前的PRNU相關值就不充分，視頻壓縮更不能使相關值提升。

即使采用本實驗中的最高CRF為18，ρm和ρmm都過低而不能成功匹配。我們計算了所有CRF設置的PRNU相關值，隨著壓縮率的升高，相關值越來越低。

T分布檢驗也證實了這點。當CRF=18時，p=0.001，統計學上可以作為一個顯著性結果。但是如果考慮到PRNU模式的平均相關性只有0.19（最大值為3），且標準差為0.03，該數據應予以忽略。當CRF=30時，p=0.06，超過了0.05的閾值。CRF值更高時，統計結果均不顯著。

從YouTube視頻提取的PRNU模式完全不可靠，遠差于預先設定CRF值范圍的重壓縮視頻。通過驗證，YouTube下載視頻的PRNU相關值與CRF=45視頻的PRNU相關值相當。毋庸贅言，這時視頻質量已被完全毀壞。在視頻大小和比特率方面，YouTube視頻與CRF值為27的重新編碼視頻相當，與我們檢測的其他相機拍攝的視頻一致。YouTube視頻的T分布檢驗結果也良好，p=0.001，就之前定義的標準而言，具有顯著性。

以上結果表明，YouTube對視頻的PRNU模式進行了處理，但我們無法推測或重現這些處理方式。同時表明，除佳能PowerShot SX210拍攝的720p視頻外，PRNU比較方法不適用于我們檢測的其他佳能相機。

圖4 編碼對松下FZ-45視頻PRNU相關值的影響

圖5 編碼對iPhone4視頻PRNU相關值的影響

圖6 編碼對佳能Ixus 220HS視頻PRNU相關值的影響

6 結論

根據實驗結果，可以得出結論：在某些情況，通過模式噪聲比較建立視頻與拍攝相機的關聯是可行的。這基于拍攝相機的品牌、視頻分辨率及對視頻施加的壓縮量。隨著壓縮量提升到一定程度，PRNU模式的可靠性以指數方式降低。

拍攝相機的PRNU模式具有與品牌相關的魯棒性。松下和蘋果iPhone相機表現出典型性。在重新編碼之前，對視頻提取模式噪聲，可以清楚地反映視頻與拍攝相機的關聯。視頻的CRF值重新編碼對原始模式噪聲有破壞性的影響。圖2～圖6表明，壓縮率升高，相關值降低。對比YouTube視頻和重新編碼視頻的模式噪聲可知，YouTube的壓縮參數相當于CRF值為27到30。YouTube視頻可以通過提取模式噪聲鑒別其拍攝相機來源。

佳能相機拍攝的視頻不適用于本方法。當分辨率為480p時，無法通過從視頻中提取的模式噪聲鑒別拍攝相機。當分辨率為720p時，模式噪聲比較只有50%的可行性，其成功率與特定的拍攝相機型號有關。同時，佳能相機具有與其他相機相同的模式噪聲呈指數下降的趨勢。這意味著如果重新編碼之前的模式噪聲充分，重新編碼之后鑒別出視頻源的機會增加。YouTube視頻并非始終可以進行視頻源鑒別，它取決于視頻分辨率。720p的視頻即使是佳能相機也足以鑒別，但是480p的視頻均不足以保留模式噪聲，用于成功比較。

AVC二次壓縮對于模式噪聲具有非常明顯的負面效果。視頻分辨率、相機品牌和壓縮等級對于PRNU模式比較的可靠性有著綜合性影響。無論是對于在線視頻服務重新編碼還是手動重新編碼，視頻源的匹配過程都依賴于具體情況。

7 進一步研究建議

我們的研究著重于480p和720p分辨率的視頻，還可以針對更高分辨率如1080p或2304p的視頻進行相似的研究。

相機品牌決定了模式噪聲的可靠程度，還可以針對同一品牌的更多型號相機或更多不同品牌相機進行研究，建立它們之間的關聯。

致謝

感謝Netherlands Forensics Institute為我們的研究提供設備和資源。尤其要感謝Zeno Geradts對本項目的實時幫助和指導。

感謝Marcel Worring對我們撰寫最終報告提供的幫助及分析數據所需的寶貴輸入。

Ewald Snel為我們提供了PRNUCompare的修改版本，得以實現命令行的界面，從而大大加快了我們處理數據的速度。

最后，我們要感謝Cees de Laat幫助實現本研究項目。

[1]Jan Luká?,Jessica Fridrich,Miroslav Goljan.Digital camera identification from sensor pattern noise[M].2006.

[2]Jan Luká?,Jessica Fridrich,Miroslav Goljan.Determining digital image origin using sensor imperfections[M].2005.

[3]Mo Chen,Jessica Fridrich,Miroslav Goljan.Digital imaging sensor identification （further study）[M].2007.

[4]Miroslav Goljan,Jessica Fridrich,Tomá? Filler.Large scale test of sensor fingerprint camera identification[M].2009.

[5]Wiger van Houten，Zeno Geradts.Using sensor noise to identify low resolution compressed videos from youtube[M].2009.

[6]Alin C.Popescu and Hany Farid.Exposing digital forgeries in color filter array interpolated images[M].2005.

[7]Hany Farid.Digital image ballistics from jpeg quantization[M].2008.

[8]Zeno Geradts，Thomas Gloe.D6.8b： Identification of images[M].2009.

[9]http：//prnucompare.sourceforge.net/.

[10]http：//www.avidemux.org/.

TP212

A

10.3969/j.issn.1671-2072.2012.05.004

1671-2072-（2012）05-0031-009

2012-06-20

亞尼克·斯凱林，男，系統和網絡工程碩士，主要從事系統和網絡工程研究。E-mail：yannick.scheelen@os3.nl。

芝諾·胡拉茨，男，圖像分析及生物識別高級鑒定人，電子證據生物識別研發部主任，主要從事圖像分析生物識別研究。 E-mail：z.geradts@nfi.minvenj.nl。