CN105468755A - 一种视频筛选存储方法和装置 - Google Patents
一种视频筛选存储方法和装置 Download PDFInfo
- Publication number
- CN105468755A CN105468755A CN201510850050.3A CN201510850050A CN105468755A CN 105468755 A CN105468755 A CN 105468755A CN 201510850050 A CN201510850050 A CN 201510850050A CN 105468755 A CN105468755 A CN 105468755A
- Authority
- CN
- China
- Prior art keywords
- video
- detected
- key frame
- frame
- similar
- 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.)
- Pending
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Television Signal Processing For Recording (AREA)
Abstract
本发明提供了一种视频筛选存储方法和装置,所述方法包括:分别获取待检测视频的开始帧的OSD信息和结束帧的OSD信息;根据开始帧的OSD信息和/或结束帧的OSD信息,从视频库中选择视频,并从选择出的视频中确定出待检测视频的相似视频;比对待检测视频的关键帧和相似视频的关键帧,得到待检测视频与相似视频的相似度;根据相似度的大小存储或丢弃待检测视频。通过本申请提供的视频筛选存储方法和装置,以减少筛选待检测视频中的重复视频所耗费的时间。
Description
技术领域
本发明涉及图像处理领域,具体而言,涉及一种视频筛选存储方法和装置。
背景技术
目前,随着视频分享、视频直播、视频点播、视频推荐等网络视频服务的兴起与发展,越来越多的网络用户会将自己拍摄或者编辑的视频上传到视频在线网站上以分享自己的内容,由于网络上的视频很容易被复制、编辑并重新上传,所以视频在线网站上就会出现大量的由不同用户上传的重复视频,为了对这些视频进行管理,视频在线网站设置了视频库对用户上传的视频进行管理。
视频在线网站在将获取到的多段待存储视频存档到视频库之前,为了保证视频库中存储空间的有效利用,需要通过全局特征检测方法和局部特征检测方法,对待存储视频进行筛选,将待存储视频中与视频库中已存储视频类似的视频剔除掉,然后将待存储视频中未被剔除掉的视频存储到视频库中。
在对待存储视频进行筛选的过程中,会将待存储视频与视频库中海量的已存储视频逐一进行比对,才可以确定待存储视频是否应该被存储到视频库中,这会大大增加从待存储视频中筛选出已存储视频的重复视频所耗费的时间,降低了视频库的存储效率。
发明内容
有鉴于此,本发明实施例的目的在于提供一种视频筛选存储方法和装置,以减少筛选待存储视频中的重复监控视频所耗费的时间。
第一方面,本发明实施例提供了一种视频筛选存储方法,包括:
分别获取待检测视频的开始帧的屏幕菜单式调节方式OSD信息和结束帧的OSD信息;
根据所述开始帧的OSD信息和/或所述结束帧的OSD信息,从视频库中选择视频,并从选择出的所述视频中确定出所述待检测视频的相似视频;
比对所述待检测视频的关键帧和所述相似视频的关键帧,得到所述待检测视频与所述相似视频的相似度;
根据所述相似度的大小存储或丢弃所述待检测视频。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,在分别获取待检测视频的开始帧的屏幕菜单式调节方式OSD信息和结束帧的OSD信息之后,所述方法还包括:
计算所述结束帧的OSD信息中记录的结束时间点减去所述开始帧的OSD信息中记录的开始时间点,得到所述待检测视频的时间长度;
从所述待检测视频的视频上下文信息中获取所述待检测视频的视频长度信息;
当计算得到的所述时间长度与获取的所述视频长度信息相同时,执行所述从视频库中选择具有所述开始帧的OSD信息或者所述结束帧的OSD信息的视频的步骤,否则,丢弃所述待检测视频。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,根据所述开始帧的OSD信息和/或所述结束帧的OSD信息,从视频库中选择视频,并从选择出的所述视频中确定出所述待检测视频的相似视频包括:
从视频库中选择出具有开始帧的OSD信息中记录的开始时间点和/或结束帧的OSD信息中记录的结束时间点的视频;
通过全局特征检测算法和欧式距离算法从选择出的所述视频中确定出所述待检测视频的相似视频。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,比对所述待检测视频的关键帧和所述相似视频的关键帧,得到所述待检测视频与所述相似视频的相似度包括:
从所述待检测视频和所述相似视频中分别获取所述待检测视频的关键帧和所述相似视频的关键帧;
通过局部特征检测算法和局部敏感哈希LSH索引算法,从所述相似视频的关键帧中确定出所述待检测视频的关键帧的匹配关键帧;
获取所述匹配关键帧对应的待检测视频的关键帧的时间信息;
当所述待检测视频的关键帧的时间信息在预设时间范围内时,确定所述匹配关键帧是有效的匹配关键帧;
通过计算有效的所述匹配关键帧与对应的所述待检测视频的关键帧之间的汉明距离,确定所述待检测视频与所述相似视频的相似度;
其中,所述预设时间范围是[i-df-w,i+df+w];i表示所述待检测视频的关键帧的时间点,df表示所述待检测视频与所述相似视频的帧数差对应的时间长度,w是预设常数。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,根据所述相似度的大小存储或丢弃所述待检测视频包括:
当所述相似度大于预设阈值时,丢弃所述待检测视频或者提示用户进行所述待检测视频的丢弃操作;
当所述相似度小于或等于所述预设阈值时,存储所述待检测视频或者提示用户进行所述待检测视频的存储操作。
第二方面,本发明实施例提供了一种视频筛选存储装置,包括:
信息获取模块,用于分别获取待检测视频的开始帧的屏幕菜单式调节方式OSD信息和结束帧的OSD信息;
相似视频确定模块,用于根据所述开始帧的OSD信息和/或所述结束帧的OSD信息,从视频库中选择视频,并从选择出的所述视频中确定出所述待检测视频的相似视频;
