CN113382284B - 一种盗版视频的分类方法及装置 - Google Patents

一种盗版视频的分类方法及装置 Download PDF

Info

Publication number
CN113382284B
CN113382284B CN202010163596.2A CN202010163596A CN113382284B CN 113382284 B CN113382284 B CN 113382284B CN 202010163596 A CN202010163596 A CN 202010163596A CN 113382284 B CN113382284 B CN 113382284B
Authority
CN
China
Prior art keywords
video
pirated
content
frame
determining
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
CN202010163596.2A
Other languages
English (en)
Other versions
CN113382284A (zh
Inventor
张乃光
郭沛宇
王磊
薛子育
沈阳
张智军
刘庆同
丁森华
席岩
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.)
Research Institute Of Radio And Television Science State Administration Of Radio And Television
Original Assignee
Research Institute Of Radio And Television Science State Administration Of Radio And Television
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 Research Institute Of Radio And Television Science State Administration Of Radio And Television filed Critical Research Institute Of Radio And Television Science State Administration Of Radio And Television
Priority to CN202010163596.2A priority Critical patent/CN113382284B/zh
Publication of CN113382284A publication Critical patent/CN113382284A/zh
Application granted granted Critical
Publication of CN113382284B publication Critical patent/CN113382284B/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]
    • H04N21/20—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 or manipulating encoded video stream scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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 or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Television Signal Processing For Recording (AREA)

Abstract

本发明公开了一种盗版视频的分类方法及装置，该盗版视频的分类方法，包括：获取待分类的盗版视频；在盗版视频中提取视频关键帧；基于深度学习方式对视频关键帧的内容质量特征进行分析，确定盗版视频的内容特征类型，内容质量特征包括分辨率、亮度、对比度、色泽、锐度、角度、码率。

