一种视频匹配的方法技术

本发明专利技术公开了一种视频匹配的方法，包括以下步骤S1：待匹配视频预处理；S2：原始视频预处理；S3：神经网络预训练；S4：高效匹配：将待匹配视频与原始视频进行高效匹配操作。本发明专利技术从视频中的场景转换点提取关键帧，通过卷积和池化操作，进一步提炼和压缩关键帧数据，形成一个新的关键帧序列，对此关键帧序列进行匹配，通过高效匹配算法和神经网络的使用极大的提升了匹配速度，相比于传统的逐帧比较方式无论是匹配速度还是匹配精准度都有较大提升。

【技术实现步骤摘要】
一种视频匹配的方法
本专利技术涉及视频匹配筛选
，具体为一种视频匹配的方法。
技术介绍
因近些年互联网的发展迅速，尤其是移动互联网的发展，导致视频的传播量大幅增加，视频的版权也被重视起来了，人工判断一个视频片段是否属于某个视频，是很慢的。传统自动化判断的方式是逐帧比较，如果所有帧数据依次相等，才认为匹配成功，匹配速度慢而且对于视频片段宽高比发生变化、或者视频发生劣化的情况，这种方法就失效了。
技术实现思路
本专利技术的目的在于提供可以快速地自动识别一个视频片段是否属于某原始视频，即便视频片段发生劣化、或宽高比发生变化，也能正确匹配出来的视频匹配的方法。为实现上述目的，本专利技术提供如下技术方案：一种视频匹配的方法，包括以下步骤：S1：待匹配视频预处理：将需要与原始视频进行匹配对比的待匹配视频命做预处理；S2:原始视频预处理：将原始视频提取关键帧，形成一个关键帧序列；S3：神经网络预训练：预先训练好的神经网络，它利用待匹配视频的关键帧序列，预先训练一个匹配检测系统，输入一个帧数据时，可以输出该帧与待匹配视频所有关键帧的匹配相似度,,训练数据可以通过劣化待匹配视频关键帧序列来获得，将该神经网络匹配模块记为L；S4：高效匹配：将待匹配视频与原始视频进行高效匹配操作。进一步地，所述步骤S1与S2中的预处理方法均为：提取待匹配视频或原始视频中场景切换点为关键帧，形成一个关键帧序列，并对每个帧图像做卷积运算和最大池化运算，得到只保留关键信息的并且压缩后的关键帧序列，待匹配视频预处理后的关键帧序列表示为P＝P0,P1,P2,P3,...,Pm-1，m代表待匹配关键帧序列的长度，原始视频预处理后的关键帧序列表示为O＝O0，O1，O2，...,On-1，n代表原始关键帧序列的长度。进一步地，所述S3中还设置有一个封装模块，记为M，M封装了神经网络模块L，输入一个帧数据时，M将其输入给神经网络模块L，神经网络模块L输出该帧与待匹配视频关键帧序列(即P序列)的相似度，形成一个相似度序列，分别记为α0,α1,α2,...,αm-1,m代表待匹配关键帧序列的长度，取出该相似度序列中的最大值，记为αmax，如果αmax>α(α为人为设定的常量)，则封装模块M返回αmax在相似度序列中对应的序号，否则，则返回一个非法值，该非法值可以为[0,m-1]以外的任意值。进一步地，所述步骤S4包括以下匹配步骤：初始化：将P序列与O序列左端对齐，即与对齐。从P序列的左端开始，依次循环进行如下S41操作，S42和S43是S41的子操作(即，每个循环操作中，当前待匹配关键帧依次为P0,P1,P2,P3,...,Pm-1)：S41:记当前待匹配关键帧为Pj，找到与Pj对齐的原始关键帧为Oi，i和j为关键帧的序号。利用公共模块S计算Pj和Oi的相似度，如果S(Oi,Pj)＞α，则说明此帧匹配，进入S42；如果检测S(Oi,Pj)≤α，则说明此帧不匹配，进入S43。S42:如果Pj是P序列的末尾帧，则说明P序列与O序列匹配成功(即，待匹配视频与原始视频匹配成功，此时O序列中与对齐的位置即为匹配成功的位置)，跳出循环，如果Pj不是P序列的末尾帧，且Oi是O序列的末尾帧，则说明P序列与O序列匹配失败，跳出循环。其他情况，则继续当前循环，即对比下一个待匹配关键帧，和与之对齐的原始关键帧的相似度。S43:找到O序列中与P序列末尾帧对齐的关键帧的下一帧，也即Oi+m-j,利用预先训练好的封装后的神经网络M模块，计算M(Oi+m-j)得到一个t值，如果t值合法(即在[0,m-1]之内)，说明与Oi+m-j匹配，则移动待匹配关键帧序列P使得Oi+m-j与Pt对齐，然后跳转到S41从开始匹配；如果t值不存在，则直接将待匹配关键帧序列P向右前进m+1，然后跳转到S41从开始匹配。本专利技术的有益效果：1.本专利技术从视频中的场景转换点提取关键帧，通过卷积和池化操作，进一步提炼和压缩关键帧数据，形成一个新的关键帧序列，对此关键帧序列进行匹配，通过高效匹配算法和神经网络的使用极大的提升了匹配速度，相比于传统的逐帧比较方式无论是匹配速度还是匹配精准度都有较大提升。2.本专利技术在匹配以前，先利用P序列，训练一个深度神经网络匹配模型，用于快速找到P序列中与输入帧相匹配的序号，这种方式相比用输入帧一个个地与P序列中的关键帧一个个的计算相似度，进一步提升了效率。3.本专利技术在匹配算法上采用的机制实现了当不匹配时，可以更多地移动P序列，性能有提升了一筹。4.本专利技术容错性比较强，无论待匹配视频是否经过宽高比劣化还是经过清晰度劣化，甚至于跳帧劣化，都能得到比拟人工匹配的结果。附图说明图1：为本专利技术一种视频匹配的方法的起始位置匹配图；图2：为本专利技术一种视频匹配的方法的视频帧匹配成功示意图；图3：为本专利技术一种视频匹配的方法的视频帧匹配不成功示意图；图4：为本专利技术一种视频匹配的方法的视频帧匹配流程结束图；图5：为本专利技术一种视频匹配的方法的原理框图。具体实施方式下面将结合本专利技术实施例中的附图1-5，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，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本专利技术的保护范围。本专利技术提供一种技术方案：其中，公共模块S为现有技术中用来对比两个视频关键帧的程序，其中阈值α为人为设定的数值，公共模块输出的值大于α即判定匹配成功，否则匹配失败，神经网络匹配模块是一种监督式学习的人工智能技术，也是现有技术，将待匹配视频的关键帧序列输入后，再将经过劣化等处理后的待匹配视频关键帧输入该系统，先人为给出对应的匹配结果，在多次重复的主动训练后，就可以通过给出任意关键帧得到非法值或者对应的待匹配视频关键帧的序号，其中，训练神经网络过程中，需保证劣化后的关键帧图像和未劣化关键帧的相似度与公共模块S使用过程中的判断一致，即操作过程为：将P序列关键帧按照不同的劣化参数形成许多个劣化帧，对于每个劣化帧，记为Bi，它对应的原未劣化帧为Pi，利用公共模块S计算出Bi与Pi的相似度αi，即：αi＝S(Bi，Pi)；紧接着进行如下处理：如果αi＞α，则改变αi为1，否则改变αi为0。我们据此制作出一个用于训练神经网络的输出序列Ri＝(0，...，αi，...，0)，该序列中，除了序号为l的位置值是αi以外，其余位置均为0。由此我们就得到了一个训练数据：(Bi，Ri)，我们可以通过P序列中的关键帧生成许多劣化帧，利用上述方法生成许多训练数据，来训练神经网络。为了优化神经网络的输出结果，我们把上述神经网络封装成为一个模块，记为M，当输入一个帧数据时，M可以直接输出与之匹配的P序列的序号。M接收到输入的帧数据时，将其输入给神经网络模块，神经网络模块输出该帧与待匹配视频关键帧序列(即P序列)的相似度，形成一个相似度序列，分别记为α0，本文档来自技高网...