比对模块,用于比对所述待检测视频的关键帧和所述相似视频的关键帧,得到所述待检测视频与所述相似视频的相似度;
视频处理模块,用于根据所述相似度的大小存储或丢弃所述待检测视频。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,所述装置还包括:
时间长度计算模块,用于计算所述结束帧的OSD信息中记录的结束时间点减去所述开始帧的OSD信息中记录的开始时间点,得到所述待检测视频的时间长度;
视频长度信息获取模块,用于从所述待检测视频的视频上下文信息中获取所述待检测视频的视频长度信息;
判断模块,用于判断计算得到的所述时间长度与获取的所述视频长度信息是否相同,确定相同时执行所述相似视频确定模块的功能。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中,所述相似视频确定模块包括:
选择单元,用于从视频库中选择出具有开始帧的OSD信息中记录的开始时间点和/或结束帧的OSD信息中记录的结束时间点的视频;
相似视频确定单元,用于通过全局特征检测算法和欧式距离算法从选择出的所述视频中确定出所述待检测视频的相似视频。
结合第二方面,本发明实施例提供了第二方面的第三种可能的实施方式,其中,所述比对模块包括:
关键帧获取单元,用于从所述检测视频和所述相似视频中分别获取所述待检测视频的关键帧和所述相似视频的关键帧;
匹配关键帧确定单元,用于通过局部特征检测算法和局部敏感哈希LSH索引算法,从所述相似视频的关键帧中确定出所述待检测视频的关键帧的匹配关键帧;
时间信息获取单元,用于获取所述匹配关键帧对应的待检测视频的关键帧的时间信息;
关键帧处理单元,用于当所述待检测视频的关键帧的时间信息在预设时间范围内时,确定所述匹配关键帧是有效的匹配关键帧;
相似度计算单元,用于通过计算有效的所述匹配关键帧与对应的所述待检测视频的关键帧之间的汉明距离,确定所述待检测视频与所述相似视频的相似度;
其中,所述预设时间范围是[i-df-w,i+df+w];i表示所述待检测视频的关键帧的时间点,df表示所述待检测视频与所述相似视频的帧数差对应的时间长度,w是预设常数。
结合第二方面,本发明实施例提供了第二方面的第四种可能的实施方式,其中,所述视频处理模块包括:
视频丢弃单元,用于当所述相似度大于预设阈值时,丢弃所述待检测视频或者提示用户进行所述待检测视频的丢弃操作;
视频存储单元,用于当所述相似度小于或等于所述预设阈值时,存储所述待检测视频或者提示用户进行所述待检测视频的存储操作。
本发明实施例提供的视频筛选存储方法和装置,通过获取待检测视频的开始帧的OSD信息和结束帧的OSD信息;并从视频库中选择具有开始帧的OSD信息和/或结束帧的OSD信息的视频作为待检测视频的相似视频,说明待检测视频只需和从视频库中选择的待检测视频的相似视频进行比对,就可以得到待检测视频是否能够被存储到视频库中的结论,与现有技术中将待存储视频与视频库中海量的已存储监控视频逐一进行比对的方案相比,减少了待存储视频需要进行比对的视频数量,减少了从待存储视频中筛选出已存储视频的重复视频所耗费的时间,提高了视频库的存储效率。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本发明实施例提供的一种视频筛选存储方法所涉及的一种实施系统的结构示意图;
图2示出了本发明实施例所提供的一种视频筛选存储方法的流程图;
图3示出了本发明实施例所提供的一种视频筛选存储装置的结构示意图。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
考虑到相关的视频筛选存储技术中,在对待存储视频进行筛选的过程中,会将待存储视频与视频库中海量的已存储监控视频逐一进行比对,才可以确定待存储视频是否应该被存储到视频库中,这会大大增加从待存储视频中筛选出已存储视频的重复视频所耗费的时间,降低了视频库的存储效率。基于此,本发明实施例提供了一种视频筛选存储方法和装置。
参见图1,其示出了本发明实施例提供的视频筛选存储方法所涉及的一种实施系统的结构示意图,该系统包括:视频筛选设备10,视频筛选设备10包括视频筛选器件100和与视频筛选器件100进行数据交互的视频库101。
其中,视频筛选器件100,用于分别获取待检测视频的开始帧的屏幕菜单式调节方式(on-screendisplay,OSD)信息和结束帧的OSD信息;从视频库中选择具有开始帧的OSD信息和/或结束帧的OSD信息的视频,将选择的视频作为待检测视频的相似视频;比对待检测视频的关键帧和相似视频的关键帧,得到待检测视频与相似视频的相似度;根据相似度的大小存储或丢弃待检测视频,完成对视频的检测;当确定要存储该已检测视频时,将该已检测视频发送到视频库101;视频库101,用于对接收到的已检测视频进行存储。
视频筛选设备10可以采用现有的任意型号的服务器或者计算设备对视频进行筛选存储,这里不再一一赘述。
视频筛选器件100可以采用现有的任何中央处理器、微处理器或者可编程器件对视频进行筛选,这里不再一一赘述。
视频库101可以采用现有的任何大容量存储介质对通过筛选的视频进行存储,这里不再一一赘述。
实施例1
参见图2,本实施例提供一种视频筛选存储方法,该方法包括如下步骤:
步骤200、分别获取待检测视频的开始帧的OSD信息和结束帧的OSD信息。
待检测视频,可以是用户上传到在线视频网站上的任何视频,也可以是安保人员从辖区内安装的视频监控系统中获取的监控视频,并将获取的监控视频定期向指定的视频管理设备上传。在线视频网站或者视频管理设备均会对接收到的视频进行筛选存储。
OSD信息,就是在待检测视频的任意帧的图像的预设显示区域内显示的视频数据,包括但不限于如下内容:视频的拍摄时间和拍摄地点。
具体地,对于给定的待检测视频,视频筛选设备会先从待检测视频中提取待检测视频的开始帧和结束帧,然后从所提取的待检测视频的开始帧和结束帧的预设显示区域内,分别获取开始帧的OSD信息和结束帧的OSD信息。
视频筛选设备采用现有的任何视频帧提取方式从待检测视频中提取待检测视频的开始帧和结束帧,这里不再一一赘述。
视频筛选设备采用现有的任何OSD信息获取方式从提取的开始帧和结束帧中分别获取待检测视频的开始帧的OSD信息和结束帧的OSD信息,这里不再一一赘述。
步骤202、根据开始帧的OSD信息和/或结束帧的OSD信息,从视频库中选择视频,并从选择出的视频中确定出待检测视频的相似视频。
相似视频,就是在视频库中,在拍摄时间上与待检测视频有重叠部分的视频,即视频库中具有开始帧的OSD信息和/或结束帧的OSD信息中记录的视频拍摄时间的视频。
