[发明专利]四胞胎卷积神经网络视频指纹方法

权利要求书

1.一种四胞胎卷积神经网络视频指纹方法，其特征在于，所述视频指纹方法包括以下步骤：

S1、建立投影激励网络，根据所述投影激励网络构建四胞胎卷积神经网络视频指纹方法，具体包括：

S11、所述投影激励网络的原理包括：输入D×H×W×C大小的特征图；

S12、沿每个特征通道的三个维度D、H和W分别进行全局平均池化，得到三个投影向量；

S13、激励操作包含两层大小为1×1×1的卷积，每个卷积层后分别加以ReLU函数和Sigmoid函数进行激活，每个特征通道生成权重；

S14、将所述激励操作生成的权重逐通道加权到所述S11中的特征图上，进行特征选择；

S15、将所述投影激励网络融入50层三维残差网络中，构建出四胞胎卷积神经网络，所述四胞胎卷积神经网络具体为：

S151、第一网络层包括核大小为7×7×7的卷积层以及核大小为3×3×3的最大池化层；

S152、第二网络层至第五网络层分别包括3、4、6、3个瓶颈结构叠加而成的卷积层，每个瓶颈结构中第二个1×1×1卷积后嵌套投影激励网络，达到对每个残差单元内特征通道间关联信息的捕获目的，第六网络层包括1×4×4的平均池化层；

S2、选取视频数据并对所述视频数据进行预处理；

S3、构建四元组视频序列；

S4、输入所述四元组视频序列至所述四胞胎卷积神经网络，对所述四胞胎卷积神经网络进行训练；

S5、对训练后的所述四胞胎卷积神经网络进行性能测试。

2.根据权利要求1所述的四胞胎卷积神经网络视频指纹方法，其特征在于，所述S2具体包括：

S201、从行为识别数据集和视频内容识别数据集中选出视频序列；

S202、对所述S201中的视频序列进行截取，截取后进行归一化处理；

S203、将所述S202中归一化处理后的视频分为训练集和测试集。

3.根据权利要求2所述的四胞胎卷积神经网络视频指纹方法，其特征在于，所述S3具体为从所述S203的所述训练集中任意选择三个内容不同的视频序列，对其中一个视频序列进行失真变换处理，得到一组视频对，与另外两个视频构成四元组视频序列。

4.根据权利要求3所述的四胞胎卷积神经网络视频指纹方法，其特征在于，所述S4具体包括：

S401、对所述四元组视频序列分别进行等间隔均匀采样处理，得到输入帧图像，再进行水平随机翻转以实现数据增强；

S402、设置目标函数中的相关参数取值；

S403、初始化所述四胞胎卷积神经网络参数；

S404、采用随机梯度下降法训练所述四胞胎卷积神经网络；

S405、对所述四胞胎卷积神经网络进行训练，并记录训练过程。

5.根据权利要求4所述的四胞胎卷积神经网络视频指纹方法，其特征在于，经过训练后的所述四胞胎卷积神经网络进行性能测试，所述性能测试具体包括：

S501、对所述S203中的测试集的全部视频序列分别施加模拟失真变换生成拷贝视频序列；

S502、根据训练后的所述四胞胎卷积神经网络分别提取所述测试集中的全部视频序列和相对应的拷贝视频序列的指纹码，交叉计算所述测试集中的每个视频序列的指纹码与每个拷贝视频序列的指纹码间的汉明距离；

S503、设定阈值，所述S502中的汉明距离与所述阈值进行比较，当所述汉明距离小于所设定阈值时，判定两个视频序列构成拷贝关系，否则，判定两个视频构成非拷贝关系；

S504、采用真正例率和假正例率评价方法性能，在每一个所述阈值下计算得到一组真正例率和假正例率数据，并绘制工作特征曲线；

S505、分别进行同种失真变换不同参数的对比实验和不同方法间的对比实验来验证四胞胎卷积神经网络视频指纹方法的性能。