CN104504101B - 一种相似视频的确定方法及装置 - Google Patents
一种相似视频的确定方法及装置 Download PDFInfo
- Publication number
- CN104504101B CN104504101B CN201410838608.1A CN201410838608A CN104504101B CN 104504101 B CN104504101 B CN 104504101B CN 201410838608 A CN201410838608 A CN 201410838608A CN 104504101 B CN104504101 B CN 104504101B
- Authority
- CN
- China
- Prior art keywords
- video
- frame
- finger print
- specified
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种相似视频的确定方法及装置,该方法包括:确定目标视频的指定图像特征值序列;根据动态时间规整算法,分别计算目标视频的指定图像特征值序列与预先确定的N个基视频的指定图像特征值序列之间的DTW距离;将得到的N个DTW距离确定为目标视频的视频指纹;根据预设的公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度,如果目标视频的视频指纹与标准视频的视频指纹相似度大于预设的预阈值,则确定目标视频与标准视频相似。与现有技术相比,不需要产生大量特征向量,这使得在整个视频指纹匹配过程中,不用大量的特征存储和检索,机器资源开销较小。而且,能减轻现有技术的局部鲁棒性不够高的问题,提高整体鲁棒性。
Description
技术领域
本发明涉及计算机多媒体领域,特别涉及一种相似视频的确定方法及装置。
背景技术
随着多媒体和网络技术的飞速发展,视频的生成和传输变得简单快捷,视频资源变得极为丰富。视频网站会接收用户上传的大量的视频。而在这些视频中,经常会有内容相似的视频,如果视频网站将这些内容相似的视频全部进行存储,对视频网站来说,工作压力比较大。因此,如何能确定视频是否相似,并将相似的视频去除,对视频网站来说,显得十分重要。
在现有技术中,一般通过视频对应的视频指纹来确定这些视频是否相似。视频指纹是指提取视频内容内在的特征信息,然后基于这些特征信息通过算法得到一个与视频唯一对应且能唯一标识视频的数字序列;相似的视频内容的视频应该具有相似的视频指纹。因此,在确定了各视频的视频指纹后,将各视频指纹进行比较,如果它们的视频指纹相匹配,也就是说相似度达到一定数值,就可以确定与之对应的视频为相似视频。
在现有的视频指纹的匹配方法中,其视频指纹的确定主要是通过分析视频内容,提取视频特定视频帧的多个局部特征,例如特定视频帧的颜色直方图、sift(Scale-invariant feature transform)特征等,然后将所抽取特定视频帧的多个视频特征的集合作为整个视频的指纹。
上述的视频指纹的匹配方法都是根据视频特定视频帧的多个局部特征来确定视频指纹,会产生大量特征向量,这使得在整个视频指纹匹配过程中,需要大量的特征存储和检索,机器资源开销较大,同时由于在提取视频特定视频帧时抽帧可能不一致,使得局部鲁棒性不够高。
发明内容
为解决上述问题,本发明实施例公开了一种相似视频的确定方法及装置。技术方案如下:
本发明实施例提供一种相似视频的确定方法,可以包括:
确定目标视频的指定图像特征值序列;
根据动态时间规整算法,分别计算目标视频的指定图像特征值序列与预先确定的N个基视频的指定图像特征值序列之间的DTW距离;其中,所述N个基视频的指定图像特征值序列的确定方法与目标视频的指定图像特征值序列的确定方法相同;
将得到的N个DTW距离确定为目标视频的视频指纹;
根据预设的公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度,其中,所述标准视频的视频指纹的确定方法与目标视频的视频指纹的确定方法相同;
如果目标视频的视频指纹与标准视频的视频指纹相似度大于预设的预阈值,则确定目标视频与标准视频相似;
其中,所述目标视频的指定图像特征值序列的确定方法包括:
按预设的视频帧选取规则选取目标视频的至少两帧视频帧;
确定选取的各视频帧的指定图像特征值;