步骤204、比对待检测视频的关键帧和相似视频的关键帧,得到待检测视频与相似视频的相似度。
相似度,是一个表征待检测视频和相似视频的相似程度的数值,大小与待检测视频和相似视频的相似程度成正比,即待检测视频和相似视频越相似,那么相似度越大。
步骤206、根据相似度的大小存储或丢弃待检测视频。
综上所述,本实施例提供的视频筛选存储方法,通过获取待检测视频的开始帧的OSD信息和结束帧的OSD信息;并从视频库中选择具有开始帧的OSD信息和/或结束帧的OSD信息的视频作为待检测视频的相似视频,说明待检测视频只需和从视频库中选择的待检测视频的相似视频进行比对,就可以得到待检测视频是否能够被存储到视频库中的结论,与现有技术中将待存储视频与视频库中海量的已存储监控视频逐一进行比对的方案相比,减少了待存储视频需要进行比对的视频数量,减少了从待存储视频中筛选出已存储视频的重复视频所耗费的时间,提高了视频库的存储效率。
相关技术中,在对监控视频进行存储的过程中,有些待存储的监控视频是现有的监控视频剪辑拼接出来的人造视频,视频内容雷同造成了视频存储资源的浪费,并影响后续视频资源检索分析等操作的效率。为了将待存储的监控视频中的人造视频筛选出来,在分别获取待检测视频的开始帧的屏幕菜单式调节方式OSD信息和结束帧的OSD信息之后,视频筛选存储方法还包括以下步骤1至步骤3:
(1)计算结束帧的OSD信息中记录的结束时间点减去开始帧的OSD信息中记录的开始时间点,得到待检测视频的时间长度;
(2)从待检测视频的视频上下文信息中获取待检测视频的视频长度信息;
(3)当计算得到的时间长度与获取的视频长度信息相同时,执行从视频库中选择具有开始帧的OSD信息和/或结束帧的OSD信息的视频的步骤,否则,丢弃待检测视频。
在步骤1中,开始时间点和结束时间点会分别在待检测视频的开始帧和结束帧的OSD信息中直接显示出来,视频筛选设备可以直接进行获取。获取的方式可以是现有的图像识别技术的一种或多种组合。
在步骤2中,视频筛选设备在获取到待检测视频后,也会同时获取到该待检测视频的视频上下文信息,而待检测视频的视频上下文信息记录了待检测视频的起始拍摄时间、结束拍摄时间、视频长度信息以及编码格式等信息,而视频上下文信息一般情况下不易被人为修改,所以可以如实地反映出待检测视频的真实情况。
在步骤3中,当计算得到的时间长度与获取的视频长度信息相同时,说明待检测视频不是经过人为剪辑拼接的人造视频,视频筛选设备可以对待检测视频进行后续的筛选流程;而当计算得到的时间长度与获取的视频长度信息不相同时,说明待检测视频是经过人为剪辑拼接的人造视频,不具有存储的价值,需要将被确定为人造视频的待检测视频丢弃。
综上所述,通过判断计算得到的待检测视频的时间长度与视频上下文信息中记录的视频长度信息是否一致,就可以对人造视频进行筛选,从而通过简单的操作就可以将待检测视频中的人造视频筛选出来并丢弃,进一步提高了视频库的存储效率。
相关技术中,并不会在视频筛选的过程中,将完全不相关的视频剔除出视频的筛选范围,所以为了将完全不相关的视频剔除出视频的筛选范围,根据开始帧的OSD信息和/或结束帧的OSD信息,从视频库中选择视频,并从选择出的视频中确定出待检测视频的相似视频包括以下步骤1至步骤2:
(1)从视频库中选择出具有开始帧的OSD信息中记录的开始时间点和/或结束帧的OSD信息中记录的结束时间点的视频;
(2)通过全局特征检测算法和欧式距离算法从选择出的视频中确定出待检测视频的相似视频。
步骤1具体包括如下步骤11至13:
(11)获取视频库中预存的视频上下文信息和视频标识的对应关系表,该对应关系表中记录了视频库中所有视频的视频上下文信息和视频标识的对应关系;
(12)根据获取的待检测视频的开始帧的OSD信息中记录的开始时间点、结束帧的OSD信息中记录的结束时间点以及对应关系表,从对应关系表中将视频库中只包括待检测视频开始时间点的视频、只包括待检测视频结束时间点的视频、以及包括待检测视频开始时间点和结束时间点的视频的视频标识选择出来;
(13)根据选择的视频标识,从视频库中查询出视频标识对应的视频。
在步骤12中,对包括待检测视频开始时间点的视频作如下解释说明:比如:待检测视频的开始时间点是2015年5月15日下午13时00分,那么从对应关系表中记录的视频上下文信息中,选择出的视频上下文信息中记录的起始拍摄时间小于等于2015年5月15日下午13时00分以及结束拍摄时间大于等于2015年5月15日下午13时00分的视频标识,以选择出的视频标识对应的视频作为包括待检测视频开始时间点的视频。
步骤2具体包括以下步骤21至23:
(21)获取待检测视频和选择出的视频的关键帧;
(22)对待检测视频和选择出的视频的关键帧提取H(Hue)S(Saturation)V(Value)颜色直方图,并根据关键帧的HSV颜色直方图分别生成待检测视频和选择出的视频的全局特征;
(23)通过欧式距离算法计算待检测视频和选择出的视频的全局特征的视频相似度,从选择出的视频中确定视频相似度大于等于设定的视频相似度阈值的视频作为待检测视频的相似视频。
在步骤22中,视频全局特征的提取实现如下:
比如:对待检测视频或者从视频库中选择出的视频的关键帧,进行级联量化18柄的色度(Hue)、量化3柄饱和度(Saturation)和量化3柄的亮度(Value)处理,生成该关键帧的24维颜色直方图,那么视频中第i个关键帧的颜色直方图为Hi=(h1,h2,…,hm),其中m=24,组合视频中所有关键帧的颜色直方图(S1,S2,…,Sm)形成整个视频的全局特征F,实现如下:
其中,n表示关键帧的帧数,j表示第j个关键帧。
当然,可以根据图像的处理需要,对图像进行其他数量级的色度、饱和度和亮度处理,这里不再一一赘述。
综上所述,在通过从欧式距离计算以及全局特征检测算法对选择出的已存储视频进行筛选之前,通过选择具有开始帧图像OSD信息或者结束帧图像OSD信息的已存储视频,来缩小待检测视频的筛选范围,提高了判断待检测视频与被存储到视频库中的视频是否相似的速度。然后通过从欧式距离计算以及全局特征检测的相似度,对选择出的已存储视频进行筛选,将选择出的已存储视频中和待检测视频不相似的已存储视频排除,从而进一步减小待检测视频的筛选范围。
相关技术中,在有些情况下,两个监控视频中记录了完全不同的内容,但是恰巧这两个监控视频中的某些关键帧特征完全一致,那么在这种情况下,就出现了视频关键帧的错误匹配情况,为了减少视频关键帧的错误匹配情况的出现,比对待检测视频的关键帧和相似视频的关键帧,得到待检测视频与相似视频的相似度包括以下步骤1至步骤5:
