基于內(nèi)容的視頻拷貝檢測.pdf

1、此外，為了從根本上解決匹配精度和匹配速度的問題，本文提出了一種基于緊湊視頻表征的視頻拷貝檢測方法。這種方法建立在稠密采集的關(guān)鍵幀之上，得以保留更多關(guān)鍵幀的有效信息。使用卷積神經(jīng)網(wǎng)絡(luò)來提取關(guān)鍵幀中的視覺信息，并用稀疏編碼保留其中的關(guān)鍵信息。為了保證特征緊湊性，減輕內(nèi)存和 CPU負(fù)擔(dān)，使用融合的方式將一段短視頻內(nèi)的所有幀特征融合為一個視頻表征。與其他方法相比，該方法在VCDB數(shù)據(jù)集上使召回率和準(zhǔn)確率都有了很大的提升。
　　隨著互聯(lián)網(wǎng)技

2、術(shù)的發(fā)展，人們可以隨時隨地進(jìn)行視頻拍攝并上傳，造成了網(wǎng)絡(luò)視頻數(shù)據(jù)的大規(guī)模增長。同時，盜版侵權(quán)等違法行為也制約著網(wǎng)絡(luò)視頻的發(fā)展。為了快速地對相似性視頻進(jìn)行檢索，基于內(nèi)容的視頻拷貝檢測應(yīng)運而生。
　　傳統(tǒng)的基于內(nèi)容的視頻檢測方法，使用局部特征點或者圖像特征來描述視頻。為了減少內(nèi)存占用與時間消耗，傳統(tǒng)方法只能對視頻關(guān)鍵幀進(jìn)行稀疏采樣。然而被拋棄的視頻幀擁有大量視覺信息，缺失的信息造成了精度上的不足，制約了傳統(tǒng)方法的發(fā)展。
　　為了

3、改善傳統(tǒng)方法在計算速度上的缺陷，本文在其基礎(chǔ)上提出了一系列改進(jìn)。引入大字典模型，并使用快速漢明距離計算策略加速匹配。使用輸入數(shù)據(jù)修改漢明嵌入算法，并將弱幾何一致性從約束圖像匹配擴(kuò)展到約束視頻序列匹配，提高了準(zhǔn)確率。最終在精度不輸于前人的情況下極大提升了檢索速度。
　　此外，為了從根本上解決匹配精度和匹配速度的問題，本文提出了一種基于緊湊視頻表征的視頻拷貝檢測方法。這種方法建立在稠密采集的關(guān)鍵幀之上，得以保留更多關(guān)鍵幀的有效信息。使