将已确定的各视频帧的指定图像特征值按预设的顺序进行排列,得到目标视频的指定图像特征值序列。
其中,所述按预设的视频帧选取规则选取目标视频的至少两帧视频帧,包括:
按预设的取帧频率选取目标视频的至少两帧视频帧。
其中,所述确定选取的各视频帧的指定图像特征值,包括:
确定选取的各视频帧的灰度均值,将所确定的灰度均值作为各视频帧的指定图像特征值;
或
计算所选取的视频帧中,具有预设位置关系的每两帧视频帧的灰度值差值,将所计算的灰度值差值的绝对值作为各视频帧的指定图像特征值。
其中,所述将已确定的各视频帧的指定图像特征值按预设的顺序进行排列,得到目标视频的指定图像特征值序列;包括:
将已确定的各视频帧的指定图像特征值按照与各指定图像特征值对应的视频帧在视频中的先后顺序进行排列,得到目标视频的指定图像特征值序列。
其中,根据预设的公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度,包括:
利用以下公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度:
其中,A为相似度;
Xi为目标视频的指定图像特征值序列与第i个基视频指定图像特征值序列之间的DTW距离;
Yi为标准视频的指定图像特征值序列与第i个基视频指定图像特征值序列之间的DTW距离。
本发明实施例还提供一种相似视频的确定装置,可以包括:
图像特征值序列确定模块,用于确定目标视频的指定图像特征值序列;
DTW距离确定模块,用于根据动态时间规整算法,分别计算目标视频的指定图像特征值序列与预先确定的N个基视频的指定图像特征值序列之间的DTW距离;其中,所述N个基视频的指定图像特征值序列的确定方法与目标视频的指定图像特征值序列的确定方法相同;
视频指纹确定模块,用于将得到的N个DTW距离确定为目标视频的视频指纹;
相似度计算模块,用于根据预设的公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度,其中,所述标准视频的视频指纹的确定方法与目标视频的视频指纹的确定方法相同;
相似视频确定模块,用于如果目标视频的视频指纹与标准视频的视频指纹相似度大于预设的预阈值,则确定目标视频与标准视频相似;
其中,所述图像特征值序列确定模块包括:
视频帧选取子模块,用于按预设的视频帧选取规则选取目标视频的至少两帧视频帧;
图像特征值确定子模块,用于确定选取的各视频帧的指定图像特征值;
序列确定子模块,用于将已确定的各视频帧的指定图像特征值按预设的顺序进行排列,得到目标视频的指定图像特征值序列。
其中,所述视频帧选取子模块,具体用于:
按预设的取帧频率选取目标视频的至少两帧视频帧。
其中,所述图像特征值确定子模块,具体用于:
确定选取的各视频帧的灰度均值,将所确定的灰度均值作为各视频帧的指定图像特征值;
或
计算所选取的视频帧中,具有预设位置关系的每两帧视频帧的灰度值差值,将所计算的灰度值差值的绝对值作为各视频帧的指定图像特征值。
其中,所述序列确定子模块,具体用于:
将已确定的各视频帧的指定图像特征值按照与各指定图像特征值对应的视频帧在视频中的先后顺序进行排列,得到目标视频的指定图像特征值序列。
其中,所述相似度计算模块,具体用于:
利用以下公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度:
其中,A为相似度;
Xi为目标视频的指定图像特征值序列与第i个基视频指定图像特征值序列之间的DTW距离;
Yi为标准视频的指定图像特征值序列与第i个基视频指定图像特征值序列之间的DTW距离。
本发明的技术方案在确定目标视频的指定图像特征值序列后,根据动态时间规整算法,计算目标视频的指定图像特征值序列与预先确定的N个基视频的指定图像特征值序列之间的DTW距离;并将其作为目标视频的视频指纹;进而通过目标视频的视频指纹与标准视频的视频指纹的相似度来确定目标视频和标准视频是否相似。与现有技术相比,不需要产生大量特征向量,这使得在整个视频指纹匹配过程中,不用大量的特征存储和检索,机器资源开销较小。而且,即使提取视频特定视频帧时抽帧不一致,对本发明的技术方案影响也较小,因此,能减轻现有技术的局部鲁棒性不够高的问题,提高整体鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种相似视频的确定方法流程图;
