[发明专利]一种基于深度字典学习的视频鉴别方法及系统

说明书

本发明实施例提供一种基于深度字典学习的视频鉴别方法及系统，该方法包括：获取目标视频中的若干关键帧图像；将每一关键帧图像输入到视频指纹生成网络中，获取目标视频的指纹，其中，视频指纹生成网络包括字典，字典用于进行稀疏矩阵的计算；将目标视频的指纹与预设数据库中的每一备用视频的指纹进行匹配，根据匹配结果对目标视频进行鉴别。本发明实施例利用深度学习和多层字典学习提取视频的特征稀疏矩阵，形成视频指纹，并进行指纹数据库的构建和目标视频的指纹匹配，实现对数字视频的鉴别。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于深度字典学习的视频鉴别方法及系统。

背景技术

近年来，随着互联网技术的蓬勃发展和全民普及，大众的信息接收方式也在不断地发生变化。网络视频行业俨然成为了我国互联网的朝阳产业，尤其是短视频APP的快速兴起，展现出大众对视频分享和创作的乐趣。各种各样的海量视频通过网络进行传播，使得视频数据规模井喷式俱增。人们在享受互联网带来的便捷的同时，网络视频的版权保护问题逐渐成为了大难题，大量盗版、拷贝和抄袭等侵权视频在网络上传播，侵犯了内容所有者的利益，同时带来了许多知识产权的纠纷和不良的影响。对于视频网站来说，实时检测和管理用户上传的大量视频是一项严峻的挑战，由于数据规模的庞大，只依靠传统的人力方式去鉴别视频内容是不现实的。为了解决这一问题，亟需一个具有实时性和准确性的视频身份验证算法，实现对网络视频数据的鉴别，以解决版权保护和非法内容检测问题。视频指纹技术应运而生，该技术的核心思想就是通过某些算法对视频提取到像人的指纹一样的唯一描述，以实现每一个视频的精准匹配。

目前，国内外学者已经提出了许多视频指纹提取方法。早期的指纹提取方法是在图像哈希的基础上提出的，通过计算视频帧的平均灰度值作为阈值，来生成预定义长度的二进制代码，作为视频描述符，用于检索和匹配。这一方法构建的视频指纹十分简单，由于没有融合视频自身的特征，如果对视频片段进行模糊、旋转、裁剪和插入元素等修改时，无法保证良好的区分性和鲁棒性。因此，有的学者提出了多特征融合的指纹提取算法，以提高算法的准确率和鲁棒性。比如将视频帧中的局部特征与全局特征结合，或者提取运动特征来结合视频的空间和时间信息，这些方法对视频帧的采样率有较高的要求，因此算法的鲁棒性提高的后果是整体效率的下降。随着深度学习的不断发展，基于深度网络模型的视频指纹提取获得了更优秀的匹配准确率，然而深度学习一般会产生高维度的特征向量，导致视频指纹的提取和匹配会造成较高的计算成本，难以在实际应用中满足网络视频实时监管和鉴别的要求。有学者提出的字典学方法通过使用迭代更新后得到的超完备字典，实现对数据的稀疏线性组合描述，在提取数据本质特征和数据压缩方面具有明显优势。而在某些情景下，单一的字典可能无法达到系统对数据压缩的要求，因此又有学者提出利用级联的字典进行学习，实现更稀疏的数据表征。

基于以上背景可以分析得出，视频鉴别需要满足匹配速度和效率方面的要求，所提取的视频指纹应占据尽量少的内存，但是基于深度学习的方法提取的视频特征鲁棒性好，但特征维度较高，应用在视频指纹会导致较高的计算开销。

发明内容

本发明实施例提供一种基于深度字典学习的视频鉴别方法及系统，用以解决现有技术中视频指纹计算开销较大的缺陷，实现数字视频的鉴别。

本发明实施例提供一种基于深度字典学习的视频鉴别方法，包括：

获取目标视频中的若干关键帧图像；

将每一关键帧图像输入到视频指纹生成网络中，获取所述目标视频的指纹，其中，所述视频指纹生成网络包括字典，所述字典用于进行稀疏矩阵的计算；

将所述目标视频的指纹与预设数据库中的每一备用视频的指纹进行匹配，根据匹配结果对所述目标视频进行鉴别。

根据本发明一个实施例的基于深度字典学习的视频鉴别方法，所述将每一关键帧图像输入到视频指纹生成网络中，获取所述目标视频的指纹，具体包括：

将每一关键帧图像输入到所述视频指纹生成网络中的卷积神经网络中，获取深层特征；