[发明专利]一种基于深度学习和图论的拷贝视频检测方法和系统

权利要求书

1.一种基于深度学习和图论的拷贝视频检测方法，其特征在于，包括以下步骤：

(1)抽取参考库视频中的关键帧，从关键帧中提取关键帧特征，并将该关键帧特征存储在参考库视频数据库中；

(2)抽取待检测视频中的关键帧，并从关键帧中提取关键帧特征；

(3)采用近似最近邻搜索算法对步骤(1)中得到的参考库视频数据库中的关键帧特征和步骤(2)中得到的待检测视频中的关键帧特征进行相似性匹配；

(4)根据图论的方法对步骤(3)得到的相似性匹配列表进行拷贝视频片段的判断与定位。

2.根据权利要求1所述的拷贝视频检测方法，其特征在于，步骤(1)具体包括以下子步骤：

(1-1)抽取参考库视频中的多个关键帧，具体是按照时间间隔T秒抽取一个关键帧，其中T为自然数；

(1-2)将步骤(1-1)中获取的多个关键帧进行归一化，将归一化的关键帧大小减去图像均值，并将结果输入到卷积神经网络模型进行处理，并将处理得到的W维向量作为关键帧特征，其中W为自然数；

(1-3)将步骤(1-2)中获得的关键帧特征按生成时间的先后顺序保存在参考库视频数据库中，并记录每个关键帧特征所对应的参考库视频序号。

3.根据权利要求1所述的拷贝视频检测方法，其特征在于，步骤(1-2)中采用的是AlexNet卷积神经网络模型FC7层输出的的4096维向量，即W＝4096。

4.根据权利要求2所述的拷贝视频检测方法，其特征在于，步骤(2)具体包括以下步骤：

(2-1)抽取待检测视频中的多个关键帧，具体是按照时间间隔S秒抽取一个关键帧，其中S为自然数；

(2-2)将步骤(2-1)中获取的多个关键帧进行归一化，将归一化的关键帧大小减去图像均值，并将结果输入到卷积神经网络模型中进行处理，并将处理得到的W维向量作为关键帧特征。

5.根据权利要求4所述的拷贝视频检测方法，其特征在于，步骤(3)具体包括以下步骤：

(3-1)读取参考库视频数据库中的关键帧特征R＝{r₁,r₂,...,r_n}，并将所有关键帧特征组合为W×n的矩阵，其中n表示参考库视频数据库中关键帧的数量，r_j为参考视频关键帧，且j∈(1,n)；

(3-2)读取待检测视频中的关键帧特征Q＝{q₁,q₂,...,q_m}，并将所有关键帧特征组合为W×m的矩阵，其中，m表示待检测视频关键帧的数量，q_i为按时间先后排序的待检测视频关键帧，且i∈(1,m)；

(3-3)采用近似最近邻搜索算法对获得的W×m的矩阵和W×n的矩阵进行关键帧的相似性匹配，以得到关键帧相似性匹配结果。

6.根据权利要求5所述的拷贝视频检测方法，其特征在于，步骤(3-3)具体为，采用近似最近邻搜索算法，针对步骤(3-2)得到的矩阵W×m中的每一行，在步骤(3-1)得到的矩阵W×n中搜索与其欧式距离最小的前K个行向量，并按欧式距离由小到大的顺序对结果进行排序，即得到参考库视频数据库关键帧集合R中与其距离最近的前K个关键帧r_j，并得到待检测视频关键帧集合Q与参考库视频数据库中关键帧集合R的相似性匹配结果，其中K为自然数。