一种基于深度学习的重复视频检测方法技术

本发明专利技术公开了一种基于深度学习的重复视频检测方法，使用神经网络对已有视频提取特征，建立视频特征库，然后对待检测视频提取特征，计算该视频特征与库中特征的欧式距离作为相似性度量，当距离小于设定阈值时，标记为重复视频。本发明专利技术方法不同于传统的对视频提取多个帧，通过选择帧序列建立特征库。而是通过合并神经网络的中间层输出，对于每个视频生成单个的特征描述文件。本发明专利技术实例所提供的方案利用的是深度学习的方法检测重复视频，通过深度神经网络提取的特征能够更好地表示视频，相比使用传统的图像特征提取算子，检测重复视频的准确度更高。

A repetitive video detection method based on deep learning

【技术实现步骤摘要】
一种基于深度学习的重复视频检测方法
本专利技术属于计算机视觉，数字图像处理，深度学习
，特别涉及一种基于深度学习技术的重复视频检测方法。
技术介绍
随着互联网时代的到来，视频的制作以及传播越来越便捷，视频数据大规模增长，例如短视频应用的广泛使用，拍摄视频逐渐成为了很多人分享生活内容的一种方式。但同时也不可避免地产生了大量重复视频。视频内容具有一定的经济价值，现如今存在着很多使用盗版视频牟利等行为，一些受版权保护的视频被修改后上传至未经视频制作者授权的视频网站，产生了版权问题，损害了视频制作方的利益，同时视频网站也面临一定的法律风险。重复视频也会增加视频网站的带宽和存储成本。现今视频网站会根据用户喜好推荐视频，推荐重复的视频会影响向用户的视频观看体验。因此重复视频的存在对视频版权保护以及内容推荐产生了挑战。现今视频数据巨大，无法通过人工的方式筛查重复视频，需要借助计算机技术进行识别。因此，重复视频检索技术有着巨大的实际应用意义。常见的重复视频主要包括对视频进行格式转换；在视频中添加字幕，水印；视频压缩，旋转，剪辑等。传统的视频文件哈本文档来自技高网...

【技术保护点】
1.一种基于深度学习的重复视频检测方法，其特征在于，使用神经网络对已有视频提取特征，建立视频特征库，然后对待检测视频提取特征，计算该视频特征与库中特征的欧式距离作为相似性度量，当距离小于设定阈值时，标记为重复视频。/n

【技术特征摘要】
1.一种基于深度学习的重复视频检测方法，其特征在于，使用神经网络对已有视频提取特征，建立视频特征库，然后对待检测视频提取特征，计算该视频特征与库中特征的欧式距离作为相似性度量，当距离小于设定阈值时，标记为重复视频。


2.根据权利要求1所述的基于深度学习的重复视频检测方法，其特征在于，包括下列步骤：
步骤1：从已有的视频集中获取视频帧，得到所有视频帧的集合；
步骤2：采用卷积神经网络中间层对视频帧提取特征；所述卷积神经网络是vgg16的网络结构；
首先，对于一个视频，获取视频帧集合S，集合中的每一帧被缩放为224×224大小的3通道图像，作为神经网络的输入；神经网络中间层输出作为视频特征，对vgg16的网络结构取conv2_1，conv2_2，conv3_1，conv3_2，conv3_3，conv4_1，conv4_2，conv4_3，conv5_1，conv5_2，conv5_3层的特征图，共11层，全部是卷积层输出；这些层的卷积核大小一致为3×3，全0填充，卷积核滑动时每次移动1个像素；
结合中间层的特征输出最终对每个视频得到一个唯一的4096特征向量；
步骤3：对视频库V提取特征，得到视频特征库Fv；
步骤4：检索阶段，对于待检索视频v提取特征；
步骤5：使用待检索视频v的特征对比视频特征库特征，满足条件，则为重复视频，对比方式和条件设定如下：检索时，计算不同视频特征之间的距离公式d，视频i,j之间的距离为d，设置阈值t，得到距离d后，当d小于t时，判定为相似视频，否则不是相似视频。


3.根据权利要求2所述的基于深度学习的重复视频检测方法，其特征在于，从已有的视频集中获取视频帧，得到所有视频帧的集合如下：
V＝(S(1),S(2),…S(n))，S＝(P(1),P(2),…P(n))；
V，S表示单个视频的帧集合，S(n)表示第n个视频的帧集合，P(n)表示视频的第n个视频帧。


4.根据...

【专利技术属性】
技术研发人员：宋晓康，陈锦言，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12