论文基于奇异值分解视频拷贝检测是关于本文可作为奇异值方面的大学硕士与本科毕业论文奇异值怎么求论文开题报告范文和职称论文论文写作参考文献下载。
文章编号：10081542（2014）02017905doi：10.7535/hbkd.2014yx02012
摘 要：针对传统的视频拷贝检测算法计算量大、对视频变化敏感等问题,提出一种新的视频指纹算法来产生包含时空域信息的关键帧.采用奇异值分解的方法提取视频关键帧的特征向量,对视频特征序列进行降维.改进的视频拷贝检测算法对噪声、帧平移、帧旋转、丢帧等有很好的鲁棒性.和以往的拷贝算法相比,提高了视频拷贝检测的查全率和准确率,降低了误码率,和源视频具有较高的匹配率.
关键词：视频拷贝检测；奇异值分解；特征提取；视频指纹
中图分类号：TP391 文献标志码：A
Abstract：According to the problems of heavy computation load and sensitivity to video variation in conventional video copy detection algorithms, a novel video fingerprinting algorithm is presented to produce the key frame that contains the time and spatial information. The singular value decomposition is used to extract feature vectors of key frames, and then to reduce the dimension of video feature sequence. The improved video copy detection algorithm has good robustness against noise, frame shifting, framerate conversion and frame lost, etc. Compared with previous copy algorithms, the video copy detection recall and precision are improved with high matching rate to the source video, while the error rate is reduced.
Key words：video copy detection； singular value decomposition； feature extraction； video fingerprinting
视频信息的暴发性增长使得网络用户可以共享更多的视频,建立有效的视频版权保护和检测机制显得尤为重要.视频水印和视频指纹算法可应用于视频拷贝检测过程,视频水印算法要求在视频中嵌入额外的信息来降低视频感知质量,视频拥有者很难在视频发布前实现,在视频拷贝检测中有很大的局限性.视频指纹算法主要提取具有鲁棒性和区分性的特征信息,通过计算检测视频和原始视频之间的特征距离来检测视频是否为拷贝.视频指纹算法的研究仍然处于初步阶段,许多研究者将图像指纹算法应用于视频拷贝检测,SUNIL等将视频中的帧分成N×M的块,提取每块的梯度特征,所有块的梯度特征组合成该帧特征信息[1].LAWTO等提出基于哈希点提取帧特征信息[2],由于没有考虑视频帧的连续性,增加了产生的哈希函数维数,为了减少哈希函数的维数,许多学者提出基于关键帧的视频指纹算法,将视频分片,提取每片关键帧的高维特征量,通过哈希算法生成低维特征量,ROOVER等提出提取不同径向区的像素方差作为特征量的算法[3],缺点是对于关键帧衰减和噪声敏感,调整关键帧将不利于视频检测的实现.COSKUN等提出提取视频的时空域特征,将视频序列看成三维矩阵,通过DCT变换提取视频特征,在高斯噪声、改变亮度、取反等几何攻击下保持了良好的性能,但计算复杂度较高[4].
本文首先根据视频的时空域特征将视频分成片段,然后根据视频片段内的帧间相关性,将片段内帧的组合构成关键帧.最后对关键帧矩阵进行奇异值分解,根据奇异值分布特点,选取前去10个奇异值构成关键帧矩阵的特征量,通过和视频库匹配计算,完成拷贝检测.实验证明改进的视频检测算法比TOM算法[5]具有更高的查准率和查全率.
1 基于奇异值分解的视频拷贝检测算法
1.1 视频预处理
基于奇异值分解的视频拷贝检测算法分视频预处理、片段划分、关键帧选取、特征向量提取及匹配4步实现.
为了保证算法可以抵抗视频缩放和帧率的变化,首先对视频进行预处理,预处理主要通过对视频进行时空域重采样改变帧率和分辨率,统一帧率和帧大小,重采样之前采用低通高斯滤波器对时空域处理以阻止量化噪声[6].重采样后帧大小设为160×120, 160×120适合MPEG1, I,RealVideo 512k,RealVideo 28k等视频格式,且在降低计算量的基础上,可保证视频的局部不变特性.基于相邻帧之间的相似性,镜头内部相邻帧内容上的差别非常小,帧率为12帧/s能基本保证视频的连贯性[7].
1.2 视频片段划分
视频由一系列片段组成,片段内的帧之间具有较强的时域相关性[8].如果提取视频序列每帧的特征值进行检测匹配,会造成特征信息冗余和增加计算复杂度,本文基于Binwise平均颜色直方图对视频进行片段划分,依次计算相邻帧之间Binwise平均颜色直方图的差值,递归分割视频[9].算法如下.
1）设视频帧序列为F1,F2,等,Fi,等,Fn,i等于1,2,等,n.
2）计算Fi和后续帧Fi+1的特征距离di, di小于指定的相似度阈值β,则i+1,返回2）,继续计算；di大于相似度阈值Y,则转到3）计算,直到i等于n-1,停止计算.
总结:本论文为免费优秀的关于奇异值论文范文资料，可用于相关论文写作参考。
参考文献：
1、 信号有效奇异值的数量规律与其在特征提取中的应用 摘要： 针对信号的有效奇异值选择问题，发现了有效奇异值和信号频率个数之间存在重要联系，研究结果表明有效奇异值数量由信号中的频率个数决定，而与频率。
2、 基于视频分析的异常事件检测技术 摘要：在现代化的社会发展中，异常事件检测技术已经成为了不可缺少的重要组成部分，尤其是在一些突发事故的情况下，利用该项检测技术，能够对很多的证据收。
3、 基于改进高斯混合模型的体育视频运动目标检测和跟踪 摘 要： 针对当前体育视频运动目标检测存在的弊端，提出改进高斯混合模型的体育视频运动目标检测与跟踪方法。通过分析高斯混合模型的弊端，保留原有的“。
4、 并购重组野蛮生长资产减值危机潜流涌现 2014年以来，A股市场中的并购重组事件愈演愈烈，无论是参与并购的企业数量还是并购次数，都呈现出野蛮式快速增长，交易金额也由每年的千亿级别逐步攀。
5、 潮宏基商誉减值暗礁 3月20日，潮宏基（002345 SZ）发布购买资产预案，拟以发行股份方式购买上海思妍丽实业股份有限公司（下称“思妍丽”）74%股权，交易标的作。
6、 视频不能恶搞了，后还能怎么搞 最近二次元圈最激动人心的时刻，恐怕非哔哩哔哩（以下简称“B站”）上市莫属。当纳斯达克的钟声为B站敲响，屏幕前无数人疯狂敲击键盘，争相“合影”留念。