[发明专利]一种对重复视频进行检测的方法

说明书

技术领域

本发明涉及计算机应用技术领域，特别是一种对重复视频进行检测的方法。

背景技术

随着科技的发展，科技产品越来越多的走进人们的工作和生活。计算机、摄像头、手持DV、数码摄录像机、手机等设备的普及，使得数字视频成为工作生活中不可或缺的一部分。数字视频成为信息传播的新生主流，它包含了比文字、图像、音频更多的信息，并且资源种类繁多，包含用户自制内容（UGC），授权影视剧、监控视频等。同时，网络技术的发展使得数字视频得以广泛传播，人们通过网络进行视频上传、视频下载、视频编辑和视频观看等操作。数字视频的爆炸性增长，一方面给人们带来了工作生活的便利，人们可以快速检索到各类视频信息；但另一方面，重复视频造成的冗余不止浪费了大量的网络资源，还给检索带来困难，并且会涉及到版权信息的侵犯等各方面的问题。因此，视频数据库中的重复检测问题显得尤为重要，然而重复检测问题的核心是视频表示。

视频表示的本质是找到一个合适的特征映射函数，将视频映射到一个对视频变换鲁棒又具有判别力的特征空间上。在提取视频关键帧后，视频表示的问题就转化成图像表示的问题。在图像表达研究领域，主要包含两种类型的特征映射函数，分别是基于全局特征的特征映射函数和基于局部特征的特征映射函数。基于全局特征的特征映射函数主要是获取图像的一些底层信息，这些信息主要包括颜色、纹理、梯度等。该函数的主要优点是操作方便，计算复杂度低，主要缺点是缺乏图像的高层信息，对视频变换不具有良好的鲁棒性。相比之下，基于局部特征的特征映射函数主要是获取图像中角点的精确信息，可以较为准确的表示图像，对视频变换具有良好的鲁棒性，但是，其主要缺点是计算复杂度高，对于视频来讲计算量的增长直接影响了模型的可行性。

综合以上两种映射函数的优缺点以及视频数据库重复性检测问题本身的特性，本发明采用融合局部和全局特征映射函数来提取图像信息，其主要原因如下：（1）视频数据库包含了多达十多种视频变换，且其中多数视频变换严重的改变了视频的亮度等底层的视觉特征，选取局部特征仍然可以检测出经过视频变换了的重复视频。（2）局部特征的缺点是维数高，数据量大，由于视频数据库的规模大，对计算复杂度要求非常严格，如果单纯使用局部特征，不具有可行性，因此需要对局部特征进行聚类和线性编码，这样可以对高维的局部特征进行降维，保留了局部特征中更具有代表意义的部分。（3）对局部特征进行聚类和线性编码的过程，忽略了视频图像中特征点的位置信息，对旋转、对称等变换不具有鲁棒性，因此，添加视频图像的位置信息，可以更全面的匹配视频。基于此，本发明提出了一种融合视频局部和全局特征对重复视频进行检测的方法。

发明内容

为了克服上述现有技术存在的缺陷，本发明提出了一种融合视频局部和全局特征对重复视频进行检测的方法，该方法所使用的视频特征集成了图像局部和全局信息，从而可以作为既鲁棒又简便的图像索引。

视频图像局部特征聚类线性编码分析是在提取视频关键帧图像的对平移、旋转、尺度缩放、亮度变化、遮挡和噪声等具有良好的不变性，对视觉变化、仿射变换也保持一定程度的稳定性的局部特征之后，对其进行聚类线性编码分析，可以得到图像兴趣点的除位置信息以外的其他信息。视频图像全局特征分析是同样提取了局部描述子之后，对图像进行分块，统计每块特征点的数量，排序得到对于视频图像兴趣点位置分布的一个全局特征。

本发明提出的一种对重复视频进行检测的方法包括以下步骤：

步骤S1，对数据库中的所有视频进行帧采样，提取每个视频的关键帧，以获取相应视频的关键信息；

步骤S2，对提取得到的视频关键帧的局部特征和全局特征分别进行分析得到局部分析特征和全局分析特征；

步骤S3，对所述局部分析特征和全局分析特征进行融合，得到一个对于视频变换鲁棒的索引特征，用于进行视频重复性检测；

步骤S4，利用所述索引特征对于待检测视频进行重复视频的检测。

本发明提出的这种图像融合特征较好的表达了图像中的整体结构和细节信息；其作为图像索引，可以有效地检测出视频数据库中重复的视频，从而对冗余信息做到有效的去除，提高了用户检索服务的质量。

附图说明

图1是本发明对重复视频进行检测的方法流程图；

图2是本发明对视频图像全局特征进行分析的示意图。

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，对本发明进一步详细说明。

图1是本发明对重复视频进行检测的方法流程图，如图1所示，所述方法包括以下步骤：