一种视频特征提取方法、视频匹配方法及装置

摘要

本发明实施例公开了视频特征提取方法，包括：将输入的视频进行帧率变换，得到预设帧率的视频图片；将视频图片进行灰度处理，并将灰度处理后的图片进行时域信息代表图像的转换，得到第一图片；将第一图片进行抗噪变化，得到第一图片对应的多张第二图片；分别对每张第二图片进行分割，得到各自对应的具有相等区域大小的M个图片区域，并分别提取M个图片区域的颜色空间特征；M为大于1的整数；对提取的颜色空间特征进行二值化处理，并按照预设的排序规则进行排序后得到视频的二值特征序列。本发明还公开了视频匹配方法及相关装置，采用本发明有效解决了现有技术方案提取的视频特征抗噪能力不佳的技术问题，可以快速地完成版权检测。

权利要求

1.一种视频特征提取方法，其特征在于，包括：

将输入的视频进行帧率变换，得到预设帧率的视频图片；

将所述视频图片进行灰度处理，并将灰度处理后的图片进行时域信息代表图像的转换，得到第一图片；

将所述第一图片进行抗噪变化，得到所述第一图片对应的多张第二图片；

分别对每张第二图片进行分割，得到各自对应的具有相等区域大小的M个图片区域，并分别提取所述M个图片区域的颜色空间特征；所述M为大于1的整数；

对提取的所述颜色空间特征进行二值化处理，并按照预设的排序规则进行排序后得到所述视频的二值特征序列；

其中，所述将所述第一图片进行抗噪变化，得到所述第一图片对应的多张第二图片，包括：当检测到所述第一图片存在黑边时，删除所述第一图片中的黑边。

2.如权利要求1所述的方法，其特征在于，所述将所述第一图片进行抗噪变化，得到所述第一图片对应的多张第二图片，包括：对所述第一图片以预设角度和方向进行多次旋转，得到多张第二图片；其中每次旋转后的图片对应一张第二图片。

3.如权利要求2所述的方法，其特征在于，所述对所述第一图片以预设角度和方向进行多次旋转，得到多张第二图片之后，所述分别对每张第二图片进行分割之前，还包括：分别对所述第二图片进行裁剪和/或缩放处理，得到预设宽高比的第二图片。

4.如权利要求1所述的方法，其特征在于，所述分别提取所述M个图片区域的颜色空间特征，包括：分别计算所述M个图片区域的像素平均值；

所述对提取的所述颜色空间特征进行二值化处理，并按照预设的排序规则进行排序后得到所述视频的二值特征序列，包括：将属于同一个第二图片中的M个图片区域的像素平均值分别与整张所述第二图片的像素平均值进行对比，转换成二值特征；

将得到的M个二值特征按照预设的排序规则进行排序后得到所述视频对应的全局二值特征序列。

5.如权利要求4所述的方法，其特征在于，所述对提取的所述颜色空间特征进行二值化处理，并按照预设的排序规则进行排序后得到所述视频的二值特征序列，还包括：从属于同一个第二图片中的M个图片区域中提取K个图片区域；所述K为大于0，小于所述M的整数；

将所述K个图片区域的像素平均值分别与整张所述第二图片的像素平均值进行对比，转换成二值特征；

将得到的K个二值特征按照预设的排序规则进行排序后得到所述视频对应的局部二值特征序列。

6.如权利要求5所述的方法，其特征在于，执行多次所述从属于同一个第二图片中的M个图片区域中提取K个图片区域的步骤；每次执行中的K值相同或不同；

其中，在K值相同的步骤中，从属于同一个第二图片中的M个图片区域提取出的图片区域的位置不同。

7.如权利要求6所述的方法，其特征在于，所述按照预设的排序规则进行排序后得到所述视频的二值特征序列之后，还包括：将所述全局二值特征序列和所述局部二值特征序列分层单独存储，其中长度相同的二值特征序列存储在同一层中。

8.一种视频匹配方法，其特征在于，包括：

提取输入的第一视频的二值特征序列；

将所述第一视频的二值特征序列与特征库中存储的第二视频的二值特征序列进行匹配，并输出汉明距离小于预设阈值的特征对应的视频信息；

其中，所述第一视频的二值特征序列和所述第二视频的二值特征序列为通过权利要求

1-7任一项所述的视频特征提取方法提取出的特征序列。

9.如权利要求8所述的方法，其特征在于，当所述特征库分层存储有所述第二视频的全局二值特征序列和局部二值特征序列时，其中长度相同的二值特征序列存储在同一层中；

所述将所述第一视频的二值特征序列与特征库中存储的第二视频的二值特征序列进行匹配，包括：针对每个第一视频的二值特征序列，在所述特征库中查找出对应的层数；其中，所述层数中存储的所述第二视频的二值特征序列的长度与所述第一视频的二值特征序列的长度相同；

分别将每个第一视频的二值特征序列与各自对应的层数中的所述第二视频的二值特征序列进行匹配。

10.如权利要求8所述的方法，其特征在于，所述视频信息包括所述第一视频的时间点与所述第二视频的时间点的时域匹配信息；所述输出汉明距离小于预设阈值的特征对应的视频信息之后，还包括：根据所述时域匹配信息，通过预设的时间点映射算法进行时域匹配分析，得出所述第一视频中第一时长与所述第二视频中第二时长的匹配关系。

11.如权利要求10所述的方法，其特征在于，所述时间点映射算法包括时域缩放和/或偏移算法。

12.一种视频特征提取装置，其特征在于，包括：

帧率变换模块，用于将输入的视频进行帧率变换，得到预设帧率的视频图片；

灰度处理模块，用于将所述视频图片进行灰度处理；

时域变换模块，用于并将灰度处理后的图片进行时域信息代表图像的转换，得到第一图片；

抗噪变化模块，用于将所述第一图片进行抗噪变化，得到所述第一图片对应的多张第二图片；

分割模块，用于分别对每张第二图片进行分割，得到各自对应的具有相等区域大小的M个图片区域；

特征提取模块，用于分别提取所述M个图片区域的颜色空间特征；所述M为大于1的整数；

二值化处理模块，用于对提取的所述颜色空间特征进行二值化处理，并按照预设的排序规则进行排序后得到所述视频的二值特征序列；

其中，所述抗噪变化模块包括：

删除单元，用于当检测到所述第一图片存在黑边时，删除所述第一图片中的黑边。

13.如权利要求12所述的装置，其特征在于，所述抗噪变化模块包括：旋转单元，用于对所述第一图片以预设角度和方向进行多次旋转，得到多张第二图片；

其中每次旋转后的图片对应一张第二图片。

14.如权利要求13所述的装置，其特征在于，所述抗噪变化模块还包括：裁剪缩放单元，用于在所述旋转单元对所述第一图片以预设角度和方向进行多次旋转，得到多张第二图片之后，所述分割模块分别对每张第二图片进行分割之前，分别对所述第二图片进行裁剪和/或缩放处理，得到预设宽高比的第二图片。

