CN103051925A - 基于视频指纹的快速视频检测方法和装置 - Google Patents

Abstract

本发明公开了基于视频指纹的快速视频检测方法和装置，能够识别简单编辑后的视频与相同源的视频的一致性，从而可以自动控制用户重复上传的侵权视频，降低人力成本。其技术方案为：方法包括：对输入视频进行解码得到YUV分量；对视频转化后第k帧的Y分量进行维度划分，得到N×M矩阵，其中每帧的维度为N×M；对矩阵中的每一块计算出矩阵的质心梯度方向，得到第k帧的三维指纹向量；根据计算得到的第k帧的三维指纹向量获取指纹序列；将指纹序列与预先提取的目标视频的标准序列向量进行匹配，判断输入视频和目标视频是否同源。

Description

基于视频指纹的快速视频检测方法和装置

技术领域

本发明涉及视频是否同源的检测方法，尤其涉及一种基于视频文件来检测视频是否同源的方法和装置。

背景技术

随着信息网络的飞速发展，网络视频服务的用户规模也变得非常庞大，网络视频服务的提供商为用户提供了各式各样的服务模式，其中用户上传服务(UGC)，用户可以自主上传视频至视频服务提供商的平台上供其他用户观看，并且可以从视频服务提供商拿到相应的广告提成，因此UGC业务的用户规模非常庞大，服务商在运营过程中也面临了许多棘手的问题，其中最突出的问题是用户上传的视频的侵犯他人著作权的问题，很多用户上传侵犯他人著作权的作品，在服务商删除后，用户将视频文件经过简单的编辑后，又重新上传到平台上，服务商因此需要投入很多的人力来监控用户上传视频的合法性，以避免因为侵权带来的风险。

发明内容

本发明的目的在于解决上述问题，提供了一种基于视频指纹的快速视频检测方法和装置，能够识别简单编辑后的视频与相同源的视频的一致性，从而可以自动控制用户重复上传的侵权视频，降低人力成本。

本发明的技术方案是：本发明揭示了一种基于视频指纹的快速视频检测方法，包括：

对输入视频进行解码得到YUV分量；

对视频转化后第k帧的Y分量进行维度划分，得到N×M矩阵，其中每帧的维度为N×M；

对矩阵中的每一块计算出矩阵的质心梯度方向，得到第k帧的三维指纹向量；

根据计算得到的第k帧的三维指纹向量获取指纹序列；

将指纹序列与预先提取的目标视频的标准序列向量进行匹配，判断输入视频和目标视频是否同源。

根据本发明的基于视频指纹的快速视频检测方法的一实施例，在得到第k帧的三维指纹向量后，还包括使用KD树的索引结构将得到的第k帧的三维指纹向量存储到数据库。

根据本发明的基于视频指纹的快速视频检测方法的一实施例，在指纹序列与预先提取的目标视频的标准序列向量进行匹配的步骤中进一步包括：

根据指纹序列与目标视频的标准序列向量得到指纹距离，判断指纹距离和预设阈值的大小，若指纹距离小于预设阈值则表示匹配成功，输入视频和目标视频同源，若指纹距离大于或等于预设阈值则表示匹配失败，输入视频和目标视频不同源。

根据本发明的基于视频指纹的快速视频检测方法的一实施例，方法还包括：

对判断出属于同源的输入视频，禁止其上传，对判断出不属于同源的输入视频，允许其上传。

本发明还揭示了一种基于视频指纹的快速视频检测装置，包括：

解码模块，对输入视频进行解码得到YUV分量；

维度划分模块，对视频转化后第k帧的Y分量进行维度划分，得到N×M矩阵，其中每帧的维度为N×M；

指纹向量计算模块，对矩阵中的每一块计算出矩阵的质心梯度方向，得到第k帧的三维指纹向量；

指纹序列获取模块，根据计算得到的第k帧的三维指纹向量获取指纹序列；

匹配模块，将指纹序列与预先提取的目标视频的标准序列向量进行匹配，判断输入视频和目标视频是否同源。

根据本发明的基于视频指纹的快速视频检测系统的一实施例，指纹向量计算模块还包括：

向量存储模块，使用KD树的索引结构将得到的第k帧的三维指纹向量存储到数据库。

根据本发明的基于视频指纹的快速视频检测系统的一实施例，匹配模块进一步包括：

指纹距离计算单元，根据指纹序列与目标视频的标准序列向量得到指纹距离；

指纹距离判断单元，判断指纹距离和预设阈值的大小，若指纹距离小于预设阈值则表示匹配成功，输入视频和目标视频同源，若指纹距离大于或等于预设阈值则表示匹配失败，输入视频和目标视频不同源。