图2为本发明提供的目标视频的指定图像特征值序列确定方法流程图;
图3为本发明提供的一种相似视频的确定装置的结构示意图;
图4为本发明提供的图像特征值序列确定模块的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明提供的一种相似视频的确定方法,该方法可以包括:
S101,确定目标视频的指定图像特征值序列。
在本发明中,目标视频是与标准视频相对应的。标准视频是指已确定出视频指纹,并以该视频为基准,评价其它视频是否与其相似的视频。所说的“其它视频”即是目标视频。
这里所说的目标视频的指定图像特征值序列的确定方法如图2所示,可以包括:
S201,按预设的视频帧选取规则选取目标视频的至少两帧视频帧。
这里所说的预设的视频帧选取规则可以是由本领域技术人员来进行确定的,本发明对该规则本身并不需要进行限定,只要根据该视频帧选取规则能够选取一定量的视频帧即可。在实际应用中,可以按预设的取帧频率选取目标视频的至少两帧视频帧。例如,可以采用每0.3秒取一帧视频的频率来选取视频帧等。也可以是每间隔几帧选取一帧视频帧。可以理解的是,所选取的视频帧较多时,本发明提供的相似视频确定方法的稳定性及准确率就会相应较高,但同时,用于提供相似视频的确定方法的装置的工作量也会较大;如果所选取的视频帧较少,该方法的稳定性及准确率就会较低,但同时,用于提供相似视频的确定方法的装置的工作量也会较小;因此,所选取视频帧的数量可以由本领域技术人员根据实际情况来进行确定。本发明在此不作具体限定。
S202,确定选取的各视频帧的指定图像特征值。
所说的图像特征可以是本领域用于描述视频帧图像特点的任意特征,本发明在此不需进行限定。例如图像特征可以采用视频的灰度特征,此时,确定选取的各视频帧的指定图像特征值:
可以是确定选取的各视频帧的灰度均值,将所确定的灰度均值作为各视频帧的指定图像特征值;
或
计算所选取的视频帧中,具有预设位置关系的每两帧视频帧的灰度值差值,将所计算的灰度值差值的绝对值作为各视频帧的指定图像特征值;具体的,可以是计算所选取的视频帧中相邻每两帧视频帧的灰度值差值,将所计算的灰度值差值的绝对值作为各视频帧的指定图像特征值;
或
计算所选取的视频帧中,连续几帧视频帧的灰度值均值,将所计算的灰度值均值的绝对值作为各视频帧的指定图像特征值,具体的,可以是计算所选取的视频帧中,连续3帧视频帧的灰度值均值,将所计算的灰度值均值的绝对值作为各视频帧的指定图像特征值。
对于图像特征及与该图像特征对应的图像特征值的选择,本领域技术人员可以根据实际情况选择,本发明在此不需进行限定。
进一步需要说明的是,确定选取的各视频帧的指定图像特征值的具体实施例,可以采用现有技术的相关技术方案来实现,本发明在此不需进行限定。
例如,在指定图像特征值为两视频帧之间的灰度差值时,确定视频帧该指定图像特征值的方法可以采用如下方法:将视频帧转换为0-255的灰度值,相邻两帧对应像素点求差,将差值求和就可以得到指定图像特征值。
S203,将已确定的各视频帧的指定图像特征值按预设的顺序进行排列,得到目标视频的指定图像特征值序列。
在得到指定图像特征值后,需要将各图像特征值按预设的顺序进行排列,得到目标视频的指定图像特征值序列。这里所说的预设的顺序可以由本领域技术人员进行确定,本发明在此无需进行限定。优选的,可以将已确定的各视频帧的指定图像特征值按照与各指定图像特征值对应的视频帧在视频中的先后顺序进行排列,得到目标视频的指定图像特征值序列。例如,当选取各视频帧的灰度均值作为图像特征值时,如果所选取的视频帧分别为第1、10、20、30帧,目标视频的灰度均值序列的排列顺序可以为第1帧对应的灰度均值排第一位,第10帧对应的灰度均值排第二位,第20帧对应的灰度均值排第三位,第30帧对应的灰度均值排第四位。
S102,根据动态时间规整算法,分别计算目标视频的指定图像特征值序列与预先确定的N个基视频的指定图像特征值序列之间的DTW距离。S103,将得到的N个DTW距离确定为目标视频的视频指纹。
首先,需要说明的是,所述N个基视频的指定图像特征值序列的确定方法与目标视频的指定图像特征值序列的确定方法相同。在实际应用过程中,N的具体值可以由本领域技术人员根据应用场景进行确定,基视频的选取基本要求是基视频之间的相似度要较低,以避免过多冗余信息。