15.如权利要求12所述的装置，其特征在于，所述特征提取模块具体用于分别计算所述M个图片区域的像素平均值；

所述二值化处理模块包括：

第一对比单元，用于将属于同一个第二图片中的M个图片区域的像素平均值分别与整张所述第二图片的像素平均值进行对比，转换成二值特征；

第一排序单元，用于将得到的M个二值特征按照预设的排序规则进行排序后得到所述视频对应的全局二值特征序列。

16.如权利要求15所述的装置，其特征在于，所述二值化处理模块还包括：区域提取单元，用于从属于同一个第二图片中的M个图片区域中提取K个图片区域；所述K为大于0，小于所述M的整数；

第二对比单元，用于将所述K个图片区域的像素平均值分别与整张所述第二图片的像素平均值进行对比，转换成二值特征；

第二排序单元，用于将得到的K个二值特征按照预设的排序规则进行排序后得到所述视频对应的局部二值特征序列。

17.如权利要求16所述的装置，其特征在于，所述区域提取单元执行多次所述从属于同一个第二图片中的M个图片区域中提取K个图片区域的步骤，次执行中的K值相同或不同；

其中，在K值相同的步骤中，从属于同一个第二图片中的M个图片区域提取出的图片区域的位置不同。

18.如权利要求17所述的装置，其特征在于，所述装置还包括：存储模块，用于在所述二值化处理模块按照预设的排序规则进行排序后得到所述视频的二值特征序列之后，将所述全局二值特征序列和所述局部二值特征序列分层单独存储，其中长度相同的二值特征序列存储在同一层中。

19.一种视频匹配装置，其特征在于，包括：

特征序列提取模块，用于提取输入的第一视频的二值特征序列；

匹配输出模块，用于将所述第一视频的二值特征序列与特征库中存储的第二视频的二值特征序列进行匹配，并输出汉明距离小于预设阈值的特征对应的视频信息；

其中，所述特征序列提取模块包括权利要求11-17任一项所述的视频特征提取装置；所述第一视频的二值特征序列和所述第二视频的二值特征序列为通过所述视频特征提取装置提取出的特征序列。

20.如权利要求19所述的装置，其特征在于，当所述特征库分层存储有所述第二视频的全局二值特征序列和局部二值特征序列时，其中长度相同的二值特征序列存储在同一层中；所述匹配输出模块包括：查找单元，用于针对每个第一视频的二值特征序列，在所述特征库中查找出对应的层数；其中，所述层数中存储的所述第二视频的二值特征序列的长度与所述第一视频的二值特征序列的长度相同；

序列匹配单元，用于分别将每个第一视频的二值特征序列与各自对应的层数中的所述第二视频的二值特征序列进行匹配。

21.如权利要求19所述的装置，其特征在于，所述视频信息包括所述第一视频的时间点与所述第二视频的时间点的时域匹配信息；所述装置还包括：时域匹配分析模块，用于在所述匹配输出模块输出汉明距离小于预设阈值的特征对应的视频信息之后，根据所述时域匹配信息，通过预设的时间点映射算法进行时域匹配分析，得出所述第一视频中第一时长与所述第二视频中第二时长的匹配关系。

22.如权利要求21所述的装置，其特征在于，所述时间点映射算法包括时域缩放和/或偏移算法。

说明书

一种视频特征提取方法、视频匹配方法及装置

技术领域

[0001] 本发明涉及计算机通信领域，尤其一种视频特征提取方法、视频匹配方法、视频特征提取装置以及视频匹配装置。

背景技术

[0002] 随着多媒体技术的发展，特别是互联网已成为日常生活不可缺少的一部分，视频内容变得越来越丰富，同时盗版视频也成倍出现。在多媒体版权保护中，版权鉴别者需要从大量的视频数据中，快速有效地检测到可能存在的拷贝并判断内容的所有权，这就需要对
视频进行指纹或特征提取等内容检索。

[0003] 现有技术中利用基于内容的版权检测(Content-Based Copy Detection，CBCD)对视频的版权进行保护，当前基于内容的版权检测最主要分为两种：基于空间颜色的视频指
纹(或视频特征)，以及基于特征提取的视频指纹(或视频特征)。

[0004] 基于空间颜色的视频指纹基本上是利用图片在某个时间段，特定区域的直方图。但是颜色的特征会根据视频的不同格式而改变，从而导致基于颜色的视频指纹不具有高的
抗噪能力，如添加商标，黑边等的变化。

[0005] 基于特征的视频指纹具有代表性的有二维离散余弦变换(2D-Discrete Cosine Transform，DCT)的视频指纹。通过2D-DCT转变后的视频指纹变成一个二维的向量，从而代表了视频在某一个区域的特征。对比起颜色空间的指纹，基于DCT的特征视频指纹对于视频格式引起的颜色空间有一定的抗噪能力。但DCT的特征指纹对于视频的压缩，商标，黑边添加，旋转等的变化抗噪能力不佳。

发明内容

[0006] 本发明实施例所要解决的技术问题在于，提供一种视频特征提取方法、视频匹配方法、视频特征提取装置以及视频匹配装置，有效解决了现有技术方案提取的视频特征抗
噪能力不佳的技术问题。