(1)从待检测视频和相似视频中分别获取待检测视频的关键帧和相似视频的关键帧;
(2)通过局部特征检测算法和局部敏感哈希(Locality-SensitiveHashing,LSH)索引算法,从相似视频的关键帧中确定出待检测视频的关键帧的匹配关键帧;
(3)获取匹配关键帧对应的待检测视频的关键帧的时间信息;
(4)当待检测视频的关键帧的时间信息在预设时间范围内时,确定匹配关键帧是有效的匹配关键帧;
(5)通过计算有效的匹配关键帧与对应的待检测视频的关键帧之间的汉明距离,确定待检测视频与相似视频的相似度;
其中,预设时间范围是[i-df-w,i+df+w];i表示待检测视频的关键帧的时间点,df表示相似视频和待检测视频的帧数差对应的时间长度,w是预设常数。
步骤2包括以下步骤21至23:
(21)对待检测视频和相似视频进行局部特征检测,分别得到待检测视频关键帧和相似视频关键帧的第一视频关键帧局部特征点和第二视频关键帧局部特征点;
(22)建立第二视频关键帧局部特征点的LSH索引;
(23)通过LSH索引后的第二视频关键帧局部特征点与第一视频关键帧局部特征点进行对比,从相似视频关键帧中确定出与待检测监控视频关键帧匹配的匹配关键帧。
其中,步骤4包括步骤41至43:
(41)判断待检测视频关键帧的时间信息是否在预设的时间范围内,如果是执行步骤42,如果否执行步骤43;
(42)确定匹配关键帧是有效的匹配关键帧;
(43)确定匹配关键帧不是有效的匹配关键帧。
其中,步骤5包括以下步骤51至52:
(51)逐一计算确定有效的匹配关键帧与对应的待检测视频关键帧之间的汉明距离值;
(52)对得到的所有汉明距离值进行累加,得到待检测视频与相似视频的累加汉明距离值,根据预设的累加汉明距离值与相似度的对应关系,确定出待检测视频与相似视频的相似度。
累加汉明距离值的大小和相似度的大小成反比,累加汉明距离值越小,说明待检测视频与相似视频的相似度越大。
综上所述,通过步骤3至步骤5的描述,通过判断待检测视频关键帧的时间信息是否在预设的时间范围内就可以确定匹配关键帧与对应的待检测视频关键帧之间的匹配关系是否是错误匹配关系,从而增加对重复视频进行检测时的准确率。
为了确定待检测视频是否要被存储到视频库中,根据相似度的大小存储或丢弃待检测视频包括以下步骤1至步骤2:
(1)当相似度大于预设阈值时,丢弃待检测视频或者提示用户进行待检测视频的丢弃操作;
(2)当相似度小于或等于预设阈值时,存储待检测视频或者提示用户进行待检测视频的存储操作。
综上所述,当确定待检测视频与相似视频的相似度小于或等于设定的阈值时,说明视频库中未存储和待检测视频相似的视频,可以将待检测视频存储到视频库中,从而通过简单的筛选过程就可以确定待检测视频是否应该被存储到视频库中,减小了视频筛选过程中的计算量。
实施例2
本发明提出了另一种视频筛选存储方法,用以适应大规模的近似重复视频检索工作,具体实现如下:
为了实现快速检测近似重复视频,提出使用视频画面中OSD信息、上下文信息时间长度和全局特征进行待检索视频集压缩。实现方法如下:
(1)给定被检测视频q,提取视频开始、结束总共两帧图像中的OSD时间信息,并根据OSD时间信息得到的两个时间点[OSD1,OSD2],计算总的OSD时长tosd(两者相减),并将tosd与视频上下文信息中的时间长度T进行比较。如果两者相等,则继续步骤2;如果不等,则判断被检测视频为经过剪辑拼接的“人造视频”;
(2)将步骤1中被检测视频q的OSD时间信息与视频库中所有视频的OSD时间信息[OSD1i,OSD2i](i=1,2,3,…n)进行比较,判断被检测视频的OSD时间跨度是否与视频库中的每个视频有重叠,如果有,则说明视频i可能是被检测视频q的近似重复视频,跳转至步骤3;如果没有重叠,则可以将视频i排除,从而缩小了待检测视频数据集中视频的数量。
(3)应用全局特征根据相似度距离判断出被检测视频q的极度相似的视频和明显不相似的视频,从而进一步缩小待检测视频数据集。
具体实现方法:获取视频关键帧;对每一个关键帧提取HSV颜色直方图,所有帧的特征进一步组合便生成了视频的全局特征;通过欧式距离计算全局特征的相似度,用相似度的大小鉴定视频的相似程度。
视频全局特征的提取实现如下:
级联量化18柄的色度(Hue)、量化3柄饱和度(Saturation)和量化3柄的亮度(Value),生成24维颜色直方图,那么第i个关键帧的颜色直方图为Hi=(h1,h2,…,hm),其中m=24,组合所有关键帧的颜色特征形成整个视频的全局特征,实现如下:
其中,n表示关键帧的帧数,j表示第j个关键帧。
通过步骤2和步骤3,检测出了极度相似的视频同时排除了不相似的视频从而压缩了待检测的数据集,为了获取那些经过复杂编辑的近似视频,在下面的操作,本方法在压缩后的待检测视频集上提取视频的局部特征RGB-SIFT以及对其进行LSH索引,在LSH哈希的基础上在匹配窗口范围内进行相似特征点统计,根据匹配的相似度筛选出近似视频。
(4)在视频关键帧上利用局部特征点检测器(如DoG和Hessian-Affine)检测出具有视觉不变性的特征点,应用RGB-SIFT对特征点进行描述,这样每一帧则表示成一个RGB-SIFT特征点描述集合;
(5)对待检测的视频数据集进行LSH索引,将原始数据集划分到多个数据集,而每个子集合中的数据是相似概率很大的数据而且元素个数较少,因此LSH索引将一个大集合查找相邻元素的问题转化为小集合查找相邻元素。
(6)给定检测图像,利用LSH索引,得到匹配的关键帧,但是为了消除错误匹配的现象,利用匹配窗口对匹配帧进行验证。如图3所示,设立一个匹配的预设范围区域:以匹配帧为中心的预设时间长度范围内进行核对。如果匹配到的帧在规定范围则是有效的匹配帧,否则视为无效。其中,预设时间长度范围是[i-df-w,i+df+w];i表示待检测视频的关键帧的时间点,df表示相似视频和待检测视频的帧数差对应的时间长度,w是预设常数。
(7)对有效的匹配帧进行匹配相似度累加计算,判断匹配度的大小是否超过阈值。如果超过,则判断视频库中具有被检测视频q的相似视频片段并舍弃掉被检测视频q;如果不超过,则将被检测视频q存储到视频库中。
综上所述,本实施例提供的视频筛选存储方法,通过获取待检测视频的开始帧的OSD信息和结束帧的OSD信息;并从视频库中选择具有开始帧的OSD信息和/或结束帧的OSD信息的视频作为待检测视频的相似视频,说明待检测视频只需和从视频库中选择的待检测视频的相似视频进行比对,就可以得到待检测视频是否能够被存储到视频库中的结论,与现有技术中将待存储视频与视频库中海量的已存储视频逐一进行比对的方案相比,减少了待存储视频需要进行比对的视频数量,降低了从待存储视频中筛选出已存储视频的重复视频所耗费的时间,提高了视频库的存储效率。