Description

一种盗版视频的分类方法及装置
技术领域
本发明涉及视频处理技术领域，更具体地，涉及一种盗版视频的分类方法、和一种盗版视频的分类装置。
背景技术
随着4K超高清内容产业快速发展和媒体内容服务产业的持续推进，使得媒体内容产业越来越繁荣。与此同时，由于盗版内容所具有的巨大的商业利益，媒体内容产业发展也不断催生新的盗版手段。在版权内容制作、审核、交易、分发以及终端播放等环节的盗版不断涌现，严重损害了媒体内容产业链各方的合法权益。
目前，盗版追踪溯源是数字版权保护的有效补充，通过对盗版的网络追踪，能够及时查找到版权内容产业链各环节以及版权保护系统在技术上和管理上的漏洞。但是，现有的盗版追踪溯源，依赖于盗版内容嵌入的视频水印，以实现盗版内容的溯源。针对没有嵌入视频水印的盗版内容无法有效判断其来源，不能快速定位盗版环节。
因此，有必要提出一种基于视音频特征分析对盗版内容进行分类，以实现快速定位盗版环节的方案。
发明内容
本发明的一个目的是提供一种新的盗版视频分类的技术方案。
根据本发明的第一方面，提供了一种盗版视频的分类方法，包括：
获取待分类的盗版视频；
在所述盗版视频中提取视频关键帧；
基于深度学习方式对所述视频关键帧的内容质量特征进行分析，确定所述盗版视频的内容特征类型，所述内容质量特征包括分辨率、亮度、对比度、色泽、锐度、角度、码率。
可选地，其中，所述基于深度学习方式对所述视频关键帧的内容质量特征进行分析，确定所述盗版视频的内容特征类型，包括：
基于深度学习对所述视频关键帧的内容质量特征进行分析，确定所述盗版视频的内容质量分数；
如果所述盗版视频的内容质量分数在预设第一分数范围，确定所述盗版视频的内容特征类型为压缩编码版；
如果所述盗版视频的内容质量分数在预设第二分数范围，确定所述盗版视频的内容特征类型为影院录制版；
如果所述盗版视频的内容质量分数在预设第三分数范围，确定所述盗版视频的内容特征类型为非影院录制版。
可选地，所述方法还包括：
将所述盗版视频与对应的不同版本的正版视频逐一比对，确定所述盗版视频与正版视频的第一内容相似度；
根据第一内容相似度最大且大于预设的第一相似度阈值的正版视频的版本类型，确实所述盗版视频的版本类型。
可选地，其中，所述将所述盗版视频与对应的不同版本的正版视频逐一比对，确定所述盗版视频与正版视频的第一内容相似度，包括：
将所述盗版视频与正版视频进行对齐处理；
每间隔预设第一帧数，将所述盗版视频的视频关键帧与对应的所述正版视频的视频关键帧进行比对，确定所述盗版视频的视频关键帧的第二内容相似度；
根据所述第二内容相似度大于预设的第二相似度阈值的视频关键帧的占比，确定所述盗版视频与对应的正版视频的第一内容相似度。
可选地，所述方法还包括：
将所述盗版视频与对应的不同版本的正版视频逐一比对，确定所述盗版视频与正版视频的时长的差值；
根据所述盗版视频与正版视频的时长的差值，确实所述盗版视频的版本类型。
可选地，其中，所述在所述盗版视频中提取视频关键帧，包括：
对所述盗版视频进行切分，以生成所述盗版视频的序列视频帧；
提取所述序列视频帧中每个视频帧的视频帧特征信息；
根据每个视频帧的视频帧特征信息从所述序列视频帧中提取视频关键帧。
可选地，其中，所述视频帧特征信息包括视频帧内特征信息和视频帧间特征信息，所述视频帧内特征信息包括基于传统局部特征和深度学习方法提取的视频内容特征信息；
所述根据每个视频帧的视频帧特征信息从所述序列视频帧中提取视频关键帧，包括：
根据每个视频帧的视频帧内特征信息从所述序列视频帧中确定出多个待选视频关键帧；
根据所述待选视频关键帧的视频帧间特征信息对所述多个待选视频关键帧进行聚类处理，以生成待选视频关键帧组；
针对每个待选视频关键帧组，根据每个待选视频关键帧组中待选关视频关键帧基于传统局部特征和深度学习方法提取的视频内容特征信息，分别确定每个待选视频关键帧组的视频关键帧。
根据本发明的第二方面，提供了一种盗版视频的分类装置，所述装置包括：
视频获取模块，用于获取待分类的盗版视频；
关键帧提取模块，用于在所述盗版视频中提取视频关键帧；
内容质量分析模块，基于深度学习方式对所述视频关键帧的内容质量特征进行分析，确定所述盗版视频的内容特征类型，所述内容质量特征包括分辨率、亮度、对比度、色泽、锐度、角度、码率。
可选地，其中，所述装置还包括：
镜头差异化比对模块，用于将所述盗版视频与对应的不同版本的正版视频逐一比对，确定所述盗版视频与正版视频的第一内容相似度；
版本类型确定模块，用于根据第一内容相似度最大且大于预设的第一相似度阈值的正版视频的版本类型，确实所述盗版视频的版本类型。
根据本发明的第三方面，提供了一种盗版视频的分类装置，所述装置包括：
存储器，所述存储器用于存储计算机指令；
处理器，所述处理器用于从所述存储器中调用所述计算机指令，并在所述计算机指令的控制下执行如本发明第一方面提供的盗版视频的分类方法。
根据本公开的一个实施例，在用户输入多个盗版视频的情况下，对每个盗版视频的视频关键帧进行内容质量分析，确定每个盗版确定盗版视频的内容特征类型，根据内容特征类型可以对用户输入的多个盗版视频进行分类，从而确定盗版视频的获取方式，以对各个盗版视频的盗版环节进行定位，从而提高该盗版环节的监察，减小盗版视频给版权所有者带来的损失。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1示出了本发明实施例提供视频分类系统的硬件配置示意图；
图2示出了本发明的实施例的盗版视频的分类方法的流程示意图；
图3示出了本发明的实施例的一种盗版视频的分类装置的结构示意图；
