CN105657547B - 一种相似视频和盗版视频的检测方法及装置 - Google Patents

一种相似视频和盗版视频的检测方法及装置 Download PDF

Info

Publication number
CN105657547B
CN105657547B CN201511034029.2A CN201511034029A CN105657547B CN 105657547 B CN105657547 B CN 105657547B CN 201511034029 A CN201511034029 A CN 201511034029A CN 105657547 B CN105657547 B CN 105657547B
Authority
CN
China
Prior art keywords
picture
group
video
picture group
value
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
Application number
CN201511034029.2A
Other languages
English (en)
Other versions
CN105657547A (zh
Inventor
李亚宁
李蹊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN201511034029.2A priority Critical patent/CN105657547B/zh
Publication of CN105657547A publication Critical patent/CN105657547A/zh
Application granted granted Critical
Publication of CN105657547B publication Critical patent/CN105657547B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44236—Monitoring of piracy processes or activities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream

Abstract

本发明实施例提供了一种相似视频和盗版视频的检测方法及装置。所述方法的具体实施方式包括步骤：按照预设规则，分别从获得的待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用局部二值模式LBP算法，分别确定两图片组中每张图片的LBP值，并绘制LBP值直方图；将两图片组之间每两张图片的直方图一一进行重叠，获得每个相似度，当所述相似度大于相似度阈值时，确定所述第一图片组和第二图片组中的图片为一组相似图片；当相似图片的组数与比对数量总量的比值大于预设第一阈值时，确定所述待检测视频与预设视频为相似视频。应用本实施例，用以提高相似视频和盗版视频的检测效率。

