[发明专利]一种基于时空特征的网络同源视频检测方法

说明书

技术领域

本发明涉及计算机视觉领域，特别涉及一种基于内容的网络同源视频检测(Content-Based Video Copy Detection)方法。

背景技术

随着网络上多媒体技术的迅猛发展，视频数据更是呈现出海量增长的势头。作为多媒体处理中的一个重要研究领域，网络同源视频检测旨在根据视频的内容实现相似、拷贝视频的有效检测，以便满足版权保护、数据压缩、数据源跟踪等多项应用。由于原始视频会经过如图中图、重编码、裁剪、对比度改变等一系列变换，所以增加了同源视频检测的难度。

现今，多数的同源视频检测系统是基于视觉信息建立的，根据处理视频的结构，可以分为两大类：基于帧和基于视频段。基于帧的同源视频检测系统首先通过提取关键帧或者均匀采样获得帧，然后对这些帧提取二维兴趣点并用特征描述子(descriptors)表示。为了不丢失视频的时序特征，也会在后续处理中添加表示时序的信息，如采用1-D Hough算法将时间上有序的视频帧分组，或将帧的特征按照一定规则排序等。最后，分别通过帧层的匹配和视频层的匹配获得最终的检测结果。虽然这类基于帧的检测方法在一定程度上同时利用了时间、空间信息，且获得了较为满意的结果，但表现出了一些弊端。首先，检测效果很大程度上依赖于帧选取的质量，且对特征的鲁棒性与区分性要求很高；其次，时序信息是后续增加的，这不仅增添了额外的计算量，还难以保证时间与空间信息的一致性。此外，这类系统处理的数据量都很大，对计算机硬件提出了较高的要求，所以在实际应用时受到了很大的限制。

基于视频段的系统与上述方法最大的不同是并不提取个别帧，而是将视频分为由连续帧组成的视频片段，然后对视频段提取视觉信息。同样，为了提高准确度，会提取视频段的时间轨迹。最后的匹配是基于整个视频片段进行的，这就提高了检测的效率和准确度。然而，通常提出的提取整个片段视觉信息的方法，其鲁棒性和区分性并不是很好，而且，时间轨迹的计算也是很大的计算量。

总体来看，当前流行的这两类方法最大的问题是数据量大、时序信息缺失、特征鲁棒性与区分性差、效率不高。所以，有必要研究一种方法，可以有效地实现时间、空间信息的提取，同时可以很好的处理大规模数据，从而实现同源视频的高准确率检测。

发明内容

(一)要解决的技术问题

本发明的目的在于提出一种适用于大规模的网络同源视频检测方法，解决了同时满足有效、准确、快速、实时四个要求的技术问题。

(二)技术方案

为实现上述目的，本发明提出了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的信息。

(三)有益效果

本发明所提出的基于时空特征的同源视频检测方法，由于提取的特征同时包含时间、空间信息，所以对各种视频变换表现出很好的鲁棒性与区分性。此外，通过引入LSH索引与搜索策略，可以有效、快速地实现大数据的处理。特别地，由于参考视频的特征提取与LSH索引的建立都是在线下完成，而系统处理查询视频的速度较快，所以能够实现视频的实时查询。

附图说明

图1是本发明中基于时空特征的同源视频检测方法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

本发明的方法具体运行的硬件和编程语言并不受限制，用任何语言编写都可以实现本发明的方法。本发明采用一台具有2.53G赫兹中央处理器和4G字节内存的计算机，并在OPENCV平台上，结合C++语言编制了同源视频检测的工作程序，部分算法程序是由MATLAB编写，实现了本发明的方法。

图1示出了本发明提出的基于时空特征的同源视频检测方法的流程图。如图1所示，该方法包括：

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；