图4示出了本发明的实施例的另一种盗版视频的分类装置的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1是本说明书一个实施例提供的视频分类系统的框图。如图1所示，该视频分类系统100包括提供用于视频分析的视频分类装置101和视频库103。视频分类装置101和视频库103之间可以通过网络102通信连接。
视频分类装置101，可以是用于提供视频分析的服务器，该服务器的配置可以包括但不限于：处理器1011、存储器1012、接口装置1013、通信装置1014、输入装置1015、输出装置1016。处理器1011可以包括但不限于中央处理器CPU、微处理器MCU等。处理器1011还可以包括图像处理器GPU(Graphics Processing Unit)等。存储器1012可以包括但不限于ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1013可以包括但不限于USB接口、串行接口、并行接口等。通信装置1014例如能够进行有线通信或无线通信，具体的可以包括WiFi通信、蓝牙通信、2G/3G/4G/5G通信等。输入装置1015可以包括但不限于键盘、鼠标等。输出装置1016可以包括但不限于显示屏等。该服务器的配置也可以仅包括上述装置中的部分装置。
应用于本说明书的一个实施例中，视频库103用于存储不同版本的正版视频，视频分类装置101用于基于视频库103中存储的不同版本的正版视频对用户输入的盗版视频进行分析，以实现对盗版视频的分类。图1所示的视频分类系统仅仅是说明性的并且绝不意味着对本说明书实施例、其应用或使用的任何限制。本领域技术人员应当理解，尽管前面描述了视频分类装置101的多个装置，但是，本说明书实施例可以仅涉及其中的部分装置。本领域技术人员可以根据本说明书实施例所公开的方案设计指令，指令如何控制处理器进行操作，是本领域公知技术，故在此不再详细描述。
<盗版视频的分类方法>
图2是本说明书的一个实施例提供的盗版视频的分类方法的示意图。该实施例提供的盗版视频的分类方法，通过计算机技术实现，可以由图1所述的视频分类装置实施。
该实施例提供的视频处理方法，包括步骤S201-S203。
步骤S201，获取待分类的盗版视频。
该盗版视频可以是用户提供的，该用户可以是与该盗版视频对应的正版视频的版权所有者。例如，A视频在视频网站上播放，而该视频网站并没有获取该视频的播放版权，该视频的版权所有者可以获取该盗版视频，通过对该盗版视频的分类，确定该盗版视频的版本类型和内容特征类型，进一步可以确定该盗版视频的获取方式，以实现对盗版环节的定位，从而提高该盗版环节的监察，避免盗版视频给版权所有者带来的损失。
在获取待分类的盗版视频之后，进入：
步骤S202，在盗版视频中提取视频关键帧。
该盗版视频由一系列帧组成，每一帧就是视频中的一个画面图像，称为视频帧。其中，视频关键帧是视频的重要辅助信息。视频的编码是按照图像组进行的，每一个图像组是有视频关键帧开始的，视频关键帧是一幅完整的画面。该盗版视频的分类方法可以基于盗版视频的视频关键帧，确定盗版视频的内容特征类型和版本类型。
在一个实施例中，在盗版视频中提取视频关键帧的步骤可以进一步包括：步骤S301～S303。
步骤S301，对盗版视频进行切分，以生成盗版视频的序列视频帧。
在获取待分类的盗版视频之后，可将待分类的盗版视频按照每秒预设帧数进行切分，以生成盗版视频的序列视频帧。其中，预设帧数可以是系统中预先设置的帧数，也可以是用户根据需求预先设置的帧数。
步骤S302，提取序列视频帧中每个视频帧的视频帧特征信息。
视频帧特征信息包括视频帧内特征信息和视频帧间特征信息，其中，视频帧内特征信息包括基于传统局部特征(SIFT)和深度学习方法提取的视频内容特征信息，视频帧间特征信息包括视频帧间相似度特征信息。
步骤S303，根据每个视频帧的视频帧特征信息从序列视频帧中提取视频关键帧。
在一个更具体实施例中，根据每个视频帧的视频帧特征信息从序列视频帧中提取视频关键帧的步骤可以进一步包括：步骤S401～S403。
步骤S401，根据每个视频帧的视频帧内特征信息从序列视频帧中确定出多个待选视频关键帧。
步骤S402，根据待选视频关键帧的视频帧间特征信息对多个待选视频关键帧进行聚类处理，以生成待选视频关键帧组。
步骤S403，针对每个待选视频关键帧组，根据每个待选视频关键帧组中待选关视频关键帧基于传统局部特征(SIFT)和深度学习方法提取的视频内容特征信息，分别确定每个待选视频关键帧组的视频关键帧。
在盗版视频中提取视频关键帧之后，进入：
步骤S203，基于深度学习方式对视频关键帧的内容质量特征进行分析，确定盗版视频的内容特征类型。
按内容特征类型进行划分，盗版视频可以包括压缩编码版、影院录制版、其他录制版。其中，压缩编编码版是用户在获取到正版视频内容后，通过调整分辨率、码率、编码格式等方式对原视频内容处理后生成的版本。影院录制版可以是用户在影院观看时录制的。其他录制版可以是用户采用视频播放终端观看时录制的，例如用户在电视、电脑或者移动终端上观看时录制的。
该内容质量特征包括盗版视频的分辨率、亮度、对比度、色泽、锐度、角度、码率征。其中，视频的分辨率决定了视频的每一帧图像细节的精细程度。视频的分辨率越高，每一帧图像所包含的像素就越多，图像就越清晰，观看效果就越好。与正版视频相比，盗版视频的分辨率较低，清晰度较差，例如，影院录制版的盗版视频，受到环境光线以及录制设备的影响，盗版视频的分辨率较低，其他录制版的盗版视频，盗版视频的分辨率还受到播放设备的分辨率的影响，因此，录制得到的盗版视频的分辨率更低，严重影响观看效果。
盗版视频的亮度容易受到录制环境的影响。例如，影院录制版的盗版视频，通常为了保证观影效果，影院的光线较暗，因此，录制的盗版视频的亮度较低，影院录制版还受限于录制环境，影院观看人较多，盗版视频中还可能出现晃动的人影。
