[发明专利]一种基于时空特征的网络同源视频检测方法

权利要求书

1.一种基于时空特征的网络同源视频检测方法，该方法包括以下步骤： 

步骤1：对输入的待检测视频进行预处理，从而去除低信息帧或异常帧，并进行图中图检测； 

步骤2：将至少一个参考视频与预处理后的待检测视频进行视频片段分割，得到一系列的视频片段，每个视频片段由相等数目的连续帧组成； 

步骤3：分别对上述所有的视频片段提取时空特征数据； 

步骤4：采用局部敏感哈希方法对上述得到的时空特征数据进行有效索引以及搜索，从而匹配得到相似视频片段，并输出最终同源视频。 

2.根据权利要求1所述的方法，其特征在于，所述步骤1包括： 

步骤1a：计算所述待检测视频的每帧图像中相邻两像素之间的差值得到差值图像，根据所述差值图像确定是否为低信息帧，若是则去除该低信息帧； 

步骤1b：计算所述待检测视频的连续三帧中两两之间对应像素的差值，并根据所述差值确定出异常帧，并从待检测视频中去除所述异常帧； 

步骤1c：通过霍夫变换(Hough)检测连续视频帧中均存在的直线，并根据所检测出的直线绘制出图中图的矩形区域，并单独存储矩形区域中的图像和其它区域中的图像。 

3.根据权利要求1所述的方法，其特征在于，所述步骤2是指按照固定帧数N，将参考视频和待检测视频分割为若干视频片段，每个片段包含N个连续帧。 

4.根据权利要求1所述的方法，其特征在于，所述步骤3包括： 

步骤3a：从所分割得到的视频片段提取兴趣点，该兴趣点不仅包含空间维x和y的信息，还包含时间维t的信息； 

步骤3b：以所提取的兴趣点为中心提取立方体； 

步骤3c：采用扩展高维SIFT特征向量表示上述立方体； 

步骤3d：采用主成分分析法PCA将上述高维SIFT特征向量映射到低维空间。 

5.根据权利要求1所述的方法，其特征在于，所述步骤4包括： 

步骤4a：建立参考视频的LSH索引表，该索引表包括所述参考视频的视频片段中所有兴趣点的哈希值； 

步骤4b：对于待检测视频，利用待检测视频的视频片段中兴趣点的哈希值搜索所述参考视频的LSH索引表，找到与参考视频中最相似的一定数量的兴趣点，进而找到对应的参考视频片段并输出。 

6.根据权利要求4所述的方法，其特征在于，在所述步骤3a中，兴趣点的检测是通过计算如下响应函数获得， 

R＝(I*g*h_ev)²+(I*g*h_od)²

其中，I(x，y，t)表示视频片段，g(x，y；σ)是二维高斯核，h_ev和h_od是一对正交的一维Gabor滤波器，分别定义为和 σ为视频片段I(x，y，t)的空间尺度；τ为视频片段I(x，y，t)的时间尺度，兴趣点即为在该处响应函数获得的局部极大值。 

7.根据权利要求4所述的方法，其特征在于，在所述步骤3c中，首先对所述立方体中各像素进行如下变换： 

(1)归一化像素值； 

(2)计算亮度梯度，产生三个通道值(G_x，G_y，G_t)，(G_x，G_y，G_t)分别是指沿着x轴、y轴、t轴的方向计算的梯度； 

(3)计算光流信息，得到两个通道(V_x，V_y)，(V_x，V_y)分别表示一个像素在当前帧位置与下一帧位置两点间的运动矢量； 

然后，将所述立方体划分为若干区域，每个区域内建立相应梯度与光流信息的局部直方图，生成表示立方体的高维SIFT特征向量。 

8.根据权利要求4所述的方法，其特征在于，在所述步骤3d中，利用所述立方体的高维SIFT特征向量生成协方差矩阵，并利用协方差矩阵的前m个数值较大的特征值所对应的特征向量生成低维的映射矩阵，并将所述高维SIFT特征向量与所述低维的映射矩阵相乘得到降维后的特征向量。