根据本发明的基于视频指纹的快速视频检测系统的一实施例，系统还包括：

视频上传处理模块，对判断出属于同源的输入视频，禁止其上传，对判断出不属于同源的输入视频，允许其上传。

本发明对比现有技术有如下的有益效果：本发明的方案是通过对输入视频的解码、维度划分、质心梯度方向的计算，得到视频帧的指纹向量，进而得到指纹序列，最后根据指纹序列中的指纹距离和目标视频的标准序列向量中的设定的阈值进行比较，从而判断出输入视频和目标视频是否同源。相较于现有技术，本发明能够识别简单编辑(简单编辑包括帧率改变、图像缩放、编码格式改变以及亮度和颜色的改变等)后的视频和相同源的视频的一致性，可用于在服务器端禁止属于相同源的侵权视频上传，从而自动控制用户重复上传侵权的视频，降低人力成本。而且，本发明的方法不局限于对用户上传视频的管理，也可以是对自身版权的管理。总之，涉及视频比对的应用都可以用到本发明的检测方法。

附图说明

图1示例性的示出了本发明的基于视频指纹的快速视频检测方法的第一实施例的流程图。

图2示例性的示出了本发明的基于视频指纹的快速视频检测方法的第二实施例的流程图。

图3示例性的示出了本发明的基于视频指纹的快速视频检测装置的第一实施例的原理图。

图4示例性的示出了本发明的基于视频指纹的快速视频检测装置的第二实施例的原理图。

具体实施方式

下面结合附图和实施例对本发明作进一步的描述。

图1示出了本发明的基于视频指纹的快速视频检测方法的第一实施例的流程。请参见图1，下面是对本实施例的视频检测方法的各个实施步骤的详细描述。

步骤S10：对输入视频进行解码得到YUV分量。

步骤S11：对视频转化后第k帧的Y分量进行维度划分，得到N×M矩阵，其中每帧的维度为N×M。

k的取值范围是从0到最后一帧，N的取值范围是1-width(宽度)，M为1-height(宽度)，例如取的N是4，M是2。

步骤S12：对矩阵中的每一块计算出矩阵的质心梯度方向，得到第k帧的三维指纹向量。

矩阵块的含义是指把一帧图像分成N×M个块以后，每一块的大小。在本步骤中，较佳的可以使用KD树的高效索引结构将运算得到的第k帧的三维指纹向量存储到数据库，方便数据读写，为指纹匹配提供方便。KD树(k-dimensional树的简称)是一种分割k维数据空间的数据结构，主要应用于多维空间关键数据的搜索，如范围搜索和最近邻搜索。

指纹向量的获取过程具体为：

在第k帧的坐标(x，y)位置处，用函数f(x，y，k)表示该点的亮度值。

坐标(x，y)的梯度定义为：

$\mathrm{\Δf}=\left[\begin{array}{cc}{G}_x& G_y\end{array}\right]=\left[\begin{array}{cc}\frac{\∂f}{\∂x}& \frac{\∂f}{\∂y}\end{array}\right]---\left(1\right)$

坐标(x，y)的f函数变化最快的方向就是梯度方向。在本发明的方法中，G_x和G_y约等于：

G_x＝f[x+1，y，k]-f[x-1，y，k]    (2)

G_y＝f[x，y+1，k]-f[x，y-1，k]    (3)

梯度矢量f也可以用幅度函数r[x，y，k]和相位函数θ[x，y，k]来代替，

它们的公式为：

$r[x,y,k]=\sqrt{G_x^2+G_y^2}---\left(4\right)$

$\mathrm{\θ}[x,y,k]={\tan }^{-1}\left(\frac{G_x}{G_y}\right)---\left(5\right)$

在本发明的方法中，质心梯度方向这个值是由矩阵中的每一块获得的：

$c[n,m,k]=\frac{\underset{(x,y)\∈B_{n,m,k}}{\mathrm{\Σ}}r[x,y,k]\mathrm{\θ}[x,y,k]}{\underset{(x,y)\∈B_{n,m,k}}{\mathrm{\Σ}}r[x,y,k]}---\left(6\right)$

