[发明专利]一种基于深度局部特征的视频拷贝检测方法

权利要求书

1.一种基于深度局部特征的视频拷贝检测方法，其特征在于，包括如下步骤：

（1）对于视频数据抽取帧图像，然后利用不同的尺度构造图像金字塔；

（2）构造深度卷积神经网络模型，用于从输入的图像金字塔中提取特征图，并对特征图进行特征融合得到融合特征图；

（3）利用度量学习的方式训练所述深度卷积神经网络模型；

（4）利用训练好的所述深度卷积神经网络模型从图像金字塔中提取融合特征图；

（5）利用极大值抑制从融合特征图中提取出关键点，并根据关键点提取对应的局部特征；

（6）根据局部特征进行视频拷贝检测；

步骤（6）包括如下子步骤：

（6.1）将库视频经过步骤（1）～（5）获得其局部特征；

（6.2）将待检测视频经过步骤（1）～（5）获得其局部特征；

（6.3）将待检测视频的局部特征与库视频的局部特征进行随机一致性空间验证，滤除非相关的匹配点；

（6.4）根据剩余匹配点计算相似度；

（6.5）对相似度计算结果进行排序得到源视频数据结果。

2.根据权利要求1所述的基于深度局部特征的视频拷贝检测方法，其特征在于，所述深度卷积神经网络模型为包括n-1层卷积层和1层融合卷积层的全卷积模型；其中，

n-i层～n-1层卷积层，用于从输入的图像金字塔中提取特征图；

所述融合卷积层，用于对n-i层～n-1层卷积层提取的特征图进行特征融合得到融合特征图；2≤i≤n-1，i和n均为整数。

3.根据权利要求2所述的基于深度局部特征的视频拷贝检测方法，其特征在于，所述n-i层～n-1层卷积层的卷积通道为128。

4.根据权利要求2所述的基于深度局部特征的视频拷贝检测方法，其特征在于，第n-1层卷积层的卷积核大小为1×1，用于将特征图卷积到1×1大小，该层卷积层输出的特征图作为全局特征用于模型训练。

5.根据权利要求1所述的基于深度局部特征的视频拷贝检测方法，其特征在于，所述相似度采用向量内积的方式计算。

6.根据权利要求1-5任一项所述的基于深度局部特征的视频拷贝检测方法，其特征在于，步骤（1）中对于视频数据抽取的帧图像是关键帧图像。