基于内容的重复音视频检测

• 作 者: 张晗
• 机 构: 北京邮电大学
• 出 处: 北京邮电大学
• 发表日期: 2011年期
• 关键词: 重复音视频检测 视觉字典 倒排索引 数字水印 RANSAC算法 检测效果

随着计算机科学、网络技术的飞速发展，视频成为信息传播的主流载体。但由于数字视频极易被复制和修改，使得视频版权保护成为困扰视频提供商的难题。物理防拷贝和数字水印等技术由于需要在视频中添加额外信息，给视频的制作和发布增加了难度，且无法解决已有视频的版权保护问题。基于内容的重复音视频检测(content-basedvideo and audio detection)因而应运而生，并成为当前信息检索领域中的研究热点。　　
本文提出一个基于视觉特征和音频特征的重复音视频检索框架，并在视频特征的选择和提取，音视频索引建立、匹配策略设计、音视频检索结果融合等方面进行了深入的研究。主要工作如下：　　
针对重复视频检测中的一个难点--画中画，提出了一种基于Hough变换的画中画检测算法，有效解决了该视频变换对于检测效果的影响。　　
在视频的检索方面，提出了一种视觉字典模型的改进算法，并定量地分析了码书维度对实验结果的影响。　　
在视频索引建立方面，提出了多级码书的概念，采用三级倒排索引结构，提高了高维码书条件下的视频检索效率。在视频匹配过程中，利用了关键点匹配、关键帧匹配和视频组匹配的三层匹配结构，提高了算法的准确率；在关键帧匹配中，提出了一种改进的RANSAC算法，并利用其计算仿射变换矩阵，缩短了后处理的时间，提高了算法的效率和准确率。　　
最后，设计了基于排名的音视频结果融合算法，提出了重复音视频检索框架。该系统参加TRECVID2011同源音视频检测任务的评测结果表明，系统的整体性能高于参赛队伍的平均水平，验证了系统的有效性。