[發明專利]視頻拷貝檢測方法及其系統

在審

• 申請號: 201811353711.1
• 申請日: 2018-11-14
• 公開（公告）號: CN109543735A
• 公開（公告）日: 2019-03-29
• 發明（設計）人: 石慧杰
• 申請（專利權）人: 北京工商大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06F16/73
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 黃韌敏;朱遠平

本發明適用于多媒體信息處理技術領域，提供了一種視頻拷貝檢測方法及其系統，所述方法包括：獲得所述圖像訓練集中的圖像標簽Y，將每張圖像標簽Y進行拷貝攻擊獲得第一圖像X；構造深度特征提取模型的訓練模型，對其進行訓練獲得深度特征提取模型；獲得每張第二圖像的第一深度特征以及第一DCT系數特征進行融合后的第一融合特征，并保存為融合特征數據庫；提取所述查詢視頻的第三關鍵幀，將其第二深度特征以及第二DCT系數特征進行融合獲得第二融合特征；將每個所述第二融合特征與每個所述第一融合特征進行匹配計算，獲得所述查詢視頻的檢測結果。借此，本發明提高視頻特征的辨別力和魯棒性以及提高視頻拷貝檢測系統的準確度。

技術領域

本發明涉及多媒體信息處理技術領域，尤其涉及一種視頻拷貝檢測方法及其系統。

背景技術

隨著科技的發展和互聯網的廣泛普及，數字視頻盜版問題日益突出，基于內容的視頻拷貝檢測技術是一種通過比較待檢測視頻與原始視頻的相似程度，判斷待檢測視頻是否構成盜版侵權的方法，視頻侵權不僅包括對原視頻的復制，更包括對視頻的縮放、裁剪、旋轉、模糊、插入文本或圖形的等操作，基于內容的視頻拷貝檢測對視頻版權保護和管理起到至關重要的作用。

傳統視頻拷貝檢測技術主要分為基于全局特征和基于局部特征的方法。有代表性的全局特征包括顏色直方圖、GIST特征、DCT系數等，基于全局特征的方法對于大規模視頻檢索簡單有效，可以檢測顏色亮度等變化，但對于局部的拷貝變化如畫面剪切、平移等效果不佳。代表性的局部特征包括SIFT、SURF、BRIEF特征等，局部特征對多種拷貝攻擊具有較高的可分度，匹配精度高，但是該特征描述符維度過高，單個關鍵幀可能產生成百上千個局部特征，同時計算開銷大，特征提取速度和匹配速度慢。

近幾年隨著深度學習方法的引入，大量基于深度學習的方法在計算機視覺領域涌現并取得了巨大成功，卷積神經網絡在提取圖像特征方面表現出強大的能力，卷積神經網絡使用多層神經網絡，通過卷積運算提取輸入信號的特征，通過池化層在提取的特征基礎上進行池化抽象，得到較高層次的深度特征，但現有使用深度學習的拷貝檢測技術往往只使用預訓練神經網絡模型的倒數第二層或者倒數第三層直接提取深度特征，而沒有針對拷貝檢測這一任務進行針對性的設計和訓練，這樣提取到的特征辨別力不夠強，同時單一深度特征構造的視頻信息無法全面的描述視頻內容，缺乏廣泛的魯棒性，造成拷貝檢測準確率不高的問題。

申請人為大連理工大學，發明人為李豪杰、王領、暴雨，公開日為2017年5月10日，公開號為CN106649663A，發明名稱為“一種基于緊湊視頻表征的視頻拷貝檢測方法”的中國發明專利申請中，公開了稠密提取庫視頻和查詢視頻的關鍵幀，提取所述庫視頻和查詢視頻的關鍵幀的圖像稀疏特征，使用池化方式，將所述庫視頻和查詢視頻的圖像稀疏特征分別進行融合，形成簡潔視頻特征。該發明申請雖然使用了深度學習的方法提取視頻的深度特征，但它直接使用在圖像分類任務上進行預訓練的網絡模型進行特征提取，忽略了拷貝檢測任務的獨特性，沒有針對拷貝檢測任務進行設計和再訓練，其提取到的深度特征辨別力不強，同時該方法稠密提取視頻的所有幀，并將所有視頻幀輸入到神經網絡中得到4096維的深度特征，計算量大，機器計算負擔重，該方法還有只獲取每秒視頻的緊湊視頻表征導致在進行庫視頻匹配時造成拷貝定位結果粗糙的問題。

綜上所述，現有的拷貝視頻的檢測技術在實際使用上顯然存在不便與缺陷，所以有必要加以改進。

發明內容

針對上述的缺陷，本發明的目的在于提供一種視頻拷貝檢測方法及其系統，大大提高視頻特征的辨別力和魯棒性，同時提高視頻拷貝檢測系統的準確度。

為了實現上述目的，本發明提供一種視頻拷貝檢測方法，所述方法包括以下步驟：