压缩域快速视频拷贝检测算法..docxVIP

压缩域快速视频拷贝检测算法目前已有的视频同步播出检测方法基本上都是在像素域上进行的，缺乏有效的压缩域检测方法。在压缩域上进行拷贝检测，不仅可以显著减少查询视频解码的计算量，而且可以利用压缩域数据特性降低特征提取的计算量，从而提升同播检测的速度。本系统采用压缩域视频同步检测算法基于分级匹配的框架，采用压缩域上离散余弦变换(DCT,discretecosinetransform)系数顺序度量特征进行相似度匹配，显著减少输入视频解码操作；并为DCT系数顺序度量特征建立倒排索引，以加快匹配的速度。压缩域DCT系数分析为了有效地存储和传输数字视频，一般通过消除视频内的空域相关性和时域相关性来对视频进行压缩。在当前主要的视频压缩标准中，基本采用DCT+运动补偿的压缩框架，DCT变换用来消除视频帧内的空域相关性，运动补偿用来消除视频帧间的时域相关性。在压缩视频序列中一般存在3种帧的类型：I帧、P帧和B帧，I帧可以独立编码解码，而P帧和B帧需要参考相邻的I帧或P帧才能进行编码和解码。对于I帧，首先在像素域上将其划分为若干互不重叠的8×8像素块，而后对每个8×8像素块进行DCT变换，得到频域上的DCT系数，实现能量向低频系数的聚集，以此来消除空域相关性。8×8DCT变换公式如下其中，f(x,y)(0≤x,y≤7)代表8×8像素块的亮度值，F(u,v)(0≤u, v≤7)为该像素块的DCT系数，u是水平频率，v是垂直频率。每个DCT系数F(u, v)都是该块中所有像素亮度值的线性组合，其中F(0,0)为直流分量（被称为DC系数），其余系数为交流分量（被称为AC系数）。DC系数F(0,0)反映了该像素块的平均亮度，而AC系数则反映了在不同方向上的亮度值变化及变化率。对于P帧或B帧，首先通过运动补偿预测，根据相邻的I帧或P帧，形成对当前P帧或B帧的预测图像，当前帧图像与预测图像相减得到残差图像，残差图像将划分为若干互不重叠的8×8块，对残差图像每个8×8块进行DCT变换，得到P帧或B帧的DCT系数。对于P帧或B帧中的一个8×8DCT系数块，可以定义其能量值E。8×8DCT系数块的能量值E反映了该DCT系数块所对应的P帧或B帧图像区域与相邻参考帧的时域相关性，E值越小，时域相关性越强，E值越大，时域相关性越弱。基于I帧的第1级匹配在同播检测算法的第1级匹配中，仅抽取查询视频和源视频的I帧进行匹配，采用I帧DC系数顺序度量特征作为相似度度量特征，同时为了加快匹配速度，对数据库视频I帧的DC系数顺序度量特征建立倒排索引。I帧DC系数顺序度量特征对于一个I帧图像，将其等分成3×3共9个区域Ai（i=0,…,8），如图1（a）所示；对于每个区域Ai，根据该区域所涉及的所有8×8DCT块的DC系数F(0,0)，计算其平均DC系数值：其中，aj(j=0,…,N?1)代表I帧图像中的一个DCT系数块（该图像中共有N个DCT系数块），Fj(0,0)为DCT系数块aj的DC系数。区域Ai平均DC系数值反映了该区域的平均亮度。获得了9个区域的平均DC系数值后（如图1（b）所示），将这些平均DC系数值按大小进行排序，形成排序矩阵（如图1（c）所示），这个排序矩阵就是I帧DC系数顺序度量特征。 图1I帧DC系数顺序度量特征DC系数顺序度量特征的倒排索引在许多应用场合中，数据库中视频数目是巨大的，进而全部I帧图像的数目将是海量的。如果不对数据库中的I帧图像特征建立有效索引，每个查询视频的I帧都要和数据库中的每个I帧进行匹配，这样严重影响拷贝检测的速度。为了解决在海量数据情况下拷贝检测的速度问题，本文借鉴文本检索中的倒排索引技术，将其引入到所提出的拷贝检测算法，应用于第一级匹配。首先通过表1中的一个例子介绍一下文本检索中的倒排索引技术。在表1中给出了6个文档及其序号，表2针对所选择的一些关键词而建立起的对应倒排索引。在这个倒排索引中，针对每个关键词给出了包含此关键词的文档序号；这样当输入这些关键词进行检索时，将能够很快检索出包含这些关键词的文档。借鉴这样的思想，可为I帧的DC系数顺序度量特征建立倒排索引，建立方法可以通过图2及表2中的例子来说明。假设有2个视频V0、V1,每个视频各有3个I帧，分别为f00、f01、f02和f10、f11、f12，每个I帧的排序矩阵在图2中给出，根据这些排序矩阵得到的DC系数顺序度量特征倒排索引在表3中给出。 图2 2个视频的排序矩阵表3 为图2中的排序矩阵建立倒排索引为源视频中的全部I帧的DC系数顺序度量特征建立倒排索引后，对于查询视频的每个I帧，可以在倒排索引中搜索出与其相匹配的视频中的I帧，并利用投票表决的方法得到与查询视频相匹配的候选视频集合。3.3基于图像组第2级匹配通过第1级匹配，可以得到与查询视频相匹配的候选视频集合，还需要将查询视频