由于针对不同的视频所选取的视频帧的数量可能会不同,因此,所形成的图像特征值序列中的各元素的数量也可能不同的。因此,无法直接将两个不同视频的图像特征值序列直接进行比较。只有将这两个图像特征值序列分别通过动态时间规整算法(DynamicTime Warping,简称:DTW)与N个基视频的指定图像特征值序列进行计算,分别得到N个DTW距离,才能进行比较。具体的,
可以是根据动态时间规整算法,分别计算标准视频的指定图像特征值序列与预先确定的N个基视频的指定图像特征值序列之间的DTW距离。
再分别计算目标视频的指定图像特征值序列与预先确定的N个基视频的指定图像特征值序列之间的DTW距离。这样,对于目标视频来说,就可以得到的N个DTW距离,作为目标视频的视频指纹。对于标准视频来说,也可以得到的N个DTW距离,作为标准视频的视频指纹。此时,对于目标视频的视频指纹和标准视频的视频指纹来说,它们是具有相同的元素个数,因此,可以进行比较。
S104,根据预设的公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度。
从前一步骤可以看出,所述标准视频的视频指纹的确定方法与目标视频的视频指纹的确定方法相同。
在S103中,已经确定出目标视频的视频指纹,该视频指纹中包含有N个DTW距离;同样,事先我们已经确定出标准视频的视频指纹,该视频指纹中也包含有N个DTW距离。
计算目标视频的视频指纹与标准视频的视频指纹的相似度就是要先分别比较目标视频和标准视频中相对应的DTW距离的差异性,这里所说的相对应的DTW距离是指对同一个基视频所获得的DTW距离,再将各DTW距离的差异性按照指定的方法进行处理,就可以得到目标视频的视频指纹与标准视频的视频指纹的相似度。
具体的,可以利用以下公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度:
其中,A为相似度;
Xi为目标视频的指定图像特征值序列与第i个基视频指定图像特征值序列之间的DTW距离;
Yi为标准视频的指定图像特征值序列与第i个基视频指定图像特征值序列之间的DTW距离。
需要说明的是,上述的相似度计算公式只是本发明的一种优选实施方式,不并表示本发明中相似度只能通过上述的计算公式得到。例如,还可以采用下述的方式得到相似度:
相似度的计算公式可以根据本发明的思想,由本领域技术人员自行确定,本发明在此不作具体限定。
S105,如果目标视频的视频指纹与标准视频的视频指纹相似度大于预设的预阈值,则确定目标视频与标准视频相似。
在S104中,计算出目标视频的视频指纹与标准视频的视频指纹的相似度后,判断所计算出的相似度是否大于预设的预阈值,所说的预设的预阈值可以由本领域技术人员根据S104中相似度的计算公式,以及已经标定的业务数据来确定。本发明在此不作具体限定。
如果目标视频的视频指纹与标准视频的视频指纹的相似度大于预设的预阈值,就可以认为目标视频与标准视频相似。
本发明的技术方案在确定目标视频的指定图像特征值序列后,根据动态时间规整算法,计算目标视频的指定图像特征值序列与预先确定的N个基视频的指定图像特征值序列之间的DTW距离;并将其作为目标视频的视频指纹;进而通过目标视频的视频指纹与标准视频的视频指纹的相似度来确定目标视频和标准视频是否相似。与现有技术相比,不需要产生大量特征向量,这使得在整个视频指纹匹配过程中,不用大量的特征存储和检索,机器资源开销较小。而且,即使提取视频特定视频帧时抽帧不一致,对本发明的技术方案影响也较小,因此,能减轻现有技术的局部鲁棒性不够高的问题,提高整体鲁棒性。
相应于上面的方法实施例,本发明还提供了一种相似视频的确定装置,如图3所示,可以包括:
图像特征值序列确定模块101,用于确定目标视频的指定图像特征值序列。
DTW距离确定模块102,用于根据动态时间规整算法,分别计算目标视频的指定图像特征值序列与预先确定的N个基视频的指定图像特征值序列之间的DTW距离;其中,所述N个基视频的指定图像特征值序列的确定方法与目标视频的指定图像特征值序列的确定方法相同;
视频指纹确定模块103,用于将得到的N个DTW距离确定为目标视频的视频指纹;
相似度计算模块104,用于根据预设的公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度,其中,所述标准视频的视频指纹的确定方法与目标视频的视频指纹的确定方法相同;
相似视频确定模块105,用于如果目标视频的视频指纹与标准视频的视频指纹相似度大于预设的预阈值,则确定目标视频与标准视频相似。
