[發(fā)明專利]基于圖建模的視頻指紋方法

有效

• 申請?zhí)枺?/td>: 201210132008.4
• 申請日: 2012-04-28
• 公開（公告）號: CN102682298A
• 公開（公告）日: 2012-09-19
• 發(fā)明（設(shè)計）人: 聶秀山;孫建德
• 申請（專利權(quán)）人: 聶秀山
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06F17/30
• 代理公司: 濟南圣達知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 李健康

技術(shù)領(lǐng)域

本發(fā)明涉及一種視頻指紋方法，尤其涉及一種基于圖建模的視頻指紋方法，屬于視頻、多媒體信號處理技術(shù)領(lǐng)域。

背景技術(shù)

隨著計算機與信息技術(shù)的發(fā)展，互聯(lián)網(wǎng)已經(jīng)成為日常生活中不可或缺的一部分，特別是隨著多媒體技術(shù)的迅速發(fā)展，互聯(lián)網(wǎng)視頻網(wǎng)站越來越多，視頻內(nèi)容變的越來越豐富，但隨之而來的網(wǎng)絡(luò)信息安全問題也變的日漸突出。網(wǎng)絡(luò)用戶可以隨意的下載、編輯視頻并再次上傳，由此網(wǎng)絡(luò)中出現(xiàn)大量“垃圾視頻”，據(jù)統(tǒng)計，在某些熱點視頻的檢索結(jié)果中，視頻拷貝的比例甚至高達93％，這大大降低了視頻檢索的效率。同時，由于互聯(lián)網(wǎng)上對于海量視頻的管理缺乏規(guī)劃和統(tǒng)一性，常常引起一些諸如知識產(chǎn)權(quán)等的糾紛，盜版和非法下載的出現(xiàn)也危害了版權(quán)所有者的利益，挫傷了創(chuàng)新的積極性。去除網(wǎng)絡(luò)中的“垃圾視頻”以及打擊盜版進行有效的版權(quán)管理從本質(zhì)上來說都是視頻內(nèi)容認證和識別問題。基于內(nèi)容的視頻指紋技術(shù)正是解決上述問題的主要方法。

基于內(nèi)容的視頻指紋(Content?Based?Video?Fingerprinting：CBVF)，又被稱為視頻哈希(Video?Hashing)，與數(shù)字視頻水印不同，它不需要在視頻發(fā)布或傳播之前，人工地在視頻對象中嵌入附加信息，因此，CBVF對于尚未發(fā)布和已經(jīng)發(fā)布的視頻都有效；同時，由于不需要在視頻上嵌入附加信息，CBVF解決了數(shù)字視頻水印技術(shù)中水印的不可見性和魯棒性之間的矛盾，從而提高了CBVF對于常見攻擊的魯棒性。利用CBVF技術(shù)不但可以在視頻檢索中搜索到多余的視頻拷貝，并將其屏蔽，而且有助于規(guī)范數(shù)字視頻版權(quán)、傳播等的管理；同時，從另一個方面，也可以通過CBVF來對商業(yè)視頻及其視頻拷貝進行跟蹤分析，以獲得有價值的營銷策略信息。因此，在個人視頻制作與網(wǎng)絡(luò)傳播日益流行的情況下，CBVF具有重要的理論價值和應(yīng)用價值，近年來已經(jīng)成為了多媒體信息處理領(lǐng)域的研究熱點，各種算法也相繼被提出，目前的視頻指紋算法大多都是基于關(guān)鍵幀的，但是關(guān)鍵幀的選取依賴于鏡頭的分割，且鏡頭分割是一個復(fù)雜的過程，鏡頭分割的好壞對關(guān)鍵幀的影響很大。本發(fā)明提出了一種基于二叉樹理論的關(guān)鍵幀選取的方法，該方法避開了鏡頭的分割，且具有成熟的圖論理論支持。另一方面，前景圖像是人關(guān)注的主要對象，而目前的視頻指紋算法恰恰忽略了人的關(guān)注特性，本發(fā)明正是基于前景圖像這一人的關(guān)注對象來提取視頻指紋的，這也是本發(fā)明的優(yōu)勢之一。

視頻由大量的幀組成，幀格式各種各樣，但是從宏觀的角度來看，可以把視頻的每一幀當作高維空間中的一個點，點的坐標由幀的某種屬性決定，點與點之間根據(jù)幀的關(guān)系連線就可以構(gòu)成一個圖。因此，視頻可以看作高維空間里的一個權(quán)重圖。另一方面，視頻幀由若干像素組成，若以像素點為圖頂點，像素點之間關(guān)系定義邊，則幀也可以看作一個權(quán)重圖，本發(fā)明從圖建模的角度入手，利用圖論相關(guān)理論來提取關(guān)鍵幀。視頻的前景圖像反映了視頻的主要內(nèi)容，同時前景圖像也是人的主要關(guān)注對象，本發(fā)明利用前景圖像構(gòu)造視頻指紋。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有視頻拷貝檢測技術(shù)存在的不足，提供一種具有較好的魯棒性和區(qū)分性的基于圖建模的視頻指紋方法。

本發(fā)明的基于圖建模的視頻指紋方法，包括以下步驟：

(1)預(yù)處理：將視頻幀的尺寸標準化，統(tǒng)一幀率，但是不改變視頻內(nèi)容；

(2)視頻關(guān)鍵幀的選?。喊岩曨l建模成無向權(quán)重圖，利用二叉樹來選取視頻關(guān)鍵幀；

(3)利用圖割理論和能量函數(shù)優(yōu)化來提取視頻關(guān)鍵幀的前景圖像，并利用前景圖像的四階累積量的離散余弦變換作為視頻關(guān)鍵幀的特征，進而構(gòu)成視頻的特征；

(4)計算視頻特征序列的峭度作為匹配標簽，對特征序列進行二值量化作為視頻指紋；

(5)對視頻指紋進行分級匹配。

所述步驟(2)的具體實現(xiàn)步驟是：

①以視頻幀為頂點，以幀之間的關(guān)系來構(gòu)造邊，把視頻等價為一個無向權(quán)重圖；

②利用二叉樹選取視頻關(guān)鍵幀；

所述步驟(3)的具體實現(xiàn)步驟是：

①利用圖割理論提取視頻關(guān)鍵幀前景圖像；

②計算前景圖像的四階累積量，并計算四階累積量的離散余弦變換系數(shù)。

所述步驟(4)的具體實現(xiàn)步驟是：

①由每幀四階累積量離散余弦變換的變換系數(shù)中較大的20個系數(shù)構(gòu)造視頻特征向量；

②計算特征向量的峭度，稱為視頻匹配標簽；

③利用密鑰把視頻特征向量量化成一個二值序列，由視頻匹配標簽和二值序列共同構(gòu)成視頻指紋。

所述步驟(5)的具體實現(xiàn)步驟是：