一种重复性音视频片段的检测方法.pdf

本发明公开了一种重复性音视频片段的检测方法。该方法包括下列步骤：将待检测的音视频片段中的视频流进行分割得到视频流片段，并从每一视频流片段中提取视频特征；在音视频片段中检测与视频流片段匹配的具有重复性的音视频片段的视频序列，得到重复性音视频片段；对所述重复性音视频片段，利用细粒度的视频匹配来精确地定位重复性音视频片段的起始和结束时间点；步骤D，对步骤C中精确地定位的重复性音视频片段，使用基于序列的方法对匹配对进行合并，得到完整的重复性音视频片段。其能够更准确、高效地检测出音视频中的特定音视频片段。

权利要求书一种重复性音视频片段的检测方法，其特征在于，包括下列步骤：
步骤A，将待检测的音视频片段中的视频流进行分割得到视频流片段，并从每一视频流片段中提取视频特征；
步骤B，在音视频片段中检测与视频流片段匹配的具有重复性的音视频片段的视频序列，得到重复性音视频片段。
步骤C，对所述重复性音视频片段，利用细粒度的视频匹配来精确地定位重复性音视频片段的起始和结束时间点；
步骤D，对步骤C中精确地定位的重复性音视频片段，使用基于序列的方法对匹配对进行合并，得到完整的重复性音视频片段。
根据权利要求1所述的重复性音视频片段的检测方法，其特征在于，所述步骤A包括下列步骤：
步骤A1，将待检测的音视频片段中的视频流分割为多个视频流片段，每个视频流片段为以一时间单元为一个单位进行标记；
步骤A2，从视频流片段中提取视频特征参数。
根据权利要求2所述的重复性音视频片段的检测方法，其特征在于，所述视频特征参数包括美尔倒谱系数，过零率和短时能量中一个参数或者一个以上的参数组合。
根据权利要求3所述的重复性音视频片段的检测方法，其特征在于，所述提取美尔倒谱系数，过零率和短时能量，包括下列步骤：
以40ms采集的视频数据量为一帧，相邻视频帧没有重复，提取12个美尔倒谱系数、过零率和短时能量共14个参数，来构成14维的帧特征参数。
根据权利要求1或2所述的重复性音视频片段的检测方法，其特征在于，所述在音视频流中检测与视频流片段匹配的具有重复性的音视频片段的视频序列，是通过利用欧氏距离作为粗粒度相似性匹配的距离测度实现的。
根据权利要求5所述的重复性音视频片段的检测方法，其特征在于，所述利用欧氏距离作为粗粒度相似性匹配的距离测度，包括下列步骤：
利用欧氏距离作为粗粒度相似性匹配的距离测度找到所有和它匹配的具有重复性的音视频小片段，并规定两个小片段中重复的部分大于一半才为匹配片段序列。
根据权利要求1所述的重复性音视频片段的检测方法，其特征在于，所述步骤D中，对匹配对进行合并，包括下列步骤：
对于检测匹配到的每一对精确匹配的重复性音视频片段，分别查找和它们的时间间隔小于预先设定好的阈值TT的所有匹配对，把新找到的匹配对和原来的匹配对进行连接，然后再次的重复检测匹配过程，直到没有满足条件的匹配对存在，得到的新的匹配对的开始和结束时间就是一个完整的重复性音视频片段的起始和结束时间。