B_n，m，k是第k帧中位于第n行和第m列的那一块，而c[n，m，k]是从块B_n，m，k中取得的质心。由于所有梯度大小的归一化，质心的取值在-pi/2到pi/2之间.第k帧的N*M维指纹向量ck是由下面公式获得的：

c_k＝[c[1，1，k]，c[1，2，k]，...，c[N，M，k]]    (7)

步骤S13：根据计算得到的第k帧的三维指纹向量获取指纹序列。

步骤S14：将指纹序列与预先提取的目标视频的标准序列向量进行匹配，判断输入视频和目标视频是否同源。

在本实施例中，匹配过程包括：

根据指纹序列与目标视频的标准序列向量得到指纹距离，判断指纹距离和预设阈值的大小，若指纹距离小于预设阈值则表示匹配成功，输入视频和目标视频同源，若指纹距离大于或等于预设阈值则表示匹配失败，输入视频和目标视频不同源。

匹配过程中的计算过程如下：

如果输入视频的指纹序列cA；目标视频的指纹序列cB；

其中，cA＝[c₁，c₂，...，c_X]和cB＝[c₁，c₂，...，c_Y]；

其中，X表示第X帧，Y表示第Y帧，那么K的取值如下：

If(X＞Y)

K＝Y

Else

K＝X

指纹距离采用欧式距离平方获得，公式如下：

$D(\mathrm{cA},\mathrm{cB})=\frac{1}{\mathrm{NMK}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\left(\right[\mathrm{cA}[n,m,k]-\mathrm{cB}[n,m,k])}^2---\left(9\right)$

指纹距离小于预设阀值T表示匹配成功，反之则匹配失败，其中T值得定义可以根据实际的情况设定。

图2示出了本发明的基于视频指纹的快速视频检测方法的第二实施例的流程。请参见图2，下面是对本实施例的视频检测方法的各个实施步骤的详细描述。

步骤S20：对输入视频进行解码得到YUV分量。

步骤S21：对视频转化后第k帧的Y分量进行维度划分，得到N×M矩阵，其中每帧的维度为N×M。

步骤S22：对矩阵中的每一块计算出矩阵的质心梯度方向，得到第k帧的三维指纹向量。

在本步骤中，较佳的可以使用KD树的高效索引结构将运算得到的第k帧的三维指纹向量存储到数据库，方便数据读写，为指纹匹配提供方便。

指纹向量的获取过程具体为：

在第k帧的坐标(x，y)位置处，用函数f(x，y，k)表示该点的亮度值。

坐标(x，y)的梯度定义为：

$\mathrm{\Δf}=\left[\begin{array}{cc}{G}_x& G_y\end{array}\right]=\left[\begin{array}{cc}\frac{\∂f}{\∂x}& \frac{\∂f}{\∂y}\end{array}\right]---\left(1\right)$

坐标(x，y)的f函数变化最快的方向就是梯度方向。在本发明的方法中，G_x和G_y约等于：

G_x＝f[x+1，y，k]-f[x-1，y，k]    (2)

G_y＝f[x，y+1，k]-f[x，y-1，k]    (3)

梯度矢量f也可以用幅度函数r[x，y，k]和相位函数θ[x，y，k]来代替，

它们的公式为：

$r[x,y,k]=\sqrt{G_x^2+G_y^2}---\left(4\right)$

$\mathrm{\θ}[x,y,k]={\tan }^{-1}\left(\frac{G_x}{G_y}\right)---\left(5\right)$

在本发明的方法中，质心梯度方向这个值是由矩阵中的每一块获得的：

$c[n,m,k]=\frac{\underset{(x,y)\∈B_{n,m,k}}{\mathrm{\Σ}}r[x,y,k]\mathrm{\θ}[x,y,k]}{\underset{(x,y)\∈B_{n,m,k}}{\mathrm{\Σ}}r[x,y,k]}---\left(6\right)$

B_n，m，k是第k帧中位于第n行和第m列的那一块，而c[n，m，k]是从块B_n，m，k中取得的质心。由于所有梯度大小的归一化，质心的取值在-pi/2到pi/2之间.第k帧的N*M维指纹向量ck是由下面公式获得的：

c_k＝[c[1，1，k]，c[1，2，k]，...，c[N，M，k]]    (7)