Description

一种相似视频和盗版视频的检测方法及装置
技术领域
本发明涉及视频技术领域，特别涉及一种相似视频和盗版视频的检测方法及装置。
背景技术
随着互联网的快速发展，大量的视频资源不断涌现，自制剧、电影、电视剧以及各类综艺视频受到了空前的关注。与此同时，盗版视频现象也层出不穷。大量的视频盗播给版权视频一方带来了巨大的损失。因此，检测盗版视频，维护版权视频一方的利益，势在必行。
现有技术中，一般是通过应用程序来识别待检测视频与版权视频的文字标题的方式，或者是通过人工查看待检测视频与版权视频的内容等方式来检测盗版视频。但是，视频的文字标题是很容易被修改的，显然在这种情况下很难通过文字标题来检测盗版视频；而对于互联网时代中海量的视频资源来说，通过人工比对视频内容的方式来检测盗版视频，显然其效率是非常低下的。
发明内容
本发明实施例的目的在于提供了一种相似视频和盗版视频的检测方法及装置，用以提高相似视频和盗版视频的检测效率。
为了达到上述目的，本发明公开了一种相似视频的检测方法，所述方法包括步骤：
获得待检测视频；
按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；
采用局部二值模式LBP算法，分别确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，并根据每个像素点的LBP值绘制LBP值直方图；其中，直方图的横坐标为LBP值，纵坐标为每个LBP值所对应的像素点的数量；
将所述第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，计算重叠区像素点数量的和，获得所述第一图片组中的每张图片和第二图片组中的每张图片之间的每个相似度，针对每个相似度，判断所述相似度是否大于相似度阈值，如果是，则确定所述第一图片组和第二图片组中的图片为一组相似图片；
统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第一阈值，如果是，则确定所述待检测视频与预设视频为相似视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
较佳的，所述确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，包括：
将所述第一图片组和第二图片组中的每张图片均转换为灰度图像；
按照预设的窗口，计算所述每张图片上每个像素点的LBP值。
较佳的，所述根据每个像素点的LBP值绘制LBP值直方图，包括：
统计所述第一图片组和第二图片组中每张图片上每个LBP值所对应的像素点的数量；
根据每个LBP值和与其对应的像素点的数量，分别绘制每张图片的初始LBP值直方图；
将所述每个初始LBP值直方图中的像素点数量进行归一化处理，获得归一化后的LBP值直方图。
较佳的，当确定所述待检测视频与预设视频为相似视频后，所述方法还包括：
针对所述待检测视频，按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用结构相似性SSIM算法，确定所述第一图片组中每张图片和第二图片组中每张图片之间的每个SSIM值，针对每个SSIM值，判断所述SSIM值是否大于预设SSIM阈值，如果是，则确定对应该SSIM值的所述第一图片组和第二图片组中的图片为一组相似图片；统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第二阈值，如果是，则确定所述待检测视频与预设视频为相似视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
较佳的，当确定所述待检测视频与预设视频为相似视频后，所述方法还包括：
针对所述待检测视频，按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用加速稳健特征SURF算法，确定所述第一图片组和第二图片组中每张图片上的多个极值点；针对第一图片组中的每张图片中的极值点，计算该极值点和第二图片组每张图片中每个极值点之间的欧式距离，根据欧式距离的最小值是否小于设定欧式距离阈值，确定第二图片组每张图片中是否存在与该极值点匹配的极值点，如果存在，记录第一图片组中的该极值点；统计记录的第一图片组中的极值点的数量；判断所述数量是否大于预设数量阈值，如果是，则确定所述待检测视频与预设视频为相似视频。
为了达到上述目的，本发明公开了一种盗版视频的检测方法，所述方法包括步骤：
获得待检测视频；
按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组；
采用局部二值模式LBP算法，分别确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，并根据每个像素点的LBP值绘制LBP值直方图；其中，所述第二图片组为从版权视频中分离出的多张特征图片组成的；直方图的横坐标为LBP值，纵坐标为每个LBP值所对应的像素点的数量；
将所述第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，计算重叠区像素点数量的和，获得所述第一图片组中的每张图片和第二图片组中的每张图片之间的每个相似度，针对每个相似度，判断所述相似度是否大于相似度阈值，如果是，则确定所述第一图片组和第二图片组中的图片为一组相似图片；
统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第一阈值，如果是，则确定所述待检测视频为盗版视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
较佳的，所述确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，包括：
将所述第一图片组和第二图片组中的每张图片均转换为灰度图像；
按照预设的窗口，计算所述每张图片上每个像素点的LBP值。
较佳的，所述根据每个像素点的LBP值绘制LBP值直方图，包括：
统计所述第一图片组和第二图片组中每张图片上每个LBP值所对应的像素点的数量；
根据每个LBP值和与其对应的像素点的数量，分别绘制每张图片的初始LBP值直方图；
将所述每个初始LBP值直方图中的像素点数量进行归一化处理，获得归一化后的LBP值直方图。
较佳的，当确定所述待检测视频为盗版视频后，所述方法还包括：
针对所述待检测视频，按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组，第二图片组为已保存的从版权视频中分离出的多张特征图片的组合；采用结构相似性SSIM算法，确定所述第一图片组中每张图片和第二图片组中每张图片之间的每个SSIM值，针对每个SSIM值，判断所述SSIM值是否大于预设SSIM阈值，如果是，则确定对应该SSIM值的所述第一图片组和第二图片组中的图片为一组相似图片；统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第二阈值，如果是，则确定所述待检测视频为盗版视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
较佳的，当确定所述待检测视频为盗版视频后，所述方法还包括：
针对所述待检测视频，按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组，第二图片组为已保存的从版权视频中分离出的多张特征图片的组合；采用加速稳健特征SURF算法，确定所述第一图片组和第二图片组中每张图片上的多个极值点；针对第一图片组中的每张图片中的极值点，计算该极值点和第二图片组每张图片中每个极值点之间的欧式距离，根据欧式距离的最小值是否小于设定第三阈值，确定第二图片组每张图片中是否存在与该极值点匹配的极值点，如果存在，记录第一图片组中的该极值点；统计记录的第一图片组中的极值点的数量；判断所述数量是否大于预设数量阈值，如果是，则确定所述待检测视频为盗版视频。
为了达到上述目的，本发明公开了一种相似视频的检测装置，所述装置包括：
待检测视频获取模块，用于获得待检测视频；
图片获得模块，用于按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；