[0007] 为了解决上述技术问题，本发明实施例第一方面公开了一种视频特征提取方法，包括：

[0008] 将输入的视频进行帧率变换，得到预设帧率的视频图片；

[0009] 将所述视频图片进行灰度处理，并将灰度处理后的图片进行时域信息代表图像的转换，得到第一图片；

[0010] 将所述第一图片进行抗噪变化，得到所述第一图片对应的多张第二图片；

[0011] 分别对每张第二图片进行分割，得到各自对应的具有相等区域大小的M个图片区域，并分别提取所述M个图片区域的颜色空间特征；所述M为大于1的整数；

[0012] 对提取的所述颜色空间特征进行二值化处理，并按照预设的排序规则进行排序后得到所述视频的二值特征序列。

[0013] 本发明实施例第二方面公开了一种视频匹配方法，包括：

[0014] 提取输入的第一视频的二值特征序列；

[0015] 将所述第一视频的二值特征序列与特征库中存储的第二视频的二值特征序列进行匹配，并输出汉明距离小于预设阈值的特征对应的视频信息；

[0016] 其中，所述第一视频的二值特征序列和所述第二视频的二值特征序列为通过上述第一方面中视频特征提取方法提取出的特征序列。

[0017] 本发明实施例第三方面公开了一种视频特征提取装置，包括：

[0018] 帧率变换模块，用于将输入的视频进行帧率变换，得到预设帧率的视频图片；

[0019] 灰度处理模块，用于将所述视频图片进行灰度处理；

[0020] 时域变换模块，用于并将灰度处理后的图片进行时域信息代表图像的转换，得到第一图片；

[0021] 抗噪变化模块，用于将所述第一图片进行抗噪变化，得到所述第一图片对应的多张第二图片；

[0022] 分割模块，用于分别对每张第二图片进行分割，得到各自对应的具有相等区域大小的M个图片区域；

[0023] 特征提取模块，用于分别提取所述M个图片区域的颜色空间特征；所述M为大于1的整数；

[0024] 二值化处理模块，用于对提取的所述颜色空间特征进行二值化处理，并按照预设的排序规则进行排序后得到所述视频的二值特征序列。

[0025] 本发明实施例第四方面公开了一种视频匹配装置，特征序列提取模块，用于提取输入的第一视频的二值特征序列；

[0026] 匹配输出模块，用于将所述第一视频的二值特征序列与特征库中存储的第二视频的二值特征序列进行匹配，并输出汉明距离小于预设阈值的特征对应的视频信息；

[0027] 其中，所述特征序列提取模块包括上述第三方面的视频特征提取装置；所述第一视频的二值特征序列和所述第二视频的二值特征序列为通过所述视频特征提取装置提取
出的特征序列。

[0028] 本发明实施例第五方面公开了一种电子设备，包括处理器、存储器以及输入装置和输出装置；其中，所述处理器通过执行所述存储器中存储的视频特征提取程序，执行上述第一方面中的视频特征提取方法的全部步骤。

[0029] 本发明实施例第六方面公开了一种电子设备，包括处理器、存储器以及输入装置和输出装置；其中，所述处理器通过执行所述存储器中存储的视频匹配程序，执行上述第一方面中的视频匹配方法的全部步骤。

[0030] 实施本发明实施例，通过将输入的视频进行帧率变换，然后将视频图片进行灰度处理，并进行时域信息代表图像的转换得到第一图片，然后将第一图片进行抗噪变化，得到第一图片对应的多张第二图片；并分别对每张第二图片进行分割，得到各自对应的具有相
等区域大小的M个图片区域，并分别提取所述M个图片区域的颜色空间特征并进行二值化处
理，最终按照预设的排序规则进行排序后得到视频的二值特征序列，有效解决了现有技术
方案提取的视频特征抗噪能力不佳的技术问题，相对于现有技术的基于空间颜色的视频指
纹，具有更高的抗噪能力，不仅能处理视频空间的变化，如旋转，缩放等，而且也能很好地处理局部变化，如商标，黑边等；相对于现有技术中基于特征的视频指纹，具有高效的处理能力，能够快速地进行特征提取，并便于后续进行快速地视频匹配，已快速地完成版权检测。

附图说明

[0031] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0032] 图1是本发明实施例提供的视频特征提取方法的流程示意图；

[0033] 图2是本发明实施例提供的图片分割的示意图；

[0034] 图3是本发明实施例的对图片进行抗噪变化的流程示意图；

[0035] 图4是本发明实施例提供的特征提取和二值化处理的流程示意图；

[0036] 图5是本发明实施例提供的视频匹配方法的流程示意图；

[0037] 图6是本发明提供的视频匹配方法的另一实施例的流程示意图；

[0038] 图7是本发明提供的最小二乘法的几何意义的原理示意图；

[0039] 图8是本发明实施例提供的视频特征提取装置的结构示意图；

[0040] 图9是本发明实施例提供的抗噪变化模块的结构示意图；

[0041] 图10是本发明实施例提供的二值化处理模块的结构示意图；

[0042] 图11是本发明提供的二值化处理模块的另一实施例的结构示意图；

[0043] 图12是本发明提供的视频特征提取装置的另一实施例的结构示意图；

[0044] 图13是本发明提供的视频特征提取装置的另一实施例的结构示意图；

[0045] 图14是本发明实施例提供的视频匹配装置的结构示意图；

[0046] 图15是本发明实施例提供的匹配输出模块的结构示意图；

[0047] 图16是本发明提供的视频匹配装置的另一实施例的结构示意图；

[0048] 图17是本发明提供的视频匹配装置的另一实施例的结构示意图。

具体实施方式

[0049] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。

[0050] 参见图1，是本发明实施例提供的视频特征提取方法的流程示意图，包括以下步骤：

[0051] 步骤S100：将输入的视频进行帧率变换，得到预设帧率的视频图片；

[0052] 具体地，对输入的视频在时间上进行帧率变换，得到每秒J帧(预设帧率)的视频图片；该J为正整数，例如该预设帧率J帧/秒可以为5帧/秒，本发明实施例不限定J的大小，用户可以根据自身需求或经验数据等来设置J的大小。

[0053] 步骤S102：将所述视频图片进行灰度处理，并将灰度处理后的图片进行时域信息代表图像的转换，得到第一图片；

[0054] 具体地，对J帧图片进行灰度处理，得到灰度处理后的图片，例如得到黑白图片；然后对该灰度处理后的图片进行时域信息代表图像(Temporal  Informative Representative Image，TIRI)的转换，其中可以通过以下公式1来转换：

[0055]

[0056] 其中，p(x,y,i)是第i个图像的像素值。ωi是系数，系数的计算可以是常数，也可以是基于其它模形计算出来的值，如直线，指数曲线等。基于TIRI转换之后，得到每秒仅有一个TIRI的图片(即第一图片)，可以为后续增加视频指纹的高效性和抗噪能力打下基础。

[0057] 步骤S104：将所述第一图片进行抗噪变化，得到所述第一图片对应的多张第二图片；

[0058] 具体地，本发明实施例为了提高颜色空间指纹的鲁棒性，在视频特征(即视频指纹)提取之前进行抗噪变化，组成具有抗噪的多个样本(即多张第二图片)作为后续指纹匹
配的样本。

[0059] 步骤S106：分别对每张第二图片进行分割，得到各自对应的具有相等区域大小的M个图片区域，并分别提取所述M个图片区域的颜色空间特征；所述M为大于1的整数；

[0060] 具体地，可以将第二图片分割成P*Q个相等区域的图片区域，该P*Q的大小即为该M，该P和Q为大于等于1的正整数，且P和Q不同时等于1；如图2示出的本发明实施例提供的图片分割的示意图，以P和Q都等于4为例，可以将第二图片分割成4*4个相等区域的图片区域；
然后分别提取该16个图片区域的颜色空间特征。可理解的是，步骤S106是分别对每张第二
图片进行分割和特征提取，因此分别得到多张第二图片各自的M个图片区域的颜色空间特
征。