在实际应用过程中,图像特征值序列确定模块101,如图4所示,可以包括:
视频帧选取子模块201,用于按预设的视频帧选取规则选取目标视频的至少两帧视频帧;
图像特征值确定子模块202,用于确定选取的各视频帧的指定图像特征值;
序列确定子模块203,用于将已确定的各视频帧的指定图像特征值按预设的顺序进行排列,得到目标视频的指定图像特征值序列。
本发明的技术方案在确定目标视频的指定图像特征值序列后,根据动态时间规整算法,计算目标视频的指定图像特征值序列与预先确定的N个基视频的指定图像特征值序列之间的DTW距离;并将其作为目标视频的视频指纹;进而通过目标视频的视频指纹与标准视频的视频指纹的相似度来确定目标视频和标准视频是否相似。与现有技术相比,不需要产生大量特征向量,这使得在整个视频指纹匹配过程中,不用大量的特征存储和检索,机器资源开销较小。而且,即使提取视频特定视频帧时抽帧不一致,对本发明的技术方案影响也较小,因此,能减轻现有技术的局部鲁棒性不够高的问题,提高整体鲁棒性。
在本发明的一种优选实施方式中,所述视频帧选取子模块201,具体用于:
按预设的取帧频率选取目标视频的至少两帧视频帧。
在本发明的一种优选实施方式中,所述图像特征值确定子模块202,具体用于:
确定选取的各视频帧的灰度均值,将所确定的灰度均值作为各视频帧的指定图像特征值;
或
计算所选取的视频帧中,具有预设位置关系的每两帧视频帧的灰度值差值,将所计算的灰度值差值的绝对值作为各视频帧的指定图像特征值。
在本发明的一种优选实施方式中,所述序列确定子模块203,具体用于:
将已确定的各视频帧的指定图像特征值按照与各指定图像特征值对应的视频帧在视频中的先后顺序进行排列,得到目标视频的指定图像特征值序列。
在本发明的一种优选实施方式中,所述相似度计算模块104,具体用于:
利用以下公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度:
其中,A为相似度;
Xi为目标视频的指定图像特征值序列与第i个基视频指定图像特征值序列之间的DTW距离;
Yi为标准视频的指定图像特征值序列与第i个基视频指定图像特征值序列之间的DTW距离。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机可读取存储介质中,这里所称得的存储介质,如:ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种相似视频的确定方法,其特征在于,包括:
确定目标视频的指定图像特征值序列;
根据动态时间规整算法,分别计算目标视频的指定图像特征值序列与预先确定的N个基视频的指定图像特征值序列之间的DTW距离;其中,所述N个基视频的指定图像特征值序列的确定方法与目标视频的指定图像特征值序列的确定方法相同;
将得到的N个DTW距离确定为目标视频的视频指纹;
根据预设的公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度,其中,所述标准视频的视频指纹的确定方法与目标视频的视频指纹的确定方法相同;
如果目标视频的视频指纹与标准视频的视频指纹相似度大于预设的预阈值,则确定目标视频与标准视频相似;
其中,所述目标视频的指定图像特征值序列的确定方法包括:
按预设的视频帧选取规则选取目标视频的至少两帧视频帧;
确定选取的各视频帧的指定图像特征值;
将已确定的各视频帧的指定图像特征值按预设的顺序进行排列,得到目标视频的指定图像特征值序列。
2.如权利要求1所述的相似视频的确定方法,其特征在于,所述按预设的视频帧选取规则选取目标视频的至少两帧视频帧,包括:
按预设的取帧频率选取目标视频的至少两帧视频帧。
3.如权利要求1所述的相似视频的确定方法,其特征在于,所述确定选取的各视频帧的指定图像特征值,包括:
确定选取的各视频帧的灰度均值,将所确定的灰度均值作为各视频帧的指定图像特征值;
或
计算所选取的视频帧中,具有预设位置关系的每两帧视频帧的灰度值差值,将所计算的灰度值差值的绝对值作为各视频帧的指定图像特征值。
4.如权利要求1所述的相似视频的确定方法,其特征在于,所述将已确定的各视频帧的指定图像特征值按预设的顺序进行排列,得到目标视频的指定图像特征值序列;包括:
将已确定的各视频帧的指定图像特征值按照与各指定图像特征值对应的视频帧在视频中的先后顺序进行排列,得到目标视频的指定图像特征值序列。