LBP值直方图绘制模块，用于采用局部二值模式LBP算法，分别确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，并根据每个像素点的LBP值绘制LBP值直方图；其中，直方图的横坐标为LBP值，纵坐标为每个LBP值所对应的像素点的数量；
相似图片确定模块，用于将所述第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，计算重叠区像素点数量的和，获得所述第一图片组中的每张图片和第二图片组中的每张图片之间的每个相似度，针对每个相似度，判断所述相似度是否大于相似度阈值，如果是，则确定所述第一图片组和第二图片组中的图片为一组相似图片；
相似视频确定模块，用于统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第一阈值，如果是，则确定所述待检测视频与预设视频为相似视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
较佳的，所述LBP值直方图绘制模块包括转换子模块和计算子模块；
所述转换子模块，用于将所述第一图片组和第二图片组中的每张图片均转换为灰度图像；
所述计算子模块，用于按照预设的窗口，计算所述每张图片上每个像素点的LBP值。
较佳的，所述LBP值直方图绘制模块包括统计子模块、绘制子模块和归一化子模块；
所述统计子模块，用于统计所述第一图片组和第二图片组中每张图片上每个LBP值所对应的像素点的数量；
所述绘制子模块，用于根据每个LBP值和与其对应的像素点的数量，分别绘制每张图片的初始LBP值直方图；
所述归一化子模块，用于将所述每个初始LBP值直方图中的像素点数量进行归一化处理，获得归一化后的LBP值直方图。
较佳的，当确定所述待检测视频与预设视频为相似视频后，所述装置还包括第一确定模块；
所述第一确定模块，用于针对所述待检测视频，按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用结构相似性SSIM算法，确定所述第一图片组中每张图片和第二图片组中每张图片之间的每个SSIM值，针对每个SSIM值，判断所述SSIM值是否大于预设SSIM阈值，如果是，则确定对应该SSIM值的所述第一图片组和第二图片组中的图片为一组相似图片；统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第二阈值，如果是，则确定所述待检测视频与预设视频为相似视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
较佳的，当确定所述待检测视频与预设视频为相似视频后，所述装置还包括第二确定模块：
所述第二确定模块，用于针对所述待检测视频，按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用加速稳健特征SURF算法，确定所述第一图片组和第二图片组中每张图片上的多个极值点；针对第一图片组中的每张图片中的极值点，计算该极值点和第二图片组每张图片中每个极值点之间的欧式距离，根据欧式距离的最小值是否小于设定欧式距离阈值，确定第二图片组每张图片中是否存在与该极值点匹配的极值点，如果存在，记录第一图片组中的该极值点；统计记录的第一图片组中的极值点的数量；判断所述数量是否大于预设数量阈值，如果是，则确定所述待检测视频与预设视频为相似视频。
为了达到上述目的，本发明公开了一种盗版视频的检测装置，所述装置包括：
待检测视频获取模块，用于获得待检测视频；
第一图片组获得模块，用于按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组；
LBP值直方图绘制模块，用于采用局部二值模式LBP算法，分别确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，并根据每个像素点的LBP值绘制LBP值直方图；其中，所述第二图片组为从版权视频中分离出的多张特征图片组成的；直方图的横坐标为LBP值，纵坐标为每个LBP值所对应的像素点的数量；
相似图片确定模块，用于将所述第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，计算重叠区像素点数量的和，获得所述第一图片组中的每张图片和第二图片组中的每张图片之间的每个相似度，针对每个相似度，判断所述相似度是否大于相似度阈值，如果是，则确定所述第一图片组和第二图片组中的图片为一组相似图片；
盗版视频确定模块，用于统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第一阈值，如果是，则确定所述待检测视频为盗版视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
较佳的，所述LBP值直方图绘制模块包括转换子模块和计算子模块；
所述转换子模块，用于将所述第一图片组和第二图片组中的每张图片均转换为灰度图像；
所述计算子模块，用于按照预设的窗口，计算所述每张图片上每个像素点的LBP值。
较佳的，所述LBP值直方图绘制模块包括统计子模块、绘制子模块和归一化子模块；
所述统计子模块，用于统计所述第一图片组和第二图片组中每张图片上每个LBP值所对应的像素点的数量；
所述绘制子模块，用于根据每个LBP值和与其对应的像素点的数量，分别绘制每张图片的初始LBP值直方图；
所述归一化子模块，用于将所述每个初始LBP值直方图中的像素点数量进行归一化处理，获得归一化后的LBP值直方图。
较佳的，当确定所述待检测视频为盗版视频后，所述装置还包括第三确定模块；
所述第三确定模块，用于针对所述待检测视频，按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组，第二图片组为已保存的从版权视频中分离出的多张特征图片的组合；采用结构相似性SSIM算法，确定所述第一图片组中每张图片和第二图片组中每张图片之间的每个SSIM值，针对每个SSIM值，判断所述SSIM值是否大于预设SSIM阈值，如果是，则确定对应该SSIM值的所述第一图片组和第二图片组中的图片为一组相似图片；统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第二阈值，如果是，则确定所述待检测视频为盗版视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
较佳的，当确定所述待检测视频为盗版视频后，所述装置还包括第四确定模块：
所述第四确定模块，用于针对所述待检测视频，按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组，第二图片组为已保存的从版权视频中分离出的多张特征图片的组合；采用加速稳健特征SURF算法，确定所述第一图片组和第二图片组中每张图片上的多个极值点；针对第一图片组中的每张图片中的极值点，计算该极值点和第二图片组每张图片中每个极值点之间的欧式距离，根据欧式距离的最小值是否小于设定第三阈值，确定第二图片组每张图片中是否存在与该极值点匹配的极值点，如果存在，记录第一图片组中的该极值点；统计记录的第一图片组中的极值点的数量；判断所述数量是否大于预设数量阈值，如果是，则确定所述待检测视频为盗版视频。
由上述技术方案可见，本发明实施例能够根据视频中图片的LBP值计算图片之间的相似度，再根据相似图片的数量与比对数量总量判断两视频是否为相似视频或盗版视频，从而能够以视频内容为判断依据来检测相似视频和盗版视频，提高相似视频和盗版视频的检测效率。
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的介绍。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为本发明实施例提供的一种相似视频的检测方法的流程示意图；
图2为本发明实施例提供的一种盗版视频的检测方法的流程示意图；
图3～图5为本发明实施例提供的待检测视频中的三张图片；
图6为本发明实施例提供的版权视频中的一张图片；
图7为本发明实施例提供的一种相似视频的检测装置的结构示意图；
图8为本发明实施例提供的一种盗版视频的检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，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。
本发明实施例提供了一种相似视频和盗版视频的检测方法及装置，能够以视频内容为判断依据来检测相似视频和盗版视频，提高相似视频和盗版视频检测的效率。下面通过具体实施例，对本发明的具体实施方式进行详细说明。
