利用ffmpeg，提取视频特征进行帧内预测模式的隐写分析

最新推荐文章于 2025-06-09 18:28:53 发布
原创 最新推荐文章于 2025-06-09 18:28:53 发布 · 3.3k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#视频隐写 #隐写分析

本文介绍了基于ffmpeg的视频隐写分析，特别是帧内预测模式的隐写检测。通过分析H264视频的帧内预测模式，提取特征并利用SVM进行训练和分类，以判断视频是否被嵌入隐藏信息。针对原算法的局限性，提出了改进算法，通过计算原视频与重编码视频的IPMC特征距离，减少了码率差异的影响，实验结果显示总正确率为85%。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

前言

终于写到这个毕设比较核心的部分了，虽然这个部分比较简单。

我这里参考的论文是：

Zhao Y, Zhang H, Cao Y, et al. Video Steganalysis Based on Intra Prediction Mode Calibration[J]. 2015 International Workshop on Digital-forensics and Watermarking (IWDW), 2015(IWDW).

是一篇中国科学院信息工程研究所当时的一名硕士生发表在Springer上的一篇论文，由于当时写论文的学生已经毕业，当时试验用的视频并没有找到，以至于论文中的实验难以复现。但还是感谢一下论文作者之一的曹纭老师提供了未隐写和修改了10%IPM隐写后的264视频作为我这次课题的部分实验样例。