5.如权利要求1所述的相似视频的确定方法,其特征在于,根据预设的公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度,包括:
利用以下公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度:
其中,A为相似度;
Xi为目标视频的指定图像特征值序列与第i个基视频指定图像特征值序列之间的DTW距离;
Yi为标准视频的指定图像特征值序列与第i个基视频指定图像特征值序列之间的DTW距离。
6.一种相似视频的确定装置,其特征在于,包括:
图像特征值序列确定模块,用于确定目标视频的指定图像特征值序列;
DTW距离确定模块,用于根据动态时间规整算法,分别计算目标视频的指定图像特征值序列与预先确定的N个基视频的指定图像特征值序列之间的DTW距离;其中,所述N个基视频的指定图像特征值序列的确定方法与目标视频的指定图像特征值序列的确定方法相同;
视频指纹确定模块,用于将得到的N个DTW距离确定为目标视频的视频指纹;
相似度计算模块,用于根据预设的公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度,其中,所述标准视频的视频指纹的确定方法与目标视频的视频指纹的确定方法相同;
相似视频确定模块,用于如果目标视频的视频指纹与标准视频的视频指纹相似度大于预设的预阈值,则确定目标视频与标准视频相似;
其中,所述图像特征值序列确定模块包括:
视频帧选取子模块,用于按预设的视频帧选取规则选取目标视频的至少两帧视频帧;
图像特征值确定子模块,用于确定选取的各视频帧的指定图像特征值;
序列确定子模块,用于将已确定的各视频帧的指定图像特征值按预设的顺序进行排列,得到目标视频的指定图像特征值序列。
7.如权利要求6所述的装置,其特征在于,所述视频帧选取子模块,具体用于:
按预设的取帧频率选取目标视频的至少两帧视频帧。
8.如权利要求6所述的装置,其特征在于,所述图像特征值确定子模块,具体用于:
确定选取的各视频帧的灰度均值,将所确定的灰度均值作为各视频帧的指定图像特征值;
或
计算所选取的视频帧中,具有预设位置关系的每两帧视频帧的灰度值差值,将所计算的灰度值差值的绝对值作为各视频帧的指定图像特征值。
9.如权利要求6所述的装置,其特征在于,所述序列确定子模块,具体用于:
将已确定的各视频帧的指定图像特征值按照与各指定图像特征值对应的视频帧在视频中的先后顺序进行排列,得到目标视频的指定图像特征值序列。
10.如权利要求6所述的装置,其特征在于,所述相似度计算模块,具体用于:
利用以下公式,计算目标视频的视频指纹与标准视频的视频指纹的相似度:
其中,A为相似度;
Xi为目标视频的指定图像特征值序列与第i个基视频指定图像特征值序列之间的DTW距离;
Yi为标准视频的指定图像特征值序列与第i个基视频指定图像特征值序列之间的DTW距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410838608.1A CN104504101B (zh) | 2014-12-30 | 2014-12-30 | 一种相似视频的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410838608.1A CN104504101B (zh) | 2014-12-30 | 2014-12-30 | 一种相似视频的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104504101A CN104504101A (zh) | 2015-04-08 |
CN104504101B true CN104504101B (zh) | 2018-10-30 |
Family
ID=52945499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410838608.1A Active CN104504101B (zh) | 2014-12-30 | 2014-12-30 | 一种相似视频的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104504101B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105872760A (zh) * | 2015-12-02 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 一种视频播放监测方法及装置 |