盗版视频的对比度也容易受到录制环境的影响。例如，影院录制版的盗版视频，受到环境光线以及录制设备的影响，盗版视频的对比度与正版视频存在偏差。其他录制版的盗版视频，盗版视频的对比度还受到播放设备的显示效果的影响，因此，录制得到的盗版视频的对比度与正版视频存在较大偏差，严重影响观看效果。
盗版视频的色泽也容易受到录制环境的影响。例如，影院录制版的盗版视频，受到环境光线以及录制设备的影响，盗版视频的色泽与正版视频存在偏差。其他录制版的盗版视频，盗版视频的色泽还受到播放设备的显示效果的影响，因此，录制得到的盗版视频的色泽与正版视频存在较大偏差，严重影响观看效果。
盗版视频的锐度也容易受到录制环境的影响。例如，影院录制版的盗版视频，受到环境光线以及录制设备的影响，通常为了保证观影效果，影院的光线较暗，因此，影院录制版的锐度较低，其他录制版的盗版视频，盗版视频的锐度还受到播放设备的显示效果的影响，因此，录制得到的盗版视频的锐度与正版视频存在较大偏差，严重影响观看效果。
通过对盗版视频的视频关键帧的分析，确定盗版视频的内容特征类型。进一步地，根据盗版视频的内容特征类型，可以确定盗版视频的获取方式，从而可以定位盗版环节。例如，盗版视频为压缩编码版，可以判定该视频是在版权内容的制作环节流出的。盗版视频为影院录制版或者其他录制版，可以判定该视频是在终端播放环节流出的。
在一个实施例中，基于深度学习方式对视频关键帧的内容质量特征进行分析，确定盗版视频的内容特征类型的步骤可以进一步包括：步骤S501～S504。
步骤S501，基于深度学习方式对视频关键帧的内容质量特征进行分析，确定盗版视频的内容质量分数。
该内容质量分数可以以量化的方式反映盗版视频的内容质量特征，该内容质量特征包括盗版视频的分辨率、亮度、对比度、色泽、锐度、角度、码率征。根据内容质量分数可以快速确定盗版视频的内容特征类型。
步骤S502，如果盗版视频的内容质量分数在预设第一分数范围，确定盗版视频的内容特征类型为压缩编码版。
步骤S503，如果盗版视频的内容质量分数在预设第二分数范围，确定盗版视频的内容特征类型为影院录制版。
步骤S504，如果盗版视频的内容质量分数在预设第三分数范围，确定盗版视频的内容特征类型为非影院录制版。
根据实践经验，将内容质量分数分为三个等级，包括预设的第一分数范围、预设的第二分数范围和预设的第三分数范围。
在用户输入多个盗版视频的情况下，对每个盗版视频的视频关键帧进行内容质量分析，确定每个盗版确定盗版视频的内容特征类型，根据内容特征类型可以对用户输入的多个盗版视频进行分类，获得第一分类结果。从而根据第一分类结果，对各个盗版视频的盗版环节进行定位，从而提高该盗版环节的监察，避免盗版视频给版权所有者带来的损失。
在一个实施例中，通过对盗版视频和不同版本的正版视频的镜头差异化比对，确定盗版视频的版本类型，从而追溯盗版视频的来源，以定位具体盗版环节，以减小版权内容的流出给版权所有者带来的损失。
该实施例，在盗版视频中提取视频关键帧之后，该方法还包括：步骤S601～S602。
步骤S601，将盗版视频与对应的不同版本的正版视频逐一比对，确定盗版视频与正版视频的第一内容相似度。
该方法可以通过如图1所示的视频分类系统实施，该视频分类系统还包括视频库，该视频库用于存储正版视频，正版视频可以是用户提供的。正版视频包括多个不同版本的正版视频，例如国内发行版、国外发行版、删减版、审核版、完整版。
按版本类型进行分类，盗版视频可以包括：国内发行版、国外发行版、删减版、审核版、完整版。基于对盗版视频版本类型的分类，可以确定该盗版视频的获取渠道，从而追溯盗版视频的来源，以定位具体盗版环节。例如，盗版视频为国内发行版，可以确定版权内容是在国内分发环节流出的。盗版视频为国外发行版，可以确定版权内容是在国外分发环节流出的。盗版视频为审核版，可以确定版权内容是在视频审核环节流出的。
该第一内容相似度可以反映盗版视频与比对的正版视频的镜头差异的大小，第一内容相似度越高，表示盗版视频与对应的正版视频的镜头差异越小，该盗版视频与对应的正版视频的内容越接近，第一内容相似度越低，表示盗版视频与对应的正版视频的镜头差异越大，该盗版视频与对应的正版视频的内容相差越大。
步骤S602，根据第一内容相似度最大且大于预设的第一相似度阈值的正版视频的版本类型，确实盗版视频的版本类型。
由于不同版本的正版视频存在一定程度差异，将盗版视频与对应的不同版本的正版视频逐一比对，根据盗版视频与不同正版视频的第一内容相似度的差别，能够确定盗版视频与哪一个版本的正版视频的更接近，能够避免仅与其中一个版本的正版视频进行比对，而造成的判断误差。
预设的第一相似度阈值可以表示盗版视频与比对的正版视频的接近程度，盗版视频与正版视频的第一内容相似度达到预设的第一相似度阈值时，认为该盗版视频的版本类型为比对的正版视频的版本类型。
结合盗版视频与不同版本的正版的第一内容相似度的差别、和第一内容相似度与第一相似度阈值的大小关系，能够提高判断的准确性，从而根据盗版视频的版本类型，确定盗版视频的来源，从而定位盗版环节。
在一个更具体实施例中，将盗版视频与对应的不同版本的正版视频逐一比对，确定盗版视频与正版视频的第一内容相似度的步骤可以进一步包括：步骤S701～S703。
步骤S701，将盗版视频与正版视频进行对齐处理。
例如，在正版视频中选取一个视频关键帧，同时盗版视频的同一位置处选取一个视频关键帧，计算正版视频的视频关键帧与盗版视频的视频关键帧的相似度，如果该相似度达到预设的阈值，则认为选取的正版视频的视频关键帧与盗版视频的视频关键帧为同一帧，即盗版视频与正版视频对齐。
步骤S702，每间隔预设第一帧数，将盗版视频的视频关键帧与对应的正版视频的视频关键帧进行比对，确定盗版视频的视频关键帧的第二内容相似度。
