基于ORB和灰度序特征的视频拷贝检测

针对目前数字视频版权保护问题,提出一种基于ORB (oriented FAST and rotated BRIEF)二值特征描述符局部特征和灰度序全局特征的视频拷贝检测方法.通过比较相邻视频帧灰度直方图的巴氏距离对视频进行镜头分割,将镜头的第一帧作为视频关键帧,提取其灰度序特征和ORB特征,利用灰度序特征对查询视频进行初次匹配,去除部分干扰视频,使用ORB特征对灰度序检测结果再次匹配,得到视频拷贝检测结果.实验结果表明,该方法在视频拷贝检测方面具有可行性和有效性,并且准确率和召回率均可达80％以上.     

基于球哈希和改进的灰度差算法的视频拷贝检测

针对大规模的视频版权保护中检索准确率低和检索速度慢的问题,提出一种基于球哈希和改进的灰度差算法的视频拷贝检测方法。首先,对传统的灰度差提取关键帧的算法进行改进,提出利用灰度差与灰度差累积量相结合的方法提取关键帧,减少了提取关键帧时产生的累积误差,提高视频检索的准确率;然后,提取关键帧的SIFT特征,并且利用著名的球哈希算法对SIFT特征建立索引,把128维的高维浮点向量变为二值索引,提高检索速度。实验结果表明该方法不仅提高了视频检索的准确率和检索速度,而且保证了较高的查全率。     

基于积分投影与灰度复杂度的人脸特征定位算法

针对当前人脸特征定位的研究现状与难题,采用YCbCr椭圆聚类方法进行肤色区域提取,然后根据人脸的几何特征,通过比例、大小结构特性来判断二值化图中的目标区域是否为人脸,从而可以排除非人脸区域,再结合人脸面部器官分布特点,利用积分投影方法,对人脸区域垂直和水平两个方向分别进行灰度值累加统计,经过分析可以定位眼嘴的区域边界和中心点。同时针对积分投影的缺点,即如果头部发生倾斜会导致投影位置不准确,提出了基于灰度复杂度的眼睛定位方法,利用该方法首先定位人眼位置,然后根据人眼对人脸区域旋转校正,最后再利用积分投影定位嘴巴。     

灰度分布特征的虹膜定位算法研究

为克服浓密睫毛、眼睑等噪声对虹膜定位算法的影响,提出一种有效的去扰虹膜定位算法。对于虹膜的内边缘,在二值化分离瞳孔区域的基础上,利用形态学中的开运算消除噪声,并用灰度投影法定位瞳孔的圆心、半径。而对于虹膜的外边缘,则采用形态学中的闭运算去除虹膜区丰富的纹理,并设计了一个边缘检测模板,在小范围内搜索虹膜外边界的上下左右4个边界点进而确定虹膜的圆心、半径。对比的仿真实验表明：该算法不仅在计算精度和速度上都有很大提高,而且具有较好的鲁棒性。     

基于灰度投影及区域特征的人眼定位算法

人眼定位在机器视觉中有广泛的应用,该文针对目前流行的基于灰度特征与几何学的算法提出了一种算法改进,采用灰度投影与区域特征相结合的算法实现了自动化人眼定位。利用水平积分灰度投影计算眼睛纵坐标,进一步利用区域特征确定眼睛横坐标．从而准确快速定位到人眼。     

基于灰度投影及区域特征的人眼定位算法

人眼定位在机器视觉中有广泛的应用,该文针对目前流行的基于灰度特征与几何学的算法提出了一种算法改进,采用灰度投影与区域特征相结合的算法实现了自动化人眼定位。利用水平积分灰度投影计算眼睛纵坐标,进一步利用区域特征确定眼睛横坐标,从而准确快速定位到人眼。     

基于内容的视频片段检索技术研究

深入分析和总结了片段检索方法的关键技术,主要包括视频片段的表达、片段的相似性度量、相似片段的自动分割和相似片段的排序,介绍目前已有的片段检索方法及其各自的优缺点,提出一些这一领域的难点和值得进一步研究的问题.     

相似动画视频片段探测方法

为了实现相似视频片段的快速探测,以动画视频片段为研究对象,提出一种建立在视频单元层上的动画视频片段探测方法.在视频特征描述阶段,采用更符合动画图像的Markov平稳特征来描述动画视频帧的视觉特征,并利用视频距离轨迹(VDT)来挖掘视频片段特征,同时采用线性拟合特征的描述方法来描述VDT的特征;在特征匹配阶段,将视频片段匹配问题转换为网络流优化的问题,通过将视频单元的时间一致性嵌入到匹配网络中来寻找最佳对齐方式,大幅度减少了匹配的数据量.实验结果表明,该方法极大地改善了相似视频片段的探测效果,与传统的视频匹配方法相比,其具有更好的鲁棒性以及更高的效率.     

基于灰度和纹理特征的广告视频序列匹配算法

针对基于内容的视频序列检索匹配提出一种综合颜色灰度和纹理特征对分块图像进行描述的方法,根据颜色灰度特征引入灰阶顺序码的概念。结合Harr小波变换与Gabor变换提出一种新的纹理提取方案。针对广告视频序列检索匹配的应用提出逐级过滤检索匹配策略,明显减小了计算复杂度,提高了检索效率。     

基于轨迹行为模式特征的视频拷贝检测算法

为了有效地利用视频的时域运动信息来提高视频拷贝检测的精度和鲁棒性,提出一种基于特征点轨迹行为模式的拷贝检测算法.首先从视频连续帧中提取特征点轨迹的行为模式特征,然后采用视觉关键词典技术构造视频的运动特征,最后基于运动特征的相似度进行视频拷贝检测.该算法在TRECVID标准数据集上取得了较高的检测精度.实验分析表明,基于轨迹的运动特征具有较强的描述区分能力,对各种常见的拷贝变化具有鲁棒性.     