参见图1，该图为本发明实施例提供的一种相似视频的检测方法的流程示意图，包括如下步骤：
步骤S101：获得待检测视频。
在实际应用中，待检测视频可以为一个或多个视频。
步骤S102：按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组。
在本实施例中，分离图片时的规则可以有多种，例如可以先检测视频的关键帧，然后提取出各个关键帧所对应的图片；也可以随机提取多张图片，或者按照设定时间间隔进行提取。当然，还可以有其他方式。从待检测视频和预设视频中提取图片时采用的规则可以相同，也可以不同，因此获得的第一图片组和第二图片组中的图片数量可以相同，也可以不同。
在实际应用中，可以采用FFMPGE(Fast Forward Mpeg)技术从视频中分离出多个图片。
步骤S103：采用局部二值模式LBP算法，分别确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，并根据每个像素点的LBP值绘制LBP值直方图。
其中，直方图的横坐标为LBP值，纵坐标为每个LBP值所对应的像素点的数量。该LBP值可以是一个二进制数，也可以是将所得到的二进制数转换成十进制后的数。
在本实施例中，采用局部二值模式LBP算法，确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值时可以有多种方式，例如，可以以图片组中每张图片(每张图片一般为彩色图片)的R、G、B三通道的任意一个通道的值为像素值来确定，也可以将某个像素点R、G、B三通道的平均值作为该像素点的像素值来确定。当然，也可以有其他方式。
在本实施例中，所述根据每个像素点的LBP值绘制LBP值直方图，可以在统计图片中的每个LBP值及与其对应的像素点数量以后，直接将所述LBP值作为纵坐标，将对应的像素点数量作为横坐标来绘制直方图，也可以先将所述LBP值和对应的像素点数量做一定的简化处理，再绘制直方图。当然，也可以有其他方式。
步骤S104：将所述第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，计算重叠区像素点数量的和，获得所述第一图片组中的每张图片和第二图片组中的每张图片之间的每个相似度，针对每个相似度，判断所述相似度是否大于相似度阈值，如果是，则确定所述第一图片组和第二图片组中的图片为一组相似图片。
在本实施例中，第一图片组和第二图片组中分别包含了从待检测视频和预设视频中分离出的多张特征图片，将第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，将重叠区像素点数量的和作为两张图片之间的相似度，当该相似度大于设定的相似度阈值时，确定该第一图片组和第二图片组中的图片为一组相似图片；当该相似度不大于设定的相似度阈值时，确定该第一图片组和第二图片组中的图片不是一组相似图片。
步骤S105：统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第一阈值，如果是，则确定所述待检测视频与预设视频为相似视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
具体地，假设与待检测视频对应的第一图片组中有两张图片a和b，与预设视频对应的第二图片组中有三种图片1、2和3，预设第一阈值为60％。通过局部二值模式LBP算法，确定图片a、b、1、2和3的LBP值，并绘制出纵坐标为像素点数量、横坐标为每个像素点的LBP值的直方图。分别将a与1、a与2、a与3、b与1、b与2、b与3各组图片之间的直方图进行重叠，计算重叠区像素点的数量，获得各组图片之间的相似度值a1、a2、a3、b1、b2、b3，将每个相似度值与设定的相似度阈值进行比较，当相似度值大于设定的相似度阈值时，确定与该相似度对应的第一图片组和第二图片组中的图片为一组相似图片。假设a与1、a与2、b与2、b与3均为相似图片，则第一图片组和第二图片组中相似图片的组数为4，比对数量总量为第一图片组中的图片数量和第二图片组中的图片数量的乘积，即2×3＝6。可见4/6＝67％，大于预设第一阈值60％，可以确定待检测视频与预设视频为相似视频。
由上述方法可见，本发明实施例能够根据视频中图片的LBP值计算图片之间的相似度，再根据相似图片的数量与比对数量总量判断两视频是否为相似视频，从而能够以视频内容为判断依据来检测相似视频，提高相似视频的检测效率。
为了进一步提高检测的准确性，对于本发明实施例所检测出的相似视频，可以再运用其他的检测方法来进一步检测。例如，可以采用下述两种方式来进一步对上述检测结果进行检测。
第一种，包括：
针对所述待检测视频，按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用结构相似性SSIM算法，确定所述第一图片组中每张图片和第二图片组中每张图片之间的每个SSIM值，针对每个SSIM值，判断所述SSIM值是否大于预设SSIM阈值，如果是，则确定对应该SSIM值的所述第一图片组和第二图片组中的图片为一组相似图片；统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第二阈值，如果是，则确定所述待检测视频与预设视频为相似视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
可见，这种方法考虑了图片之间像素的亮度、对比度以及结构相似性，对相似图片的识别更准确，能够进一步提高视频检测的准确性。
第二种，包括：
针对所述待检测视频，按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用加速稳健特征SURF算法，确定所述第一图片组和第二图片组中每张图片上的多个极值点；针对第一图片组中的每张图片中的极值点，计算该极值点和第二图片组每张图片中每个极值点之间的欧式距离，根据欧式距离的最小值是否小于设定欧式距离阈值，确定第二图片组每张图片中是否存在与该极值点匹配的极值点，如果存在，记录第一图片组中的该极值点；统计记录的第一图片组中的极值点的数量；判断所述数量是否大于预设数量阈值，如果是，则确定所述待检测视频与预设视频为相似视频。
可见，采用这种方法检测，考虑了图片之间的一些稳定的极值点，基于这些极值点可以更准确地检测图片之间的相似度，而且不受图片旋转的影响，从而提高视频检测的准确性。
在本发明的另一实施方式中，图1所示的方法实施例中的步骤S103，确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，可以包括如下步骤：将所述第一图片组和第二图片组中的每张图片均转换为灰度图像；按照预设的窗口，计算所述每张图片上每个像素点的LBP值。在本实施例中，先将图片转换为灰度图片，再计算像素点的LBP值，简化了LBP值计算的过程，能提高检测效率。
在本发明的另一实施方式中，图1所示的方法实施例中的步骤S103，根据每个像素点的LBP值绘制LBP值直方图，可以包括如下步骤：统计所述第一图片组和第二图片组中每张图片上每个LBP值所对应的像素点的数量；根据每个LBP值和与其对应的像素点的数量，分别绘制每张图片的初始LBP值直方图；将所述每个初始LBP值直方图中的像素点数量进行归一化处理，获得归一化后的LBP值直方图。
在本实施例中，将初始LBP值直方图中的横坐标即像素点数量进行归一化处理是指，将每个图片的各个LBP值所对应的像素点数量分别除以这张图片总的像素点数量，得到一个0～1之间的数值。这样，在步骤S104中所求得的相似度就是一个范围确定的数值，这简化了相似度的计算，提高了检测效率。
参见图2，该图为本发明实施例提供的一种盗版视频的检测方法的流程示意图，包括如下步骤：
步骤S201：获得待检测视频。
在实际应用中，可以采用网络爬虫技术获得被监控网站的一个或多个视频。
步骤S202：按照预设规则，分别从所述待检测视频中分离出多张特征图片，获得第一图片组。
在本实施例中，分离图片时的规则可以有多种，例如可以先检测视频的关键帧，然后提取出各个关键帧所对应的图片；也可以随机提取多张图片，或者按照设定时间间隔进行提取。当然，还可以有其他方式。
在实际应用中，可以采用FFMPGE(Fast Forward Mpeg)技术从视频中分离出多个图片。
