基于內容的視頻拷貝檢測.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鍵幀之上，得以保留更多關鍵幀的有效信息。使用卷積神經網絡來提取關鍵幀中的視覺信息，并用稀疏編碼保留其中的關鍵信息。為了保證特征緊湊性，減輕內存和 CPU負擔，使用融合的方式將一段短視頻內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)集上使召回率和準確率都有了很大的提升。
　　隨著互聯(lián)網技

2、術的發(fā)展，人們可以隨時隨地進行視頻拍攝并上傳，造成了網絡視頻數(shù)據(jù)的大規(guī)模增長。同時，盜版侵權等違法行為也制約著網絡視頻的發(fā)展。為了快速地對相似性視頻進行檢索，基于內容的視頻拷貝檢測應運而生。
　　傳統(tǒng)的基于內容的視頻檢測方法，使用局部特征點或者圖像特征來描述視頻。為了減少內存占用與時間消耗，傳統(tǒng)方法只能對視頻關鍵幀進行稀疏采樣。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，本文在其基礎上提出了一系列改進。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展到約束視頻序列匹配，提高了準確率。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鍵幀之上，得以保留更多關鍵幀的有效信息。使