[发明专利]一种基于深度局部特征的视频拷贝检测方法

说明书

本发明公开了一种基于深度局部特征的视频拷贝检测方法，包括：(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。本发明不仅提取速度更快而且局部特征表征更强，由此，针对各种复杂变换的拷贝视频，局部特征能进行准确的检测，具有鲁棒性高的特。

技术领域

本发明涉及多媒体信息处理技术领域，尤其是一种基于深度局部特征的视频拷贝检测方法。

背景技术

在如今的移动互联网时代，由于多媒体视频数据的复杂性、各种视频编辑软件的出现、来源广泛等特点加大了阻止篡改视频数据肆意传播的难度。相关网络监管部门想有效的对网上多媒体视频数据进行监管，不能仅仅依靠人为监督和用户举报。

当前的解决方式是通过传统的图像处理或者全局特征提取的方法，传统算法处理效率低，而且准确度不高，而全局特征提取的方法对一般的编辑视频处理效果好，但是对于各种复杂变换的编辑视频处理效果难以达到预期。无论是传统的图像处理还是全局特征提取的方法都对于目前互联网上多媒体视频存在一定的缺陷。

发明内容

本发明所要解决的技术问题是：针对上述存在的问题，提供一种基于深度局部特征的视频拷贝检测方法。

本发明采用的技术方案如下：

一种基于深度局部特征的视频拷贝检测方法，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。

进一步的，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，

所述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。

进一步的，所述n-i层～n-1层卷积层的卷积通道为128。

进一步的，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。

进一步的，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。

作为优选方式，所述相似度采用向量内积的方式计算。