[發明專利]一種基于深度局部特征的視頻拷貝檢測方法

有效

• 申請號: 202010691138.6
• 申請日: 2020-07-17
• 公開（公告）號: CN111709945B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 賈宇;張家亮;董文杰;曹亮
• 申請（專利權）人: 深圳市網聯安瑞網絡科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/40;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 孫元偉

本發明公開了一種基于深度局部特征的視頻拷貝檢測方法，包括：(1)對于視頻數據抽取幀圖像，然后利用不同的尺度構造圖像金字塔；(2)構造深度卷積神經網絡模型，用于從輸入的圖像金字塔中提取特征圖，并對特征圖進行特征融合得到融合特征圖；(3)利用度量學習的方式訓練所述深度卷積神經網絡模型；(4)利用訓練好的所述深度卷積神經網絡模型從圖像金字塔中提取融合特征圖；(5)利用極大值抑制從融合特征圖中提取出關鍵點，并根據關鍵點提取對應的局部特征；(6)根據局部特征進行視頻拷貝檢測。本發明不僅提取速度更快而且局部特征表征更強，由此，針對各種復雜變換的拷貝視頻，局部特征能進行準確的檢測，具有魯棒性高的特。

技術領域

本發明涉及多媒體信息處理技術領域，尤其是一種基于深度局部特征的視頻拷貝檢測方法。

背景技術

在如今的移動互聯網時代，由于多媒體視頻數據的復雜性、各種視頻編輯軟件的出現、來源廣泛等特點加大了阻止篡改視頻數據肆意傳播的難度。相關網絡監管部門想有效的對網上多媒體視頻數據進行監管，不能僅僅依靠人為監督和用戶舉報。

當前的解決方式是通過傳統的圖像處理或者全局特征提取的方法，傳統算法處理效率低，而且準確度不高，而全局特征提取的方法對一般的編輯視頻處理效果好，但是對于各種復雜變換的編輯視頻處理效果難以達到預期。無論是傳統的圖像處理還是全局特征提取的方法都對于目前互聯網上多媒體視頻存在一定的缺陷。

發明內容

本發明所要解決的技術問題是：針對上述存在的問題，提供一種基于深度局部特征的視頻拷貝檢測方法。

本發明采用的技術方案如下：

一種基于深度局部特征的視頻拷貝檢測方法，包括如下步驟：

(1)對于視頻數據抽取幀圖像，然后利用不同的尺度構造圖像金字塔；

(2)構造深度卷積神經網絡模型，用于從輸入的圖像金字塔中提取特征圖，并對特征圖進行特征融合得到融合特征圖；

(3)利用度量學習的方式訓練所述深度卷積神經網絡模型；

(4)利用訓練好的所述深度卷積神經網絡模型從圖像金字塔中提取融合特征圖；

(5)利用極大值抑制從融合特征圖中提取出關鍵點，并根據關鍵點提取對應的局部特征；

(6)根據局部特征進行視頻拷貝檢測。

進一步的，所述深度卷積神經網絡模型為包括n-1層卷積層和1層融合卷積層的全卷積模型；其中，

所述n-i層～n-1層卷積層，用于從輸入的圖像金字塔中提取特征圖；

所述融合卷積層，用于對n-i層～n-1層卷積層提取的特征圖進行特征融合得到融合特征圖；2≤i≤n-1，i和n均為整數。

進一步的，所述n-i層～n-1層卷積層的卷積通道為128。

進一步的，第n-1層卷積層的卷積核大小為1×1，用于將特征圖卷積到1×1大小，該層卷積層輸出的特征圖作為全局特征用于模型訓練。

進一步的，步驟(6)包括如下子步驟：

(6.1)將庫視頻經過步驟(1)～(5)獲得其局部特征；

(6.2)將待檢測視頻經過步驟(1)～(5)獲得其局部特征；

(6.3)將待檢測視頻的局部特征與庫視頻的局部特征進行隨機一致性空間驗證，濾除非相關的匹配點；

(6.4)根據剩余匹配點計算相似度；

(6.5)對相似度計算結果進行排序得到源視頻數據結果。

作為優選方式，所述相似度采用向量內積的方式計算。