[发明专利]一种视频匹配的方法

说明书

本发明公开了一种视频匹配的方法，包括以下步骤S1：待匹配视频预处理；S2：原始视频预处理；S3：神经网络预训练；S4：高效匹配：将待匹配视频与原始视频进行高效匹配操作。本发明从视频中的场景转换点提取关键帧，通过卷积和池化操作，进一步提炼和压缩关键帧数据，形成一个新的关键帧序列，对此关键帧序列进行匹配，通过高效匹配算法和神经网络的使用极大的提升了匹配速度，相比于传统的逐帧比较方式无论是匹配速度还是匹配精准度都有较大提升。

技术领域

本发明涉及视频匹配筛选技术领域，具体为一种视频匹配的方法。

背景技术

因近些年互联网的发展迅速，尤其是移动互联网的发展，导致视频的传播量大幅增加，视频的版权也被重视起来了，人工判断一个视频片段是否属于某个视频，是很慢的。传统自动化判断的方式是逐帧比较，如果所有帧数据依次相等，才认为匹配成功，匹配速度慢而且对于视频片段宽高比发生变化、或者视频发生劣化的情况，这种方法就失效了。

发明内容

本发明的目的在于提供可以快速地自动识别一个视频片段是否属于某原始视频，即便视频片段发生劣化、或宽高比发生变化，也能正确匹配出来的视频匹配的方法。

为实现上述目的，本发明提供如下技术方案：一种视频匹配的方法，包括以下步骤：

S1：待匹配视频预处理：将需要与原始视频进行匹配对比的待匹配视频命做预处理；

S2:原始视频预处理：将原始视频提取关键帧，形成一个关键帧序列；

S3：神经网络预训练：预先训练好的神经网络，它利用待匹配视频的关键帧序列，预先训练一个匹配检测系统，输入一个帧数据时，可以输出该帧与待匹配视频所有关键帧的匹配相似度,,训练数据可以通过劣化待匹配视频关键帧序列来获得，将该神经网络匹配模块记为L；

S4：高效匹配：将待匹配视频与原始视频进行高效匹配操作。

进一步地，所述步骤S1与S2中的预处理方法均为：提取待匹配视频或原始视频中场景切换点为关键帧，形成一个关键帧序列，并对每个帧图像做卷积运算和最大池化运算，得到只保留关键信息的并且压缩后的关键帧序列，待匹配视频预处理后的关键帧序列表示为P＝P₀,P₁,P₂,P₃,...,P_m-1，m代表待匹配关键帧序列的长度，原始视频预处理后的关键帧序列表示为O＝O₀，O₁，O₂，...,O_n-1，n代表原始关键帧序列的长度。

进一步地，所述S3中还设置有一个封装模块，记为M，M封装了神经网络模块L，输入一个帧数据时，M将其输入给神经网络模块L，神经网络模块L输出该帧与待匹配视频关键帧序列(即P序列)的相似度，形成一个相似度序列，分别记为α₀,α₁,α₂,...,α_m-1,m代表待匹配关键帧序列的长度，取出该相似度序列中的最大值，记为α_max，如果α_maxα(α为人为设定的常量)，则封装模块M返回α_max在相似度序列中对应的序号，否则，则返回一个非法值，该非法值可以为[0,m-1]以外的任意值。

进一步地，所述步骤S4包括以下匹配步骤：

初始化：将P序列与O序列左端对齐，即与对齐。

从P序列的左端开始，依次循环进行如下S41操作，S42和S43是S41的子操作(即，每个循环操作中，当前待匹配关键帧依次为P₀,P₁,P₂,P₃,...,P_m-1)：