步骤S203：采用局部二值模式LBP算法，分别确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，并根据每个像素点的LBP值绘制LBP值直方图。其中，所述第二图片组为从版权视频中分离出的多张特征图片组成的；直方图的横坐标为LBP值，纵坐标为每个LBP值所对应的像素点的数量。
在本实施例中，采用局部二值模式LBP算法，确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值时可以有多种方式，例如，可以以图片组中每张图片(每张图片一般为彩色图片)的R、G、B三通道的任意一个通道的值为像素值来确定，也可以将某个像素点R、G、B三通道的平均值作为该像素点的像素值来确定。当然，也可以有其他方式。
在本实施例中，所述根据每个像素点的LBP值绘制LBP值直方图，可以在统计图片中的每个LBP值及与其对应的像素点数量以后，直接将所述LBP值作为纵坐标，将对应的像素点数量作为横坐标来绘制直方图，也可以先将所述LBP值和对应的像素点数量做一定的简化处理，再绘制直方图。当然，也可以有其他方式。
步骤S204：将所述第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，计算重叠区像素点数量的和，获得所述第一图片组中的每张图片和第二图片组中的每张图片之间的每个相似度，针对每个相似度，判断所述相似度是否大于相似度阈值，如果是，则确定所述第一图片组和第二图片组中的图片为一组相似图片。
在本实施例中，第一图片组和第二图片组中分别包含了从待检测视频和版权视频中分离出的多张特征图片，将第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，将重叠区像素点数量的和作为两张图片之间的相似度，当该相似度大于设定的相似度阈值时，确定该第一图片组和第二图片组中的图片为一组相似图片；当该相似度不大于设定的相似度阈值时，确定该第一图片组和第二图片组中的图片不是一组相似图片。
步骤S205：统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第一阈值，如果是，则确定所述待检测视频为盗版视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
具体地，假设与待检测视频对应的第一图片组中有两张图片a和b，与版权视频对应的第二图片组中有三种图片1、2和3，预设第一阈值为60％。通过局部二值模式LBP算法，确定图片a、b、1、2和3的LBP值，并绘制出纵坐标为像素点数量、横坐标为每个像素点的LBP值的直方图。分别将a与1、a与2、a与3、b与1、b与2、b与3各组图片之间的直方图进行重叠，计算重叠区像素点的数量，获得各组图片之间的相似度值a1、a2、a3、b1、b2、b3，将每个相似度值与设定的相似度阈值进行比较，当相似度值大于设定的相似度阈值时，确定与该相似度对应的第一图片组和第二图片组中的图片为一组相似图片。假设a与1、a与2、b与2、b与3均为相似图片，则第一图片组和第二图片组中相似图片的组数为4，比对数量总量为第一图片组中的图片数量和第二图片组中的图片数量的乘积，即2×3＝6。可见4/6＝67％，大于预设第一阈值60％，可以确定待检测视频为盗版视频。
由上述方法可见，本发明实施例能够根据视频中图片的LBP值计算图片之间的相似度，再根据相似图片的数量与比对数量总量判断待检测视频是否为盗版视频，从而能够以视频内容为判断依据来检测盗版视频，提高盗版视频的检测效率。
为了进一步提高检测的准确性，对于本发明实施例所检测出的盗版视频，可以再运用其他的检测方法来进一步检测。例如，可以采用下述两种方式来进一步对上述检测结果进行检测。
第一种，包括：
针对所述待检测视频，按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组，第二图片组为已保存的从版权视频中分离出的多张特征图片的组合；采用结构相似性SSIM算法，确定所述第一图片组中每张图片和第二图片组中每张图片之间的每个SSIM值，针对每个SSIM值，判断所述SSIM值是否大于预设SSIM阈值，如果是，则确定对应该SSIM值的所述第一图片组和第二图片组中的图片为一组相似图片；统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第二阈值，如果是，则确定所述待检测视频为盗版视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
可见，这种方法考虑了图片之间像素的亮度、对比度以及结构相似性，对相似图片的识别更准确，能够进一步提高视频检测的准确性。
第二种，包括：
针对所述待检测视频，按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组，第二图片组为已保存的从版权视频中分离出的多张特征图片的组合；采用加速稳健特征SURF算法，确定所述第一图片组和第二图片组中每张图片上的多个极值点；针对第一图片组中的每张图片中的极值点，计算该极值点和第二图片组每张图片中每个极值点之间的欧式距离，根据欧式距离的最小值是否小于设定第三阈值，确定第二图片组每张图片中是否存在与该极值点匹配的极值点，如果存在，记录第一图片组中的该极值点；统计记录的第一图片组中的极值点的数量；判断所述数量是否大于预设数量阈值，如果是，则确定所述待检测视频为盗版视频。
可见，采用这种方法检测，考虑了图片之间的一些稳定的极值点，基于这些极值点可以更准确地检测图片之间的相似度，而且不受图片旋转的影响，从而提高视频检测的准确性。
在本发明的另一实施方式中，图2所示的方法实施例中的步骤S203，确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，可以包括如下步骤：将所述第一图片组和第二图片组中的每张图片均转换为灰度图像；按照预设的窗口，计算所述每张图片上每个像素点的LBP值。在本实施例中，先将图片转换为灰度图片，再计算像素点的LBP值，简化了LBP值计算的过程，能提高检测效率。
在本发明的另一实施方式中，图2所示的方法实施例中的步骤S203，根据每个像素点的LBP值绘制LBP值直方图，可以包括如下步骤：统计所述第一图片组和第二图片组中每张图片上每个LBP值所对应的像素点的数量；根据每个LBP值和与其对应的像素点的数量，分别绘制每张图片的初始LBP值直方图；将所述每个初始LBP值直方图中的像素点数量进行归一化处理，获得归一化后的LBP值直方图。
在本实施例中，将初始LBP值直方图中的横坐标即像素点数量进行归一化处理是指，将每个图片的各个LBP值所对应的像素点数量分别除以这张图片总的像素点数量，得到一个0～1之间的数值。这样，在步骤S204中所求得的相似度就是一个范围确定的数值，这简化了相似度的计算，提高了检测效率。
下面通过一个具体实例对本申请再做说明。
假设，版权视频为video2。
步骤1，假设从大量视频中获得一个待检测视频video1。
步骤2，从待检测视频video1中按每隔0.2秒截取三张特征图片，分别为图3～图5，从版权视频video2中截取一张特征图片，为图6。图3～图5为第一图片组，图6为第二图片组。
步骤3，采用局部二值模式LBP算法，计算图3～图6各个图片中每个像素点的LBP值，并绘制出4张LBP值直方图，将每张直方图的纵坐标进行归一化处理。
步骤4，将图3与图6、图4与图6、图5与图6之间的LBP值直方图进行重叠，得到的相似度分别为0.7272、0.7402和0.7034。假设，预设相似度阈值为0.6，可知图3与图6、图4与图6、图5与图6均为相似图片。
步骤5，从步骤4中可知相似图片的组数为3，比对数量总量为3，假设预设第一阈值为60％，则可知第一图片组和第二图片组中相似图片的组数与比对数量总量的比值大于预设第一阈值，那么可以确定video1为盗版视频。
由上述的实施例可见，本发明实施例能够根据视频中图片的LBP值计算图片之间的相似度，再根据相似图片的数量与比对数量总量判断待检测视频是否为盗版视频，从而能够以视频内容为判断依据来检测盗版视频，提高盗版视频的检测效率。
参见图7，该图为本发明实施例提供的一种相似视频的检测装置的结构示意图，与图1所示的方法的流程示意图对应，该装置包括：
待检测视频获取模块701，用于获得待检测视频。
图片获得模块702，用于按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组。
LBP值直方图绘制模块703，用于采用局部二值模式LBP算法，分别确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，并根据每个像素点的LBP值绘制LBP值直方图；其中，直方图的横坐标为LBP值，纵坐标为每个LBP值所对应的像素点的数量。