实施例3
参见图3,本实施例提供一种视频筛选存储装置,用于执行上述的视频筛选存储方法,包括:信息获取模块300、相似视频确定模块302、比对模块304和视频处理模块306。
其中,信息获取模块300,用于分别获取待检测视频的开始帧的OSD信息和结束帧的OSD信息;
相似视频确定模块302,与信息获取模块300连接,用于根据开始帧的OSD信息和/或结束帧的OSD信息,从视频库中选择视频,并从选择出的视频中确定出待检测视频的相似视频;
比对模块304,与相似视频确定模块302连接,用于比对待检测视频的关键帧和相似视频的关键帧,得到待检测视频与相似视频的相似度;
视频处理模块306,与比对模块304连接,用于根据相似度的大小存储或丢弃待检测视频。
相关技术中,在对监控视频进行存储的过程中,有些待存储的监控视频是现有的监控视频剪辑拼接出来的人造视频,在实际应用中增加了视频库的冗余度,没有保存价值,为了将待存储的监控视频中的人造视频筛选出来,在分别获取待检测视频的开始帧的屏幕菜单式调节方式OSD信息和结束帧的OSD信息之后,视频筛选存储装置还包括:
时间长度计算模块,用于计算结束帧的OSD信息中记录的结束时间点减去开始帧的OSD信息中记录的开始时间点,得到待检测视频的时间长度;
视频长度信息获取模块,用于从待检测视频的视频上下文信息中获取待检测视频的视频长度信息;
判断模块,用于判断计算得到的时间长度与获取的视频长度信息是否相同,确定相同时执行相似视频确定模块的功能。
综上所述,通过判断计算待检测视频的时间长度与视频上下文信息中记录的视频长度信息是否一致,就可以对人造视频进行筛选,从而通过简单的操作就可以将待存储视频中的人造视频筛选出来并丢弃,进一步提高了视频库的存储效率。
相关技术中,并不会在视频筛选的过程中,将完全不相关的视频剔除出视频的筛选范围,所以为了将完全不相关的视频剔除出视频的筛选范围,相似视频确定模块302包括:
选择单元,用于从视频库中选择出具有开始帧的OSD信息中记录的开始时间点和/或结束帧的OSD信息中记录的结束时间点的视频;
相似视频确定单元,用于通过全局特征检测算法和欧式距离算法从选择出的视频中确定出待检测视频的相似视频。
综上所述,在通过从欧式距离计算以及全局特征检测算法对选择出的已存储视频进行筛选之前,通过选择具有开始帧图像OSD信息和/或结束帧图像OSD信息的已存储视频,来缩小待检测视频的筛选范围,提高了判断待检测视频与被存储到视频库中的视频是否相似的速度。然后通过从欧式距离计算以及全局特征检测的相似度,对选择出的已存储视频进行筛选,将选择出的已存储视频中和待检测视频不相似的已存储视频排除,从而进一步减小待检测视频的筛选范围。
相关技术中,在有些情况下,两个监控视频中记录了完全不同的内容,但是恰巧这两个监控视频中的某些关键帧特征完全一致,那么在这种情况下,就出现了视频关键帧的错误匹配情况,为了减少视频关键帧的错误匹配情况的出现,比对模块304包括:
关键帧获取单元,用于从待检测视频和相似视频中分别获取待检测视频的关键帧和相似视频的关键帧;
匹配关键帧确定单元,用于通过局部特征检测算法和局部敏感哈希LSH索引算法,从相似视频的关键帧中确定出待检测视频的关键帧的匹配关键帧;
时间信息获取单元,用于获取匹配关键帧对应的待检测视频的关键帧的时间信息;
关键帧处理单元,用于当待检测视频的关键帧的时间信息在预设时间范围内时,确定匹配关键帧是有效的匹配关键帧;
相似度计算单元,用于通过计算有效的匹配关键帧与对应的待检测视频的关键帧之间的汉明距离,确定待检测视频与相似视频的相似度;
其中,预设时间范围是[i-df-w,i+df+w];i表示待检测视频的关键帧的时间点,df表示相似视频和待检测视频的帧数差对应的时间长度,w是预设常数。
综上所述,通过判断待检测视频关键帧的时间信息是否在预设的时间范围内就可以确定匹配关键帧与对应的待检测监控视频关键帧之间的匹配关系是否是错误匹配关系,从而增加对重复视频进行检测时的准确率。
为了确定待检测视频是否要被存储到视频库中,视频处理模块306包括:
视频丢弃单元,用于当相似度大于预设阈值时,丢弃待检测视频或者提示用户进行待检测视频的丢弃操作;
视频存储单元,用于当相似度小于或等于预设阈值时,存储待检测视频或者提示用户进行待检测视频的存储操作。
综上所述,当确定待检测视频与相似视频的相似度小于或等于设定的阈值时,说明视频库中未存储和待检测视频相似的视频,可以将待检测视频存储到视频库中,从而通过简单的筛选过程就可以确定待检测视频是否应该被存储到视频库中,减小了视频筛选过程中的计算量。
综上所述,本实施例提供的视频筛选存储装置,通过获取待检测视频的开始帧的OSD信息和结束帧的OSD信息;并从视频库中选择具有开始帧的OSD信息和/或结束帧的OSD信息的视频作为待检测视频的相似视频,说明待检测视频只需和从视频库中选择的待检测视频的相似视频进行比对,就可以得到待检测视频是否能够被存储到视频库中的结论,与现有技术中将待存储视频与视频库中海量的已存储视频逐一进行比对的方案相比,减少了待存储视频需要进行比对的视频数量,降低了从待存储视频中筛选出已存储视频的重复视频所耗费的时间,提高了视频库的存储效率。
本发明实施例所提供的进行视频筛选存储方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种视频筛选存储方法,其特征在于,包括:
分别获取待检测视频的开始帧的屏幕菜单式调节方式OSD信息和结束帧的OSD信息;
根据所述开始帧的OSD信息和/或所述结束帧的OSD信息,从视频库中选择视频,并从选择出的所述视频中确定出所述待检测视频的相似视频;
比对所述待检测视频的关键帧和所述相似视频的关键帧,得到所述待检测视频与所述相似视频的相似度;
根据所述相似度的大小存储或丢弃所述待检测视频。
2.根据权利要求1所述的方法,其特征在于,在分别获取待检测视频的开始帧的屏幕菜单式调节方式OSD信息和结束帧的OSD信息之后,所述方法还包括:
计算所述结束帧的OSD信息中记录的结束时间点减去所述开始帧的OSD信息中记录的开始时间点,得到所述待检测视频的时间长度;
从所述待检测视频的视频上下文信息中获取所述待检测视频的视频长度信息;
当计算得到的所述时间长度与获取的所述视频长度信息相同时,执行所述从视频库中选择具有所述开始帧的OSD信息或者所述结束帧的OSD信息的视频的步骤,否则,丢弃所述待检测视频。
