[发明专利]基于感兴趣区域和聚类相结合的视频指纹方法

权利要求书

1.一种基于感兴趣区域和聚类相结合的视频指纹方法，其特征在于包括以下步骤：

步骤1、在视频指纹提取阶段，将视频感兴趣区域作为提取视频指纹的基本单元；

步骤2、采用基于聚类算法去除视频指纹的时域冗余特征；

步骤3、在视频指纹匹配阶段，采用多个视频指纹距离平均值作为判决阈值的方法进行视频指纹匹配。

2.根据权利要求1所述的基于感兴趣区域和聚类相结合的视频指纹方法，其特征在于：所述步骤1的具体处理过程为：

首先，对输入的视频进行预处理操作，包括调整大小至QCIF，并对视频进行高斯平滑滤波；

然后，按照下述步骤进行视频感兴趣区域提取：

(1)对每帧视频在四个方向上进行采样，包括对角线采样、反对角线采样、垂直和水平采样，将整个视频所有帧的四个方向采样值分别组合成四幅视频韵律图像；

(2)对于每个方向的采样，利用当前帧和前一帧的采样差异，分别获得各视觉韵律图像的变化图；

(3)通过计算视觉韵律变化图像的历史差异来增强视觉韵律图像的差异强度；

(4)使用二值化处理和形态学操作融合的方法，进一步增强差异图像；

(5)结合四个视觉韵律差异图像，确定每帧图像的感兴趣区域。

3.根据权利要求1所述的基于感兴趣区域和聚类相结合的视频指纹方法，其特征在于：所述步骤2的具体处理过程为：

首先，按以下方法进行视频指纹提取：

(1)对于每帧图像的感兴趣区域提取FREAK特征；

(2)对上述特征进行归一化处理以消除不准确的感兴趣区域提取：

NF＝N(Glf)

式中，Glf代表当前帧的特征矢量，N(x)是归一化函数，NF是归一化的结果；

然后，利用谱聚类算法来对视频指纹特征进行聚类，从而去除视频指纹的时域冗余特征，具体包括几个步骤：

(1)假定FN为提取的特征数量，利用这FN个特征来构造相似图，并用W来表示相似图的加权邻接矩阵；

(2)用下式计算非标准化图拉普拉斯矩阵L

L＝D-W

式中D是度矩阵；

(3)计算L的前K个最小的特征向量，K为聚类数目；

(4)重新组合此K个特征向量成F×K矩阵，F是特征向量的维数，把每一行作为K维空间的一个向量，并使用K均值聚类算法对这些特征进行聚类；

(5)对每个类中的视频指纹特征进行取均值操作，形成最终的视频指纹。

4.根据权利要求1所述的基于感兴趣区域和聚类相结合的视频指纹方法，其特征在于：所述步骤3视频指纹匹配采用下式进行判决：

设S=d(1)/d‾,]]>且

S＜T 匹配

S＞＝T 不匹配

其中T是预先定义的阈值，为多个视频指纹距离平均值。

5.根据权利要求4所述的基于感兴趣区域和聚类相结合的视频指纹方法，其特征在于：所述的预先定义的阈值T＝0.83×T_原始，T_原始是原始方法的阈值，T_原始设置为0.8；所述的等于d(2)～d(n+1)的平均值,n为最后一个距离索引值。

6.根据权利要求1至5任一项所述的基于感兴趣区域和聚类相结合的视频指纹方法，其特征在于：所述的视频感兴趣区域为矩形区域，该矩阵四个顶点的坐标分别由四幅视觉韵律差异图像中对应采样线确定。