[0061] 步骤S108：对提取的所述颜色空间特征进行二值化处理，并按照预设的排序规则进行排序后得到所述视频的二值特征序列。

[0062] 具体地，本发明实施例中的二值化处理可以包括对特征进行平均分割，或其它分割方式(如中值分割等)来转变，得到每个图片区域对应的二值特征Bx,y，其中该x的取值可以依次为0至P-1，y的取值可以依次为1至Q。本发明实施例中的预设的排序规则可以包括但不限于如下排序方式：

[0063] 以P和Q都等于4为例，排序后的该视频的二值特征序列可以为B0,1，B0,2,B0,3，B0,4,，B1,1,，B1,2,，B1,3,，B1,4,，B2,1,，B2,2,，B2,3,，B2,4,，B3,1,，B3,2,，B3,3,，B3,4。排序后的该视频的二值特征序列还可以为B0,1，B1,1,B2,1，B3,1,，B0,2,，B1,2,，B2,2,，B3,2,，B0,3,，B1,3,，B2,3,，B3,3,，B0,4,，B1,4,，B2,4,，B4,4。又或者以上排序的倒序等等。

[0064] 可理解的是，每张第二图片对应的各自的二值特征序列，即多张第二图片对应的多个二值特征序列，组成该视频的二值特征序列。

[0065] 实施本发明实施例，通过将输入的视频进行帧率变换，然后将视频图片进行灰度处理，并进行时域信息代表图像的转换得到第一图片，然后将第一图片进行抗噪变化，得到第一图片对应的多张第二图片；并分别对每张第二图片进行分割，得到各自对应的具有相
等区域大小的M个图片区域，并分别提取所述M个图片区域的颜色空间特征并进行二值化处
理，最终按照预设的排序规则进行排序后得到视频的二值特征序列，有效解决了现有技术
方案提取的视频特征抗噪能力不佳的技术问题，相对于现有技术的基于空间颜色的视频指
纹，具有更高的抗噪能力，不仅能处理视频空间的变化，如旋转，缩放等，而且也能很好地处理局部变化，如商标，黑边等；相对于现有技术中基于特征的视频指纹，具有高效的处理能力，能够快速地进行特征提取，并便于后续进行快速地视频匹配，已快速地完成版权检测。

[0066] 进一步地，结合图3示出的本发明实施例的对图片进行抗噪变化的流程示意图，详细说明本发明如何对该第一图片进行抗噪变化，得到该第一图片对应的多张第二图片，可
以包括以下步骤：

[0067] 步骤S300：当检测到所述第一图片存在黑边时，删除所述第一图片中的黑边；

[0068] 具体地，可以先对该第一图片进行黑边检测，当检测到该第一图片存在黑边(即固定的黑色区域时)，即删除该第一图片中的黑边，若监测不到该第一图片存在黑边，可以直接执行步骤S302。

[0069] 步骤S302：对所述第一图片以预设角度和方向进行多次旋转，得到多张第二图片；其中每次旋转后的图片对应一张第二图片；

[0070] 具体地，本发明实施例不限定预设角度R°以及n次旋转的大小，也不限定旋转的方向。例如可以顺时针对该第一图片进行每次30°的旋转，旋转5次，得到5张第二图片；或者进行每次40°的旋转，旋转6次，得到6张第二图片，等等。其中R*n的大小可以小于360。

[0071] 步骤S304：分别对所述第二图片进行裁剪和/或缩放处理，得到预设宽高的第二图片。

[0072] 具体地，本发明实施例中的第二图片为矩形图片，本发明实施例不限定预设宽高W*H的大小，用户可以根据自身需求或经验数据等来设置W和H的大小，该W和H为正数。若经过步骤S302直接得到的第二图片的宽高比与该预设宽高W*H的宽高比相同时，可以不对该
第二图片进行裁剪，直接将该第二图片的宽高缩放成该预设宽高W*H即可，否则需要对该第二图片经过裁剪和缩放后，将宽高调整为该预设宽高W和H；若经过步骤S302直接得到的第
二图片的宽高与该预设宽高W*H一致时，可以无需进行裁剪和缩放处理，也就是说本发明实施例不一定执行步骤S304。

[0073] 需要说明的是，优选地通过图3实施例的方式来实现对图片进行抗噪变化可以快速高效地在视频特征提取之前完成抗噪变化，不但提高了颜色空间指纹的鲁棒性，而且提
高了整个视频提取过程的效率。但本发明实施例不限定于图3实施例的方式，其它可以提高颜色空间指纹(或颜色空间特征)的鲁棒性的抗噪变化的实施方式都落入本发明视频特征
提取的技术方案的保护范围中。

[0074] 再进一步地，结合图4示出的本发明实施例提供的特征提取和二值化处理的流程示意图，举例说明上述步骤S106中分别提取M个图片区域的颜色空间特征以及步骤S108的
实施方式，可以包括如下步骤：

[0075] 步骤S400：分别计算所述M个图片区域的像素平均值；

[0076] 具体地，以P和Q都等于4为例，可以将第二图片分割成4*4个相等区域的图片区域，也就是说M等于16，分别计算该16个图片区域的像素平均值Ax,y，其中该x的取值可以依次为0至P-1，y的取值可以依次为1至Q。

[0077] 步骤S402：将属于同一个第二图片中的M个图片区域的像素平均值分别与整张所述第二图片的像素平均值进行对比，转换成二值特征；

[0078] 具体地，本实施例通过平均分割为例，来进行二值化处理。系统可以预先计算整张第二图片的像素平均值C，然后通过以下公式2，将特征转变为二值特征：

[0079]

[0080] 在转变之后，为增加局部不相似的抗噪能力，本发明实施例可以将特征的组合分为两种，全局二值特征序列和局部二值特征序列两种，具体如步骤S404至步骤S410。

[0081] 步骤S404：将得到的M个二值特征按照预设的排序规则进行排序后得到所述视频对应的全局二值特征序列；

[0082] 具体地，将得到的全部二值特征(如步骤S400的举例为16个二值特征)按照预设的排序规则进行排序后得到该视频对应的全局二值特征序列，具体的排序方式可以参考上述
图1实施例中步骤S108中的描述，这里不再赘述。

[0083] 步骤S406：从属于同一个第二图片中的M个图片区域中提取K个图片区域；所述K为大于0，小于所述M的整数；

[0084] 具体地，同样地如步骤S400，以M等于16为例，可以提取K个图片区域，该K为大于0，小于16的整数，例如15、14等。用户可以根据视频的实际情况来确认K的大小以及位置，例如一般情况下视频的右上角或左上角存在商标图样，那么可以提取除该右上角或左上角区域的其它区域作为K个图片区域。