第一帧数是根据工程经验设定的，并且第一帧数可以改变。
例如，每间隔5帧，将盗版视频的视频关键帧与对应的正版视频的视频关键帧进行比对，计算盗版视频的视频关键帧与对应的正版视频的视频关键帧的第二内容相似度，当第二内容相似度大于预设的第二相似度阈值时，可以改变切换间隔；之后，每间隔2帧，将盗版视频的视频关键帧与对应的正版视频的视频关键帧进行比对，再计算盗版视频的视频关键帧与对应的正版视频的视频关键帧的第二内容相似度。
步骤S703，根据第二内容相似度大于预设的第二相似度阈值的视频关键帧的占比，确定盗版视频与对应的正版视频的第一内容相似度。
预设的第二相似度阈值可以表示盗版视频的视频关键帧与比对的正版视频的视频关键帧的内容的接近程度，盗版视频的视频关键帧与比对的正版视频的视频关键帧的第二内容相似度达到预设的第二相似度阈值时，该盗版视频的视频关键帧与正版视频的视频关键帧内容一致。
根据第二内容相似度大于预设的第二相似度阈值的视频关键帧的占比，可以确定盗版视频与对应的正版视频的第一内容相似度。例如，第二内容相似度大于预设的第二相似度阈值的视频关键帧的占比为80％，即盗版视频与正版视频的第一内容相似度为80％。
在另一个实施例中，还可以通过对盗版视频和不同版本的时长的差异，确定盗版视频的版本类型。
该实施例中，在盗版视频中提取视频关键帧之后，该方法还包括：步骤S801～S802。
步骤S801，将盗版视频与对应的不同版本的正版视频逐一比对，确定盗版视频与正版视频的时长的差值。
步骤S802，根据盗版视频与正版视频的时长的差值，确实盗版视频的版本类型。
例如，删减版的正版视频的时长为105min，完整版的正版视频的时长为120min，如果盗版视频的时长为101min，盗版视频与删减版的正版视频的时长的差值为4min，在预设的时长差值阈值内，认为该盗版视频的为删减版。
在用户输入多个盗版视频的情况下，将盗版视频与对应的不同版本的正版视频逐一比对，确定盗版视频与正版视频的第一内容相似度，根据第一内容相似度最大且大于预设的第一相似度阈值的正版视频的版本类型，确实盗版视频的版本类型，从而根据版本类型可以对用户输入的多个盗版视频进行分类，获得第二分类结果。从而根据第二分类结果，对各个盗版视频的盗版环节进行定位，从而提高该盗版环节的监察，避免盗版视频给版权所有者带来的损失。
在又一个实施例中，结合对视频关键帧的内容质量特征进行分析与镜头差异化比对，确定盗版视频的内容特征类型和版本类型，并结合内容特征类型和版本类型对盗版视频进行分类，从而追溯盗版视频的来源，以定位具体盗版环节，以减小版权内容的流出给版权所有者带来的损失。
在该实施例中，该方法包括：步骤S901～S902。
步骤S901，获取待分类的盗版视频。
步骤S902，在盗版视频中提取视频关键帧。
步骤S903，基于深度学习方式对视频关键帧的内容质量特征进行分析，确定盗版视频的内容特征类型。
步骤S904，将盗版视频与对应的不同版本的正版视频逐一比对，确定盗版视频与正版视频的第一内容相似度。
步骤S905，根据第一内容相似度最大且大于预设的第一相似度阈值的正版视频的版本类型，确实盗版视频的版本类型。
步骤S906，根据盗版视频的内容特征类型和版本类型，对盗版视频进行分类，得到第三分类结果。
其中，步骤S903与步骤S904是并列的，没有先后顺序。
根据本发明的实施例，在用户输入多个盗版视频的情况下，对每个盗版视频的视频关键帧进行内容质量分析，确定每个盗版确定盗版视频的内容特征类型，同时，将盗版视频与对应的不同版本的正版视频逐一比对，确定盗版视频与正版视频的第一内容相似度，根据第一内容相似度最大且大于预设的第一相似度阈值的正版视频的版本类型，确实盗版视频的版本类型，从而根据内容特征类型和版本类型可以对用户输入的多个盗版视频进行分类，获得第三分类结果。从而根据第三分类结果，可以获得盗版视频的获取方式和来源，从而对各个盗版视频的盗版环节进行定位，以提高该盗版环节的监察，减小盗版视频给版权所有者带来的损失。
<盗版视频的分类装置>
图3是本说明书的一个实施例提供的盗版视频的分类装置的示意图。
该实施例提供的盗版视频的分类装置300，包括视频获取模块310、关键帧提取模块320、内容质量分析模块330。
该视频获取模块310可以用于获取待分类的盗版视频。
该盗版视频可以是用户提供的，该用户可以是与该盗版视频对应的正版视频的版权所有者。
该关键帧提取模块320可以用于在盗版视频中提取视频关键帧。
该盗版视频由一系列帧组成，每一帧就是视频中的一个画面图像，称为视频帧。其中，视频关键帧是视频的重要辅助信息。
在一个实施例中，该关键帧提取模块320进一步可以包括切分单元、特征提取单元、关键帧提取单元。
该切分单元可以用于对盗版视频进行切分，以生成盗版视频的序列视频帧。
该特征提取单元可以用于提取序列视频帧中每个视频帧的视频帧特征信息。
该关键帧提取单元可以用于根据每个视频帧的视频帧特征信息从序列视频帧中提取视频关键帧。
在一个更具体的例子中，该关键帧提取单元还可以进一步包括：
根据每个视频帧的视频帧内特征信息从序列视频帧中确定出多个待选视频关键帧的子单元；
根据待选视频关键帧的视频帧间特征信息对多个待选视频关键帧进行聚类处理，以生成待选视频关键帧组的子单元；以及
针对每个待选视频关键帧组，根据每个待选视频关键帧组中待选关视频关键帧基于传统局部特征(SIFT)和深度学习方法提取的视频内容特征信息，分别确定每个待选视频关键帧组的视频关键帧的子单元。
该内容质量分析模块330可以用于基于深度学习方式对视频关键帧的内容质量特征进行分析，确定盗版视频的内容特征类型，其中，内容质量特征包括分辨率、亮度、对比度、色泽、锐度、角度、码率征。