【技术保护点】
1.一种视频匹配的方法，其特征在于，包括以下步骤：/nS1：待匹配视频预处理：将需要与原始视频进行匹配对比的待匹配视频做预处理；/nS2：原始视频预处理：对原始视频进行预处理；/nS3：神经网络预训练：预先训练好的神经网络，它利用待匹配视频的关键帧序列，预先训练一个匹配检测系统，输入一个帧数据时，可以输出该帧与待匹配视频所有关键帧的匹配相似度,训练数据可以通过劣化待匹配视频关键帧序列来获得，将该神经网络匹配模块记为L；/nS4：高效匹配：将待匹配视频与原始视频进行高效匹配操作。/n

【技术特征摘要】
1.一种视频匹配的方法，其特征在于，包括以下步骤：
S1：待匹配视频预处理：将需要与原始视频进行匹配对比的待匹配视频做预处理；
S2：原始视频预处理：对原始视频进行预处理；
S3：神经网络预训练：预先训练好的神经网络，它利用待匹配视频的关键帧序列，预先训练一个匹配检测系统，输入一个帧数据时，可以输出该帧与待匹配视频所有关键帧的匹配相似度,训练数据可以通过劣化待匹配视频关键帧序列来获得，将该神经网络匹配模块记为L；
S4：高效匹配：将待匹配视频与原始视频进行高效匹配操作。


2.根据权利要求1所述的一种视频匹配的方法，其特征在于：所述步骤S1与S2中的预处理方法均为：提取待匹配视频或原始视频中场景切换点为关键帧，形成一个关键帧序列，并对每个帧图像做卷积运算和最大池化运算，得到只保留关键信息的并且压缩后的关键帧序列，待匹配视频预处理后的关键帧序列表示为P＝P0,P1,P2,P3,...,Pm-1，m代表待匹配关键帧序列的长度，原始视频预处理后的关键帧序列表示为O＝O0，O1，O2，...,On-1，n代表原始关键帧序列的长度。


3.根据权利要求2所述的一种视频匹配的方法，其特征在于：所述S3中还设置有一个封装模块，记为M，M封装了神经网络模块L，输入一个帧数据时，M将其输入给神经网络模块L，神经网络模块L输出该帧与待匹配视频关键帧序列(即P序列)的相似度，形成一个相似度序列，分别记为α0,α1,α2,...,αm-1,m代表待匹配关键帧序列的长度，取出该相似度序列中的最大值，记为αmax，如果αmax>α(α为人为设定的常量)，则封装模...

【专利技术属性】
技术研发人员：季鹏飞，季坤朋，周培明，
申请(专利权)人：季鹏飞，
类型：发明
国别省市：广东;44