[發(fā)明專利]基于多模式特征和張量分解的視頻拷貝檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410593572.5
• 申請(qǐng)日: 2014-10-29
• 公開（公告）號(hào): CN104331450B
• 公開（公告）日: 2017-11-24
• 發(fā)明（設(shè)計(jì)）人: 聶秀山
• 申請(qǐng)（專利權(quán)）人: 山東財(cái)經(jīng)大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06T7/00
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司37221
• 代理人: 李健康

1.一種基于多模式特征和張量分解的視頻拷貝檢測(cè)方法，其特征在于該方法包括以下步驟：

(1)視頻預(yù)處理：利用時(shí)空采樣把待測(cè)視頻轉(zhuǎn)換為標(biāo)準(zhǔn)視頻；

(2)多模式視頻特征提取：提取視頻的全局特征、局部特征和時(shí)域特征；

(3)多模式特征融合：對(duì)多模式視頻特征構(gòu)造高階張量，并進(jìn)行張量分解獲得高階張量的低階逼近，利用低階張量構(gòu)造視頻指紋，具體實(shí)現(xiàn)步驟是：

①對(duì)于步驟(2)提取的三種模式的特征構(gòu)造三階張量，其中，張量的三階分別為融合特征、特征向量索引和幀序列索引；

②對(duì)視頻張量進(jìn)行Tucker分解，Tucker分解把一個(gè)高階張量分解為核張量和低階張量的外積的形式，如下式所示：

where:A＝[a₁,a₂,…,a_P]∈R^I×P

B＝[b₁,b₂,…,b_Q]∈R^J×Q

C＝[c₁,c₂,…,c_R]∈R^K×R

κ∈R^P×Q×R

其中κ為核張量，A,B和C是一階張量a_p,b_q和c_r組成的矩陣，

P＝Q＝R＝1；

選取一階張量A作為視頻指紋，一階張量A融合了視頻的全局、局部和時(shí)域特征；

(4)視頻指紋匹配：利用張量分解中的核張量縮小匹配范圍，利用視頻指紋進(jìn)行詳細(xì)匹配。

2.如權(quán)利要求1所述的基于多模式特征和張量分解的視頻拷貝檢測(cè)方法，其特征在于：所述步驟(1)的具體實(shí)現(xiàn)步驟是：

對(duì)視頻進(jìn)行空域和時(shí)域下采樣，把視頻轉(zhuǎn)化為標(biāo)準(zhǔn)視頻W、H和K的值根據(jù)具體系統(tǒng)設(shè)定，使得預(yù)處理過程不會(huì)更改視頻的主要內(nèi)容。

3.如權(quán)利要求1所述的基于多模式特征和張量分解的視頻拷貝檢測(cè)方法，其特征在于：所述步驟(2)的具體實(shí)現(xiàn)步驟是：

①提取視頻的全局特征，所述全局特征從幀顏色直方圖、幀分塊灰度秩序列和DCT系數(shù)中選擇；

②提取視頻的局部特征，所述局部特征從Harris特征點(diǎn)、SIFT特征點(diǎn)、

SURF特征點(diǎn)中選擇；

③提取時(shí)域特征，利用相鄰幀之間的歸一化灰度差作為時(shí)域特征。

4.如權(quán)利要求1所述的基于多模式特征和張量分解的視頻拷貝檢測(cè)方法，其特征在于：所述步驟(4)的具體實(shí)現(xiàn)步驟是：

①數(shù)據(jù)庫中除了存儲(chǔ)視頻指紋還存儲(chǔ)相應(yīng)視頻指紋的核張量，設(shè)待測(cè)視頻的核張量為κ，在視頻指紋數(shù)據(jù)庫中搜索核張量的數(shù)值范圍在[κ-aκ,κ+aκ]的視頻指紋，a∈(0,1)是一個(gè)參數(shù)，由此得到一個(gè)粗選指紋集合；

②在粗選指紋集合中，利用視頻指紋進(jìn)行詳細(xì)匹配，從而判定待測(cè)視頻拷貝是否存在于數(shù)據(jù)庫。

5.如權(quán)利要求4所述的基于多模式特征和張量分解的視頻拷貝檢測(cè)方法，其特征在于：取a＝0.2，能保證與待測(cè)視頻內(nèi)容相似的視頻落入粗選指紋集的概率在99.5％以上，而且粗選集合的大小在原指紋數(shù)據(jù)庫大小的三分之一以下。