[發明專利]一種基于深度字典學習的視頻鑒別方法及系統

在審

• 申請號: 202011105896.1
• 申請日: 2020-10-15
• 公開（公告）號: CN112434553A
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 張菁;王逸舟;賀辰;卓力
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王宇楊

本發明實施例提供一種基于深度字典學習的視頻鑒別方法及系統，該方法包括：獲取目標視頻中的若干關鍵幀圖像；將每一關鍵幀圖像輸入到視頻指紋生成網絡中，獲取目標視頻的指紋，其中，視頻指紋生成網絡包括字典，字典用于進行稀疏矩陣的計算；將目標視頻的指紋與預設數據庫中的每一備用視頻的指紋進行匹配，根據匹配結果對目標視頻進行鑒別。本發明實施例利用深度學習和多層字典學習提取視頻的特征稀疏矩陣，形成視頻指紋，并進行指紋數據庫的構建和目標視頻的指紋匹配，實現對數字視頻的鑒別。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種基于深度字典學習的視頻鑒別方法及系統。

背景技術

近年來，隨著互聯網技術的蓬勃發展和全民普及，大眾的信息接收方式也在不斷地發生變化。網絡視頻行業儼然成為了我國互聯網的朝陽產業，尤其是短視頻APP的快速興起，展現出大眾對視頻分享和創作的樂趣。各種各樣的海量視頻通過網絡進行傳播，使得視頻數據規模井噴式俱增。人們在享受互聯網帶來的便捷的同時，網絡視頻的版權保護問題逐漸成為了大難題，大量盜版、拷貝和抄襲等侵權視頻在網絡上傳播，侵犯了內容所有者的利益，同時帶來了許多知識產權的糾紛和不良的影響。對于視頻網站來說，實時檢測和管理用戶上傳的大量視頻是一項嚴峻的挑戰，由于數據規模的龐大，只依靠傳統的人力方式去鑒別視頻內容是不現實的。為了解決這一問題，亟需一個具有實時性和準確性的視頻身份驗證算法，實現對網絡視頻數據的鑒別，以解決版權保護和非法內容檢測問題。視頻指紋技術應運而生，該技術的核心思想就是通過某些算法對視頻提取到像人的指紋一樣的唯一描述，以實現每一個視頻的精準匹配。

目前，國內外學者已經提出了許多視頻指紋提取方法。早期的指紋提取方法是在圖像哈希的基礎上提出的，通過計算視頻幀的平均灰度值作為閾值，來生成預定義長度的二進制代碼，作為視頻描述符，用于檢索和匹配。這一方法構建的視頻指紋十分簡單，由于沒有融合視頻自身的特征，如果對視頻片段進行模糊、旋轉、裁剪和插入元素等修改時，無法保證良好的區分性和魯棒性。因此，有的學者提出了多特征融合的指紋提取算法，以提高算法的準確率和魯棒性。比如將視頻幀中的局部特征與全局特征結合，或者提取運動特征來結合視頻的空間和時間信息，這些方法對視頻幀的采樣率有較高的要求，因此算法的魯棒性提高的后果是整體效率的下降。隨著深度學習的不斷發展，基于深度網絡模型的視頻指紋提取獲得了更優秀的匹配準確率，然而深度學習一般會產生高維度的特征向量，導致視頻指紋的提取和匹配會造成較高的計算成本，難以在實際應用中滿足網絡視頻實時監管和鑒別的要求。有學者提出的字典學方法通過使用迭代更新后得到的超完備字典，實現對數據的稀疏線性組合描述，在提取數據本質特征和數據壓縮方面具有明顯優勢。而在某些情景下，單一的字典可能無法達到系統對數據壓縮的要求，因此又有學者提出利用級聯的字典進行學習，實現更稀疏的數據表征。

基于以上背景可以分析得出，視頻鑒別需要滿足匹配速度和效率方面的要求，所提取的視頻指紋應占據盡量少的內存，但是基于深度學習的方法提取的視頻特征魯棒性好，但特征維度較高，應用在視頻指紋會導致較高的計算開銷。

發明內容

本發明實施例提供一種基于深度字典學習的視頻鑒別方法及系統，用以解決現有技術中視頻指紋計算開銷較大的缺陷，實現數字視頻的鑒別。

本發明實施例提供一種基于深度字典學習的視頻鑒別方法，包括：

獲取目標視頻中的若干關鍵幀圖像；

將每一關鍵幀圖像輸入到視頻指紋生成網絡中，獲取所述目標視頻的指紋，其中，所述視頻指紋生成網絡包括字典，所述字典用于進行稀疏矩陣的計算；

將所述目標視頻的指紋與預設數據庫中的每一備用視頻的指紋進行匹配，根據匹配結果對所述目標視頻進行鑒別。

根據本發明一個實施例的基于深度字典學習的視頻鑒別方法，所述將每一關鍵幀圖像輸入到視頻指紋生成網絡中，獲取所述目標視頻的指紋，具體包括：

將每一關鍵幀圖像輸入到所述視頻指紋生成網絡中的卷積神經網絡中，獲取深層特征；