3.根据权利要求1所述的方法,其特征在于,根据所述开始帧的OSD信息和/或所述结束帧的OSD信息,从视频库中选择视频,并从选择出的所述视频中确定出所述待检测视频的相似视频包括:
从视频库中选择出具有开始帧的OSD信息中记录的开始时间点和/或结束帧的OSD信息中记录的结束时间点的视频;
通过全局特征检测算法和欧式距离算法从选择出的所述视频中确定出所述待检测视频的相似视频。
4.根据权利要求1所述的方法,其特征在于,比对所述待检测视频的关键帧和所述相似视频的关键帧,得到所述待检测视频与所述相似视频的相似度包括:
从所述待检测视频和所述相似视频中分别获取所述待检测视频的关键帧和所述相似视频的关键帧;
通过局部特征检测算法和局部敏感哈希LSH索引算法,从所述相似视频的关键帧中确定出所述待检测视频的关键帧的匹配关键帧;
获取所述匹配关键帧对应的待检测视频的关键帧的时间信息;
当所述待检测视频的关键帧的时间信息在预设时间范围内时,确定所述匹配关键帧是有效的匹配关键帧;
通过计算有效的所述匹配关键帧与对应的所述待检测视频的关键帧之间的汉明距离,确定所述待检测视频与所述相似视频的相似度;
其中,所述预设时间范围是[i-df-w,i+df+w];i表示所述待检测视频的关键帧的时间点,df表示所述待检测视频与所述相似视频的帧数差对应的时间长度,w是预设常数。
5.根据权利要求1所述的方法,其特征在于,根据所述相似度的大小存储或丢弃所述待检测视频包括:
当所述相似度大于预设阈值时,丢弃所述待检测视频或者提示用户进行所述待检测视频的丢弃操作;
当所述相似度小于或等于所述预设阈值时,存储所述待检测视频或者提示用户进行所述待检测视频的存储操作。
6.一种视频筛选存储装置,其特征在于,包括:
信息获取模块,用于分别获取待检测视频的开始帧的屏幕菜单式调节方式OSD信息和结束帧的OSD信息;
相似视频确定模块,用于根据所述开始帧的OSD信息和/或所述结束帧的OSD信息,从视频库中选择视频,并从选择出的所述视频中确定出所述待检测视频的相似视频;
比对模块,用于比对所述待检测视频的关键帧和所述相似视频的关键帧,得到所述待检测视频与所述相似视频的相似度;
视频处理模块,用于根据所述相似度的大小存储或丢弃所述待检测视频。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
时间长度计算模块,用于计算所述结束帧的OSD信息中记录的结束时间点减去所述开始帧的OSD信息中记录的开始时间点,得到所述待检测视频的时间长度;
视频长度信息获取模块,用于从所述待检测视频的视频上下文信息中获取所述待检测视频的视频长度信息;
判断模块,用于判断计算得到的所述时间长度与获取的所述视频长度信息是否相同,确定相同时执行所述相似视频确定模块的功能。
8.根据权利要求6所述的装置,其特征在于,所述相似视频确定模块包括:
选择单元,用于从视频库中选择出具有开始帧的OSD信息中记录的开始时间点和/或结束帧的OSD信息中记录的结束时间点的视频;
相似视频确定单元,用于通过全局特征检测算法和欧式距离算法从选择出的所述视频中确定出所述待检测视频的相似视频。
9.根据权利要求6所述的装置,其特征在于,所述比对模块包括:
关键帧获取单元,用于从所述检测视频和所述相似视频中分别获取所述待检测视频的关键帧和所述相似视频的关键帧;
匹配关键帧确定单元,用于通过局部特征检测算法和局部敏感哈希LSH索引算法,从所述相似视频的关键帧中确定出所述待检测视频的关键帧的匹配关键帧;
时间信息获取单元,用于获取所述匹配关键帧对应的待检测视频的关键帧的时间信息;
关键帧处理单元,用于当所述待检测视频的关键帧的时间信息在预设时间范围内时,确定所述匹配关键帧是有效的匹配关键帧;
相似度计算单元,用于通过计算有效的所述匹配关键帧与对应的所述待检测视频的关键帧之间的汉明距离,确定所述待检测视频与所述相似视频的相似度;
其中,所述预设时间范围是[i-df-w,i+df+w];i表示所述待检测视频的关键帧的时间点,df表示所述待检测视频与所述相似视频的帧数差对应的时间长度,w是预设常数。
10.根据权利要求6所述的装置,其特征在于,所述视频处理模块包括:
视频丢弃单元,用于当所述相似度大于预设阈值时,丢弃所述待检测视频或者提示用户进行所述待检测视频的丢弃操作;
视频存储单元,用于当所述相似度小于或等于所述预设阈值时,存储所述待检测视频或者提示用户进行所述待检测视频的存储操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510850050.3A CN105468755A (zh) | 2015-11-27 | 2015-11-27 | 一种视频筛选存储方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510850050.3A CN105468755A (zh) | 2015-11-27 | 2015-11-27 | 一种视频筛选存储方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105468755A true CN105468755A (zh) | 2016-04-06 |
Family
ID=55606456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510850050.3A Pending CN105468755A (zh) | 2015-11-27 | 2015-11-27 | 一种视频筛选存储方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105468755A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131613A (zh) * | 2016-07-26 | 2016-11-16 | 深圳Tcl新技术有限公司 | 智能电视视频分享方法及视频分享系统 |
CN106603952A (zh) * | 2017-03-06 | 2017-04-26 | 深圳市博信诺达经贸咨询有限公司 | 监控视频大数据的管理方法及系统 |
CN107801091A (zh) * | 2016-09-05 | 2018-03-13 | 工业和信息化部电信研究院 | 一种视频文件相似性识别方法和装置 |
CN108108699A (zh) * | 2017-12-25 | 2018-06-01 | 重庆邮电大学 | 融合深度神经网络模型和二进制哈希的人体动作识别方法 |
