基于感兴趣区域的互联网级在线视频拷贝检测技术

With the rapid development of Internet,the digital video goes into fast growth period, expecially the web video blurst.It is very urgent to retrieve,manage the videos and protect their copyright.In this project,we will firstly study the dynamic cluster algorithm for the frames of continuous query video stream to remove temporary redundent frames and the ones with very low information. Then to locate the region of interest, we will study two kinds of region detection algorithm based on human detection and salient region detection.Furthermore, spatial relation will be introduced into region feature description and one kind of compact and efficient feature will be used to describe the ROI.To speedup the copy detection, we will also study parallel algorithms for complex modules based on GPU. We hope this project will provide core algorithm for web-scale online video copy detection.

随着互联网的快速发展，数字视频数据量呈爆炸性增长，特别是互联网视频发展迅猛，对其进行有效检索、管理，以及版权保护已经成为十分紧迫的问题。本项目利用基于视觉特征的统计分析手段，研究流式视频画面的动态聚类算法，以滤除低信息量视频帧和时域冗余信息；研究视频中人所在区域及显著区域两类区域检测算法，以获取视频画面中感兴趣区域。进一步引入区块空间关系验证以研究感兴趣区域内紧致、高效的特征描述算法，并基于GPU研究感兴趣区域提取加速算法、特征提取加速算法，以及空间关系校验加速算法，为面向互联网的在线视频拷贝检测应用提供核心算法和技术。

按照项目研究计划，项目对互联网级在线视频拷贝检测的关键技术和难点问题进行深入研究和技术攻关，获得一批有价值的研究成果。.研究了视频画面动态聚类算法，一方面使用二进制特征研究镜头动态聚类方法，另一方面基于多维特征研究视频画面的质量评估算法，应用聚类算法可以有效减少视频拷贝检测中的无效帧、重复帧，不仅减少了不必要的计算开销，还提高了检测精度。.研究了视频显著区域检测算法，深入分析研究了用于显著区域检测的全局和局部特征，提出了四种特征，进而提出了基于蒙特卡罗采样的显著图融合方法，可以提高显著区域检测的精度。.在特征提取和匹配方面，为了保证高速、高精度检测，基于多特征融合的区块排序测度特征，从视觉特征提取出发，分别对特征的区分力、特征匹配方法以及区块特征的空间关系编码三方面进行了研究。提出了一种面向排序测度特征的快速匹配算法，能够将匹配计算复杂度减至O(1)，为提高该匹配框架下OM特征检索的召回率，结合实际图像内容引入特征的置换匹配算法。为提高特征匹配的精度，提出了RSA空间关系编码方法，利用特征的尺度和角度信息，编码关键词周围的特征分布关系。.项目还针对二进制描述子的生成、索引等核心算法进行了改进性研究，以提高二进制描述子的鲁棒性、表征能力，并提高二进制描述子的匹配速度。提出一种基于亮度差量化的特征提取算法；模拟视网膜细胞的分布特性，设计了一种新型的候选点采样模式和筛选方法。为保证互联网级视频拷贝检测的高速度，提出了一种基于倒排索引的快速索引算法，可以解决大规模二进制特征的快速比对问题。.最终，融合以上研究成果，项目研制了一个并行拷贝检测验证系统。.项目研究中为面向互联网的在线视频拷贝检测应用提供了多项核心算法，发表各类论文，申请专利5项。