按内容特征类型进行划分，盗版视频可以包括压缩编码版、影院录制版、其他录制版。其中，压缩编码版是。影院录制版可以是用户在影院观看时录制的。其他录制版可以是用户采用视频播放终端观看时录制的，例如用户在电视、电脑或者移动终端上观看时录制的。
在一个实施例中，该内容质量分析模块330进一步可以包括量化单元、第一确定单元、第二确定单元、第三确定单元。
该第一确定单元可以用于如果盗版视频的内容质量分数在预设第一分数范围，确定盗版视频的内容特征类型为压缩编码版。
该第二确定单元可以用于如果盗版视频的内容质量分数在预设第二分数范围，确定盗版视频的内容特征类型为影院录制版。
该第三确定单元可以用于步骤S504，如果盗版视频的内容质量分数在预设第三分数范围，确定盗版视频的内容特征类型为非影院录制版。
根据实践经验，将内容质量分数分为三个等级，包括预设的第一分数范围、预设的第二分数范围和预设的第三分数范围。
在用户输入多个盗版视频的情况下，对每个盗版视频的视频关键帧进行内容质量分析，确定每个盗版确定盗版视频的内容特征类型，根据内容特征类型可以对用户输入的多个盗版视频进行分类，获得第一分类结果。从而根据第一分类结果，对各个盗版视频的盗版环节进行定位，从而提高该盗版环节的监察，避免盗版视频给版权所有者带来的损失。
在一个实施例中，通过对盗版视频和不同版本的正版视频的镜头差异化比对，确定盗版视频的版本类型，从而追溯盗版视频的来源，以定位具体盗版环节，以减小版权内容的流出给版权所有者带来的损失。
该实施例中，该视频分类装置还包括：镜头差异化比对模块和版本类型确定模块。
该镜头差异化比对模块可以用于将所述盗版视频与对应的不同版本的正版视频逐一比对，确定所述盗版视频与正版视频的第一内容相似度。
在一个更具体的例子中，该镜头差异化比对模块可以进一步包括：对齐单元、第二内容相似度计算单元、第一内容相似度计算单元。
该对齐单元可以用于将盗版视频与正版视频进行对齐处理。
该第二内容相似度计算单元可以用于每间隔预设第一帧数，将盗版视频的视频关键帧与对应的正版视频的视频关键帧进行比对，确定盗版视频的视频关键帧的第二内容相似度。
该第一内容相似度计算单元可以用于根据第二内容相似度大于预设的第二相似度阈值的视频关键帧的占比，确定盗版视频与对应的正版视频的第一内容相似度。
该版本类型确定模块可以用于根据第一内容相似度最大且大于预设的第一相似度阈值的正版视频的版本类型，确实所述盗版视频的版本类型。
在用户输入多个盗版视频的情况下，将盗版视频与对应的不同版本的正版视频逐一比对，确定盗版视频与正版视频的第一内容相似度，根据第一内容相似度最大且大于预设的第一相似度阈值的正版视频的版本类型，确实盗版视频的版本类型，从而根据版本类型可以对用户输入的多个盗版视频进行分类，获得第二分类结果。从而根据第二分类结果，对各个盗版视频的盗版环节进行定位，从而提高该盗版环节的监察，避免盗版视频给版权所有者带来的损失。
在另一个实施例中，结合对视频关键帧的内容质量特征进行分析与镜头差异化比对，确定盗版视频的内容特征类型和版本类型，并结合内容特征类型和版本类型对盗版视频进行分类，从而追溯盗版视频的来源，以定位具体盗版环节，以减小版权内容的流出给版权所有者带来的损失。
根据本发明的实施例，通过本实施例提高的盗版视频分类装置，在用户输入多个盗版视频的情况下，对每个盗版视频的视频关键帧进行内容质量分析，确定每个盗版确定盗版视频的内容特征类型，同时，将盗版视频与对应的不同版本的正版视频逐一比对，确定盗版视频与正版视频的第一内容相似度，根据第一内容相似度最大且大于预设的第一相似度阈值的正版视频的版本类型，确实盗版视频的版本类型，从而根据内容特征类型和版本类型可以对用户输入的多个盗版视频进行分类，获得第三分类结果。从而根据第三分类结果，可以获得盗版视频的获取方式和来源，从而对各个盗版视频的盗版环节进行定位，以提高该盗版环节的监察，减小盗版视频给版权所有者带来的损失。
<盗版视频的分类装置>
图4是本说明书的一个实施例提供的盗版视频的分类装置的示意图。
该实施例提供的盗版视频的分类装置400，包括处理器410和存储器420，存储器420中存储有计算机指令，所述计算机指令被处理器410运行时执行前述任一项实施例的盗版视频的分类方法。
根据本发明的实施例，通过本实施例提高的盗版视频分类装置，在用户输入多个盗版视频的情况下，对每个盗版视频的视频关键帧进行内容质量分析，确定每个盗版确定盗版视频的内容特征类型，同时，将盗版视频与对应的不同版本的正版视频逐一比对，确定盗版视频与正版视频的第一内容相似度，根据第一内容相似度最大且大于预设的第一相似度阈值的正版视频的版本类型，确实盗版视频的版本类型，从而根据内容特征类型和版本类型可以对用户输入的多个盗版视频进行分类，获得第三分类结果。从而根据第三分类结果，可以获得盗版视频的获取方式和来源，从而对各个盗版视频的盗版环节进行定位，以提高该盗版环节的监察，减小盗版视频给版权所有者带来的损失。
上述各实施例主要重点描述与其他实施例的不同之处，但本领域技术人员应当清楚的是，上述各实施例可以根据需要单独使用或者相互结合使用。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分相互参见即可，每个实施例重点说明的都是与其他实施例的不同之处，但本领域技术人员应当清楚的是，上述各实施例可以根据需要单独使用或者相互结合使用。另外，对于装置实施例而言，由于其是与方法实施例相对应，所以描述得比较简单，相关之处参见方法实施例的对应部分的说明即可。以上所描述的系统实施例仅仅是示意性的。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (9)