[0085] 可理解的是，本发明实施例是通过将第一图片进行抗噪变化，得到该第一图片对应的多张第二图片，那么步骤S406中每次提取的该K个图片区域为同属于一个第二图片的
图片区域，因此后续得到的每个局部二值特征序列也是对应一个第二图片；而且对同一张
第二图片提取的位置不同，可以得到不同的K个图片区域，例如K为15，但提取的图片区域的位置不同，可以得到不同的长度为15的局部二值特征序列。

[0086] 步骤S408：将所述K个图片区域的像素平均值分别与整张所述第二图片的像素平均值进行对比，转换成二值特征；

[0087] 具体地，同样可以通过公式2来计算出K个二值特征。

[0088] 步骤S410：将得到的K个二值特征按照预设的排序规则进行排序后得到所述视频对应的局部二值特征序列；

[0089] 具体地，将得到的K个二值特征(如15或14个二值特征)按照预设的排序规则进行排序后得到该视频对应的局部二值特征序列，具体的排序方式可以参考上述图1实施例中
步骤S108中的描述，这里不再赘述。

[0090] 步骤S412：将所述全局二值特征序列和所述局部二值特征序列分层单独存储，其中长度相同的二值特征序列存储在同一层中。

[0091] 具体地，经过全局和局部的二值特征提取后，可以将特征分层来单独存储，将长度相同的二值特征序列存储在同一层中，也就是说，不同长度的二值特征序列存储在不同的层里。以M等于16为例，全局二值特征序列的长度为16，若进行了K＝15个图片区域提取后，并且进行了多次图片区域位置不同的提取，那么可以得到多个不同的长度为15的局部二值
特征序列，将该多个长度为15的局部二值特征序列单独存储在同一层中，而将长度为14的
局部二值特征序列单独存储在另一层中，以实现分层单独存储。

[0092] 需要说明的是，再以M等于16为例，若分别提取了15个和14个图片区域，且对15个图片区域提取时进行了3次不同图片区域位置的提取，即得到3个不同的长度为15的局部二
值特征序列，而对14个图片区域提取时进行了5次不同图片区域位置的提取，即得到5个不
同的长度为15的局部二值特征序列，那么对二值特征序列的存储可以分3层，其中一层存储
16个全局二值特征序列，另一层存储3个不同的15个全局二值特征序列，另一层存储5个不
同的14个全局二值特征序列。

[0093] 还需要说明的是，存储的视频特征信息可以包括视频的标识，视频的时间信息、以及每个时间点对应的视频特征；本发明实施例在存储视频特征信息时可以通过倒排表的方式(Invert Index File，IIF)建造索引来进行存储，也就是说，按照视频特征、视频的时间信息到视频的标识的索引顺序来存储，那么后续的视频匹配可以从比较视频特征开始，然
后再获取匹配的视频的时间信息，最终获取对应的哪个视频。

[0094] 实施本发明实施例，通过将输入的视频进行帧率变换，然后将视频图片进行灰度处理，并进行时域信息代表图像的转换得到第一图片，然后将第一图片进行抗噪变化，得到第一图片对应的多张第二图片；并分别对每张第二图片进行分割，得到各自对应的具有相
等区域大小的M个图片区域，并分别提取所述M个图片区域的颜色空间特征并进行二值化处
理，最终按照预设的排序规则进行排序后得到视频的二值特征序列，有效解决了现有技术
方案提取的视频特征抗噪能力不佳的技术问题，相对于现有技术的基于空间颜色的视频指
纹，具有更高的抗噪能力，不仅能处理视频空间的变化，如旋转，缩放等，而且也能很好地处理局部变化，如商标，黑边等；相对于现有技术中基于特征的视频指纹，具有高效的处理能力，能够快速地进行特征提取，并便于后续进行快速地视频匹配，已快速地完成版权检测。

[0095] 再进一步地，如图5示出的本发明实施例提供的视频匹配方法的流程示意图，详细说明本发明的视频匹配方法的技术方案，包括以下步骤：

[0096] 步骤S500：提取输入的第一视频的二值特征序列；

[0097] 具体地，对该第一视频的特征提取为通过上述图1至图4任意实施例的方式来提取出的二值特征序列，这里不再赘述。

[0098] 步骤S502：将所述第一视频的二值特征序列与特征库中存储的第二视频的二值特征序列进行匹配，并输出汉明距离小于预设阈值的特征对应的视频信息；

[0099] 具体地，该特征库中存储的第二视频的二值特征序列也为通过上述图1至图4任意实施例的方式来提取出并进行存储的二值特征序列，这里不再赘述；将相同长度的第一视
频的二值特征序列与第二视频的二值特征序列进行比对，求汉明距离，从而输出汉明距离
小于预设阈值的特征对应的视频信息，本发明实施例中该视频信息可以包括该第一视频的
时间点与该第二视频的时间点的时域匹配信息，例如得出第一视频的第5秒的视频内容(即
视频图片)与第二视频的第10秒的视频内容匹配，第一视频的第8秒的视频内容与第二视频
的第23秒的视频内容匹配，等等。

[0100] 实施本发明实施例，在提取视频特征的过程中通过将输入的视频进行帧率变换，然后将视频图片进行灰度处理，并进行时域信息代表图像的转换得到第一图片，然后将第
一图片进行抗噪变化，得到第一图片对应的多张第二图片；并分别对每张第二图片进行分
割，得到各自对应的具有相等区域大小的M个图片区域，并分别提取所述M个图片区域的颜
色空间特征并进行二值化处理，最终按照预设的排序规则进行排序后得到视频的二值特征
序列，有效解决了现有技术方案提取的视频特征抗噪能力不佳的技术问题，相对于现有技
术的基于空间颜色的视频指纹，具有更高的抗噪能力，不仅能处理视频空间的变化，如旋
转，缩放等，而且也能很好地处理局部变化，如商标，黑边等；相对于现有技术中基于特征的视频指纹，具有高效的处理能力，能够快速地进行特征提取，因此能够实现快速视频匹配，已快速地完成版权检测。

[0101] 进一步地，当该特征库分层存储有该第二视频的全局二值特征序列和局部二值特征序列时，其中长度相同的二值特征序列存储在同一层中；那么步骤S502可以具体包括：针对每个第一视频的二值特征序列，在该特征库中查找出对应的层数；其中，该层数中存储的该第二视频的二值特征序列的长度与该第一视频的二值特征序列的长度相同；分别将每个
第一视频的二值特征序列与各自对应的层数中的该第二视频的二值特征序列进行匹配。

