[發明專利]基于三維空時特征的魯棒視頻指紋方法

有效

• 申請號: 201110046524.0
• 申請日: 2011-02-28
• 公開（公告）號: CN102176208A
• 公開（公告）日: 2011-09-07
• 發明（設計）人: 鄧成;高新波;張一凡;黃東宇;安玲玲;李潔;朱楠
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/46
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于信息安全技術領域，涉及數字視頻指紋提取和檢測匹配方法，該方法可以抵抗常規的視頻攻擊和處理，用于互聯網上的內容認證和近視頻檢測領域。

背景技術

隨著多媒體技術和網絡技術的發展，視頻信息的數字化給視頻信息的存取，拷貝和修改提供了極大的便利，同時使得信息傳輸和表達的效率以及準確性有了顯著的提高。但是，由于大量的視頻信息可以方便的從互聯網上隨意下載和發布，并且可以通過處理軟件進行任意的修改，再加上一些傳播存儲過程中的非人為攻擊，這就造成了網絡上存在大量經過非法復制，剪輯，修改和攻擊的視頻以及片段，而這些視頻片段的原始信息經常是未知的。人們在生活與工作中對得到的未知視頻片段感興趣，并且想找到視頻的來源信息進一步了解和使用，這就涉及到了視頻內容認證的問題。而針對如何檢測視頻是否受到版權侵害而被非法復制，剪輯和分發，即檢測互聯網上是否有與受版權保護內容一致的視頻內容，或者需要對同一類視頻進行檢索，這涉及到了近視頻檢測的問題。因此，解決目前網絡上視頻信息數字化所面臨的問題迫在眉睫，而如何有效的進行數字視頻內容認證和近視頻檢測也就是關鍵所在。數字視頻指紋作為一項新興的并且很有潛力的手段，在最近幾年受到了學術界和商業界的廣泛關注。不同于數字水印技術，一方面數字指紋并不在視頻中嵌入任何信息，所以也不會導致視頻內容上的變化和扭曲；另一方面，數字水印技術對于大量已存的未嵌入水印的視頻無效，而視頻指紋是數字視頻本身特性的表征，直接對數字視頻提取，彌補了數字水印的不足。

視頻指紋的基本思想是從數字視頻內容到一段指紋序列的映射，也就是數字視頻視覺內容上的特征摘要，用一段簡單的摘要序列最大程度上表征一段視頻的內容，類似于一個指紋代表一個人的身份的概念，一段視頻指紋也就代表了一段視頻的內容。這樣視頻指紋就可以用于獨一無二的表征一段視頻并且與其他內容不同的視頻進行區分，也就可以有效的完成視頻內容認證和近視頻檢測兩大問題，以便認證未知視頻內容和提供產品的附加信息，或者保護數字視頻的版權內容和跟蹤盜版。魯棒的視頻指紋必須可以抵抗常見的視頻攻擊，在受到攻擊前后都必須能保持指紋序列的成對獨立性，在匹配過程中還必須具有搜索效率。

魯棒視頻指紋技術的過程主要分為指紋提取和指紋匹配兩個環節，其中指紋提取是視頻指紋技術的主要環節，又可分為幀提取，特征提取，矢量量化三個部分，最終得到矢量形式的視頻指紋。幀提取目前主要有關鍵幀提取，降采樣提取等等，主要是為了減少冗余和計算量，用最少的幀內容來唯一表示一段視頻，體現了視頻指紋的意義所在。視頻指紋研究的重點在于特征提取和矢量量化，目前大部分方法都是針對單獨幀提取特征，也就是在二維空間上提取特征并量化為指紋向量。例如文獻Sunil?Lee?and?D.Yoo?Chang，″Robust?Video?Fingerprinting?for?Content-Based?Video?Identification，″IEEE?Trans.Circuits?and?Systems?for?Video?Technology，vol.18，no.7，pp.983-988，July2008.先把每一幀分成若干塊，然后每一塊的梯度方向質心作為指紋，所有塊組成指紋向量進行范圍搜索和匹配。這些方法基本可以抵抗大部分常見的視頻攻擊，但是，這些方法并沒有注意到視頻的空時性和冗余性，也就是僅僅對圖像序列的簡單排列，忽略了視頻的時間信息，沒有做到最大程度上代表一段視頻，影響了數字視頻指紋的獨立性和魯棒性，最終限制了在近復制視頻檢測時的檢索精度以及檢索效率。

發明內容

本發明的目的在于克服上述已有技術的不足，提供一種基于三維空時特征的魯棒視頻指紋方法，以有效利用視頻的時間信息，用一段向量最大程度表征視頻內容，提高視頻指紋針對常見攻擊時的獨立性和魯棒性，進而提高在視頻內容認證的精度以及近復制視頻檢測時的檢索精度以及檢索效率。

實現本發明目的的技術方案包括指紋提取和指紋匹配。

一、基于三維空時特征的魯棒視頻指紋提取方法，包括如下步驟：

(1)將視頻Q轉換到灰度域，即將待檢測視頻每一幀圖像變成灰度圖像，得到一組灰度圖像序列Z；

(2)將灰度圖像序列Z的寬和高調整為固定值，得到一組大小統一的圖像序列I；

(3)提取圖像序列I的三維空時特征點，并在提取特征點的每一幀圖像中提取一個特征強度最大的特征點H；

(4)對提取特征點后的圖像序列H進行降2采樣，獲得降2采樣后的視頻幀以及每一幀中的空時特征點P；