1.一种盗版视频的分类方法，所述方法包括
获取待分类的盗版视频；
在所述盗版视频中提取视频关键帧；
基于深度学习方式对所述视频关键帧的内容质量特征进行分析，确定所述盗版视频的内容特征类型，所述内容质量特征包括分辨率、亮度、对比度、色泽、锐度、角度、码率征；
其中，所述基于深度学习方式对所述视频关键帧的内容质量特征进行分析，确定所述盗版视频的内容特征类型，包括：
基于深度学习方式对所述视频关键帧的内容质量特征进行分析，确定所述盗版视频的内容质量分数；
如果所述盗版视频的内容质量分数在预设第一分数范围，确定所述盗版视频的内容特征类型为压缩编码版；
如果所述盗版视频的内容质量分数在预设第二分数范围，确定所述盗版视频的内容特征类型为影院录制版；
如果所述盗版视频的内容质量分数在预设第三分数范围，确定所述盗版视频的内容特征类型为非影院录制版。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述盗版视频与对应的不同版本的正版视频逐一比对，确定所述盗版视频与正版视频的第一内容相似度；
根据第一内容相似度最大且大于预设的第一相似度阈值的正版视频的版本类型，确实所述盗版视频的版本类型。
3.根据权利要求2所述的方法，其中，所述将所述盗版视频与对应的不同版本的正版视频逐一比对，确定所述盗版视频与正版视频的第一内容相似度，包括：
将所述盗版视频与正版视频进行对齐处理；
每间隔预设第一帧数，将所述盗版视频的视频关键帧与对应的所述正版视频的视频关键帧进行比对，确定所述盗版视频的视频关键帧的第二内容相似度；
根据所述第二内容相似度大于预设的第二相似度阈值的视频关键帧的占比，确定所述盗版视频与对应的正版视频的第一内容相似度。
4.根据权利要求1所述的方法，其中，所述方法还包括：
将所述盗版视频与对应的不同版本的正版视频逐一比对，确定所述盗版视频与正版视频的时长的差值；
根据所述盗版视频与正版视频的时长的差值，确实所述盗版视频的版本类型。
5.根据权利要求1所述的方法，其中，所述在所述盗版视频中提取视频关键帧，包括：
对所述盗版视频进行切分，以生成所述盗版视频的序列视频帧；
提取所述序列视频帧中每个视频帧的视频帧特征信息；
根据每个视频帧的视频帧特征信息从所述序列视频帧中提取视频关键帧。
6.根据权利要求5所述的方法，其中，所述视频帧特征信息包括视频帧内特征信息和视频帧间特征信息，所述视频帧内特征信息包括基于传统局部特征和深度学习方法提取的视频内容特征信息；
所述根据每个视频帧的视频帧特征信息从所述序列视频帧中提取视频关键帧，包括：
根据每个视频帧的视频帧内特征信息从所述序列视频帧中确定出多个待选视频关键帧；
根据所述待选视频关键帧的视频帧间特征信息对所述多个待选视频关键帧进行聚类处理，以生成待选视频关键帧组；
针对每个待选视频关键帧组，根据每个待选视频关键帧组中待选关视频关键帧的基于传统局部特征和深度学习方法提取的视频内容特征信息分别确定每个待选视频关键帧组的视频关键帧。
7.一种盗版视频的分类装置，所述装置包括：
视频获取模块，用于获取待分类的盗版视频；
关键帧提取模块，用于在所述盗版视频中提取视频关键帧；
内容质量分析模块，用于基于深度学习方式对所述视频关键帧的内容质量特征进行分析，确定所述盗版视频的内容特征类型，所述内容质量特征包括分辨率、亮度、对比度、色泽、锐度、角度、码率征；还用于基于深度学习方式对所述视频关键帧的内容质量特征进行分析，确定所述盗版视频的内容质量分数；如果所述盗版视频的内容质量分数在预设第一分数范围，确定所述盗版视频的内容特征类型为压缩编码版；如果所述盗版视频的内容质量分数在预设第二分数范围，确定所述盗版视频的内容特征类型为影院录制版；如果所述盗版视频的内容质量分数在预设第三分数范围，确定所述盗版视频的内容特征类型为非影院录制版。
8.根据权利要求7所述的装置，其中，所述装置还包括：
镜头差异化比对模块，用于将所述盗版视频与对应的不同版本的正版视频逐一比对，确定所述盗版视频与正版视频的第一内容相似度；
版本类型确定模块，用于根据第一内容相似度最大且大于预设的第一相似度阈值的正版视频的版本类型，确实所述盗版视频的版本类型。
9.一种盗版视频的分类装置，所述装置包括：
存储器，所述存储器用于存储计算机指令；
处理器，所述处理器用于从所述存储器中调用所述计算机指令，并在所述计算机指令的控制下执行如权利要求1-6中任一项所述的盗版视频的分类方法。
CN202010163596.2A 2020-03-10 2020-03-10 一种盗版视频的分类方法及装置 Active CN113382284B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010163596.2A CN113382284B (zh) 2020-03-10 2020-03-10 一种盗版视频的分类方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010163596.2A CN113382284B (zh) 2020-03-10 2020-03-10 一种盗版视频的分类方法及装置

