基于音頻的多媒體文件重復(fù)性檢測(cè).pdf

1、隨著“云存儲(chǔ)”、“大數(shù)據(jù)”時(shí)代的到來(lái)，網(wǎng)絡(luò)數(shù)據(jù)量成井噴式增長(zhǎng)，在每天以不可思議的速度增長(zhǎng)的網(wǎng)絡(luò)數(shù)據(jù)中，音視頻數(shù)據(jù)占據(jù)了很大的比例。這些網(wǎng)絡(luò)音視頻數(shù)據(jù)大都存在重復(fù)的現(xiàn)象，重復(fù)的多媒體文件給音視頻網(wǎng)站的管理帶來(lái)了很多難題，而解決這些難題僅僅依靠人力是幾乎無(wú)法完成的，因此對(duì)多媒體文件重復(fù)性檢測(cè)的研究具有非常重要的意義。目前對(duì)多媒體文件的重復(fù)性檢測(cè)的研究主要分為基于文字描述、基于圖像和基于音頻的重復(fù)性檢測(cè)?；谖淖置枋龅姆椒ㄟ^于主觀性，對(duì)于惡意

2、刪改的文件無(wú)法檢測(cè)；基于圖像的方法無(wú)法對(duì)純音頻文件進(jìn)行檢測(cè)，并且其檢測(cè)速度慢，準(zhǔn)確率較低無(wú)法滿足現(xiàn)實(shí)要求。因此，本文從音頻入手，研究基于音頻的多媒體文件重復(fù)性檢測(cè)的方法。本文主要完成了以下工作：
　　首先，本文研究了音頻的特征表示方法。本文從目前研究經(jīng)常使用的聲學(xué)特征層出發(fā)，對(duì)時(shí)域特征、頻域特征和倒譜域特征進(jìn)行了介紹，并重點(diǎn)研究了倒譜域的Mel頻率倒譜系數(shù)（MFCC）和頻域的音級(jí)輪廓（PCP）特征以及在兩者基礎(chǔ)上發(fā)展而來(lái)的美爾音級(jí)

3、輪廓（MPCP）特征的原理和計(jì)算方法。除此之外，本文提出了新的融合特征（MP）。
　　其次，本文研究了基于model-free音頻文件重復(fù)性檢測(cè)的過程，包括多媒體文件格式統(tǒng)一化處理、特征表示、滑動(dòng)窗口、交叉遞歸圖和重復(fù)性判定。格式統(tǒng)一化處理是從多媒體文件中提取音頻數(shù)據(jù)并進(jìn)行解碼。特征表示即是提取音頻的四個(gè)特征來(lái)表示音頻數(shù)據(jù)?；瑒?dòng)窗口是對(duì)于多媒體文件不等長(zhǎng)的情況使用滑動(dòng)策略。交叉遞歸圖是以二維圖的形式來(lái)分析兩段音頻特征的相似性。重復(fù)

4、性判定是通過交叉遞歸圖定量分析兩段音頻特征之間的相似度，進(jìn)而通過與閾值比較判定兩個(gè)多媒體文件是否重復(fù)。本文分別比較了四個(gè)音頻特征（MFCC、PCP、MPCP、MP）的實(shí)驗(yàn)性能，并且通過實(shí)驗(yàn)發(fā)現(xiàn)，基于model-free音頻文件重復(fù)性檢測(cè)系統(tǒng)具有不錯(cuò)的檢測(cè)準(zhǔn)確率。
　　最后，本文研究了基于model-based音頻文件重復(fù)性檢測(cè)的過程，包括多媒體文件格式統(tǒng)一化處理、特征表示、滑動(dòng)窗口、交叉遞歸圖、基于交叉遞歸圖的特征向量提取、Max