相似图片确定模块704，用于将所述第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，计算重叠区像素点数量的和，获得所述第一图片组中的每张图片和第二图片组中的每张图片之间的每个相似度，针对每个相似度，判断所述相似度是否大于相似度阈值，如果是，则确定所述第一图片组和第二图片组中的图片为一组相似图片。
相似视频确定模块705，用于统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第一阈值，如果是，则确定所述待检测视频与预设视频为相似视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
为了进一步提高检测的准确性，对于本发明实施例所检测出的相似视频，可以再运用其他的检测模块来进一步检测。例如，可以采用下述第一确定模块或第二确定模块来进一步对上述检测结果进行检测。
第一确定模块(图中未示出)，用于针对所述待检测视频，按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用结构相似性SSIM算法，确定所述第一图片组中每张图片和第二图片组中每张图片之间的每个SSIM值，针对每个SSIM值，判断所述SSIM值是否大于预设SSIM阈值，如果是，则确定对应该SSIM值的所述第一图片组和第二图片组中的图片为一组相似图片；统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第二阈值，如果是，则确定所述待检测视频与预设视频为相似视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
第二确定模块(图中未示出)，用于针对所述待检测视频，按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用加速稳健特征SURF算法，确定所述第一图片组和第二图片组中每张图片上的多个极值点；针对第一图片组中的每张图片中的极值点，计算该极值点和第二图片组每张图片中每个极值点之间的欧式距离，根据欧式距离的最小值是否小于设定欧式距离阈值，确定第二图片组每张图片中是否存在与该极值点匹配的极值点，如果存在，记录第一图片组中的该极值点；统计记录的第一图片组中的极值点的数量；判断所述数量是否大于预设数量阈值，如果是，则确定所述待检测视频与预设视频为相似视频。
在本发明的另一实施方式中，图7中LBP值直方图绘制模块703具体可以包括：
转换子模块(图中未示出)，用于将所述第一图片组和第二图片组中的每张图片均转换为灰度图像；
计算子模块(图中未示出)，用于按照预设的窗口，计算所述每张图片上每个像素点的LBP值。
在本发明的另一实施方式中，图7中LBP值直方图绘制模块703具体还可以包括：
统计子模块(图中未示出)，用于统计所述第一图片组和第二图片组中每张图片上每个LBP值所对应的像素点的数量；
绘制子模块(图中未示出)，用于根据每个LBP值和与其对应的像素点的数量，分别绘制每张图片的初始LBP值直方图；
归一化子模块(图中未示出)，用于将所述每个初始LBP值直方图中的像素点数量进行归一化处理，获得归一化后的LBP值直方图。
由于上述装置实施例是基于相似视频的检测方法实施例得到的，与该方法具有相同的技术效果，因此装置实施例的技术效果在此不再赘述。
参见图8，该图为本发明实施例提供的一种盗版视频的检测装置的结构示意图，与图2所示的方法的流程示意图对应，该装置包括：
待检测视频获取模块801，用于获得待检测视频；
第一图片组获得模块802，用于按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组；
LBP值直方图绘制模块803，用于采用局部二值模式LBP算法，分别确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，并根据每个像素点的LBP值绘制LBP值直方图；其中，所述第二图片组为从版权视频中分离出的多张特征图片组成的；直方图的横坐标为LBP值，纵坐标为每个LBP值所对应的像素点的数量；
相似图片确定模块804，用于将所述第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，计算重叠区像素点数量的和，获得所述第一图片组中的每张图片和第二图片组中的每张图片之间的每个相似度，针对每个相似度，判断所述相似度是否大于相似度阈值，如果是，则确定所述第一图片组和第二图片组中的图片为一组相似图片；
盗版视频确定模块805，用于统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第一阈值，如果是，则确定所述待检测视频为盗版视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
为了进一步提高检测的准确性，对于本发明实施例所检测出的盗版视频，可以再运用其他的检测模块来进一步检测。例如，可以采用下述第三确定模块或第四确定模块来进一步对上述检测结果进行检测。
所述第三确定模块(图中未示出)，用于针对所述待检测视频，按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组，第二图片组为已保存的从版权视频中分离出的多张特征图片的组合；采用结构相似性SSIM算法，确定所述第一图片组中每张图片和第二图片组中每张图片之间的每个SSIM值，针对每个SSIM值，判断所述SSIM值是否大于预设SSIM阈值，如果是，则确定对应该SSIM值的所述第一图片组和第二图片组中的图片为一组相似图片；统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第二阈值，如果是，则确定所述待检测视频为盗版视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
所述第四确定模块(图中未示出)，用于针对所述待检测视频，按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组，第二图片组为已保存的从版权视频中分离出的多张特征图片的组合；采用加速稳健特征SURF算法，确定所述第一图片组和第二图片组中每张图片上的多个极值点；针对第一图片组中的每张图片中的极值点，计算该极值点和第二图片组每张图片中每个极值点之间的欧式距离，根据欧式距离的最小值是否小于设定第三阈值，确定第二图片组每张图片中是否存在与该极值点匹配的极值点，如果存在，记录第一图片组中的该极值点；统计记录的第一图片组中的极值点的数量；判断所述数量是否大于预设数量阈值，如果是，则确定所述待检测视频为盗版视频。
在本发明的另一实施方式中，图8中LBP值直方图绘制模块803具体可以包括：
转换子模块(图中未示出)，用于将所述第一图片组和第二图片组中的每张图片均转换为灰度图像；
计算子模块(图中未示出)，用于按照预设的窗口，计算所述每张图片上每个像素点的LBP值。
在本发明的另一实施方式中，图8中LBP值直方图绘制模块803具体还可以包括：
统计子模块(图中未示出)，用于统计所述第一图片组和第二图片组中每张图片上每个LBP值所对应的像素点的数量；
绘制子模块(图中未示出)，用于根据每个LBP值和与其对应的像素点的数量，分别绘制每张图片的初始LBP值直方图；
归一化子模块(图中未示出)，用于将所述每个初始LBP值直方图中的像素点数量进行归一化处理，获得归一化后的LBP值直方图。
由于上述装置实施例是基于盗版视频的检测方法实施例得到的，与该方法具有相同的技术效果，因此装置实施例的技术效果在此不再赘述。
对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。
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。
本领域普通技术人员可以理解，上述实施方式中的全部或部分步骤是能够通过程序指令相关的硬件来完成的，所述的程序可以存储于计算机可读取存储介质中。这里所称存储介质，是指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做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (16)