[0102] 具体地，如对长度为15的第一视频的二值特征序列进行匹配时，从该特征库中查找出对应的层数，该层数存储的第二视频的二值特征序列的长度都为15，然后将该第一视
频的二值特征序列与该层数中的各个第二视频的二值特征序列进行匹配，输出匹配结果。
如对长度为14的第一视频的二值特征序列进行匹配时，从该特征库中查找出对应的层数，
该层数存储的第二视频的二值特征序列的长度都为14，然后将该第一视频的二值特征序列
与该层数中的各个第二视频的二值特征序列进行匹配，输出匹配结果。由于特征库中存储
的局部二值特征序列是从整张原视频图片中提取的一些图片区域而生成的二值特征序列，
且提取的图片区域位置可以是多样，因此全局二值特征有效解决了现有技术方案提取的视
频特征抗噪能力不佳的技术问题，不仅能处理视频空间的变化，如旋转，缩放等，而且也能很好地处理局部变化，如商标，黑边等。

[0103] 再进一步地，如图6示出的本发明提供的视频匹配方法的另一实施例的流程示意图，包括以下步骤：

[0104] 步骤S600：提取输入的第一视频的二值特征序列；

[0105] 步骤S602：将所述第一视频的二值特征序列与特征库中存储的第二视频的二值特征序列进行匹配，并输出汉明距离小于预设阈值的特征对应的视频信息；

[0106] 具体地，步骤S600和步骤S602可以对应参考上述步骤S500和步骤S502的描述，这里不再赘述。

[0107] 步骤S604：根据所述时域匹配信息，通过预设的时间点映射算法进行时域匹配分析，得出所述第一视频中第一时长与所述第二视频中第二时长的匹配关系。

[0108] 具体地，本发明实施例中的时间点映射算法可以包括但不限于时域缩放和/或偏移算法、时域曲线算法等，优选地，本发明采用线性的时域缩放和/或偏移算法，例如可以将多组匹配的该第一视频的时间点x和该第二视频的时间点y代入公式ax+by＝c，利用最小二
乘法计算出a、b和c，然后根据a、b和c计算得到该第一视频中第一时长与该第二视频中第二时长的匹配关系。

[0109] 再具体地，本发明实施例中以预设的时间点映射算法为以下公式3为例进行说明：

[0110] ax+by＝c  公式3

[0111] 其中，该x为输入的第一视频的视频时间点，该y为特征库中存储的第二视频(即原视频)的视频时间点。那么步骤S602中输出的时域匹配信息至少包括2个以上的匹配信息才
能求解公式3中的未知数值，例如输出的时域匹配信息包括：第一视频的第5秒的视频内容
与第二视频的第10秒的视频内容匹配，第一视频的第8秒的视频内容与第二视频的第23秒
的视频内容匹配，以及第一视频的第10秒的视频内容与第二视频的第26秒的视频内容匹
配，那么可以组成一下方程组：

[0112]

[0113] 本发明实施例可以通过最小二乘法(或最小平方法)来求解方程组，当存在超过2个的匹配信息时，公式ax+by＝c可以转换成最小二乘法的矩阵形式：

[0114] xβ＝y，

[0115] 其中

[0116] m为步骤S602得到的匹配信息的个数，n为未知数的个数(即3)，m大于n；显然该方程组一般而言没有解，所以为了选取最合适的β让该等式“尽量成立”，引入残差平方和函数S：

[0117] S(β)＝||xβ-y||2

[0118] 当 时，S(β)取最小值，记作：

[0119]

[0120] 通过对S(β)进行微分求最值，可以得到：

[0121]

[0122] 如果矩阵xTx非奇异则β有唯一解：

[0123]

[0124] 本发明实施例利用最小二乘法可以简便地求得未知的数据β(也即可以得到公式中的a、b和c)，并使得这些求得的数据与实际数据之间误差的平方和为最小，具体如图7所示的本发明提供的最小二乘法的几何意义的原理示意图，根据定义中的误差平方之和最小
化来拟合直线，从而得到该第一视频中第一时长与该第二视频中第二时长的匹配关系，例
如第一视频的第1至3秒与第二视频的第2至6秒匹配，相当于第二视频播放该段视频的速度
与第一视频的相比线性地放慢了1倍，从而可以估计视频时域的变形信息，并得出相同视频内容的对应的时间段。

[0125] 实施本发明实施例，在提取视频特征的过程中通过将输入的视频进行帧率变换，然后将视频图片进行灰度处理，并进行时域信息代表图像的转换得到第一图片，然后将第
一图片进行抗噪变化，得到第一图片对应的多张第二图片；并分别对每张第二图片进行分
割，得到各自对应的具有相等区域大小的M个图片区域，并分别提取所述M个图片区域的颜
色空间特征并进行二值化处理，最终按照预设的排序规则进行排序后得到视频的二值特征
序列，有效解决了现有技术方案提取的视频特征抗噪能力不佳的技术问题，相对于现有技
术的基于空间颜色的视频指纹，具有更高的抗噪能力，不仅能处理视频空间的变化，如旋
转，缩放等，而且也能很好地处理局部变化，如商标，黑边等；相对于现有技术中基于特征的视频指纹，具有高效的处理能力，能够快速地进行特征提取，因此能够实现快速视频匹配，并在视频匹配过程中进行时域匹配分析，能已快速地完成版权检测，得到匹配的视频对应
的时间段，满足了用户对视频的版权进行初步验证的需求。

[0126] 为了便于更好地实施本发明实施例的上述方案，本发明还对应提供了一种视频特征提取装置，如图8示出的本发明实施例提供的视频特征提取装置的结构示意图，视频特征提取装置80可以包括：帧率变换模块800、灰度处理模块802、时域变换模块804、抗噪变化模块806、分割模块808、特征提取模块8010和二值化处理模块8012，其中，

[0127] 帧率变换模块800用于将输入的视频进行帧率变换，得到预设帧率的视频图片；

[0128] 灰度处理模块802用于将所述视频图片进行灰度处理；

[0129] 时域变换模块804用于并将灰度处理后的图片进行时域信息代表图像的转换，得到第一图片；

[0130] 抗噪变化模块806用于将所述第一图片进行抗噪变化，得到所述第一图片对应的多张第二图片；

[0131] 分割模块808用于分别对每张第二图片进行分割，得到各自对应的具有相等区域大小的M个图片区域；

[0132] 特征提取模块8010用于分别提取所述M个图片区域的颜色空间特征；所述M为大于1的整数；

[0133] 二值化处理模块8012用于对提取的所述颜色空间特征进行二值化处理，并按照预设的排序规则进行排序后得到所述视频的二值特征序列。

[0134] 具体地，如图9示出的本发明实施例提供的抗噪变化模块的结构示意图，抗噪变化模块806可以包括删除单元8060和旋转单元8062，其中，

[0135] 删除单元8060用于当检测到所述第一图片存在黑边时，删除所述第一图片中的黑边；

[0136] 旋转单元8062用于对所述第一图片以预设角度和方向进行多次旋转，得到多张第二图片；其中每次旋转后的图片对应一张第二图片。

[0137] 抗噪变化模块806还可以包括裁剪缩放单元8064，用于在旋转单元8062对所述第一图片以预设角度和方向进行多次旋转，得到多张第二图片之后，分割模块808分别对每张第二图片进行分割之前，分别对所述第二图片进行裁剪和/或缩放处理，得到预设宽高比的第二图片。

