[发明专利]一种基于SURF算法的视频指纹提取方法

摘要

本发明公开了一种基于SURF算法的视频指纹提取方法，通过SURF算法提取视频关键帧的特征点，生成一个特征点的特征矢量集合，再使用K‑means聚类算法将生成的特征点集合进行聚类，把每个聚类中心看作是一个视频的视觉词汇，从而生成视频的视觉词汇集合，用视频的视觉词汇去替代关键帧中原有的特征点的特征矢量，并统计视觉词汇的词频信息，对每个关键帧视觉词汇的词频信息进行量化处理，用二进制序列来表示，即为该关键帧的指纹信息，最后将所有关键帧的指纹信息按照时序先后串联起来便生成视频的指纹信息。这样的视频指纹提取方法具有较好的准确性和鲁棒性，并能在实时性方面取得到一定的平衡。

主权项

一种基于SURF算法的视频指纹提取方法，其特征在于，包括以下步骤：(1)、视频特征提取(1.1)、候选关键帧的选取：以步长为Δt，T秒内提取一帧的方式在视频中选取候选关键帧；(1.2)、使用SURF算法检测候选关键帧的特征点并计算个数，将特征点个数小于M的候选关键帧丢弃；将特征点个数大于或等于M的视频候选关键帧作为视频关键帧，M是常数，可以根据实际情况设置；对于大于特征点个数大于M的视频关键帧通过均分筛选，选取其中的M个特征点并保留，其余的特征点去除；(1.3)、通过SURF算法获取各视频关键帧各个特征点的特征矢量，具体为对于每一视频关键帧每一个特征点进行以下步骤的处理：(1.3.1)、以视频关键帧的特征点为中心，选取直径为20s的圆形窗口，将圆形窗口划分为不等间隔的四个同心圆环，其中，s为特征点对应的尺度；(1.3.2)、首先对四个同心圆环覆盖的区域分别使用哈尔模板，求出它们各自在X方向上和Y方向上的哈尔小波响应值dxm和dym，其中，m＝1,2,…表示哈尔小波响应值的个数；然后以视频关键帧的特征点为中心，分别对四个覆盖区域的哈尔小波响应值dxm和dym进行高斯加权计算，得到哈尔小波响应值d′xm和d′ym；(1.3.3)、对四个覆盖区域内的哈尔小波响应值d′xm、d′ym求和，分别记为：∑d′xm和∑d′ym，对四个覆盖区域内的哈尔小波响应值d′xm、d′ym求绝对值之和，分别记为Σ|d′xm|和∑|d′ym|；对每个覆盖区域的哈尔特征集的对角特征响应值∑dzm进行计算，然后将它们进行求和、求绝对值和，并分别记为Σdzm、∑|dzm|，因此，统计得到每个覆盖区域的特征矢量可以表示为：Vsub＝(∑d'xm,∑|d'xm|,∑d'ym,∑|d'ym|,∑dzm,Σ|dzm|)；最后将四个覆盖区域排列起来，得到每个特征点的特征矢量；(1.4)、将所有视频关键帧的所有特征点特征矢量组合为特征矢量集合；(2)、视频指纹的提取；(2.1)、K‑means聚类算法对特征矢量集合进行聚类处理，得到多个聚类中心，每个聚类中心作为一个视觉词汇；(2.2)、对于每个视频关键帧中各个特征点计算其特征矢量与各个视觉词汇的欧式距离，如果与某一个视觉词汇的欧式距离最短，则特征点归于该视频词汇；统计出每个视频关键帧中，各视觉词汇所拥有的特征点数量即词频信息；(2.3)、对每个视频关键帧中各个视觉词汇的词频信息进行量化处理，用二进制序列来表示，即为该视频关键帧的指纹信息，最后将所有关键帧的指纹信息按照时序先后串联起来便生成该视频的指纹信息。