[发明专利]基于视觉特征的视频指纹检测及视频序列匹配方法及系统

权利要求书

1.一种基于视觉特征的视频指纹检测方法，其特征在于，包括以下步骤：

（1）按照帧间相关性对视频序列分段，在得到的每个视频分段中提取最具有代表性的关键帧；

（2）分别在各关键帧中采样，对采样得到的像素点提取视频特征；

（3）依据视频特征，利用离线样本聚类得到的像素点特征字典对采样像素点分类；

（4）对各关键帧分别进行多次不同数量的分块；在每次分块得到的子块中，依据采样像素点的分类结果统计像素点特征字典各元素的出现次数，从而得到该子块对应的特征向量；将统计得到的所有子块特征向量拼接得到关键帧的高维视频指纹；

（5）对各高维视频指纹进行降维得到低维视频指纹；

（6）将各视频片段关键帧的低维视频指纹按照时间先后顺序连成关键帧视频指纹串。

2.根据权利要求1所述的基于视觉特征的视频指纹检测方法，其特征在于，所述步骤（1）按照帧间相关性对视频序列分段，在得到的每个视频分段中提取最具有代表性的关键帧的具体过程为：

计算视频序列中相邻两帧间的色彩直方图距离，将色彩直方图距离归一化处理后作为相邻帧间的相关性度量；若相关性度量低于分段阈值，则将该相关性度量对应的相邻帧间设为分割点；相邻分割点之间的视频划分为一个视频片断。

3.根据权利要求1或2所述的基于视觉特征的视频指纹检测方法，其特征在于，所述视频特征为SIFT视频特征、颜色直方图、颜色矩、灰度统计特征、边缘特征或角点特征。

4.根据权利要求1或2所述的基于视觉特征的视频指纹检测方法，其特征在于，所述像素点特征字典是采用K均值聚类算法、凝聚层次聚类算法或DBSCAN聚类算法聚类得到。

5.根据权利要求1或2所述的基于视觉特征的视频指纹检测方法，其特征在于，所述步骤（5）采用主成份分析法、独立成分分析法、线性决策分析法或局部特性分析法对各高维视频指纹进行降维得到低维视频指纹。

6.一种视频序列匹配方法，其特征在于，具体为：针对待分析视频序列和基准视频序列，分别按照权利要求1～5任意一项所述的视频指纹检测方法进行检测，得到各自的关键帧视频指纹串；采用串匹配方法对两关键帧视频指纹串进行匹配。

7.根据权利要求6所述的一种视频序列匹配方法，其特征在于，所述采用串匹配方法对两关键帧视频指纹串进行匹配的具体实现过程为：

令待检索视频Q的关键帧集合表示为n_q为待检索视频Q的关键帧数目；基准视频片段的关键帧集合表示为n_i为基准视频片段Clip_i的关键帧数目；

计算待检索视频Q中第s个关键帧kf_q,s与基准视频片段Clip_i中第t个关键帧kf_i,t之间的欧式距离：

d(kf_q,s,kf_i,t)＝norm(fea_q,s,fea_i,t)，

式中，s＝1,…,n_q，t＝1,…,n_i，fea_q,s和fea_i,t分别是关键帧kf_q,s与kf_i,t的视觉特征向量，norm()表示求向量fea_q,s和fea_i,t之差的2-范数；

若欧式距离d(kf_q,s,kf_i,t)＜阈值T₁，则判定kf_q,s与kf_i,t匹配；

一旦待检索视频存在一帧与基准视频片段Clip_i中关键帧kf_i,t匹配，则认为关键帧kf_i,t匹配成功，计算基准视频中匹配成功的关键帧数与基准视频的关键帧总数的比值即为匹配率。