【技术实现步骤摘要】
一种视频样例比对的方法、系统、设备及存储介质
[0001]本专利技术涉及计算机机器视觉
，特别涉及基于视觉有效特征提取的视频样例比对的方法、系统、设备及存储介质。
技术介绍
[0002]视频样例比对，又被称为视频同源比对，是指一个视频通过缩放、压缩、部分旋转、颜色变换、格式转换、部分裁剪、马赛克、模糊、贴标、弹幕遮挡等处理的视频或视频片段仍然与原视频来自同一个视频源头。
[0003]目前视频样例比对的方法基本分为两大类。
[0004](1)基于原始时空域的方法，包括直接从时空域进行关键帧提取，局部敏感哈希(LSH)建立索引，或者提取颜色分布特征，HOG、SIFT等梯度特征来进行比对的方法，或者是时空域向频域转换之后提取的频率分布的方法，这类方法容易受到噪声的干扰，无法适应视频的各种变换操作，比如基于颜色分布特征的方法无法适应颜色变换的场景，HOG、SIFT等梯度特征的方法以及频率分布的方法无法有效适应弹幕、部分裁剪、马赛克、一定程度的模糊等场景，在实际算法应用中，往往会造成非常高的漏检率。
[0...
【技术保护点】
【技术特征摘要】
1.一种视频样例比对的方法，其特征在于，包括下列步骤：S1、构建特征提取网络模型，对原视频样例进行特征提取，得到原视频特征集；S2、构建通用无效特征底库，对所述的原视频特征集进行筛选，得到有效视频特征集，并生成视频样例特征底库；S3、与新视频样例比对时，提取所述新视频样例的新视频样例特征；S4、将所述新视频样例特征与所述视频样例特征底库中的各有效视频特征逐一进行比对，并输出比对结果。2.如权利要求1所述的视频样例比对的方法，其特征在于，步骤S1中所述的特征提取网络模型是具有跨层连接结构的网络。3.如权利要求1所述的视频样例比对的方法，其特征在于，步骤S1中所述的对原视频样例进行特征提取，具体是将原视频样例转化为原视频帧图像，对各所述的原视频帧图像进行图像增强，以及对所述的原视频帧图像和各增强视频帧图像进行特征提取；所述的图像增强包括：上下加黑边、上下翻转、左右翻转、上下左右同时翻转、行列变换、视频帧压缩、视频帧切片、灰度变换、尺度变换、运动模糊、高斯模糊、仿射变换、中值模糊、亮度扰动、色度扰动、饱和度扰动、对比度增强、锐化，或/和浮雕。4.如权利要求3所述的视频样例比对的方法，其特征在于，同一原视频帧图像及其增强后得到的各增强视频帧图像两两之间互为相似视频帧对；以及，非同一原视频帧图像及其增强后得到的各增强视频帧图像两两之间互为不相似视频帧对。5.如权利要求3所述的视频样例比对的方法，其特征在于，所述的将原视频样例转化为原视频帧图像，具体是对原视频样例进行解码，形成原视频帧图像序列。6.如权利要求1所述的视频样例比对的方法，其特征在于，步骤S2中还包括：构建通用无效图像库，具体是获取单色图像、纯文字图像、全局模糊图像、单一纹理图像，或者单一场景图像。7.如权利要求6所述的视频样例比对的方法，其特征在于，步骤S2中所述的构建通用无效特征底库，具体是通过所述的特征提取网络模型提取所述通用无效图像库中各图像的特征，并录入所述的通用无效特征底库。8.如权利要求1所述的视频样例比对的方法，其特征在于，步骤S2中所述的对原视频特征集进行筛选得到有效视频特征集，具体是将所述原视频特征集中的各个特征与通用无效特征底库中的各个特征逐一进行相似度比对，如相似度小于相似度第一阈值，则将当前比对的原视频特征集的特征列为有效视频特征，各所述有效视频特征的集合为所述有效视频特征集。9.如权利要求8所述的视频样例比对的方法，其特征在于，步骤S2中所述的生成视频样例特征底库之前，还包括从所述有效视频特征集中筛除视频冗余特征，得到有效关键特征集，再以所述有效关键特征集生成视频样例特征底库；得到有效关键特征集具体包括：S21、将有效视频特征集中当前特征与其后一时序的特征进行相似度比对；S22、如比对结果小于相似度第二阈值，则将当前特征标注为有效关键特征并加入有效关键特征集，以及将其后一时序特征赋值为当前特征，返回S21；否则，转入S23；S23、如比对结果大于等于相似度第二阈值，则筛除其后一时序特征，并返回S21。
10.如权利要求1、8或9所述的视频样例比对的方法，其特征在于，对所述的视频样例特征底库进行特征压缩和空间划分，建立比对特征的索引。11.如权利要求1所述的视频样例比对的方法，其特征在于，步骤S3中所述的提取新视频样例特征，具体包括：S31、通过所述的特征提取网络模型提取新视频样例的特征；S32、将步骤S31提取的所述特征与通用无效特征底库中的各个特征逐一进行相似...
【专利技术属性】
技术研发人员：王坚，游强，张朝，李兵，余昊楠，
申请(专利权)人：人民中科济南智能技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。