CN108419092A (zh) * | 2018-04-19 | 2018-08-17 | 深圳大普微电子科技有限公司 | 一种确定相同视频的方法及装置 |
CN108733737A (zh) * | 2017-04-25 | 2018-11-02 | 合信息技术(北京)有限公司 | 视频库的建立方法及装置 |
CN108970091A (zh) * | 2018-09-14 | 2018-12-11 | 郑强 | 一种羽毛球动作分析方法及系统 |
CN109165574A (zh) * | 2018-08-03 | 2019-01-08 | 百度在线网络技术(北京)有限公司 | 视频检测方法和装置 |
CN109189991A (zh) * | 2018-08-17 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 重复视频识别方法、装置、终端及计算机可读存储介质 |
CN111078941A (zh) * | 2019-12-18 | 2020-04-28 | 福州大学 | 一种基于帧相关系数和感知哈希的相似视频检索系统 |
CN111241344A (zh) * | 2020-01-14 | 2020-06-05 | 新华智云科技有限公司 | 视频查重方法、系统、服务器及存储介质 |
CN111324774A (zh) * | 2020-02-26 | 2020-06-23 | 腾讯科技(深圳)有限公司 | 一种视频去重方法和装置 |
CN111339356A (zh) * | 2020-02-21 | 2020-06-26 | 北京字节跳动网络技术有限公司 | 视频检索中防误判方法、装置及电子设备 |
CN111510724A (zh) * | 2019-01-31 | 2020-08-07 | 北京小犀智能科技中心(有限合伙) | 基于图像特征提取的等效视频压缩存储方法及系统 |
CN112101254A (zh) * | 2020-09-21 | 2020-12-18 | 深圳喜为智慧科技有限公司 | 一种提升图像识别精度和速度的方法和系统 |
CN112437340A (zh) * | 2020-11-13 | 2021-03-02 | 广东省广播电视局 | 一种音视频中确定有无变种长广告的方法及系统 |
CN112866800A (zh) * | 2020-12-31 | 2021-05-28 | 四川金熊猫新媒体有限公司 | 视频内容相似性检测方法、装置、设备及存储介质 |
CN113347082A (zh) * | 2021-08-06 | 2021-09-03 | 深圳康易世佳科技有限公司 | 智能显示包含短视频的分享消息的方法及装置 |
CN113625603A (zh) * | 2021-07-27 | 2021-11-09 | 金鹏电子信息机器有限公司 | 基于大数据的安防监控管理系统及管理方法 |
CN114238692A (zh) * | 2022-02-23 | 2022-03-25 | 北京嘉沐安科技有限公司 | 一种面向网络直播的视频大数据精准检索方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867750A (zh) * | 2010-06-07 | 2010-10-20 | 杭州华三通信技术有限公司 | 应用于视频监控系统的osd信息处理方法及其装置 |
CN104216925A (zh) * | 2013-06-05 | 2014-12-17 | 中国科学院声学研究所 | 一种视频内容去重的处理方法 |
-
2015
- 2015-11-27 CN CN201510850050.3A patent/CN105468755A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867750A (zh) * | 2010-06-07 | 2010-10-20 | 杭州华三通信技术有限公司 | 应用于视频监控系统的osd信息处理方法及其装置 |
CN104216925A (zh) * | 2013-06-05 | 2014-12-17 | 中国科学院声学研究所 | 一种视频内容去重的处理方法 |
Non-Patent Citations (1)
Title |
---|
曹海傧: "一种基于分布式LSH的海量视频快速检索方法", 《中国科学院研究生院学报》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131613A (zh) * | 2016-07-26 | 2016-11-16 | 深圳Tcl新技术有限公司 | 智能电视视频分享方法及视频分享系统 |
CN106131613B (zh) * | 2016-07-26 | 2019-10-01 | 深圳Tcl新技术有限公司 | 智能电视视频分享方法及视频分享系统 |
CN107801091B (zh) * | 2016-09-05 | 2020-06-19 | 工业和信息化部电信研究院 | 一种视频文件相似性识别方法和装置 |
CN107801091A (zh) * | 2016-09-05 | 2018-03-13 | 工业和信息化部电信研究院 | 一种视频文件相似性识别方法和装置 |
CN106603952A (zh) * | 2017-03-06 | 2017-04-26 | 深圳市博信诺达经贸咨询有限公司 | 监控视频大数据的管理方法及系统 |
CN108733737A (zh) * | 2017-04-25 | 2018-11-02 | 合信息技术(北京)有限公司 | 视频库的建立方法及装置 |
CN108108699A (zh) * | 2017-12-25 | 2018-06-01 | 重庆邮电大学 | 融合深度神经网络模型和二进制哈希的人体动作识别方法 |
CN108419092A (zh) * | 2018-04-19 | 2018-08-17 | 深圳大普微电子科技有限公司 | 一种确定相同视频的方法及装置 |
CN108419092B (zh) * | 2018-04-19 | 2021-12-10 | 深圳大普微电子科技有限公司 | 一种确定相同视频的方法及装置 |
CN109165574A (zh) * | 2018-08-03 | 2019-01-08 | 百度在线网络技术(北京)有限公司 | 视频检测方法和装置 |
