2016年第35卷第11期
传感器与微系统(Transducerand Microsystem Technologies）
143
DOI:10.13873/J.10009787(2016 J11-014305
时空上下文编码的视频拷贝检测
王荣波，陈浩’，孙小雪，张江丰”
（1.杭州电子科技大学认知与智能计算研究所，浙江杭州310018； 2.国网浙江省电力公司电力科学研究院，浙江杭州310014）
摘要：基于内容的视频拷贝检测，目前最流行的方法是基于词袋模型的关键顿内容匹配方法。由于在空间上丢失了视觉词汇的上下文信息，而在时域中，同样丢失了关键慎时域上下文信息，此类方法的精度受到限制。针对这一间题，通过使用一个上下文模型用于计算视频关键顺的空间上下文信息和时域上下文信息，同时将时空上下文信息量化成二进制编码，并通过海明距离实现快速的时空上下文验证。在
TREVID-2009视频集上的实验验证了该算法具有较高的效率与准确性。关键词：视频拷贝检测；词袋模型；上下文编码
中图分类号：TP391
文献标识码：A
文章编号：1000-9787(2016)11-0143-05
Video copy detection based on spatial-temporal
contextual code*
WANG Rong-bo', CHEN Hao', SUN Xiao-xue', ZHANG Jiang-feng
(1. Institute of Cognitive and Intelligent Computing,Hangzhou Dianzi University,Hangzhou 310018, China :
2. State Grid Research Institute of Electric Power,Hangzhou 310014,China)
Abstract : The most popular approach for content-based video copy detection is hased on bag-of-visual-words model with invariant local features. Due to the neglect of the spatial context information and the temporal contexi information,these methods are limited. An algorithm of representing the spatial and temporal context information of key frames quantified into binary codes, and spatial-temporal verification is quickly achieved by Hamming easeasaaae accuracy
Key words : video copy detection; bag-of-visual-words; contextual code;
0引言
如今随着网络视频共享的急速发展以及数字视频的编辑、发送和拷贝变得越来越容易，数字版权保护遇到了新的挑战。基于内容的视频拷贝检测利用了“视频本身就是水印”的事实，越来越受到研究者的关注，基于内容的视频拷贝检测正在成为替代传统的水印方法来应付数字视频盗版和非法传播等问题的重要技术。
基于内容的视频拷贝检测算法主要由两个关键技术组成，即特征表示和视频匹配。
在现有的工作中使用的特征可以分为两类，即全局特
征和局部特征。全局特征一般是根据整个顺或整个剪辑片段的统计信息，因此，它们具有紧凑性和低计算复杂度的优点，如KimC等人提出的签名特征是基于顿图像的全局统计特征的。然而全局特征不能有效处理更复杂的变换，如视频后期处理时通常丢弃或替换原始顿或原始片段中的
收稿日期：2016-02-22
*基金项目：国家自然科学基金青年基金资助项目（61202280,61202281）
某个区域。相反，局部特征本质上对这些保留部分原始内容的变换具有抵抗性。在视频拷贝检测中使用的局部特征大多数是基于兴趣点的检测和局部描述子的计算，如 SIFT,SURF,PCA-SIFT等。除了空间特征，时间特征也是视频拷贝检测时的重要特征，ShivakumarN等人[2]提出了利用视频拍摄时间作为时间特征参与检测，而CheungSS 等人3则使用关键慎的位置信息作为相似度计算的一个重要因素。同样，时间差特征1]和时间序特征4]被用于视频拷贝检测。
视频匹配方法主要分为两类，即顺序匹配4和顿融合匹配5.6]。顺序匹配的基本思路是两个视频片段直接顿到顿匹配。由于一个查询序列通常比参考序列短得多，因此使用滑动窗口算法遍历式进行序列匹配。顺序匹配的主要缺点是与查询序列匹配的所有可能的参考子序列众多而