[發明專利]一種基于深度學習的視頻指紋算法

在審

• 申請號: 201710119749.1
• 申請日: 2017-03-02
• 公開（公告）號: CN106886768A
• 公開（公告）日: 2017-06-23
• 發明（設計）人: 杭欣;郭偉偉
• 申請（專利權）人: 杭州當虹科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的視頻指紋算法，其特征在于，該方法包含以下步驟：

增強圖像步驟，對不同種類的圖像進行打標簽并進行增強處理，將處理后的圖片輸入訓練模型；

離線訓練步驟，利用離線訓練模型對輸入的增強圖片進行離線訓練并獲得訓練參數；

在線模型初始化步驟，采用離線訓練得到的訓練參數對在線視頻圖像指紋提取模型初始化；

在線視頻圖像特征提取步驟，在線讀取視頻圖像并利用GPU實時提取圖像特征；

生成圖像指紋步驟，對在線提取的圖像特征進行二值編碼，生成圖像指紋。

2.如權利要求1所述的一種基于深度學習的視頻指紋算法，其特征在于，所述增強圖像步驟中，所述增強處理指對所述圖像進行多種變換如：縮放、平移、剪切、加黑邊、加字幕、加logo等等。

3.如權利要求1所述的一種基于深度學習的視頻指紋算法，其特征在于，所述離線訓練步驟包括：圖像縮放處理、多次卷積、池化處理、兩次全連接處理以及損失函數判定。

4.如權利要求3所述的一種基于深度學習的視頻指紋算法，其特征在于，所述圖像縮放處理指將輸入圖片統一縮放為227*227大小。

5.如權利要求3所述的一種基于深度學習的視頻指紋算法，其特征在于，所述多次卷積、池化處理包括：兩次卷積加池化處理，進一步的兩次卷積處理，再進一步的一次卷積加池化處理。

6.如權利要求3所述的一種基于深度學習的視頻指紋算法，其特征在于，所述損失函數為哈希函數，具體如下。

7.如權利要求6所述的一種基于深度學習的視頻指紋算法，其特征在于，所述損失函數中，所述b為網絡的輸出，y=0表示相似，y=1表示不相似，m=256，a=0.01。

8.如權利要求1、6所述的一種基于深度學習的視頻指紋算法，其特征在于，所述離線訓練步驟結束離線訓練的條件是所述損失函數計算得出的結果收斂。

9.如權利要求1所述的一種基于深度學習的視頻指紋算法，其特征在于，所述在線視頻圖像特征提取步驟包括：將初始化的圖像特征提取模型讀入GPU緩存、對視頻圖像按照特定幀率提取、將提取到的樣本圖像輸入模型進行特征提取。

10.如權利要求1所述的一種基于深度學習的視頻指紋算法，其特征在于，所述生成圖像指紋步驟中，所述圖像特征為128個浮點數；所述二值編碼指：將所述浮點數與特定的數值進行比較，大于該數值的浮點數記錄為1，否則記錄為0；所述圖像指紋為128個比特的二值編碼數據集。