CN105677758A (zh) * | 2015-12-30 | 2016-06-15 | 合一网络技术(北京)有限公司 | 一种建立样本视频与副本视频归属关系的方法及系统 |
CN105681898B (zh) * | 2015-12-31 | 2018-10-30 | 北京奇艺世纪科技有限公司 | 一种相似视频和盗版视频的检测方法及装置 |
CN105718524A (zh) * | 2016-01-15 | 2016-06-29 | 合一网络技术(北京)有限公司 | 确定视频正本的方法和装置 |
CN106484837B (zh) * | 2016-09-30 | 2020-08-04 | 腾讯科技(北京)有限公司 | 相似视频文件的检测方法和装置 |
CN108197265A (zh) * | 2017-12-29 | 2018-06-22 | 深圳市视维科技股份有限公司 | 一种基于短视频搜索完整视频的方法及系统 |
CN109857908B (zh) * | 2019-03-04 | 2021-04-09 | 北京字节跳动网络技术有限公司 | 用于匹配视频的方法和装置 |
CN110738135B (zh) * | 2019-09-25 | 2023-06-09 | 艾普工华科技(武汉)有限公司 | 一种工人作业工步规范视觉识别判定与指导方法及系统 |
CN111339368B (zh) * | 2020-02-20 | 2024-04-02 | 同盾控股有限公司 | 基于视频指纹的视频检索方法、装置和电子设备 |
CN114731448A (zh) * | 2020-11-23 | 2022-07-08 | 深圳市大疆创新科技有限公司 | 视频相似度处理方法、装置、移动终端和存储介质 |
CN112653928B (zh) * | 2020-12-04 | 2022-12-02 | 苏州浪潮智能科技有限公司 | 一种基于内容相同的视频过滤方法、系统及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101442641A (zh) * | 2008-11-21 | 2009-05-27 | 清华大学 | 一种基于内容的视频拷贝监测的方法及系统 |
CN103051925A (zh) * | 2012-12-31 | 2013-04-17 | 传聚互动(北京)科技有限公司 | 基于视频指纹的快速视频检测方法和装置 |
CN103257992A (zh) * | 2013-01-29 | 2013-08-21 | 中国科学技术大学 | 一种相似视频检索的方法及系统 |
CN103514293A (zh) * | 2013-10-09 | 2014-01-15 | 北京中科模识科技有限公司 | 在视频模板库中进行视频匹配的方法 |
CN104205865A (zh) * | 2012-03-29 | 2014-12-10 | 阿尔卡特朗讯公司 | 用于认证视频内容的方法和装置 |
-
2014
- 2014-12-30 CN CN201410838608.1A patent/CN104504101B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101442641A (zh) * | 2008-11-21 | 2009-05-27 | 清华大学 | 一种基于内容的视频拷贝监测的方法及系统 |
CN104205865A (zh) * | 2012-03-29 | 2014-12-10 | 阿尔卡特朗讯公司 | 用于认证视频内容的方法和装置 |
CN103051925A (zh) * | 2012-12-31 | 2013-04-17 | 传聚互动(北京)科技有限公司 | 基于视频指纹的快速视频检测方法和装置 |
CN103257992A (zh) * | 2013-01-29 | 2013-08-21 | 中国科学技术大学 | 一种相似视频检索的方法及系统 |
CN103514293A (zh) * | 2013-10-09 | 2014-01-15 | 北京中科模识科技有限公司 | 在视频模板库中进行视频匹配的方法 |
