[发明专利]一种基于改进的OM特征的视频拷贝检测方法

说明书

技术领域

本发明涉及视频检索领域，具体涉及一种基于改进的OM特征的视频拷贝检测方法。

背景技术

近年来，随着互联网和数字媒体技术的发展，互联网视频数据呈爆炸性增长的趋势，视 频的版权保护就成为了一个亟需解决的问题。视频版权保护的方法主要分为两种：数字水印 和基于内容的拷贝检测。数字水印方法在需要保护的视频中加入不影响视觉内容的特殊数据， 通过追踪隐藏的数字水印数据来达到版权保护的目的，但是这种方法需要对待保护视频做额 外处理，并且易被他人通过重编码等方式删除水印以绕过检测。基于内容的视频拷贝检测则 不依赖于视频中的特殊数据，通过直接对比保护视频和目标视频的视觉内容，检测目标视频 是否是保护视频或保护视频的某个片段的拷贝。这种方法相对水印有更好的鲁棒性，是版权 保护的主要研究方向。除了用于版权保护之外，视频拷贝检测还可以用于视频内容监管、视 频去重等应用。

现有的视频拷贝检测方法的流程是：(1)在全部的源视频中以帧或视频为单位提取某种 特征，若视频数据规模较大，则可以进行索引以提高效率；(2)在查询视频中提取同样的特 征并在数据集中进行查找，最后通过视频序列匹配来决定查询视频是否为某个源视频或其片 段的拷贝。其中提取的特征按照描述的对象大致可以分成两类：局部特征和全局特征。局部 特征描述图片中起关键作用的点，每个点对应一个特征向量，因此一帧可以有多于一个的特 征向量。全局特征则是描述视频中的一帧或者一个片段的特征。Hampapur等人在论文 “ComparisonofSequenceMatchingTechniquesforVideoCopyDetection”中提出了一种基于OM (OrdinalMeasures)特征的视频拷贝检测方法，OM特征将视频的一帧分为若干块，求出每 一块的亮度平均值后排序，以这些块之间的顺序作为视频帧的特征。相比于局部特征，全局 特征计算速度较快、效率更高，但准确程度却不如局部特征。快速、高效并且准确地检测大 规模视频数据是视频拷贝检测中亟待解决的问题。

发明内容

针对现有方法的不足，本发明提出了一种基于改进的OM特征的视频拷贝检测方法，能 够结合视频帧图像的空间特征和视频帧之间的亮度变化，两者之间互相促进从而更准确地描 述视频内容，更有效地计算视频的内容相似性以取得更高的视频拷贝检测的准确率。

为达到以上目的，本发明采用的技术方案如下：

一种基于改进的OM特征的视频拷贝检测方法，用于检测查询视频是否为源视频的拷贝， 具体包含以下步骤：

(1)对视频库提取改进的OM特征并建立索引；所述改进的OM特征由视频的图像特 征和时序特征融合得到；

(2)对查询视频提取改进的OM特征，然后基于步骤(1)建立的索引，计算得到与查 询视频相似度最大的源视频，若相似度值大于一定阈值，则将该源视频作为候选源视频；

(3)基于步骤(2)得到的候选源视频，计算其与查询视频之间的序列匹配关键帧数， 通过阈值判断查询视频是否为该候选源视频的拷贝，并定位到拷贝片段在源视频中的位置。

进一步，所述步骤(1)中视频的图像特征为OM特征，OM特征首先将图像进行分块， 然后对每个分块计算所有像素点的亮度平均值，最后对亮度平均值进行排序获得图像的不同 分块之间的亮度顺序。时序特征描述相邻视频帧图像之间的亮度变化情况，首先计算两个相 邻的视频帧图像中每个分块所有像素点的亮度平均值，然后计算前后视频帧图像对应分块的 亮度变化情况，最后将各分块亮度变化方向作为该相邻帧的时序特征。

进一步，所述步骤(1)中的索引为LSH(LocalitySensitiveHashing)索引，能够以次线 性查找的时间代价在大量同维度的特征向量中找到给定向量的最近邻，在大规模视频拷贝检 测时效率较高。

进一步，所述步骤(2)中查询视频和源视频的相似度计算方法为：首先基于所述步骤(1) 中的索引计算查询视频和源视频的匹配关键帧对，然后将所有匹配关键帧对的相似度和作为 查询视频和源视频的相似度，最后选择和查询视频相似度最大的源视频为候选源视频。

进一步，所述步骤(3)对所述步骤(2)中得到的所有匹配关键帧对按照时序关系计算 序列匹配关键帧数，当匹配关键帧数大于一定阈值后，认为查询视频为候选源视频的拷贝， 并通过关键帧匹配定位到视频拷贝片段的起始位置。