基于卷积神经网络和频率域特征的视频拷贝检测方法

摘要：

为了解决视频特征鲁棒性差、计算复杂度高等问题,提出一种新的视频拷贝检测方法.该算法将深度卷积网络特征和传统手工特征相结合,提升特征检测的维数,提升检测准确度.方法首先使用密集连接卷积网络(DenseNet)提取关键帧的深度特征,并对关键帧进行离散余弦变换(DCT)提取系数特征,然后使用基于典型相关分析(CCA)的特征融合算法将2种特征进行有效融合,最后使用融合特征进行特征匹配.在标准数据集上的实验表明,本文提出的算法检测效果较好,在常见的拷贝变化下可以得到更高的检测精度.该算法可以作为一种有效的数字视频版权保护技术应用于数字视频的监管领域.

关键词：视频拷贝检测、特征表示、卷积神经网络(CNN)、典型相关分析(CCA)、离散余弦变换(DCT)、密集连接卷积网络(DenseNet)

所属期刊栏目：29

资助基金：国家重点研发计划2017YFB1401000

在线出版日期：2020-03-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1201-1205