步骤S23：根据计算得到的第k帧的三维指纹向量获取指纹序列。

步骤S24：将指纹序列与预先提取的目标视频的标准序列向量进行匹配，判断输入视频和目标视频是否同源。

在本实施例中，匹配过程包括：

根据指纹序列与目标视频的标准序列向量得到指纹距离，判断指纹距离和预设阈值的大小，若指纹距离小于预设阈值则表示匹配成功，输入视频和目标视频同源，若指纹距离大于或等于预设阈值则表示匹配失败，输入视频和目标视频不同源。

匹配过程中的计算过程如下：

如果输入视频的指纹序列cA；目标视频的指纹序列cB；

其中，cA＝[c₁，c₂，...，c_X]和cB＝[c₁，c₂，...，c_Y]；

其中，X表示第X帧，Y表示第Y帧，那么K的取值如下：

If(X＞Y)

K＝Y

Else

K＝X

指纹距离采用欧式距离平方获得，公式如下：

$D(\mathrm{cA},\mathrm{cB})=\frac{1}{\mathrm{NMK}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\left(\right[\mathrm{cA}[n,m,k]-\mathrm{cB}[n,m,k])}^2---\left(9\right)$

指纹距离小于预设阀值T表示匹配成功，反之则匹配失败，其中T值得定义可以根据实际的情况设定。

步骤S25：对判断出属于同源的输入视频，禁止其上传，对判断出不属于同源的输入视频，允许其上传。

图3示出了本发明的基于视频指纹的快速视频检测装置的较佳实施例的原理。请参见图3，本实施例的快速视频检测装置包括：解码模块10、维度划分模块11、指纹向量计算模块12、指纹序列获取模块13、匹配模块14。

解码模块10对输入视频进行解码得到YUV分量。

维度划分模块11对视频转化后第k帧的Y分量进行维度划分，得到N×M矩阵，其中每帧的维度为N×M。

指纹向量计算模块12对矩阵中的每一块计算出矩阵的质心梯度方向，得到第k帧的三维指纹向量。较佳的，在指纹向量计算模块12中还包括向量存储模块120，使用KD树的索引结构将得到的第k帧的三维指纹向量存储到数据库。

指纹向量的获取过程具体为：

在第k帧的坐标(x，y)位置处，用函数f(x，y，k)表示该点的亮度值。

坐标(x，y)的梯度定义为：

$\mathrm{\Δf}=\left[\begin{array}{cc}{G}_x& G_y\end{array}\right]=\left[\begin{array}{cc}\frac{\∂f}{\∂x}& \frac{\∂f}{\∂y}\end{array}\right]---\left(1\right)$

坐标(x，y)的f函数变化最快的方向就是梯度方向。在本发明的方法中，G_x和G_y约等于：

G_x＝f[x+1，y，k]-f[x-1，y，k]    (2)

G_y＝f[x，y+1，k]-f[x，y-1，k]    (3)

梯度矢量f也可以用幅度函数r[x，y，k]和相位函数θ[x，y，k]来代替，

它们的公式为：

$r[x,y,k]=\sqrt{G_x^2+G_y^2}---\left(4\right)$

$\mathrm{\θ}[x,y,k]={\tan }^{-1}\left(\frac{G_x}{G_y}\right)---\left(5\right)$

在本发明的装置中，质心梯度方向这个值是由矩阵中的每一块获得的：

$c[n,m,k]=\frac{\underset{(x,y)\∈B_{n,m,k}}{\mathrm{\Σ}}r[x,y,k]\mathrm{\θ}[x,y,k]}{\underset{(x,y)\∈B_{n,m,k}}{\mathrm{\Σ}}r[x,y,k]}---\left(6\right)$

B_n，m，k是第k帧中位于第n行和第m列的那一块，而c[n，m，k]是从块B_n，m，k中取得的质心。由于所有梯度大小的归一化，质心的取值在-pi/2到pi/2之间.第k帧的N*M维指纹向量ck是由下面公式获得的：

c_k＝[c[1，1，k]，c[1，2，k]，...，c[N，M，k]]    (7)