说明书一种重复性音视频片段的检测方法
技术领域
本发明涉及视频视频片段的检测技术领域，特别是涉及一种重复性音视频片段的检测方法。
背景技术
音视频的自动检测就是利用计算机从一段视、音流中自动检测出特定音视频片段并精确地定位该特定音视频片段的位置。目前常见的音视频的自动检测的方法是基于规则的方法、基于标识的方法、基于识别的方法等。基于规则的方法，是针对音视频的一些特点人为的去制定一些规则。但现有技术方法的缺陷是选择表示音视频的特征有时不是足够的稳定，所以通过这些特征很难建立统一的检测系统。
基于标识的方法，如通过电视台的台标来检测音视频片段，但是，目前很多电视台在插播特定音视频片段（如广告）的时候不隐去台标，而且这种现象越来越多，所以这种通过台标检测音视频片段的方法就失效了。基于识别的方法，此方法要求事先有一个很大很全的存储广告的数据库，然后利用此数据库识别嵌入在电视节目里面的音视频片段，此方法不能检测出数据库中不存在的音视频片段。同时上述现有的检测方法几乎都是通过视频特征来实现音视频的检测。由于视频本身的特点，这些方法所需数据量大，特征复杂性高，计算速度慢。
发明内容
本发明的目的在于提供一种重复性音视频片段的检测方法和系统，其能够更准确、高效地检测出音视频中的特定音视频片段。
为实现本发明目的而提供的一种重复性音视频片段的检测方法，包括下列步骤：
步骤A，将待检测的音视频片段中的视频流进行分割得到视频流片段，并从每一视频流片段中提取视频特征；
步骤B，在音视频片段中检测与视频流片段匹配的具有重复性的音视频片段的视频序列，得到重复性音视频片段。
步骤C，对所述重复性音视频片段，利用细粒度的视频匹配来精确地定位重复性音视频片段的起始和结束时间点；
步骤D，对步骤C中精确地定位的重复性音视频片段，使用基于序列的方法对匹配对进行合并，得到完整的重复性音视频片段。
所述步骤A包括下列步骤：
步骤A1，将待检测的音视频片段中的视频流分割为多个视频流片段，每个视频流片段为以一时间单元为一个单位进行标记；
步骤A2，从视频流片段中提取视频特征参数。
所述视频特征参数包括美尔倒谱系数，过零率和短时能量中一个参数或者一个以上的参数组合。
所述提取美尔倒谱系数，过零率和短时能量，包括下列步骤：
以40ms采集的视频数据量为一帧，相邻视频帧没有重复，提取12个美尔倒谱系数、过零率和短时能量共14个参数，来构成14维的帧特征参数。
所述在音视频流中检测与视频流片段匹配的具有重复性的音视频片段的视频序列，是通过利用欧氏距离作为粗粒度相似性匹配的距离测度实现的。
所述利用欧氏距离作为粗粒度相似性匹配的距离测度，包括下列步骤：
利用欧氏距离作为粗粒度相似性匹配的距离测度找到所有和它匹配的具有重复性的音视频小片段，并规定两个小片段中重复的部分大于一半才为匹配片段序列。
所述步骤D中，对匹配对进行合并，包括下列步骤：
对于检测匹配到的每一对精确匹配的重复性音视频片段，分别查找和它们的时间间隔小于预先设定好的阈值TT的所有匹配对，把新找到的匹配对和原来的匹配对进行连接，然后再次的重复检测匹配过程，直到没有满足条件的匹配对存在，得到的新的匹配对的开始和结束时间就是一个完整的重复性音视频片段的起始和结束时间。
本发明的有益效果是：本发明的重复性音视频片段的检测方法，利用重复性音视频片段）的重复性是重复性音视频片段的最为稳定的特征，比其它的特点和规则要稳定，所以准确率会更高。此外本发明是采用视频特征检测重复性音视频片段，只用视频信息就足以表示、区分重复性音视频片段和正常节目，而视频信息比视频信息具有更少的数据量、复杂性更低的辨别特征以及更少的计算量和更加高效的计算速度。
附图说明
图1为本发明重复性音视频片段的检测方法流程图；
具体实施方式
下面结合上述目标详细介绍本发明重复性音视频片段的检测方法，包括下列步骤：
步骤S100，将待检测的音视频片段中的视频流进行分割得到视频流片段，并从每一视频流片段中提取视频特征；
步骤S110，将待检测的音视频片段中的视频流分割为多个视频流片段，每个视频流片段为以一时间单元为一个单位进行标记。
将待检测的音视频片段中的视频流提取出来，把该段视频流分割成一个个小视频片段，是视频检测的一个重要的准备步骤。
这里所谓的分割并不是把一大段视频流真正的分割成一个个n（如n=5）秒的小片段，而是人为的每隔n秒片段作一个标记，然后以n秒视频流为一个单位的视频流进行处理。其主要目的是更加方便的提取特征、更加高效进行各种处理。
本发明以没有重叠的长度为10秒的视频流片段，作为分割视频流的基本单元，对待检测的音视频片段中的视频流进行分割。
选择10秒为一个检测单元，是因为重复性音视频片段的长度一般都大于10秒，所以就不用去检测这10秒内是否有重复匹配的重复性音视频片段，而且还能保证找到所有重复的重复性音视频片段序列。
步骤S120，从视频流片段中提取视频特征参数。
视频特征参数特征提取是指寻找原始视频信号表达形式，提取能代表原始信号的数据。
本发明以40ms采集的视频数据量为一帧，相邻视频帧没有重复、即帧移也是40ms，提取12个美尔倒谱系数(Mel Frequency Cepstrum Coeficient，MFCC)、过零率和短时能量共14个参数，来构成14维的帧特征参数。
1)提取美尔倒谱系数(Mel‑Frequency Cepstral Coefficients，MFCC)。
MFCC特征是语音识别和说话人识别中经常采用的特征，它是利用三角滤波器组对傅立叶变换能量系数滤波而得，并且对其频域进行美尔（Mel）尺度变换，更符合人类的听觉特性。
2)提取过零率(Zero‑Crossing Rate，ZCR)
过零率是指单位时间内信号值通过零值的次数。其一定程度上说明了平均信号频率。当离散的时间信号相邻的两个取样具有不同的符号时，便出现“过零”现象。