[发明专利]一种基于深度学习的视频对比方法

说明书

本发明公开了一种基于深度学习的视频对比方法，其包括以下步骤：（1）视频关键帧提取；（2）提取关键帧图像特征；（3）使用关键帧生成视频指纹；（4）比对视频指纹，判断是否为重复视频。本发明通过提取关键帧，将视频降维成图片，对图片不同区域、不同颜色通道进行抽象提取，在图片改动的情况下也能抽象出接近的特征，图片特征组合成为视频指纹，使用KB级别的数据量表示MB级别的视频，准确方便地进行视频相似度对比。

技术领域

本发明属于视频对比技术领域，具体涉及一种基于深度学习的视频对比方法。

背景技术

互联网上存在大量视频，其中包括许多重复的视频。重复视频同样占用着资源，造成资源浪费，提升了运营成本。

目前可以通过计算视频文件的hash值准确地进行文件判断，但该方式在视频有改动的情况下完全无法使用，包含但不限于转码、水印、裁剪、剪辑、特效等。

发明内容

有鉴于此，本发明提出基于深度学习的视频对比方法，解决了在视频进行即使轻微改动也无法正确比对的问题。

为了达到目的，本发明提供的技术方案为：

本发明涉及一种基于深度学习的视频对比方法，其包括以下步骤：

(1)视频关键帧提取；

(2)提取关键帧图像特征；

(3)使用关键帧生成视频指纹；

(4)比对视频指纹，判断是否为重复视频。

优选地，所述的视频关键帧提取具体包括以下步骤：

(1.1)读取视频文件V；

(1.2)提取视频帧序列L；

(1.3)将视频帧序列L转换到LUV颜色空间为LT；

(1.4)根据LT计算每一帧与相邻帧的颜色帧差D；

(1.5)根据颜色帧差D进行倒叙排列；

(1.6)取前一定数量帧作为关键帧K。

优选地，所述的提取关键帧图像特征具体包括以下步骤：

(2.1)将通过读取大量图片训练深度学习M模型来提取图片特征；

(2.2)将提取的关键帧K输入深度学习模型M中得到关键帧特征Fe。

优选地，所述使用关键帧生成视频指纹具体包括以下步骤：

(3.1)从关键帧特征Fe中挑选每一帧中较明显的特征Fec；

(3.2)组合挑选出的特征Fec得到视频指纹向量F。

优选地，所述的对比视频指纹具体包括以下步骤：

(4.1)计算两个对比视频的指纹向量F的余弦相似度S，

A和B分别为两个视频的指纹向量；

(4.2)根据余弦相似度S与设定阈值的比较判断是否相似，若大于阈值则判断为相似视频，若小于阈值判断为不相似视频。

优选地，所述关键帧的数量为每10分钟视频取64帧。

优选地，所述的M模型为ResNet训练图像分类模型。

优选地，通过M模型提取关键帧特征Fe后，不同特征有权重，所述较明显的特征Fec为权重分布靠前的特征，将各关键帧的Fec进行向量相加，成为指纹向量F。

采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：