视频指纹生成方法、检索方法、电子设备及介质技术

本发明专利技术实施例提供一种视频指纹的生成方法、检索方法、电子设备及存储介质，所述生成方法包括：基于视频特征提取模型，获取二维特征向量表征的视频精细指纹；基于信息熵，将所述视频精细指纹转换为一维特征向量表征的视频简要指纹。本发明专利技术实施例提供的生成方法，通过建立独立的视频指纹库，基于信息熵的计算，获取精准表征视频的一维特征向量。进一步，检索方法中，将待测视频与建立的视频指纹库中的视频指纹进行快速比对，可以准确进行视频的检索和确认，减少内容分发和个性化推荐结果中相同或相似视频过多出现的现象，提升用户体验。

【技术实现步骤摘要】
视频指纹生成方法、检索方法、电子设备及介质
本专利技术涉及视频处理
，尤其涉及一种视频指纹生成方法、检索方法、电子设备及介质。
技术介绍
视频指纹(VideoFingerprinting)服务是基于视频指纹技术，根据视频内容生成一串可唯一标识当前视频的指纹字符，可以有效避免视频文件的格式转换、编辑、裁剪拼接和压缩旋转等操作的影响。可用于视频相似查重、视频版权、广告识别等多种场景，视频指纹具有视频识别、检索、版权保护等多种用途。现有的视频指纹匹配技术中，对获取的待测视频的帧图片进行分块，根据每个分块的像素对待测视频的帧图片进行编码形成视频指纹；将测试视频的帧图片的编码进行哈希映射，获取哈希映射地址；在预先建立的视频指纹库的哈希表中查找所述哈希映射地址，根据查找结果进行匹配识别。现有技术中，还有在视频指纹提取阶段，将视频感兴趣区域作为提取视频指纹的基本单元，采用基于聚类算法去除视频指纹的时域冗余特征；在视频指纹匹配阶段，采用多个视频指纹距离平均值方法的进行视频指纹匹配。现有技术中，还有按照帧间相关性对视频序列关键帧分块并从中提取视频特征，在关键帧各子块中依据像素点的分类结果统计像素点特征字典各元素的出现次数，得到子块的特征向量拼接成关键帧的高维指纹，经降维，将各关键帧指纹按照时间先后顺序连成视频关键帧指纹串。现有技术中，还有对视频进行标签预处理；搜索视频前，先对视频进行多标签分类，然后通过视频库标签匹配来缩小识别范围。其中，对于分块进行处理，都是生成高维特征向量，通过高维特征向量进行视频的检索和匹配时需要的运算能力巨大，而且一般意义上的一维表达会由于视频处理出现信息丢失或者表达不准确的问题，因此目前如何精简视频指纹在视频检索和匹配的应用是业内亟需解决的一个重要难题。
技术实现思路
本专利技术实施例提供一种视频指纹生成方法、检索方法、电子设备及介质，用以解决现有技术中视频检索不准确和运算量大的问题。第一方面，本专利技术实施例提供一种视频指纹的生成方法，所述方法包括：基于视频特征提取模型，获取二维特征向量表征的视频精细指纹；基于信息熵，将所述视频精细指纹转换为一维特征向量表征的视频简要指纹。其中，所述的视频指纹的生成方法还包括：根据所述视频精细指纹和视频简要指纹，建立对应的视频精细指纹库和视频简要指纹库；根据所述视频简要指纹，建立所述视频简要指纹库对应于一维特征向量值的空间坐标索引。其中，所述将所述视频精细指纹转换为一维特征向量表征的视频简要指纹包括：将所述二维特征向量进行一维压缩；对所述视频的每帧压缩后的特征向量值获取信息熵的和，作为所述帧的信息熵；基于所述帧的信息熵，将所述视频的帧序列转换为所述一维特征向量。第二方面，本专利技术实施例提供一种视频指纹的检索方法，包括：基于视频特征提取模型，获取二维特征向量表征的待测视频的精细指纹；基于信息熵，将所述待测视频的精细指纹转换为一维特征向量表征的待测视频的简要指纹；基于空间坐标索引，将所述待测视频的简要指纹和视频简要指纹库进行匹配，从视频简要指纹库中获取对应于匹配结果的初选视频集合。其中，所述的视频指纹的检索方法还包括：匹配所述待测视频的精细指纹和所述初选视频集合对应的精细指纹库，获取匹配结果。其中，所述基于空间坐标索引，将所述待测视频的简要指纹和视频简要指纹库进行匹配，从视频简要指纹库中获取对应于匹配结果的初选视频集合，包括：确定所述待测视频的一维特征向量，根据影响因子和步长，调整所述待测视频的一维特征向量的取值范围；将所述待测视频的一维特征向量的每一个值与所述空间坐标索引进行匹配，确认匹配结果在所述取值范围内；记录所述空间坐标索引中对应的初选空间坐标，根据所述初选空间坐标，确定对应的初选视频集合。其中，所述将所述待检测视频的一维特征向量的每一个值与所述空间坐标索引进行匹配，包括：根据所述待测视频的每一帧图像的一维特征向量与所述空间坐标索引匹配的空间坐标对应的熵值，计算标准差；根据所述标准差与预设阈值的关系，确定所述待测视频的初选匹配度，所述初选匹配度用于表示所述待测视频与简要指纹库对应的视频的相近程度。第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的一种视频指纹的生成方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第二方面所述的一种视频指纹的检索方法的步骤。第五方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的一种视频指纹的生成方法的步骤。第六方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第二方面所述的一种视频指纹的检索方法的步骤。本专利技术实施例提供的视频指纹的生成方法、检索方法、电子设备及存储介质，通过建立独立的视频指纹库，基于信息熵的计算获取准确表征视频的一维特征向量。进一步，将待测视频与建立的视频指纹库中的视频指纹进行快速比对，可以准确进行视频的检索和确认，实时召回重复视频或重复片段，防止媒资库中内容重复存储，提高媒资存储效率；减少内容分发和个性化推荐结果中相同或相似视频过多出现现象，提升用户体验。附图说明为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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为本专利技术实施例基于信息熵的视频指纹的生成方法的流程示意图；图2为本专利技术实施例基于信息熵的视频指纹的检索方法的流程示意图；图3为本专利技术实施例视频特征提取模型的处理示意图；图4为本专利技术实施例视频特征提取模型的结构示意图；图5为本专利技术实施例视频指纹的生成设备的示意图；图6为本专利技术实施例视频指纹的检索设备的示意图；图7为本专利技术实施例视频指纹的生成电子设备的结构示意图；图8为本专利技术实施例视频指纹的检索电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。总的来说，本专利技术通过改进的无监督深度学习方法，对原始视频或者待测视频进行特征提取，生成统一格式的二维特征向量作为视频的精细指纹；然后将视频精细指纹使用信息熵的信息度量方法，生成一维特征向量的视频简要指纹，提升视频表征的精准本文档来自技高网...