指纹序列获取模块13根据计算得到的第k帧的三维指纹向量获取指纹序列。

匹配模块14将指纹序列与预先提取的目标视频的标准序列向量进行匹配，判断输入视频和目标视频是否同源。

匹配模块14进一步包括指纹距离计算单元140和指纹距离判断单元142。指纹距离计算单元140根据指纹序列与目标视频的标准序列向量得到指纹距离。指纹距离判断单元142判断指纹距离和预设阈值的大小，若指纹距离小于预设阈值则表示匹配成功，输入视频和目标视频同源，若指纹距离大于或等于预设阈值则表示匹配失败，输入视频和目标视频不同源。

指纹距离计算单元140的处理过程如下：如果输入视频的指纹序列cA；目标视频的指纹序列cB；

其中，cA＝[c₁，c₂，...，c_X]和cB＝[c₁，c₂，...，c_Y]；

其中，X表示第X帧，Y表示第Y帧，那么K的取值如下：

If(X＞Y)

K＝Y

Else

K＝X

指纹距离采用欧式距离平方获得，公式如下：

$D(\mathrm{cA},\mathrm{cB})=\frac{1}{\mathrm{NMK}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\left(\right[\mathrm{cA}[n,m,k]-\mathrm{cB}[n,m,k])}^2---\left(9\right)$

在指纹距离判断单元142中，指纹距离小于预设阀值T表示匹配成功，反之则匹配失败，其中T值得定义可以根据实际的情况设定。

图4示出了本发明的基于视频指纹的快速视频检测装置的第二实施例的原理。请参见图4，本实施例的快速视频检测装置包括：解码模块20、维度划分模块21、指纹向量计算模块22、指纹序列获取模块23、匹配模块24、视频上传处理模块25。

解码模块20对输入视频进行解码得到YUV分量。

维度划分模块21对视频转化后第k帧的Y分量进行维度划分，得到N×M矩阵，其中每帧的维度为N×M。

指纹向量计算模块22对矩阵中的每一块计算出矩阵的质心梯度方向，得到第k帧的三维指纹向量。较佳的，在指纹向量计算模块22中较佳的还包括向量存储模块220，使用KD树的索引结构将得到的第k帧的三维指纹向量存储到数据库。

指纹向量的获取过程具体为：

在第k帧的坐标(x，y)位置处，用函数f(x，y，k)表示该点的亮度值。

坐标(x，y)的梯度定义为：

$\mathrm{\Δf}=\left[\begin{array}{cc}{G}_x& G_y\end{array}\right]=\left[\begin{array}{cc}\frac{\∂f}{\∂x}& \frac{\∂f}{\∂y}\end{array}\right]---\left(1\right)$

坐标(x，y)的f函数变化最快的方向就是梯度方向。在本发明的方法中，G_x和G_y约等于：

G_x＝f[x+1，y，k]-f[x-1，y，k]    (2)

G_y＝f[x，y+1，k]-f[x，y-1，k]    (3)

梯度矢量f也可以用幅度函数r[x，y，k]和相位函数θ[x，y，k]来代替，

它们的公式为：

$r[x,y,k]=\sqrt{G_x^2+G_y^2}---\left(4\right)$

$\mathrm{\θ}[x,y,k]={\tan }^{-1}\left(\frac{G_x}{G_y}\right)---\left(5\right)$

在本发明的装置中，质心梯度方向这个值是由矩阵中的每一块获得的：

$c[n,m,k]=\frac{\underset{(x,y)\∈B_{n,m,k}}{\mathrm{\Σ}}r[x,y,k]\mathrm{\θ}[x,y,k]}{\underset{(x,y)\∈B_{n,m,k}}{\mathrm{\Σ}}r[x,y,k]}---\left(6\right)$

B_n,m,k是第k帧中位于第n行和第m列的那一块，而c[n，m，k]是从块B_n，m，k中取得的质心。由于所有梯度大小的归一化，质心的取值在-pi/2到pi/2之间.第k帧的N*M维指纹向量ck是由下面公式获得的：

c_k＝[c[1，1，k]，c[1，2，k]，...，c[N，M，k]]    (7)

指纹序列获取模块23根据计算得到的第k帧的三维指纹向量获取指纹序列。

匹配模块24将指纹序列与预先提取的目标视频的标准序列向量进行匹配，判断输入视频和目标视频是否同源。

匹配模块24进一步包括指纹距离计算单元240和指纹距离判断单元242。指纹距离计算单元240根据指纹序列与目标视频的标准序列向量得到指纹距离。指纹距离判断单元242判断指纹距离和预设阈值的大小，若指纹距离小于预设阈值则表示匹配成功，输入视频和目标视频同源，若指纹距离大于或等于预设阈值则表示匹配失败，输入视频和目标视频不同源。