1.一种相似视频的检测方法，其特征在于，所述方法包括步骤：
获得待检测视频；
按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；
采用局部二值模式LBP算法，分别确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，并根据每个像素点的LBP值绘制每张图片的LBP值直方图；其中，直方图的横坐标为LBP值，纵坐标为每个LBP值所对应的像素点的数量；
将所述第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，计算重叠区像素点数量的和，获得所述第一图片组中的每张图片和第二图片组中的每张图片之间的每个相似度，针对每个相似度，判断所述相似度是否大于相似度阈值，如果是，则确定所述第一图片组和第二图片组中的图片为一组相似图片；
统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第一阈值，如果是，则确定所述待检测视频与预设视频为相似视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积；
所述根据每个像素点的LBP值绘制每张图片的LBP值直方图，包括：
统计所述第一图片组和第二图片组中每张图片上每个LBP值所对应的像素点的数量；
根据每个LBP值和与其对应的像素点的数量，分别绘制每张图片的初始LBP值直方图；
将所述每个初始LBP值直方图中的像素点数量进行归一化处理，获得归一化后的LBP值直方图。
2.根据权利要求1所述的方法，其特征在于，所述确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，包括：
将所述第一图片组和第二图片组中的每张图片均转换为灰度图像；
按照预设的窗口，计算所述每张图片上每个像素点的LBP值。
3.根据权利要求1所述的方法，当确定所述待检测视频与预设视频为相似视频后，所述方法还包括：
针对所述待检测视频，按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用结构相似性SSIM算法，确定所述第一图片组中每张图片和第二图片组中每张图片之间的每个SSIM值，针对每个SSIM值，判断所述SSIM值是否大于预设SSIM阈值，如果是，则确定对应该SSIM值的所述第一图片组和第二图片组中的图片为一组相似图片；统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第二阈值，如果是，则确定所述待检测视频与预设视频为相似视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
4.根据权利要求1所述的方法，当确定所述待检测视频与预设视频为相似视频后，所述方法还包括：
针对所述待检测视频，按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用加速稳健特征SURF算法，确定所述第一图片组和第二图片组中每张图片上的多个极值点；针对第一图片组中的每张图片中的极值点，计算该极值点和第二图片组每张图片中每个极值点之间的欧式距离，根据欧式距离的最小值是否小于设定欧式距离阈值，确定第二图片组每张图片中是否存在与该极值点匹配的极值点，如果存在，记录第一图片组中的该极值点；统计记录的第一图片组中的极值点的数量；判断所述数量是否大于预设数量阈值，如果是，则确定所述待检测视频与预设视频为相似视频。
5.一种盗版视频的检测方法，其特征在于，所述方法包括步骤：
获得待检测视频；
按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组；
采用局部二值模式LBP算法，分别确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，并根据每个像素点的LBP值绘制每张图片的LBP值直方图；其中，所述第二图片组为从版权视频中分离出的多张特征图片组成的；直方图的横坐标为LBP值，纵坐标为每个LBP值所对应的像素点的数量；
将所述第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，计算重叠区像素点数量的和，获得所述第一图片组中的每张图片和第二图片组中的每张图片之间的每个相似度，针对每个相似度，判断所述相似度是否大于相似度阈值，如果是，则确定所述第一图片组和第二图片组中的图片为一组相似图片；
统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第一阈值，如果是，则确定所述待检测视频为盗版视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积；
所述根据每个像素点的LBP值绘制每张图片的LBP值直方图，包括：
统计所述第一图片组和第二图片组中每张图片上每个LBP值所对应的像素点的数量；
根据每个LBP值和与其对应的像素点的数量，分别绘制每张图片的初始LBP值直方图；
将所述每个初始LBP值直方图中的像素点数量进行归一化处理，获得归一化后的LBP值直方图。
6.根据权利要求5所述的方法，其特征在于，所述确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，包括：
将所述第一图片组和第二图片组中的每张图片均转换为灰度图像；
按照预设的窗口，计算所述每张图片上每个像素点的LBP值。
7.根据权利要求5所述的方法，当确定所述待检测视频为盗版视频后，所述方法还包括：
针对所述待检测视频，按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组，第二图片组为已保存的从版权视频中分离出的多张特征图片的组合；采用结构相似性SSIM算法，确定所述第一图片组中每张图片和第二图片组中每张图片之间的每个SSIM值，针对每个SSIM值，判断所述SSIM值是否大于预设SSIM阈值，如果是，则确定对应该SSIM值的所述第一图片组和第二图片组中的图片为一组相似图片；统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第二阈值，如果是，则确定所述待检测视频为盗版视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
8.根据权利要求5所述的方法，当确定所述待检测视频为盗版视频后，所述方法还包括：
针对所述待检测视频，按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组，第二图片组为已保存的从版权视频中分离出的多张特征图片的组合；采用加速稳健特征SURF算法，确定所述第一图片组和第二图片组中每张图片上的多个极值点；针对第一图片组中的每张图片中的极值点，计算该极值点和第二图片组每张图片中每个极值点之间的欧式距离，根据欧式距离的最小值是否小于设定第三阈值，确定第二图片组每张图片中是否存在与该极值点匹配的极值点，如果存在，记录第一图片组中的该极值点；统计记录的第一图片组中的极值点的数量；判断所述数量是否大于预设数量阈值，如果是，则确定所述待检测视频为盗版视频。
9.一种相似视频的检测装置，其特征在于，所述装置包括：
待检测视频获取模块，用于获得待检测视频；
图片获得模块，用于按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；
LBP值直方图绘制模块，用于采用局部二值模式LBP算法，分别确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，并根据每个像素点的LBP值绘制每张图片的LBP值直方图；其中，直方图的横坐标为LBP值，纵坐标为每个LBP值所对应的像素点的数量；
相似图片确定模块，用于将所述第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，计算重叠区像素点数量的和，获得所述第一图片组中的每张图片和第二图片组中的每张图片之间的每个相似度，针对每个相似度，判断所述相似度是否大于相似度阈值，如果是，则确定所述第一图片组和第二图片组中的图片为一组相似图片；
相似视频确定模块，用于统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第一阈值，如果是，则确定所述待检测视频与预设视频为相似视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积；
所述LBP值直方图绘制模块包括统计子模块、绘制子模块和归一化子模块；
所述统计子模块，用于统计所述第一图片组和第二图片组中每张图片上每个LBP值所对应的像素点的数量；
所述绘制子模块，用于根据每个LBP值和与其对应的像素点的数量，分别绘制每张图片的初始LBP值直方图；
所述归一化子模块，用于将所述每个初始LBP值直方图中的像素点数量进行归一化处理，获得归一化后的LBP值直方图。
10.根据权利要求9所述的装置，其特征在于，所述LBP值直方图绘制模块包括转换子模块和计算子模块；
所述转换子模块，用于将所述第一图片组和第二图片组中的每张图片均转换为灰度图像；
所述计算子模块，用于按照预设的窗口，计算所述每张图片上每个像素点的LBP值。
11.根据权利要求9所述的装置，当确定所述待检测视频与预设视频为相似视频后，所述装置还包括第一确定模块；
所述第一确定模块，用于针对所述待检测视频，按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用结构相似性SSIM算法，确定所述第一图片组中每张图片和第二图片组中每张图片之间的每个SSIM值，针对每个SSIM值，判断所述SSIM值是否大于预设SSIM阈值，如果是，则确定对应该SSIM值的所述第一图片组和第二图片组中的图片为一组相似图片；统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第二阈值，如果是，则确定所述待检测视频与预设视频为相似视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
12.根据权利要求9所述的装置，其特征在于，当确定所述待检测视频与预设视频为相似视频后，所述装置还包括第二确定模块：
所述第二确定模块，用于针对所述待检测视频，按照预设规则，分别从所述待检测视频和预设视频中分离出多张特征图片，获得第一图片组和第二图片组；采用加速稳健特征SURF算法，确定所述第一图片组和第二图片组中每张图片上的多个极值点；针对第一图片组中的每张图片中的极值点，计算该极值点和第二图片组每张图片中每个极值点之间的欧式距离，根据欧式距离的最小值是否小于设定欧式距离阈值，确定第二图片组每张图片中是否存在与该极值点匹配的极值点，如果存在，记录第一图片组中的该极值点；统计记录的第一图片组中的极值点的数量；判断所述数量是否大于预设数量阈值，如果是，则确定所述待检测视频与预设视频为相似视频。
13.一种盗版视频的检测装置，其特征在于，所述装置包括：
待检测视频获取模块，用于获得待检测视频；
第一图片组获得模块，用于按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组；
LBP值直方图绘制模块，用于采用局部二值模式LBP算法，分别确定所述第一图片组和第二图片组中每张图片上每个像素点的LBP值，并根据每个像素点的LBP值绘制每张图片的LBP值直方图；其中，所述第二图片组为从版权视频中分离出的多张特征图片组成的；直方图的横坐标为LBP值，纵坐标为每个LBP值所对应的像素点的数量；
相似图片确定模块，用于将所述第一图片组中的每张图片和第二图片组中的每张图片的LBP值直方图一一进行重叠，计算重叠区像素点数量的和，获得所述第一图片组中的每张图片和第二图片组中的每张图片之间的每个相似度，针对每个相似度，判断所述相似度是否大于相似度阈值，如果是，则确定所述第一图片组和第二图片组中的图片为一组相似图片；
盗版视频确定模块，用于统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第一阈值，如果是，则确定所述待检测视频为盗版视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积；
所述LBP值直方图绘制模块包括统计子模块、绘制子模块和归一化子模块；
所述统计子模块，用于统计所述第一图片组和第二图片组中每张图片上每个LBP值所对应的像素点的数量；
所述绘制子模块，用于根据每个LBP值和与其对应的像素点的数量，分别绘制每张图片的初始LBP值直方图；
所述归一化子模块，用于将所述每个初始LBP值直方图中的像素点数量进行归一化处理，获得归一化后的LBP值直方图。
14.根据权利要求13所述的装置，其特征在于，所述LBP值直方图绘制模块包括转换子模块和计算子模块；
所述转换子模块，用于将所述第一图片组和第二图片组中的每张图片均转换为灰度图像；
所述计算子模块，用于按照预设的窗口，计算所述每张图片上每个像素点的LBP值。
15.根据权利要求13所述的装置，当确定所述待检测视频为盗版视频后，所述装置还包括第三确定模块；
所述第三确定模块，用于针对所述待检测视频，按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组，第二图片组为已保存的从版权视频中分离出的多张特征图片的组合；采用结构相似性SSIM算法，确定所述第一图片组中每张图片和第二图片组中每张图片之间的每个SSIM值，针对每个SSIM值，判断所述SSIM值是否大于预设SSIM阈值，如果是，则确定对应该SSIM值的所述第一图片组和第二图片组中的图片为一组相似图片；统计所述第一图片组和第二图片组中相似图片的组数，并判断所述第一图片组和第二图片组中相似图片的组数与比对数量总量的比值是否大于预设第二阈值，如果是，则确定所述待检测视频为盗版视频，其中所述比对数量总量为所述第一图片组中的图片数量和第二图片组中的图片数量的乘积。
16.根据权利要求13所述的装置，其特征在于，当确定所述待检测视频为盗版视频后，所述装置还包括第四确定模块：
所述第四确定模块，用于针对所述待检测视频，按照预设规则，从所述待检测视频中分离出多张特征图片，获得第一图片组，第二图片组为已保存的从版权视频中分离出的多张特征图片的组合；采用加速稳健特征SURF算法，确定所述第一图片组和第二图片组中每张图片上的多个极值点；针对第一图片组中的每张图片中的极值点，计算该极值点和第二图片组每张图片中每个极值点之间的欧式距离，根据欧式距离的最小值是否小于设定第三阈值，确定第二图片组每张图片中是否存在与该极值点匹配的极值点，如果存在，记录第一图片组中的该极值点；统计记录的第一图片组中的极值点的数量；判断所述数量是否大于预设数量阈值，如果是，则确定所述待检测视频为盗版视频。
CN201511034029.2A 2015-12-31 2015-12-31 一种相似视频和盗版视频的检测方法及装置 Active CN105657547B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511034029.2A CN105657547B (zh) 2015-12-31 2015-12-31 一种相似视频和盗版视频的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511034029.2A CN105657547B (zh) 2015-12-31 2015-12-31 一种相似视频和盗版视频的检测方法及装置