[0138] 进一步地，本发明实施例中的特征提取模块8010具体可以用于分别计算所述M个图片区域的像素平均值；如图10示出的本发明实施例提供的二值化处理模块的结构示意
图，二值化处理模块8012可以包括第一对比单元80120和第一排序单元80122，其中，

[0139] 第一对比单元80120用于将属于同一个第二图片中的M个图片区域的像素平均值分别与整张所述第二图片的像素平均值进行对比，转换成二值特征；

[0140] 第一排序单元80122用于将得到的M个二值特征按照预设的排序规则进行排序后得到所述视频对应的全局二值特征序列。

[0141] 再进一步地，如图11示出的本发明提供的二值化处理模块的另一实施例的结构示意图，二值化处理模块8012包括第一对比单元80120和第一排序单元80122外，还可以包括：
区域提取单元80124、第二对比单元80126和第二排序单元80128，其中，

[0142] 区域提取单元80124用于从属于同一个第二图片中的M个图片区域中提取K个图片区域；所述K为大于0，小于所述M的整数；

[0143] 第二对比单元80126用于将所述K个图片区域的像素平均值分别与整张所述第二图片的像素平均值进行对比，转换成二值特征；

[0144] 第二排序单元80128用于将得到的K个二值特征按照预设的排序规则进行排序后得到所述视频对应的局部二值特征序列。

[0145] 具体地，本发明实施例的区域提取单元80124可以执行多次所述从属于同一个第二图片中的M个图片区域中提取K个图片区域的步骤，次执行中的K值相同或不同；

[0146] 其中，在K值相同的步骤中，从属于同一个第二图片中的M个图片区域提取出的图片区域的位置不同。

[0147] 再进一步地，如图12示出的本发明提供的视频特征提取装置的另一实施例的结构示意图，视频特征提取装置80包括帧率变换模块800、灰度处理模块802、时域变换模块804、抗噪变化模块806、分割模块808、特征提取模块8010和二值化处理模块8012外，还可以包括存储模块8014，用于在二值化处理模块8012按照预设的排序规则进行排序后得到所述视频
的二值特征序列之后，将所述全局二值特征序列和所述局部二值特征序列分层单独存储，
其中长度相同的二值特征序列存储在同一层中。

[0148] 请参阅图13，图13是本发明提供的视频特征提取装置的另一实施例的结构示意图。其中，如图13所示，视频特征提取装置130可以包括：至少一个处理器1301，例如CPU，至少一个网络接口1304，用户接口1303，存储器1305，至少一个通信总线1302以及显示屏
1306。其中，通信总线1302用于实现这些组件之间的连接通信。其中，用户接口1303可以包括触摸屏、键盘或鼠标等等。网络接口1304可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1305可以是高速RAM存储器，也可以是非不稳定的存储器(non-
volatile memory)，例如至少一个磁盘存储器，存储器1305包括本发明实施例中的flash。
存储器1305可选的还可以是至少一个位于远离前述处理器1301的存储系统。如图13所示，
作为一种计算机存储介质的存储器1305中可以包括操作系统、网络通信模块、用户接口模
块以及视频特征提取程序；显示屏1306可以看作输出装置，用户接口1303可以看作输入装
置，网络接口1304即可以看作输入装置也可以看作输出装置。

[0149] 在图13所示的视频特征提取装置130中，处理器1301可以用于调用存储器1305中存储的视频特征提取程序，并执行以下操作：

[0150] 将从输入装置输入的视频进行帧率变换，得到预设帧率的视频图片；

[0151] 将所述视频图片进行灰度处理，并将灰度处理后的图片进行时域信息代表图像的转换，得到第一图片；

[0152] 将所述第一图片进行抗噪变化，得到所述第一图片对应的多张第二图片；

[0153] 分别对每张第二图片进行分割，得到各自对应的具有相等区域大小的M个图片区域，并分别提取所述M个图片区域的颜色空间特征；所述M为大于1的整数；

[0154] 对提取的所述颜色空间特征进行二值化处理，并按照预设的排序规则进行排序后得到所述视频的二值特征序列。

[0155] 具体地，处理器1301将所述第一图片进行抗噪变化，得到所述第一图片对应的多张第二图片，可以包括：

[0156] 当检测到所述第一图片存在黑边时，删除所述第一图片中的黑边；

[0157] 对所述第一图片以预设角度和方向进行多次旋转，得到多张第二图片；其中每次旋转后的图片对应一张第二图片。

[0158] 具体地，处理器1301对所述第一图片以预设角度和方向进行多次旋转，得到多张第二图片之后，所述分别对每张第二图片进行分割之前，还可以执行：

[0159] 分别对所述第二图片进行裁剪和/或缩放处理，得到预设宽高比的第二图片。

[0160] 具体地，处理器1301分别提取所述M个图片区域的颜色空间特征，包括：分别计算所述M个图片区域的像素平均值；

[0161] 处理器1301对提取的所述颜色空间特征进行二值化处理，并按照预设的排序规则进行排序后得到所述视频的二值特征序列，可以包括：

[0162] 将属于同一个第二图片中的M个图片区域的像素平均值分别与整张所述第二图片的像素平均值进行对比，转换成二值特征；

[0163] 将得到的M个二值特征按照预设的排序规则进行排序后得到所述视频对应的全局二值特征序列。

[0164] 具体地，处理器1301对提取的所述颜色空间特征进行二值化处理，并按照预设的排序规则进行排序后得到所述视频的二值特征序列，还可以执行：

[0165] 从属于同一个第二图片中的M个图片区域中提取K个图片区域；所述K为大于0，小于所述M的整数；

[0166] 将所述K个图片区域的像素平均值分别与整张所述第二图片的像素平均值进行对比，转换成二值特征；

[0167] 将得到的K个二值特征按照预设的排序规则进行排序后得到所述视频对应的局部二值特征序列。

[0168] 具体地，处理器1301可以执行多次所述从属于同一个第二图片中的M个图片区域中提取K个图片区域的步骤；每次执行中的K值相同或不同；

[0169] 其中，在K值相同的步骤中，从属于同一个第二图片中的M个图片区域提取出的图片区域的位置不同。

[0170] 具体地，处理器1301按照预设的排序规则进行排序后得到所述视频的二值特征序列之后，还可以执行：

[0171] 将所述全局二值特征序列和所述局部二值特征序列分层单独存储，其中长度相同的二值特征序列存储在同一层中。

[0172] 需要说明的是，本发明实施例中的视频特征提取装置80或视频特征提取装置130可以为个人计算机或移动智能终端、平板电脑等电子设备；可理解的是，视频特征提取装置
80或视频特征提取装置130中各模块的功能可对应参考上述各方法实施例中图1至图4任意
实施例的具体实现方式，这里不再赘述。