为了保证我文章中的

最低0.47元/天 解锁文章

200万优质内容无限畅学
利用FFMPEG与X264实现帧内预测模式的隐写算法（2）
顾哥_NET
05-02 1199
前言由于这个领域我以后不打算深入，而且课题也只是交个毕设而已，所以代码中有些地方图方便直接开了全局变量，这样破坏了ffmpeg原有的封装结构。这门这代码只作学习和理论实践使用，千万别拿这个直接去投入开源使用，如果想跟着我改的朋友也请给原ffmpeg代码留好备份。所有代码会等毕设结题后公开。正文在上一篇文章中我们介绍了H264相关的知识和基于帧内预测模式的算法。这一片我们会具体在ffmpeg与x26...
Python实现视频隐写术：将文本隐藏到视频中
辣条yyds的博客
03-21 1146
本文介绍了如何使用Python实现一个简单的视频隐写术，展示了如何将文本信息隐藏到视频文件中，并从中提取这些信息。
C3D视频特征提取
weixin_30680385的博客
03-22 2643
一．部署 1． 先把项目Clone下来 git clone https://github.com/jfzhang95/pytorch-video-recognition.git 2． 安装环境： PyTorch的安装可以参考这里https://pytorch.org/ pip install opencv-python tqdm scikit-learn tensorboardX 3...
视频文件隐写技术的原理与实现方法研究调研报告
gyst1289的博客
06-09 874
值得注意的是，在技术快速发展的同时，必须同步建立包括抗检测性、抗攻击性等维度的安全评估体系，持续优化算法鲁棒性，确保隐写系统在复杂网络环境和恶意攻击下的可靠性和稳定性，以应对日益复杂的安全威胁。随着视频通信和存储技术的广泛应用，如在线视频平台和视频监控系统，视频数据在网络中的大量传输和存储使得利用视频作为隐写载体更具隐蔽性，不易引起外界怀疑。隐写技术作为信息安全领域的一项创新技术，通过将秘密信息隐藏在各类载体数据中，实现了信息的隐蔽传输，从而大幅提升了信息的安全性。1.《基于伪随机数生成器的视频隐写算法》
视频隐写术
qq_69100706的博客
07-29 786
视频隐写术是数据隐藏技术的一种，它将秘密信息嵌入到视频流中，通常是为了实现版权保护、数据安全传输、隐蔽通信或其他保密需求。与音频和图像隐写类似，视频隐写也要求信息嵌入后不能明显降低视频的质量，同时也要保证隐藏信息的可恢复性和安全性。
视频特征提取
02-15
#cropped_frame_list是每个视频80帧的列表，每一帧是height*width*3的array
利用FFMPEG与X264实现帧内预测模式的隐写算法（1）
顾哥_NET
04-28 1465
前言其实我以后并不打算着重研究视频编码，只是因为这次毕设选了这个题，所以稍微学了点相关的皮毛。关于FFMPEG的源码的分析我推荐雷宵骅前辈写的博客，需要学习的请点击传送门。我基本是看着他的博客学的，虽然现在ffmpeg版本有一定更新，但是大体框架基本是不变的，题目中需要用到的并且和他的博客中写的不同的我会稍微提一下。关于其他ffmpeg源码的研究如果没有特殊需要，我基本是不会考虑做的。最后，如果我...
HEVC帧内预测隐写：FFmpeg提取视频CU块的残差数据.pdf
最新发布
06-26
从隐写术到编码转换，从音频隐写到文件结构分析，CTF-Misc 教会你用技术的眼睛发现数据中的「彩蛋」。掌握 Stegsolve、CyberChef、Audacity 等工具，合法破解摩斯密码、二维码、LSB 隐写，在虚拟战场中提升网络安全...
python ffmpeg任意提取视频帧的方法
09-17
在多媒体处理领域，经常需要对视频进行预览、分析或处理，其中一个常见的需求就是从视频中提取特定的帧。Python 作为一种广泛使用的编程语言，提供了多种库来处理这类问题。本文将详细介绍如何使用 Python 结合 ...
盲水印隐写：FFmpeg提取视频关键帧中的频域隐藏标识.pdf
06-10
从隐写术到编码转换，从音频隐写到文件结构分析，CTF-Misc 教会你用技术的眼睛发现数据中的「彩蛋」。掌握 Stegsolve、CyberChef、Audacity 等工具，合法破解摩斯密码、二维码、LSB 隐写，在虚拟战场中提升网络安全...
视频特征提取：C3D/Learning Spatiotemporal Features with 3D Convolutional Networks
鳄鱼的博客
08-13 3744
总结 3D conv在之前并没有广为盛行于视频处理领域。作者认为，相比会丢失时间信息的2D conv，3D conv非常适合时空特征学习（即针对视频），下图是2D conv和3D conv的区别。 作者使用基于3x3x3的3D conv的带有全连接层的深度卷积神经网络对视频进行特征提取，同时验证了3x3x3的3D conv性能相对其他大小的3D conv更优秀。 并且，训练好的C3D可以作为优秀的特征提取器，能够提取输入视频的特征，用作在其他任务上。 作者认为，一个优秀的视频描述符应该有四个指标： 通用
intermediate-cnn-features:基于卷积神经网络中间层的视频特征提取
05-31
中级 CNN 功能 该存储库包含中描述的特征提取过程的实现。 给定输入视频，每秒采样一帧，并从预训练的卷积神经网络的中间卷积层的激活中提取其视觉描述符。 然后，将最大卷积激活 (MAC) 函数应用于每一层的激活以生成紧凑的层向量。 最后，连接层向量以生成单个帧描述符。 特征提取过程如下图所示。 先决条件 Python Caffe 或 Tensorflow 1.xx 入门 安装 克隆这个 repo： git clone https://github.com/MKLab-ITI/intermediate-cnn-features cd intermediate-cnn-features 安装所有依赖： pip install -r requirements.txt 特征提取 为相应的参数提供视频或图像文件。 给定文件的每一行都必须包含一个视频或图像的完整路径。 选择两个受支持的框架之
【代码学习】C3D提取视频特征