基于内容的视频拷贝检测研究

提出一种新的基于内容的视频拷贝检测方法,根据视频连续帧之间信息的冗余,提出关键帧提取算法,对提取的关键帧做DCT变换,并将AC系数的有序测度作为关键帧的特征,计算视频关键帧之间的L1距离作为视频之间的相似度度量。实验表明该方法对抗几种不同的几何攻击有较好的效果。     

基于局部排序的视频拷贝检测

排序法是一种常用的视频拷贝检测方法.为获得更佳的检测性能,提出一种基于排序特征的视频拷贝检测方案.该方案将帧进行分块,并按照Hilbert曲线顺序分别计算曲线上相邻块的灰度关系排序特征,生成用于检测的哈希码;为了准确地在目标视频中定位可疑内容,提H{了哈希匹配方案,将序列相似度作为匹配的依据,并引入动态规划的方法提高匹配精度;最后构造了拷贝测试样本,并与传统的排序签名检测方案进行性能对比实验.结果表明,文中方案拥有较好的检测性能,适用于视频内容的拷贝检测.     

基于关键帧序列的视频片段检索

提出了一种基于关键帧融合的视频片段检索方法。使用特征联合分布直方图将视频分割为子镜头,子镜头用关键帧表示。检索时,对范例视频片段的每个关键帧检索到相似的关键帧,所有的相似关键帧按照时间连续性融合为视频片段。提出一种快速的视频片段相似度计算模型。实验表明,本文的方法快速有效。     

基于统计特征的鲁棒图像拷贝检测技术

抗几何攻击的拷贝检测技术是图像拷贝检测领域中的一个重要问题,现有的图像拷贝检测方法中,多数对类似噪声的图像失真比较鲁棒,而对于几何类失真则比较脆弱.因此,提出一种鲁棒图像拷贝检测技术,利用图像高斯过滤后的低频部分中的统计特征(直方图形状和均值)进行拷贝检测.实验结果表明该方法能较好地抵抗不改变内容的几何失真和图像处理攻击.     

抗旋转和等比缩放失真的图像拷贝检测技术

现有的图像拷贝检测方法中,多数对类似噪声的图像失真比较鲁棒,而对几何类失真则比较脆弱.在几何类失真中,旋转和等比缩放失真又是最为常见的.Wu等人在2005年和2007年提出基于椭圆圆环分区的图像拷贝检测方法,试图抵抗旋转、平移、等比缩放和裁剪等几何失真.然而,椭圆形体并不具备旋转不变性,可见Wu的方法在解决旋转失真问题上并不彻底.针对旋转和等比缩放失真,提出基于圆环分区的顺序测度拷贝检测方法,由于圆环区域划分法可以保证旋转和等比缩放失真以后,圆环中的内容保持不变,因而该方法对上述2种失真具有较好的抵抗能力.同时,引入顺序测度提取圆环序列的特征,因而可以很好抵抗类似噪声失真.实验表明,在抵抗旋转和等比缩放失真方面,给出的方法均好于Wu的方法.     

一种通过视频片段进行视频检索的方法

视频片段检索是基于内容的视频检索的主要方式,它需要解决两个问题:(1) 从视频库里自动分割出与查询片段相似的多个片段;(2) 按照相似度从高到低排列这些相似片段.首次尝试运用图论的匹配理论来解决这两个问题.针对问题(1),把检索过程分为两个阶段:镜头检索和片段检索.在镜头检索阶段,利用相机运动信息,一个变化较大的镜头被划分为几个内容一致的子镜头,两个镜头的相似性通过对应子镜头的相似性计算得到;在片段检索阶段,通过考察相似镜头的连续性初步得到一个个相似片段,再运用最大匹配的Hungarian算法来确定真正的相似片段.针对问题(2),考虑了片段相似性判断的视觉、粒度、顺序和干扰因子,提出用最优匹配的Kuhn-Munkres算法和动态规划算法相结合,来解决片段相似度的度量问题.实验对比结果表明,所提出的方法在片段检索中可以取得更高的检索精度和更快的检索速度.     

一种快速有效的网络视频拷贝检测方法

为了快速有效地检测真实网络中的拷贝视频, 针对现有基于顺序度量特征的检测算法存在鲁棒性不足和相似性度量不准确的问题, 提出基于核心区域顺序度量特征和转换距离的视频拷贝检测方法。该方法在统计分析真实网络中拷贝视频特点的基础上, 首先选取拷贝视频中相对稳定的核心区域提取顺序度量特征; 其次提出基于最小转换代价的度量标准, 并设计相应的顺序度量特征快速匹配方法; 最后采用简化的最长匹配子序列算法进行特征序列匹配, 检测查询视频中的拷贝片段。基于真实网络数据和MUSCLE-VCD-2007数据的实验结果显示, 相对于现有基于顺序度量特征的拷贝检测方法, 本方法鲁棒性更强, 检测效率更高。     

Robust video hashing based on representative-dispersive frames

This study proposes a robust video hashing for video copy detection.The proposed method,which is based on representative-dispersive frames(R-D frames),can reveal the global and local information of a video.In this method,a video is represented as a graph with frames as vertices.A similarity measure is proposed to calculate the weights between edges.To select R-D frames,the adjacency matrix of the generated graph is constructed,and the adjacency number of each vertex is calculated,and then some vertices that represent the R-D frames of the video are selected.To reveal the temporal and spatial information of the video,all R-D frames are scanned to constitute an image called video tomography image,the fourth-order cumulant of which is calculated to generate a hash sequence that can inherently describe the corresponding video.Experimental results show that the proposed video hashing is resistant to geometric attacks on frames and channel impairments on transmission.