Publications (2)

Publication Number Publication Date
CN113382284A CN113382284A (zh) 2021-09-10
CN113382284B true CN113382284B (zh) 2023-08-01

Family

ID=77569490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010163596.2A Active CN113382284B (zh) 2020-03-10 2020-03-10 一种盗版视频的分类方法及装置

Country Status (1)

Country Link
CN (1) CN113382284B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114051165B (zh) * 2022-01-13 2022-04-12 北京智金未来传媒科技有限责任公司 一种短视频筛选处理方法及系统
CN114567798B (zh) * 2022-02-28 2023-12-12 南京烽火星空通信发展有限公司 一种针对互联网短视频变种的溯源方法
CN115499707A (zh) * 2022-09-22 2022-12-20 北京百度网讯科技有限公司 视频相似度的确定方法和装置
CN115329155B (zh) * 2022-10-11 2023-01-13 腾讯科技（深圳）有限公司 数据处理方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101742353A (zh) * 2008-11-04 2010-06-16 工业和信息化部电信传输研究所 无参考视频质量评价方法
CN103533367A (zh) * 2013-10-23 2014-01-22 传线网络科技（上海）有限公司 一种无参考视频质量评价方法及装置
CN105681898A (zh) * 2015-12-31 2016-06-15 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
CN108882057A (zh) * 2017-05-09 2018-11-23 北京小度互娱科技有限公司 视频摘要生成方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10699128B2 (en) * 2016-09-21 2020-06-30 Cisco Technology, Inc. Method and system for comparing content
CN110072102B (zh) * 2019-06-04 2021-06-04 南京溧水高新产业股权投资有限公司 一种视频文件质量检测系统及方法
CN110545416B (zh) * 2019-09-03 2020-10-16 国家广播电视总局广播电视科学研究院 一种基于深度学习的超高清片源检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101742353A (zh) * 2008-11-04 2010-06-16 工业和信息化部电信传输研究所 无参考视频质量评价方法
CN103533367A (zh) * 2013-10-23 2014-01-22 传线网络科技（上海）有限公司 一种无参考视频质量评价方法及装置
CN105681898A (zh) * 2015-12-31 2016-06-15 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
CN108882057A (zh) * 2017-05-09 2018-11-23 北京小度互娱科技有限公司 视频摘要生成方法及装置

Also Published As

Publication number Publication date
CN113382284A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN113382284B (zh) 一种盗版视频的分类方法及装置
Zhang et al. Efficient video frame insertion and deletion detection based on inconsistency of correlations between local binary pattern coded frames
US20100316131A1 (en) Macroblock level no-reference objective quality estimation of video
Bidokhti et al. Detection of regional copy/move forgery in MPEG videos using optical flow
CN110692251B (zh) 组合数字视频内容的方法及系统
US20130301918A1 (en) System, platform, application and method for automated video foreground and/or background replacement
EP3171600A1 (en) Method for generating a user interface presenting a plurality of videos
US20220188357A1 (en) Video generating method and device
Liang et al. Detection of double compression for HEVC videos with fake bitrate
US20200314507A1 (en) System and method for identifying altered content
CN103984778A (zh) 一种视频检索方法及系统
CN111640150B (zh) 视频数据来源解析系统及方法
Verde et al. Focal: A forgery localization framework based on video coding self-consistency
Bozkurt et al. Detection and localization of frame duplication using binary image template
CN101339662B (zh) 一种生成视频特征数据的方法和装置
Singla et al. HEVC based tampered video database development for forensic investigation
Chittapur et al. Exposing digital forgery in video by mean frame comparison techniques
CN115761567A (zh) 视频处理方法、装置、电子设备及计算机可读存储介质
Panchal et al. Multiple forgery detection in digital video based on inconsistency in video quality assessment attributes
KR102595096B1 (ko) 지능적 가로-세로 영상 변환을 위한 전자 장치, 시스템 및 방법
Chittapur et al. Copy create video forgery detection techniques using frame correlation difference by referring SVM classifier
Su et al. A novel source mpeg-2 video identification algorithm
Ram et al. Video Analysis and Repackaging for Distance Education
Wang et al. Video steganalysis based on centralized error detection in spatial domain
Hwang et al. A method of smart phone original video identification by using unique compression ratio pattern

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant