近重复视频检测算法及研究.pdf

中文摘要 随着宽带传输网络的日益完善和视频软、硬件处理技术的快速发展和广泛应 用，尤其随着WEB2．0技术的快速发展，使得网络视频内容呈爆炸性增长的同时 也伴随着产生了大量的近重复视频。大量近重复视频的产生给版权保护、视频内 容监管和视频搜索引擎结果排序等多方面带来技术性的挑战。在此背景下，基于 内容的近重复视频检测技术应运而生。 本文对日前主要的近重复视频检测技术进行了总结。尽管这些方法有各自的 应用场景，其技术细节也不仅相同，但其检测流程可以用四个主要的步骤进行概 括：1)抽取视频关键帧；2)提取视频关键帧特征；3)执行基于视频关键帧特征 的相似性查询；4)在关键帧特征相似性查询结果的基础上执行视频子序列匹配， 实现对近重复视频的判别和定位。在这四个步骤中，关键帧的抽取方法已相对成 熟，因此，目前对基于内容的近重复视频检测的研究主要集中在稳定的、高区分 度的视频特征抽取，高效的特征相似性查询和准确的视频子序列匹配这三个方 面。本文对这三方面的相关技术进行了总结，并在此基础上提出了我们的方法。 在近重复视频检测中的特征研究方面，本文做了两方面的工作：1)在SIFT( ScaleInvariantFeature Transform)特征点集合基础上，提出了利用奇异值分解方 Value 法获取SVD—SIFT(Singular Ordinal 的描述方法进行了改进，提出了梯度序数特征，简称GOS(GradientSig— 本上保存了原始SIFT描述子所具有的尺度不变性、旋转不变性等良好特性。其 更加简单，维数也大大降低，因而有效提高了系统的检测速度。 在近重复视频检测中的关键帧特征相似性查询研究方面，本文在分析排序类 特征的-一些内在特性的基础上，结合度量空间嵌入理论。提出了一利，高效的相 似性查询方法，基于固定点嵌入的相似性查询方法，简称FE(Fixedpoint—based Embeddi他口1。FE源于·个简单的思想：如果原始空问中两个靠得很近的点，经过 “嵌入”后在嵌入空间中可能仍然会靠得很近。而FE的收敛性能确保这种假设的 成立。通过固定点嵌入后，高维空间中相似的数据点会投影到相同槽中，然后通 过建立一个倒排索引结构执行高效的相似性查询。 中文摘要 在近重复视频检测中的视频子序列匹配研究方面，本文提出了基于图的视频 子序列匹配算法。该方法将基于关键帧特征的相似性查询结果构建成匹配结果 图，进而将近重复视频检测转换成了一‘个在匹配结果图中查找最长路径的问题。 该方法有三个主要优势：1)它能在众多杂乱的匹配结果中找到最佳的匹配序列， 有效剔除了某些假“高相似度”匹配带来的噪声，因而它能在一定程度上弥补底 层特征描述力的不足。2)由于它充分考虑和利用了视频序列的时序特性，从而具 有很高的近重复视频定位准确度。3)它能自动检测出匹配结果图中存在的多条离 散路径，从而能一次性检测出两段视频中可能存在多段近重复视频的情形。 最后，通过实验对本文提出的方法进行了评价。实验结果表明：本文提出的 方法，在单个技术指标方面获得了接近于最好方法的性能。但将这些方法综合应 用于近重复视频检测中，获得了更好的表现。 关键词：近重复视频检测，相似性查询，视频子序列匹配，梯度序数特征，固定 点嵌入，图方法 分类号：TP311 2 Abstract Withbroadbandtransmissionnetwork andthe improvedsteadily rapiddevelop— mentandthewide of ofvideoso,wareandhardware applications range processing withthe ofWEB2．0 video te