【技术保护点】
1.一种视频指纹的生成方法，其特征在于，所述方法包括：/n基于视频特征提取模型，获取二维特征向量表征的视频精细指纹；/n基于信息熵，将所述视频精细指纹转换为一维特征向量表征的视频简要指纹。/n

【技术特征摘要】
1.一种视频指纹的生成方法，其特征在于，所述方法包括：
基于视频特征提取模型，获取二维特征向量表征的视频精细指纹；
基于信息熵，将所述视频精细指纹转换为一维特征向量表征的视频简要指纹。


2.根据权利要求1所述的视频指纹的生成方法，其特征在于，还包括：
根据所述视频精细指纹和视频简要指纹，建立对应的视频精细指纹库和视频简要指纹库；
根据所述视频简要指纹，建立所述视频简要指纹库对应于一维特征向量值的空间坐标索引。


3.根据权利要求1所述的视频指纹的生成方法，其特征在于，所述基于视频特征提取模型，获取二维特征向量表征的视频精细指纹包括：
基于视频特征提取模型，将所有不同分辨率的视频进行降维和关键帧提取，获取基准分辨率统一的对应于所述视频的二维特征向量矩阵；
其中，所述二维特征向量中，第一维表示所述视频的每幅关键帧的特征向量组，第二维表示所述关键帧的时序。


4.根据权利要求1所述的视频指纹的生成方法，其特征在于，所述将所述视频精细指纹转换为一维特征向量表征的视频简要指纹包括：
将所述二维特征向量进行一维压缩；
对所述视频的每帧压缩后的特征向量值获取信息熵的和，作为所述帧的信息熵；
基于所述帧的信息熵，将所述视频的帧序列转换为所述一维特征向量。


5.一种视频指纹的检索方法，其特征在于，包括：
基于视频特征提取模型，获取二维特征向量表征的待测视频的精细指纹；
基于信息熵，将所述待测视频的精细指纹转换为一维特征向量表征的待测视频的简要指纹；
基于空间坐标索引，将所述待测视频的简要指纹和视频简要指纹库进行匹配，从视频简要指纹库中获取对应于匹配结果的初选视频集合。

【专利技术属性】
技术研发人员：闫威，徐嵩，王琦，李琳，王科，杜欧杰，
申请(专利权)人：咪咕文化科技有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：北京;11