YasmineC的博客
05-07 3630
学习目标 理论补充：C3D网络特点 动手能力 ：用C3D提取目标数据集（Charades-STA、ActivityNet Captions、TVR）的滑动窗口（64、128、256、512祯，各个窗口间80%的重叠）特征 目标回答 特点1）：使用3D卷积网络，能够在卷积过程中考虑时序信息，从而进行motion modeling；这是通过将frame视作通道来达到的，比如卷积核大小为3∗3∗33*3*33∗3∗3，那么每次的深度感受野就是333，也就是说，网络每次能在3帧之间建立起联系 特点2）使用同质
预测视频Transformer：提高人工智能预测视频下一个内容的能力
CSS360的博客
11-30 2694
背景 对于从自动驾驶汽车到增强现实的应用，人工智能系统能够预测人们未来的行为非常重要。当有人在建造宜家梳妆台时，他们可能会发现自己想知道下一步是安装支腿还是抽屉。根据到目前为止所遵循的步骤，朋友可以帮助建议要添加的正确部分。但这种类型的预测对于 AI 来说是一项具有挑战性的任务，它既需要预测未来活动的多模态分布，又需要对过去行动的进展进行建模。 为了应对这一重要挑战，我们利用 Transformer 架构的最新发展，尤其是在自然语言处理和图像建模方面，构建了预测视频转换器 (AVT)，这是一种基于端到端注意
ffmpeg笔记_视频抽取
Lee notes
11-18 348
mp4 > h264 #include <stdio.h> #include <libavutil/log.h> #include <libavformat/avio.h> #include <libavformat/avformat.h> #ifndef AV_WB32 # define AV_WB32(p, val) do { \ uint32_t d = (val);
用python打开视频_python读取视频流提取视频帧的两种方法
weixin_39972019的博客
11-26 474
本文实例为大家分享了python读取视频流提取视频帧的具体代码，供大家参考，具体内容如下方法一：通过imageio库和skimage库1. 安装环境：pip install imageiopip install skimage这时候会报错Please install the `scikit-image` package (instead of `skimage`)所以按照提示操作即可：pip in...
3DCNN视频特征提取
weixin_44533869的博客
11-21 2153
C3D视频特征提取： https://www.cnblogs.com/Lishukang/p/10579779.html
二、对HEVC/H.265视频编解码器进行隐写的基本思路
杨酬勤的博客
03-27 2278
二、对HEVC/H.265视频编解码器进行隐写的基本思路 其实对视频隐写、图像隐写或是音频隐写，基本的思路都是一样的：读取原始图像（音频）->选择要隐写的载体->使用隐写方法对其进行隐写->产生隐写后的图像（音频）->提取隐密信息->与嵌入信息进行比对。 利用HEVC视频编解码器的隐写方法与上述过程基本相似，主要分为四个部分进行： 1、使用编码器1，在编码器1中提取出经选择后的原始载体信息，并将其导出保存（original_cover.txt） 2、在外部写一个隐写程序（比如用
FFMPEG提取帧内预测模式IPM
03-08
### 使用FFmpeg提取帧内预测模式 对于希望从视频流中提取帧内预测模式的需求，可以利用FFmpeg及其相关工具集来实现这一目标。然而需要注意的是，直接通过FFmpeg命令行选项获取具体的帧内预测模式并非易事，因为这涉及到解码过程中的低级细节。 通常情况下，FFmpeg主要用于处理多媒体文件之间的转换以及基本的元数据操作。要获得更详细的编码信息如帧内预测模式，则可能需要借助于其他专门设计用于分析H.264/HEVC等编解码器特性的工具或库[^1]。 但是，在某些特定条件下，可以通过启用调试日志并解析输出的方式来间接观察到这些参数的变化情况： ```bash ffmpeg -i input.mp4 -vf "select=eq(pict_type\,I)" -loglevel debug -f null - ``` 上述命令会筛选出所有的I帧，并打印详尽的日志记录至控制台。在大量冗余信息之中可能会找到有关帧内预测模式的数据条目。不过这种方法效率较低且不易读取有用的结果。 为了更加精确地访问此类高级特性，建议采用编程方式调用libavcodec API接口来进行自定义开发。这样可以直接操控解码流程从而捕获所需的内部状态变量，包括但不限于帧间预测类型、量化参数QP值以及其他感兴趣的内容[^3]。 #### 示例代码片段展示如何基于C语言编写程序以获取单个图像块级别的预测模式（假设已安装好必要的依赖环境） ```c extern AVCodec *ff_h264_decoder; // ... 初始化上下文 ... while (av_read_frame(fmt_ctx, &packet) >= 0) { avcodec_send_packet(avctx, &packet); while (avcodec_receive_frame(avctx, frame) == 0) { // 遍历宏块结构体数组 mb_type 来判断当前宏块是否属于 I 类型， // 并进一步检查其具体子类别（例如 Intra_4x4 或者 Intra_8x8） for(int i = 0 ; i < h->mb_num; ++i){ int type = h->cur_pic.mb_type[i]; if(IS_INTRA(type)){ printf("Macroblock %d uses intra prediction\n", i); /* 更多细化逻辑 */ } } } } ``` 此段伪代码展示了当遇到一个完整的图片组GOP时怎样逐一遍历其中每一个宏块MB的信息，进而识别哪些采用了帧内预测技术。当然实际应用还需考虑更多边界条件和错误处理机制。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值