[0173] 再进一步地，本发明还对应提供了一种视频匹配装置，如图14示出的本发明实施例提供的视频匹配装置的结构示意图，视频匹配装置140可以包括特征序列提取模块1400
和匹配输出模块1402，其中，

[0174] 特征序列提取模块1400用于提取输入的第一视频的二值特征序列；

[0175] 匹配输出模块1402用于将所述第一视频的二值特征序列与特征库中存储的第二视频的二值特征序列进行匹配，并输出汉明距离小于预设阈值的特征对应的视频信息；

[0176] 其中，特征序列提取模块1400可以包括图7至图12任一实施例中的视频特征提取装置80；所述第一视频的二值特征序列和所述第二视频的二值特征序列为通过视频特征提
取装置80提取出的特征序列。

[0177] 具体地，当所述特征库分层存储有所述第二视频的全局二值特征序列和局部二值特征序列时，其中长度相同的二值特征序列存储在同一层中；如图15示出的本发明实施例
提供的匹配输出模块的结构示意图，匹配输出模块1402可以包括查找单元14020和序列匹
配单元14022，其中，

[0178] 查找单元14020用于针对每个第一视频的二值特征序列，在所述特征库中查找出对应的层数；其中，所述层数中存储的所述第二视频的二值特征序列的长度与所述第一视
频的二值特征序列的长度相同；

[0179] 序列匹配单元14022用于分别将每个第一视频的二值特征序列与各自对应的层数中的所述第二视频的二值特征序列进行匹配。

[0180] 再进一步地，本发明实施例中的视频信息可以包括所述第一视频的时间点与所述第二视频的时间点的时域匹配信息；如图16示出的本发明提供的视频匹配装置的另一实施
例的结构示意图，视频匹配装置140包括特征序列提取模块1400和匹配输出模块1402外，还可以包括时域匹配分析模块1404，用于在匹配输出模块1402输出汉明距离小于预设阈值的
特征对应的视频信息之后，根据所述时域匹配信息，通过预设的时间点映射算法进行时域
匹配分析，得出所述第一视频中第一时长与所述第二视频中第二时长的匹配关系。

[0181] 请参阅图17，图17是本发明提供的视频匹配装置的另一实施例的结构示意图。其中，如图17所示，视频匹配装置170可以包括：至少一个处理器1701，例如CPU，至少一个网络接口1704，用户接口1703，存储器1705，至少一个通信总线1702以及显示屏1706。其中，通信总线1702用于实现这些组件之间的连接通信。其中，用户接口1703可以包括触摸屏、键盘或鼠标等等。网络接口1704可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1705可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如
至少一个磁盘存储器，存储器1705包括本发明实施例中的flash。存储器1705可选的还可以是至少一个位于远离前述处理器1701的存储系统。如图17所示，作为一种计算机存储介质
的存储器1705中可以包括操作系统、网络通信模块、用户接口模块以及视频匹配程序；显示屏1706可以看作输出装置，用户接口1703可以看作输入装置，网络接口1704即可以看作输
入装置也可以看作输出装置。

[0182] 在图17所示的视频匹配装置170中，处理器1701可以用于调用存储器1705中存储的视频匹配程序，并执行以下操作：

[0183] 提取从输入装置输入的第一视频的二值特征序列；

[0184] 将所述第一视频的二值特征序列与特征库中存储的第二视频的二值特征序列进行匹配，并输出汉明距离小于预设阈值的特征对应的视频信息；

[0185] 其中，所述第一视频的二值特征序列和所述第二视频的二值特征序列为上述图1至图4任一实施例中的视频特征提取方法提取出的特征序列。

[0186] 具体地，当所述特征库分层存储有所述第二视频的全局二值特征序列和局部二值特征序列时，其中长度相同的二值特征序列存储在同一层中；处理器1701将所述第一视频
的二值特征序列与特征库中存储的第二视频的二值特征序列进行匹配，可以包括：

[0187] 针对每个第一视频的二值特征序列，在所述特征库中查找出对应的层数；其中，所述层数中存储的所述第二视频的二值特征序列的长度与所述第一视频的二值特征序列的长度相同；

[0188] 分别将每个第一视频的二值特征序列与各自对应的层数中的所述第二视频的二值特征序列进行匹配。

[0189] 具体地，所述视频信息包括所述第一视频的时间点与所述第二视频的时间点的时域匹配信息；处理器1701输出汉明距离小于预设阈值的特征对应的视频信息之后，还可以
执行：

[0190] 根据所述时域匹配信息，通过预设的时间点映射算法进行时域匹配分析，得出所述第一视频中第一时长与所述第二视频中第二时长的匹配关系。

[0191] 需要说明的是，本发明实施例中的视频匹配装置140或视频匹配装置170可以为个人计算机或移动智能终端、平板电脑等电子设备；可理解的是，视频匹配装置140或视频匹配装置170中各模块的功能可对应参考上述各方法实施例中图5至图7任意实施例的具体实
现方式，这里不再赘述。

[0192] 综上所述，实施本发明实施例，在提取视频特征的过程中通过将输入的视频进行帧率变换，然后将视频图片进行灰度处理，并进行时域信息代表图像的转换得到第一图片，然后将第一图片进行抗噪变化，得到第一图片对应的多张第二图片；并分别对每张第二图
片进行分割，得到各自对应的具有相等区域大小的M个图片区域，并分别提取所述M个图片
区域的颜色空间特征并进行二值化处理，最终按照预设的排序规则进行排序后得到视频的
二值特征序列，有效解决了现有技术方案提取的视频特征抗噪能力不佳的技术问题，相对
于现有技术的基于空间颜色的视频指纹，具有更高的抗噪能力，不仅能处理视频空间的变
化，如旋转，缩放等，而且也能很好地处理局部变化，如商标，黑边等；相对于现有技术中基于特征的视频指纹，具有高效的处理能力，能够快速地进行特征提取，因此能够实现快速视频匹配，并在视频匹配过程中进行时域匹配分析，能已快速地完成版权检测，得到匹配的视频对应的时间段，满足了用户对视频的版权进行初步验证的需求。

[0193] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质
中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access 
Memory，RAM)等。

[0194] 以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。