Publications (2)

Publication Number Publication Date
CN105657547A CN105657547A (zh) 2016-06-08
CN105657547B true CN105657547B (zh) 2019-05-10

Family

ID=56491103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511034029.2A Active CN105657547B (zh) 2015-12-31 2015-12-31 一种相似视频和盗版视频的检测方法及装置

Country Status (1)

Country Link
CN (1) CN105657547B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109634788A (zh) * 2017-10-09 2019-04-16 阿里巴巴集团控股有限公司 一种终端适配验证方法及系统、终端
CN107832384A (zh) * 2017-10-28 2018-03-23 北京安妮全版权科技发展有限公司 侵权检测方法、装置、存储介质和电子设备
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
CN111182364B (zh) * 2019-12-27 2021-10-19 杭州小影创新科技股份有限公司 一种短视频版权检测方法及系统
US11610391B2 (en) * 2019-12-30 2023-03-21 Industrial Technology Research Institute Cross-domain image comparison method and system using semantic segmentation
CN112149744B (zh) * 2020-09-25 2022-09-16 浙江数秦科技有限公司 一种侵权图片快速识别方法
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

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102346854A (zh) * 2010-08-03 2012-02-08 株式会社理光 前景物体检测方法和设备
CN103150712A (zh) * 2013-01-18 2013-06-12 清华大学 一种基于投影序列数据相似性的图像去噪方法
CN104036285A (zh) * 2014-05-12 2014-09-10 新浪网技术(中国)有限公司 垃圾图片识别方法及系统
CN104636488A (zh) * 2015-02-26 2015-05-20 北京奇艺世纪科技有限公司 一种基于图片的重复视频文件确定方法及装置
CN105072455A (zh) * 2015-08-11 2015-11-18 精硕世纪科技（北京）有限公司 视频匹配方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1445773A1 (en) * 1997-07-25 2004-08-11 Sony Corporation Encoding device and encoding method

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102346854A (zh) * 2010-08-03 2012-02-08 株式会社理光 前景物体检测方法和设备
CN103150712A (zh) * 2013-01-18 2013-06-12 清华大学 一种基于投影序列数据相似性的图像去噪方法
CN104036285A (zh) * 2014-05-12 2014-09-10 新浪网技术(中国)有限公司 垃圾图片识别方法及系统
CN104636488A (zh) * 2015-02-26 2015-05-20 北京奇艺世纪科技有限公司 一种基于图片的重复视频文件确定方法及装置
CN105072455A (zh) * 2015-08-11 2015-11-18 精硕世纪科技（北京）有限公司 视频匹配方法和装置

Also Published As

Publication number Publication date
CN105657547A (zh) 2016-06-08

Similar Documents

Publication Publication Date Title
CN105657547B (zh) 一种相似视频和盗版视频的检测方法及装置
CN105681898B (zh) 一种相似视频和盗版视频的检测方法及装置
CN105681899B (zh) 一种相似视频和盗版视频的检测方法及装置
US11527070B2 (en) Methods and apparatus to count people in images
US11558665B2 (en) Methods and apparatus to count people
US9292736B2 (en) Methods and apparatus to count people in images
CN102236796B (zh) 数字视频不良内容的分类方法和系统
CN105718861B (zh) 一种识别视频流数据类别的方法及装置
Wang et al. Video inter-frame forgery identification based on consistency of correlation coefficients of gray values
US9275285B2 (en) Methods and apparatus to count people in images
US20130259299A1 (en) Methods and apparatus to count people in images
CN106454385B (zh) 视频帧篡改检测方法
CN105654051A (zh) 一种视频检测方法及系统
US8953877B2 (en) Noise estimation for images
CN104281850A (zh) 一种文字区域识别方法和装置
CN106485639A (zh) 鉴别伪造证件图片的方法和装置
JP2011203790A (ja) 画像照合装置
CN104102861A (zh) 一种基于文件头和压缩参数的jpeg图片原始性检测方法
Huan et al. Shot boundary detection based on mutual information and canny edge detector
CN101312545A (zh) 图像检测方法和装置
Chung et al. Obscene image detection algorithm using high-and low-quality images
CN107563970A (zh) 一种视频图像马赛克的检测方法
CN111818331A (zh) 弹幕显示流畅性的检测方法、装置、设备和介质
Song et al. Text localization and detection for news video
Yu Localization and extraction of the four clock-digits using the knowledge of the digital video clock

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