[发明专利]一种基于SURF算法的视频指纹提取方法

说明书

技术领域

本发明属于视频指纹及数据检索技术领域，更为具体地讲，涉及一种基于SURF算法的视频指纹提取方法。

背景技术

随着互联网技术的发展和网络传输速率的提升，人们日常获取信息的方式正发生着显著的变化，其中，观看网络视频已成为我国网民上网的主要活动之一，然而，视频内容是否安全和健康关系到广大网民的切身利益。

传统的视频内容安全监控手段有人工判断和数字水印技术。在面对海量的网络视频时，人工判断的方式显得力不从心且容易引入主观性，已不能独自完成网络视频内容安全监控的需求。数字水印是信息隐藏技术的一个重要研究方向，然而在视频中嵌入水印破坏了视频的完成性，且针对某些攻击水印信息的鲁棒性仍然不能满足需求。

斯坦福大学在1992年发表了一篇阐述“视频指纹”技术的学术文章，所述的视频指纹，就是指提取视频内容内在的特征信息，然后基于这些特征信息通过算法得到一个与视频唯一对应且能唯一标识视频的数字序列，它不需要在视频内嵌入任何信息，保持了视频的完整性。随着图像局部特征的研究，人们可以获得到图像的局部不变性特征，它们往往是代表图像中结构最稳定的局部区域。目前应用比较广泛的有尺度不变特征转换SIFT(Scale Invariant Feature Transform)和快速鲁棒特征SURF(Speeded Up Robust Features)，它们在图像旋转、尺度变换、仿射变换和视角变化条件下都有较好的不变性，通过对图像尺度不变性、仿射不变性以及局部不变性特征检测方法的深入研究，Lowe提出了SIFT算法并在2004年完善了该特征配准算法，然而由Bay等人提出的SURF要比SIFT拥有更高的特征提取速度。通过SURF可以提取视频的特征点集合，并且内容不相同的视频一般会得到不相同的特征点集合，而内容相似的视频会得到相近的特征点集合。利用这个特点不但可以实现获取视频的指纹信息，还可以类似于生物基因一样进行视频的追踪溯源。然而，目前基于视频内容的指纹提取算法往往无法同时兼顾到视频的准确性、鲁棒性和实时性。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于SURF算法的视频指纹提取方法，通过SURF算法和K-means算法相结合的视频指纹提取，具有较好的准确性和鲁棒性，同时又兼顾视频的实时性。

为实现上述发明目的，本发明一种基于SURF算法的视频指纹提取方法，其特征在于，包括以下步骤：

(1)、视频特征提取

(1.1)、候选关键帧的选取：以步长为Δt，T秒内提取一帧的方式在视频中选取候选关键帧；

(1.2)、使用SURF算法检测候选关键帧的特征点并计算个数，将特征点个数小于M的候选关键帧丢弃；将特征点个数大于或等于M的视频候选关键帧作为视频关键帧，M是常数，可以根据实际情况设置；

对于大于特征点个数大于M的视频关键帧通过均分筛选，选取其中的M个特征点并保留，其余的特征点去除；

(1.3)、通过SURF算法获取各视频关键帧各个特征点的特征矢量，具体为对于每一视频关键帧每一个特征点进行以下步骤的处理：

(1.3.1)、以视频关键帧的特征点为中心，选取直径为20s的圆形窗口，将圆形窗口划分为不等间隔的四个同心圆环，其中，s为特征点对应的尺度；

(1.3.2)、首先对四个同心圆环覆盖的区域分别使用哈尔模板，求出它们各自在X方向上和Y方向上的哈尔小波响应值d_xm和d_ym，其中，m＝1,2,表示哈尔小波响应值的个数；然后以视频关键帧的特征点为中心，分别对四个覆盖区域的哈尔小波响应值d_xm和d_ym进行高斯加权计算，得到哈尔小波响应值d′_xm和d′_ym；

(1.3.3)、对四个覆盖区域内的哈尔小波响应值d′_xm、d′_ym求和，分别记为：Σd′_xm和Σd′_ym，对四个覆盖区域内的哈尔小波响应值d′_xm、d′_ym求绝对值之和，分别记为Σ|d′_xm|和Σ|d′_ym|；

对每个覆盖区域的哈尔特征集的对角特征响应值Σd_zm进行计算，然后将它们进行求和、求绝对值和，并分别记为Σd_zm、Σ|d_zm|，因此，统计得到每个覆盖区域的特征矢量可以表示为：