[发明专利]一种基于托普利兹核偏最小二乘的近重复视频检测方法

说明书

本发明公开了一种基于托普利兹核偏最小二乘的近重复视频检测方法，包括以下步骤：对原始视频X与查询视频Y分别在傅里叶域上做快速循环矩阵变换；对变换后的原始视频X与查询视频Y运用偏最小二乘法进行关联分析得到特征问题；求解特征问题，得到特征值以及特征向量；使用卡方检验消除统计随机性λ中的值；计算DoC值确定原始视频X与查询视频Y是否近重复；在资源查找中运用核偏最小二乘进行关联分析以提高查找的精度，同时运用托普利兹矩阵在傅里叶域上进行快速算法以提高查找的速度，最终达到减少运算消耗、提高资源查找效率的目的。

技术领域

本发明属于视频检测领域，尤其涉及一种基于托普利兹核偏最小二乘的近重复视频检测方法。

背景技术

随着互联网的发展，大量的视频相关的应用和服务不断地涌现于互联网上，如视频分享、视频推荐和视频广播等，互联网上充斥着海量的视频数据并呈现高速增长的趋势，在这些海量的视频数据中存在着大量潜在的内容近重复的视频，因此，如何检测和去除这些近重复视频吸引着大量的研究。

现存的近重复视频检测方法主要有三种，分别是：视频级别、帧级别和混合级别的近重复视频检测方法。

首先，有人提出基于监督方法的多特征散列(Multi Feature Hashing，MFH)方法是一种典型的视频级别的近重复视频检测方法，该方法使用多个图像特征并学习一组散列函数，将视频关键帧映射到Hamming空间。该方法的优点是紧凑性强，可以高效地存储和检索，但是由于信息丢失较大，这种方法很容易得出错误的结论。

其次，帧级别的近似重复的视频由各个帧或候选视频序列之间的比较来确定，有局部、全局和时空三种。以尺度不变特征变换(SIFT)为局部特征，有人提出了穷举匹配来度量相似度。但是，计算成本高。所以后来研究人员提出了将描述符聚合为词袋来降低匹配成本的方法。在全局特征方法中，提出了将帧编码为符号以及利用协方差矩阵来表示帧的方法，尽管这些方法能够实现高效地在线检索，但帧的细节很大程度上丢失了。考虑到时间帧之间的关系，时空方法应运而生，来提高准确性和降低匹配的计算成本，如：将视频序列建模为一组w-shingling以及引入强度标记(IMark)来执行序列匹配。这些方法在应对时间变换方面具有优势，但在强烈的空间变换方面较弱。

第三，混合级别的近重复视频方法是应用分层筛选和细化方案来聚类和筛选出近似重复的视频，提出的使用基于模式的索引树对非近似重复的视频进行过滤，并使用基于m-模式的动态编程和时移m-模式相似性对候选视频进行排名的方法。但是，该方法仅在当视频不能清晰地分类为异常或接近重复时具有优势。

发明内容

本发明根据现有技术的不足与缺陷，提出了一种基于托普利兹核偏最小二乘的近重复视频检测方法，目的在于通过关联分析去进行近重复视频检测，以提高准确性，并且通过循环矩阵变换实现快速运算的目标。

本发明采用的技术方案如下：

一种基于托普利兹核偏最小二乘的近重复视频检测方法，包括以下步骤：

步骤1，对原始视频X与查询视频Y分别在傅里叶域上做快速循环矩阵变换；

步骤2，对变换后的原始视频X与查询视频Y运用偏最小二乘法进行关联分析得到特征问题；

步骤3，求解特征问题，得到特征值以及特征向量；

步骤4，使用卡方检验消除统计随机性λ中的值；

步骤5，计算DoC值确定原始视频X与查询视频Y是否近重复。