CN109189991A (zh) * | 2018-08-17 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 重复视频识别方法、装置、终端及计算机可读存储介质 |
CN108970091A (zh) * | 2018-09-14 | 2018-12-11 | 郑强 | 一种羽毛球动作分析方法及系统 |
CN108970091B (zh) * | 2018-09-14 | 2023-08-01 | 郑强 | 一种羽毛球动作分析方法及系统 |
CN111510724A (zh) * | 2019-01-31 | 2020-08-07 | 北京小犀智能科技中心(有限合伙) | 基于图像特征提取的等效视频压缩存储方法及系统 |
CN111078941A (zh) * | 2019-12-18 | 2020-04-28 | 福州大学 | 一种基于帧相关系数和感知哈希的相似视频检索系统 |
CN111241344A (zh) * | 2020-01-14 | 2020-06-05 | 新华智云科技有限公司 | 视频查重方法、系统、服务器及存储介质 |
CN111241344B (zh) * | 2020-01-14 | 2023-09-05 | 新华智云科技有限公司 | 视频查重方法、系统、服务器及存储介质 |
CN111339356A (zh) * | 2020-02-21 | 2020-06-26 | 北京字节跳动网络技术有限公司 | 视频检索中防误判方法、装置及电子设备 |
CN111324774A (zh) * | 2020-02-26 | 2020-06-23 | 腾讯科技(深圳)有限公司 | 一种视频去重方法和装置 |
CN112101254A (zh) * | 2020-09-21 | 2020-12-18 | 深圳喜为智慧科技有限公司 | 一种提升图像识别精度和速度的方法和系统 |
CN112437340A (zh) * | 2020-11-13 | 2021-03-02 | 广东省广播电视局 | 一种音视频中确定有无变种长广告的方法及系统 |
CN112437340B (zh) * | 2020-11-13 | 2023-02-21 | 广东省广播电视局 | 一种音视频中确定有无变种长广告的方法及系统 |
CN112866800A (zh) * | 2020-12-31 | 2021-05-28 | 四川金熊猫新媒体有限公司 | 视频内容相似性检测方法、装置、设备及存储介质 |
CN113625603A (zh) * | 2021-07-27 | 2021-11-09 | 金鹏电子信息机器有限公司 | 基于大数据的安防监控管理系统及管理方法 |
CN113347082A (zh) * | 2021-08-06 | 2021-09-03 | 深圳康易世佳科技有限公司 | 智能显示包含短视频的分享消息的方法及装置 |
CN114238692A (zh) * | 2022-02-23 | 2022-03-25 | 北京嘉沐安科技有限公司 | 一种面向网络直播的视频大数据精准检索方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105468755A (zh) | 一种视频筛选存储方法和装置 | |
CN111046235B (zh) | 基于人脸识别的声像档案搜索方法、系统、设备及介质 | |
CN106557545B (zh) | 视频检索方法和装置 | |
CN105260412A (zh) | 一种图像存储方法、图像检索方法和装置 | |
EP2530605A1 (en) | Data processing device | |
CN110489593B (zh) | 视频的话题处理方法、装置、电子设备及存储介质 | |
US20130177252A1 (en) | Detecting Video Copies | |
CN112860943A (zh) | 一种教学视频审核方法、装置、设备及介质 | |
WO2008156296A1 (en) | System and method for managing digital videos using video features | |
CN105761263A (zh) | 一种基于镜头边界检测和聚类的视频关键帧提取方法 | |
US20100085481A1 (en) | Frame based video matching | |
JP2002125178A (ja) | メディア・セグメント化システムおよび関連する方法 | |
WO2012141655A1 (en) | In-video product annotation with web information mining | |
CN104025117A (zh) | 时间面部序列 | |
CN111368867B (zh) | 档案归类方法及系统、计算机可读存储介质 | |
CN111882059A (zh) | 数据处理方法及装置、电子设备和存储介质 | |
CN113407773A (zh) | 一种短视频智能推荐方法、系统、电子设备及存储介质 | |
CN101743596B (zh) | 用于自动生成多媒体文件概要的方法和设备 | |
US8655016B2 (en) | Example-based object retrieval for video surveillance | |
US8699851B2 (en) | Video identification | |
KR102504321B1 (ko) | 온라인 행동 탐지 장치 및 방법 | |
EP3828712A1 (en) | Data parsing method and device | |
KR20130056170A (ko) | 모션 시퀀스를 이용한 실시간 이상 행동 검출 방법 및 그 장치 | |
CN115062144A (zh) | 一种基于知识库和集成学习的日志异常检测方法与系统 | |
CN109543511B (zh) | 基于图纹突变帧和特征计算的视频识别方法、系统及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160406 |
|
RJ01 | Rejection of invention patent application after publication |