指纹距离计算单元240的处理过程如下：如果输入视频的指纹序列cA；目标视频的指纹序列cB；

其中，cA＝[c₁，c₂，...，c_X]和cB＝[c₁，c₂，...，c_Y]；

其中，X表示第X帧，Y表示第Y帧，那么K的取值如下：

If(X＞Y)

K＝Y

Else

K＝X

指纹距离采用欧式距离平方获得，公式如下：

$D(\mathrm{cA},\mathrm{cB})=\frac{1}{\mathrm{NMK}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\left(\right[\mathrm{cA}[n,m,k]-\mathrm{cB}[n,m,k])}^2---\left(9\right)$

在指纹距离判断单元242中，指纹距离小于预设阀值T表示匹配成功，反之则匹配失败，其中T值得定义可以根据实际的情况设定。

视频上传处理模块25对判断出属于同源的输入视频，禁止其上传，对判断出不属于同源的输入视频，允许其上传。

上述实施例是提供给本领域普通技术人员来实现和使用本发明的，本领域普通技术人员可在不脱离本发明的发明思想的情况下，对上述实施例做出种种修改或变化，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书所提到的创新性特征的最大范围。

Claims (8)

1.一种基于视频指纹的快速视频检测方法，包括：

对输入视频进行解码得到YUV分量；

对视频转化后第k帧的Y分量进行维度划分，得到N×M矩阵，其中每帧的维度为N×M；

对矩阵中的每一块计算出矩阵的质心梯度方向，得到第k帧的三维指纹向量；根据计算得到的第k帧的三维指纹向量获取指纹序列；

将指纹序列与预先提取的目标视频的标准序列向量进行匹配，判断输入视频和目标视频是否同源。

2.根据权利要求1所述的基于视频指纹的快速视频检测方法，其特征在于，在得到第k帧的三维指纹向量后，还包括使用KD树的索引结构将得到的第k帧的三维指纹向量存储到数据库。

3.根据权利要求1所述的基于视频指纹的快速视频检测方法，其特征在于，在指纹序列与预先提取的目标视频的标准序列向量进行匹配的步骤中进一步包括：

根据指纹序列与目标视频的标准序列向量得到指纹距离，判断指纹距离和预设阈值的大小，若指纹距离小于预设阈值则表示匹配成功，输入视频和目标视频同源，若指纹距离大于或等于预设阈值则表示匹配失败，输入视频和目标视频不同源。

4.根据权利要求1所述的基于视频指纹的快速视频检测方法，其特征在于，方法还包括：

对判断出属于同源的输入视频，禁止其上传，对判断出不属于同源的输入视频，允许其上传。

5.一种基于视频指纹的快速视频检测装置，包括：

解码模块，对输入视频进行解码得到YUV分量；

维度划分模块，对视频转化后第k帧的Y分量进行维度划分，得到N×M矩阵，其中每帧的维度为N×M；

指纹向量计算模块，对矩阵中的每一块计算出矩阵的质心梯度方向，得到第k帧的三维指纹向量；

指纹序列获取模块，根据计算得到的第k帧的三维指纹向量获取指纹序列；

匹配模块，将指纹序列与预先提取的目标视频的标准序列向量进行匹配，判断输入视频和目标视频是否同源。

6.根据权利要求5所述的基于视频指纹的快速视频检测系统，其特征在于，指纹向量计算模块还包括：

向量存储模块，使用KD树的索引结构将得到的第k帧的三维指纹向量存储到数据库。

7.根据权利要求5所述的基于视频指纹的快速视频检测系统，其特征在于，匹配模块进一步包括：

指纹距离计算单元，根据指纹序列与目标视频的标准序列向量得到指纹距离；

指纹距离判断单元，判断指纹距离和预设阈值的大小，若指纹距离小于预设阈值则表示匹配成功，输入视频和目标视频同源，若指纹距离大于或等于预设阈值则表示匹配失败，输入视频和目标视频不同源。

8.根据权利要求5所述的基于视频指纹的快速视频检测系统，其特征在于，系统还包括：

视频上传处理模块，对判断出属于同源的输入视频，禁止其上传，对判断出不属于同源的输入视频，允许其上传。

Images