Non-Patent Citations (3)
Title |
---|
一种基于视频指纹的视频检索方法研究;尹亚光 等;《电视技术》;20140802;第16-19页 * |
基于数字指纹的音频检索系统的设计与实现;高昕晟;《中国学位论文全文数据库》;20140917;第10页 * |
基于视频指纹的视频片段检索方法;李泽洲 等;《计算机工程》;20100430;第36卷(第7期);第239-241 * |
Also Published As
Publication number | Publication date |
---|---|
CN104504101A (zh) | 2015-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104504101B (zh) | 一种相似视频的确定方法及装置 | |
CN104464726B (zh) | 一种相似音频的确定方法及装置 | |
CN107633526B (zh) | 一种图像跟踪点获取方法及设备、存储介质 | |
US11210522B2 (en) | Sample extraction method and device targeting video classification problem | |
US11042991B2 (en) | Determining multiple camera positions from multiple videos | |
CN102356393A (zh) | 数据处理装置 | |
US20160196478A1 (en) | Image processing method and device | |
US20150279048A1 (en) | Method for generating a hierarchical structured pattern based descriptor and method and device for recognizing object using the same | |
CN110287942A (zh) | 年龄估计模型的训练方法、年龄估计方法以及对应的装置 | |
CN110147469B (zh) | 一种数据处理方法、设备及存储介质 | |
JP2006338313A (ja) | 類似画像検索方法,類似画像検索システム,類似画像検索プログラム及び記録媒体 | |
CN103927535B (zh) | 一种汉字书写识别方法及装置 | |
CN104731950A (zh) | 一种视频推荐方法和装置 | |
GB2558050A (en) | Generating a compact video feature representation in a digital medium environment | |
US9549162B2 (en) | Image processing apparatus, image processing method, and program | |
JP2016045917A (ja) | 時系列データの傾向抽出及び評価装置 | |
KR102018046B1 (ko) | 이미지 특징 추출 장치 및 방법 | |
JP2011133984A (ja) | 動作特徴抽出装置および動作特徴抽出方法 | |
Broadwell et al. | Comparative K-Pop Choreography Analysis through Deep-Learning Pose Estimation across a Large Video Corpus. | |
JP6311000B1 (ja) | 生成装置、生成方法、及び生成プログラム | |
CN109753157A (zh) | 显示屏的手势控制方法及装置 | |
CN105657575B (zh) | 视频标注方法和装置 | |
WO2015120771A1 (zh) | 一种数字图像质量分级的方法和装置 | |
CN105335111B (zh) | 一种图像的展示处理方法和装置 | |
CN104866818A (zh) | 一种用于搜索包含人脸的图片的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |