一種基于粗細粒度的視頻指紋檢索方法
【專利摘要】本發(fā)明公開了一種基于粗細粒度的視頻指紋檢索方法，通過分層分粒度的檢索方式對視頻指紋進行檢索比對。利用局部敏感哈希算法對視頻指紋數(shù)據(jù)庫中的所有視頻指紋和待檢索視頻指紋進行哈希處理，從而找到與待檢索視頻指紋最相似的視頻指紋，完成粗粒度的查找，為有效降低視頻檢索的時間開銷做好了準備；在細粒度查找時，通過基于生物序列比對技術(shù)BLAST改進的快速視頻指紋匹配機制，快速找到待檢索的視頻指紋是否存在于視頻指紋數(shù)據(jù)庫中，還能進行視頻片段的匹配查找，并根據(jù)視頻指紋的特性確定待檢索視頻片段所屬的完整視頻及其在其中出現(xiàn)的具體時間位置，這樣保證了視頻查找的準確性和實時性。
【專利說明】一種基于粗細粒度的視頻指紋檢索方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于視頻指紋及數(shù)據(jù)檢索領(lǐng)域，更為具體地講，涉及一種基于粗細粒度的 視頻指紋檢索方法。

【背景技術(shù)】
[0002] 隨著視頻業(yè)務(wù)在互聯(lián)網(wǎng)業(yè)務(wù)中所占的比重越來越大，能被網(wǎng)民所使用的視頻資源 也變得越來越多，諸如電視節(jié)目、原創(chuàng)視頻、電影節(jié)目等等，遍布全網(wǎng)的各大視頻業(yè)務(wù)提供 商也建立了大量的視頻數(shù)據(jù)庫來存儲這些視頻資源，供網(wǎng)民瀏覽觀看。與此同時，對網(wǎng)絡(luò)視 頻業(yè)務(wù)的監(jiān)管也越來越成為網(wǎng)監(jiān)部門的業(yè)務(wù)重心。針對互聯(lián)網(wǎng)上的視頻業(yè)務(wù)，網(wǎng)監(jiān)部門進 行了大量的監(jiān)控與管理，以保證其傳播內(nèi)容的安全性與合法性。然而，由于互聯(lián)網(wǎng)上的視 頻資源極其龐大，無論是普通用戶還是監(jiān)管部門，想要從中查找某一視頻往往需要輸入盡 可能詳盡的內(nèi)容，如片名、內(nèi)容簡介、主要演員、視頻類型等等，而往往通過這些信息找到的 視頻很難符合要求或者根本找不到對應(yīng)的視頻資源；而當網(wǎng)民想要通過一個視頻片段來找 到該片段對應(yīng)的完整視頻時，就需要自行對片段進行信息的提取，如辨認片段中的場景、演 員、情節(jié)等等，再將相應(yīng)內(nèi)容輸入進行檢索。顯然這樣的搜索具有很高的主觀性，不能很準 確且便捷地找到所需要的完整視頻；當需要對某一視頻資源的版權(quán)或完整性進行鑒別時， 也唯有通過人工檢驗這一途徑。顯然人工檢驗存在著很大的主觀性，容易因為這些因素導 致的誤差而引起不必要的紛爭。
[0003] 因此，目前基于視頻關(guān)鍵字進行視頻檢索的方式已經(jīng)無法適應(yīng)目前發(fā)展越來越快 速的視頻業(yè)務(wù)的要求；同時，傳統(tǒng)的人工檢驗或人工鑒別的方式由于其主觀性較強，已經(jīng)無 法滿足對視頻版權(quán)鑒別和視頻攻擊檢測等方面的需求。因此，在互聯(lián)網(wǎng)視頻業(yè)務(wù)進入高速 發(fā)展的時代來臨之際，為了能夠更好的管理、監(jiān)控和鑒別視頻，亟需一個能夠具有一定實時 性，同時兼具較好的精確度的快速視頻檢索系統(tǒng)，能夠?qū)崿F(xiàn)對視頻數(shù)據(jù)庫內(nèi)資源的快速檢 索、管理和鑒別等功能，保證用戶能夠簡單、快捷、準確的找到自己所需的一個或多個視頻。
[0004] 斯坦福大學在1992年發(fā)表了一篇闡述"視頻指紋"技術(shù)的學術(shù)文章，所述的視頻 指紋，就是指提取視頻內(nèi)容內(nèi)在的特征信息，然后基于這些特征信息通過算法得到一個與 視頻唯一對應(yīng)且能唯一標識視頻的數(shù)字序列，它不需要在視頻內(nèi)嵌入任何信息，保持了視 頻的完整性。
[0005] 相比于傳統(tǒng)的視頻水印或視頻哈希等技術(shù)，視頻指紋具有十分明顯的優(yōu)勢：首先， 視頻指紋是基于視頻內(nèi)容進行提取的，與視頻內(nèi)容具有唯一的相關(guān)性，因此當視頻內(nèi)容發(fā) 生改變時，很容易就能通過視頻指紋反映出來；其次，視頻指紋與內(nèi)容的唯一對應(yīng)的特性， 也讓通過視頻指紋進行檢索變得十分簡單，只需要搜索視頻指紋就能找到對應(yīng)的視頻，而 無需自行輸入諸多關(guān)鍵詞；最后，視頻指紋良好的魯棒性和區(qū)分性，能夠很好的滿足互聯(lián)網(wǎng) 視頻易受攻擊的特點，保證視頻受到攻擊之后還具有較好的區(qū)分性，以便于鑒權(quán)等應(yīng)用。因 此，在互聯(lián)網(wǎng)視頻內(nèi)容安全應(yīng)用方面的研究也越來越偏向于視頻指紋的研究和應(yīng)用，它開 拓了一種新的方法和思路。
[0006] 當前，在視頻指紋檢索匹配方面，Dutta和Saha等人提出了利用假設(shè)檢驗的方式 來進行視頻特征序列的匹配，從而實現(xiàn)對視頻拷貝進行檢測，算法的開銷較低，查找的準確 率尚能接受，但所提取的特征序列健壯性較差，只能抵御普通的變換等攻擊；Bronstein兄 弟則比較創(chuàng)造性的提出了利用生物DNA序列比對算法對視頻指紋序列進行比對的思想，該 算法將視頻指紋看作是與生物DNA類似的視頻基因，同時利用在生物DNA序列的比對技 術(shù)--FASTA算法來對視頻指紋進行匹配檢索，但由于FASTA算法步驟復(fù)雜，需要進行大量 的計算、比對、回溯來找到兩個序列的最佳比對，因此在時間效率上不夠好，無法達到實時 檢測的要求。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于粗細粒度的視頻指紋檢索 方法，能夠很好平衡視頻指紋的檢索效率和檢索開銷，使視頻指紋的檢索能夠保證一定的 準確率，同時具有較好的實時性，以實現(xiàn)視頻指紋快速檢索的目的。
[0008] 為實現(xiàn)上述發(fā)明目的，本發(fā)明一種基于粗細粒度的視頻指紋檢索方法，其特征在 于，包括以下步驟：
[0009] (1)、構(gòu)建哈希函數(shù)族
[0010] 構(gòu)建哈希函數(shù)gi(x)，i = 1，2，…，L，則整個哈希函數(shù)族的形式可表示為： gjx), g2(x), . . .，gjx)，其中，L表示哈希函數(shù)族中哈希函數(shù)的個數(shù)，X表示哈希函數(shù)的輸 入；
[0011] ⑵、構(gòu)建哈希桶
[0012] 將視頻指紋數(shù)據(jù)庫中庫存的視頻指紋作為哈希函數(shù)的輸入，用構(gòu)建的哈希函數(shù)族 進行計算，每個視頻指紋經(jīng)過哈希函數(shù)族中L個哈希函數(shù)計算，得到L個哈希值；
[0013] 所有視頻指紋計算得到的哈希值有η個不同的哈希值，則建立η個哈希桶，哈希桶 包括哈希桶存儲位以及桶位，哈希桶存儲位存儲哈希值，將η個不同的哈希值分別存儲到η 個哈希桶的哈希桶存儲位中，作為視頻指紋的檢索索引值；
[0014] 將每個哈希桶中的哈希值對應(yīng)的視頻指紋存放在該哈希桶的桶位中；
[0015] (3)、基于局部敏感哈希算法的視頻指紋粗粒度查找
[0016] 將待檢索的視頻指紋q作為哈希函數(shù)的輸入，用構(gòu)建的哈希函數(shù)族進行計算，經(jīng) 過哈希函數(shù)族中L個哈希函數(shù)計算，得到L個哈希值，將所得到的L個哈希值分別作為檢索 索引值，分別與η個哈希桶中的哈希值存儲位進行檢索對比；如果找到與該L個哈希值中一 個或多個具有相同哈希值的哈希桶，將檢索到的每個哈希桶桶位中的所有視頻指紋提取出 來，組成候選視頻指紋庫，最后在這個候選視頻指紋庫中，依次對每條視頻指紋與待檢索的 視頻指紋進行漢明距離計算，選出漢明距離最短的視頻指紋作為相似的視頻指紋h，進入步 驟（4);如果沒有找到與該L個哈希值中任何一個具有相同哈希值的哈希桶，則返回沒有檢 索到的結(jié)果，檢索結(jié)束；
[0017] (4)、基于改進的BLAST算法的視頻指紋細粒度查找
[0018] (4. 1)、設(shè)置窗口滑動步長N ;
[0019] (4. 2)、對待檢索的視頻指紋q和視頻指紋h進行窗口值計算；
[0020] 設(shè)置一滑動窗口，滑動窗口的起始位置為視頻指紋的第一位，即滑動窗口第一位 在視頻指紋的第一位上，將該滑動窗口分別在待檢索的視頻指紋q以及視頻指紋h上從起 始位置向后滑動至末尾，每次滑動的長度為窗口滑動步長N，并計算出每次滑動時，滑動窗 口所覆蓋的二進制序列的值作為窗口值，并依次排列，構(gòu)成窗口值序列；
[0021] (4. 3)、比對待檢索的視頻指紋q與視頻指紋h的窗口值；
[0022] 將視頻指紋h與待檢索視頻指紋q的窗口值序列的位置點同時從第一位依次向后 移動，直到位置點前出現(xiàn)相同的窗口值為止，以視頻指紋K視頻指紋q窗口值相同的位置 點為基準即對齊，比對視頻指紋h、視頻指紋q該位置點前后的所有窗口值，并統(tǒng)計相似度， 將視頻指紋h以及相似度作為檢索結(jié)果返回。
[0023] 本發(fā)明的發(fā)明目的是這樣實現(xiàn)的：
[0024] 本發(fā)明基于粗細粒度的視頻指紋檢索方法，通過分層分粒度的檢索方式對視頻指 紋進行檢索比對。利用局部敏感哈希算法對視頻指紋數(shù)據(jù)庫中的所有視頻指紋和待檢索視 頻指紋進行哈希處理，從而找到與待檢索視頻指紋最相似的視頻指紋，完成粗粒度的查找， 為有效降低視頻檢索的時間開銷做好了準備；在細粒度查找時，通過基于生物序列比對技 術(shù)BLAST改進的快速視頻指紋匹配機制，快速找到待檢索的視頻指紋是否存在于視頻指紋 數(shù)據(jù)庫中，還能進行視頻片段的匹配查找，并根據(jù)視頻指紋的特性確定待檢索視頻片段所 屬的完整視頻及其在其中出現(xiàn)的具體時間位置，這樣保證了視頻查找的準確性和實時性。
[0025] 同時，本發(fā)明基于粗細粒度的視頻指紋檢索方法還具有以下有益效果：
[0026] (1)、較好的保證了視頻指紋的檢索精確度，粗細兩種粒度的檢索方式，使得視頻 指紋檢索的結(jié)果能夠盡可能的精確。
[0027] (2)、在保證檢索精確度的前提下，盡可能的提高了視頻指紋檢索的實時性，使得 視頻指紋能夠具有較短的檢索時間，較好的平衡了檢索效率和檢索開銷之間的矛盾。
[0028] (3)、提供了新型的視頻檢索方式，除了能夠找出與目標指紋對應(yīng)的視頻指紋之 夕卜，還能找出視頻片段所提取的視頻指紋在完整視頻中的出現(xiàn)時間，大大豐富了用戶的檢 索類型，滿足了不同需求的檢索。

【專利附圖】

【附圖說明】
[0029] 圖1是本發(fā)明基于粗細粒度的視頻指紋檢索方法的流程圖；
[0030] 圖2是基于局部敏感哈希算法的視頻指紋檢索流程圖；
[0031] 表1是待檢視頻指紋序列第一步計算出二進制序列的所有窗口位置及對應(yīng)十進 制整數(shù)值的統(tǒng)計表。

【具體實施方式】
[0032] 下面結(jié)合附圖對本發(fā)明的【具體實施方式】進行描述，以便本領(lǐng)域的技術(shù)人員更好地 理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，當已知功能和設(shè)計的詳細描述也許 會淡化本發(fā)明的主要內(nèi)容時，這些描述在這里將被忽略。
[0033] 實施例
[0034] 圖1是本發(fā)明基于粗細粒度的視頻指紋檢索方法的流程圖。
[0035] 在本實施例中，如圖1所示，本發(fā)明基于粗細粒度的視頻指紋檢索方法，包括以下 步驟：
[0036] S1)、構(gòu)建哈希函數(shù)族
[0037] 構(gòu)建哈希函數(shù)gi(x)，i = 1，2，…，L，則整個哈希函數(shù)族的形式可表示為： gjx), g2(x), . . .，gjx)，其中，L表示整個哈希函數(shù)族中子集的個數(shù)；
[0038] 其中，哈希函數(shù)的具體構(gòu)建方法為：
[0039] a)、定義數(shù)據(jù)空間及其映射：對于哈希函數(shù)的輸入X表示為X = {x。x2, . . .，xd}， 其屬于d維空間，將d維空間P的點x映射到d'維空間Hd'另一個點x'方法為 ：，x' = Unary。(X) Unary。（x2)... Unary。（xd)，其中，Unary。（xD 表示 Xi 個 1 緊跟 c-Xi 個 0, c 表示空 間P中點x的坐標最大值；例如：當c = 4時，哈希函數(shù)的輸入x為{0, 2, 3, 4}，則它映射到 d' 維空間 Hd'的結(jié)果就為 X' = 0000110011101111 ;
[0040] b)、構(gòu)建一個哈希函數(shù)族：定義坐標集I = {1，2, 3,. . .，d'}，從坐標集I中取L個 子集，分別把它們記為Ii，12, . . .，將X' I Ii定義為：d'維空間Hd'內(nèi)的X'在子集Ii上 的投影，也就是把子集Ii中的每一個坐標作為位置索引在X'中進行檢索，將對應(yīng)X'中每 一個位置索引所對應(yīng)的二進制值取出并按順序排列，將排列的結(jié)果作為X' |li的值，即得 到所需的哈希值，哈希函數(shù)表示為gi(x) = X' I Ii，i = 1，2，…，L，整個哈希函數(shù)族的形式 就為&(3，&(3，...，&(3;其中，1'|11的值是點1'的一個投影值，對于不同長度的視 頻指紋序列將會得到長度固定的一個投影值；例如山={1，5, 7, 8}，d = 4, c = 4, X' = 0000110011101111對應(yīng)的哈希函數(shù)的輸入X即{0, 2, 3, 4}，那么X' | L的值就是X'中第1 位，第5位，第7位，第8位的二進制值，即X' | L = 0100 ;
[0041] S2)、構(gòu)建哈希桶
[0042] 利用構(gòu)建的哈希函數(shù)族計算視頻指紋數(shù)據(jù)庫中庫存的視頻指紋，每個視頻指紋 計算得到L個哈希值；將計算得到的不同哈希值存放在不同哈希桶中，作為視頻指紋的檢 索索引值，再將每個哈希桶中的哈希值對應(yīng)的視頻指紋存放在對應(yīng)哈希桶的桶位中；
[0043] 本實施例中，如圖2所示，通過對視頻指紋數(shù)據(jù)庫中庫存的視頻指紋進行哈希計 算，將不同哈希值的視頻指紋存放在不同哈希桶中，而相同哈希值的視頻指紋存放在同一 個哈希桶，而哈希桶的個數(shù)與不同哈希值的個數(shù)相同，每個不同的哈希值存放于不同的哈 希桶的哈希值存儲位中，作為視頻指紋的檢索索引值，從圖2可以看出，通過對視頻指紋數(shù) 據(jù)庫中庫存的所有視頻指紋計算后，得到η個不同的哈希值，從而生成了 η個哈希桶，再將η 個不同的哈希值依次存放在η個哈希桶的哈希值存儲位，將該哈希值對應(yīng)的視頻指紋依次 存儲在該哈希桶的桶位中；
[0044] 例如，通過對ρ' = 0000110011101111進行哈希計算，得到L個哈希值，其中 一個哈希值為0100,將0100存放在哈希桶1的哈希值存儲位1，將0100對應(yīng)的Ρ' = 0000110011101111存入到哈希桶1的桶位1 ;
[0045] S3)、輸入待檢索視頻指紋q ;
[0046] S4)、視頻指紋粗粒度查找；
[0047] 通過構(gòu)建的哈希函數(shù)族計算待檢索視頻指紋q，再利用所得到的哈希值在每個哈 希桶中的哈希值存儲位進行檢索對比，找到與該哈希值相同的哈希桶，例如：通過對待檢索 視頻指紋q進行哈希計算后，得到一個哈希值為〇1〇〇,通過對所有哈希桶進行檢索對比，找 到哈希桶1中存儲的哈希值與0100相同，從而找到了與0100相同的哈希桶；
[0048] 再通過該哈希桶的桶位檢索到視頻指紋數(shù)據(jù)庫中庫存的視頻指紋，即哈希桶1中 桶位的所有視頻指紋，將檢索的所有視頻指紋組成候選視頻指紋庫，最后在這個候選視頻 指紋庫中，依次對每條視頻指紋與待檢索的視頻指紋進行漢明距離計算，選出漢明距離最 短的視頻指紋作為相似的視頻指紋h，并作為最后的查詢結(jié)果，進入步驟S5)，關(guān)于兩條視 頻指紋的漢明距離的計算方法為現(xiàn)有技術(shù)，在此不再贅述；如果沒有找到與哈希值相同的 哈希桶，則檢索結(jié)束；
[0049] S5)、基于改進的BLAST算法的視頻指紋細粒度查找
[0050] S5. 1)、設(shè)置窗口滑動步長N ;
[0051] 待檢的視頻指紋包括完整視頻指紋和視頻片段指紋，將完整視頻指紋的窗口滑動 步長設(shè)為N = 16bit ;視頻片段指紋的窗口滑動步長設(shè)為N = lbit ;在本實施例中，待檢的 視頻指紋為視頻片段指紋；
[0052] S5. 2)、對待檢索視頻指紋q和視頻指紋h進行窗口值計算；
[0053] 設(shè)置一滑動窗口，滑動窗口的起始位置為視頻指紋的第一位，即滑動窗口第一位 在視頻指紋的第一位上，將該滑動窗口分別在待檢索的視頻指紋q以及視頻指紋h上從起 始位置向后滑動至末尾，每次滑動的長度為窗口滑動步長N，并計算出每次滑動時，滑動窗 口所覆蓋的二進制序列的值作為窗口值，并依次排列，構(gòu)成窗口值序列；
[0054] S5. 3)、比對待檢索視頻指紋q與視頻指紋h的窗口值；
[0055] 將視頻指紋h與待檢索視頻指紋q的窗口值序列的位置點同時從第一位依次向后 移動，直到位置點前出現(xiàn)相同的窗口值為止，以視頻指紋h、視頻指紋q窗口值相同的位置 點為基準即對齊，比對視頻指紋h、視頻指紋q該位置點前后的所有窗口值，并統(tǒng)計相似度， 將視頻指紋h以及相似度作為檢索結(jié)果返回。
[0056] 本實施例中，設(shè)輸入的視頻指紋q為視頻片段指紋，且視頻指紋q為：00001100001 10000000011001010100110111001 ;根據(jù)需求，設(shè)定一個16bit大小的窗口滑動窗口在每一 個位置上都有一個對應(yīng)的二進制序列和其對應(yīng)十進制整數(shù)，如表1所示；
[0057]
[0058]

【權(quán)利要求】
1. 一種基于粗細粒度的視頻指紋檢索方法，其特征在于，包括以下步驟： (1) 、構(gòu)建哈希函數(shù)族 構(gòu)建哈希函數(shù)gi(X)，i = 1，2，…，L，則整個哈希函數(shù)族的形式可表示為： gjx), g2(x), . . .，gjx)，其中，L表示哈希函數(shù)族中哈希函數(shù)的個數(shù)，X表示哈希函數(shù)的輸 入； (2) 、構(gòu)建哈希桶 將視頻指紋數(shù)據(jù)庫中庫存的視頻指紋作為哈希函數(shù)的輸入，用構(gòu)建的哈希函數(shù)族進行 計算，每個視頻指紋經(jīng)過哈希函數(shù)族中L個哈希函數(shù)計算，得到L個哈希值； 所有視頻指紋計算得到的哈希值有η個不同的哈希值，則建立η個哈希桶，哈希桶包括 哈希桶存儲位以及桶位，哈希桶存儲位存儲哈希值，將η個不同的哈希值分別存儲到η個哈 希桶的哈希桶存儲位中，作為視頻指紋的檢索索引值； 將每個哈希桶中的哈希值對應(yīng)的視頻指紋存放在該哈希桶的桶位中； (3) 、基于局部敏感哈希算法的視頻指紋粗粒度查找 將待檢索的視頻指紋q作為哈希函數(shù)的輸入，用構(gòu)建的哈希函數(shù)族進行計算，經(jīng)過哈 希函數(shù)族中哈希函數(shù)計算，得到L個哈希值，將所得到的L個哈希值分別作為檢索索引值， 分別與η個哈希桶中的哈希值存儲位進行檢索對比；如果找到與該L個哈希值中一個或 多個具有相同哈希值的哈希桶，將檢索到的每個哈希桶桶位中的所有視頻指紋提取出來， 組成候選視頻指紋庫，最后在這個候選視頻指紋庫中，依次對每條視頻指紋與待檢索的視 頻指紋進行計算，選出漢明距離最短的視頻指紋作為相似的視頻指紋h，進入步驟（4);如 果沒有找到與該L個哈希值中任何一個具有相同哈希值的哈希桶，則返回沒有檢索到的結(jié) 果，檢索結(jié)束； (4) 、基于改進的BLAST算法的視頻指紋細粒度查找 (4. 1)、設(shè)置窗口滑動步長N; (4. 2)、對待檢索的視頻指紋q和視頻指紋h進行窗口值計算； 設(shè)置一滑動窗口，滑動窗口的起始位置為視頻指紋的第一位，即滑動窗口第一位在視 頻指紋的第一位上，將該滑動窗口分別在待檢索的視頻指紋q以及視頻指紋h上從起始位 置向后滑動，每次滑動的長度為窗口滑動步長N，并計算出每次滑動時，滑動窗口所覆蓋的 二進制序列的值作為窗口值，并依次排列，構(gòu)成窗口值序列； (4. 3)、比對待檢索的視頻指紋q與視頻指紋h的窗口值； 將視頻指紋h與待檢索視頻指紋q的窗口值序列的位置點同時從第一位依次向后移 動，直到位置點前出現(xiàn)相同的窗口值為止，以視頻指紋h、視頻指紋q窗口值相同的位置點 為基準即對齊，比對視頻指紋h、視頻指紋q該位置點前后的所有窗口值，并統(tǒng)計相似度，將 視頻指紋h以及相似度作為檢索結(jié)果返回。
2. 根據(jù)權(quán)利要求1所述的基于粗細粒度的視頻指紋檢索方法，其特征在于，所述的哈 希函數(shù)的具體構(gòu)建方法為： a)、定義數(shù)據(jù)空間及其映射：對于哈希函數(shù)的輸入X表示為X = {xp x2,. . .，xd}，其屬于 d維空間，將d維空間P的點x映射到d'維空間Hd'另一個點x'方法為：，x' = UnaryJxJ 11仙巧。(12)...11仙巧。(1(1)，其中，11仙巧。匕）表示11個1緊跟(31 1個0，(3表示空間？中點1 的坐標最大值； b)、構(gòu)建一個哈希函數(shù)族：定義坐標集I = {1，2, 3,. . .，d'}，從坐標集I中取L個子 集，分別把它們記為L 12, . . .，1^將x'l Ii定義為：d'維空間Hd'內(nèi)的X'在子集L上的 投影，也就是把子集Ii中的每一個坐標作為位置索引在X'中進行檢索，將對應(yīng)X'中每一 個位置索引所對應(yīng)的二進制值取出并按順序排列，將排列的結(jié)果作為X' I Ii的值，即得到所 需的哈希值，哈希函數(shù)表示為gi(x) = X' I Ii，i = 1，2，…，L，整個哈希函數(shù)族的形式就為 Α(Χ)，&(Χ)，...，&(Χ);其中，X' |^的值是點X'的一個投影值，對于不同長度的視頻指紋 序列將會得到長度固定的一個投影值。
3. 根據(jù)權(quán)利要求1所述的基于粗細粒度的視頻指紋檢索方法，其特征在于，所述的視 頻指紋包括完整視頻指紋和視頻片段指紋。
4. 根據(jù)權(quán)利要求1所述的基于粗細粒度的視頻指紋檢索方法，其特征在于，所述步驟 (2. 1)中窗口滑動步長Ν的設(shè)置為：完整視頻的窗口滑動步長N = 16bit ;視頻片段的窗口 滑動步長N = lbit。
【文檔編號】G06F17/30GK104142984SQ201410344434
【公開日】2014年11月12日 申請日期:2014年7月18日 優(yōu)先權(quán)日:2014年7月18日
【發(fā)明者】徐杰, 張毅, 孫健, 李乾坤 申請人:電子科技大學