本發(fā)明涉及視頻處理技術(shù)領(lǐng)域，特別涉及一種重復(fù)視頻的判斷方法及裝置。

背景技術(shù)：

目前，在電子節(jié)目菜單(EPG，Electronic Program Guide)處理系統(tǒng)中，需要進(jìn)行節(jié)目實(shí)時(shí)預(yù)測(cè)。而預(yù)測(cè)節(jié)目實(shí)際上就是要進(jìn)行視頻重復(fù)性檢測(cè)。但人工進(jìn)行重復(fù)性檢測(cè)的任務(wù)量非常大，效率較低，且重復(fù)性檢測(cè)的準(zhǔn)確率和精度都比較低，因此，無(wú)法準(zhǔn)確地進(jìn)行節(jié)目實(shí)時(shí)預(yù)測(cè)，這給用戶帶來(lái)了很大不便。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供一種重復(fù)視頻的判斷方法及裝置，用以使用模板視頻準(zhǔn)確地進(jìn)行視頻重復(fù)性檢測(cè)，并確保視頻重復(fù)性檢測(cè)的精度和效率，從而實(shí)現(xiàn)準(zhǔn)確地進(jìn)行節(jié)目預(yù)測(cè)。

本發(fā)明提供一種重復(fù)視頻的判斷方法，包括：從實(shí)時(shí)數(shù)據(jù)流中，獲取多段待測(cè)視頻；

獲取多段待測(cè)視頻中的每段待測(cè)視頻的目標(biāo)特征向量和多段模板視頻中的每段模板視頻的模板特征向量，其中，所述目標(biāo)特征向量和所述模板特征向量分別用于唯一標(biāo)識(shí)每段所述待測(cè)視頻和每段所述模板視頻；

計(jì)算每段所述待測(cè)視頻的目標(biāo)特征向量和每段所述模板視頻的模板特征向量之間的矢量距離，其中，所述矢量距離用于表征每段所述待測(cè)視頻和每段所述模板視頻之間的相似度，且矢量距離越小，相似度越高；

當(dāng)任一段待測(cè)視頻的目標(biāo)特征向量與任一段模板視頻的模板特征向量之間的矢量距離小于或等于預(yù)設(shè)矢量距離時(shí)，判定所述任一段待測(cè)視頻中的至少 部分視頻與所述任一段模板視頻重復(fù)；否則，判定所述任一段待測(cè)視頻與所述任一段模板視頻完全不重復(fù)。

在一個(gè)實(shí)施例中，在計(jì)算所述矢量距離之前，分別將每段所述待測(cè)視頻的目標(biāo)特征向量和每段所述模板視頻的模板特征向量進(jìn)行矢量量化；以及

所述計(jì)算每段所述待測(cè)視頻的目標(biāo)特征向量和每段所述模板視頻的模板特征向量之間的矢量距離，包括：

根據(jù)矢量量化后的每段所述待測(cè)視頻的目標(biāo)特征向量和矢量量化后的每段所述模板視頻的模板特征向量計(jì)算每段所述待測(cè)視頻和每段所述模板視頻之間的矢量距離。

在一個(gè)實(shí)施例中，所述從實(shí)時(shí)數(shù)據(jù)流中，獲取多段待測(cè)視頻，包括：

按照預(yù)設(shè)時(shí)間間隔從所述實(shí)時(shí)數(shù)據(jù)流中，獲取多段所述待測(cè)視頻，以使每段所述待測(cè)視頻的時(shí)長(zhǎng)均等于所述預(yù)設(shè)時(shí)間間隔；以及

在判定多段待測(cè)視頻中的任一段待測(cè)視頻中的至少部分視頻與所述任一段模板視頻重復(fù)后，按照所述實(shí)時(shí)數(shù)據(jù)流的時(shí)間順序獲取與所述任一段待測(cè)視頻相鄰的前一段待測(cè)視頻；

按照所述時(shí)間順序?qū)⑺銮耙欢未郎y(cè)視頻和所述任一段待測(cè)視頻合并；

將合并后的所述任一段待測(cè)視頻和所述前一段待測(cè)視頻重新切分多段目標(biāo)待測(cè)視頻；

依次計(jì)算每段目標(biāo)待測(cè)視頻的特征向量與所述任一段模板視頻的模板特征向量之間的矢量距離；

根據(jù)計(jì)算結(jié)果確定所述任一段模板視頻在所述實(shí)時(shí)數(shù)據(jù)流中的開始時(shí)刻。

在一個(gè)實(shí)施例中，所述獲取多段待測(cè)視頻中的每段待測(cè)視頻的目標(biāo)特征向量和多段模板視頻中的每段模板視頻的模板特征向量，包括：

獲取每段所述待測(cè)視頻中的多個(gè)目標(biāo)圖片和每段所述模板視頻中的多個(gè)模板圖片；

使用顏色布局特征分別將多個(gè)所述目標(biāo)圖片中的每個(gè)所述目標(biāo)圖片和多 個(gè)所述模板圖片中的每個(gè)所述模板圖片按照YCbCr三色通道進(jìn)行處理；

將處理后的每個(gè)所述目標(biāo)圖片和每個(gè)所述模板圖片分別進(jìn)行離散余弦變換轉(zhuǎn)換，以得到每個(gè)所述目標(biāo)圖片的第一特征向量和每個(gè)所述模板圖片的第二特征向量；

將多個(gè)所述目標(biāo)圖片中的每個(gè)所述目標(biāo)圖片的第一特征向量進(jìn)行聚類，以得到每段所述待測(cè)視頻的目標(biāo)特征向量，以及將多個(gè)所述模板圖片中的每個(gè)所述模板圖片的第二特征向量進(jìn)行聚類，以得到每段所述模板視頻的模板特征向量。

在一個(gè)實(shí)施例中，通過(guò)以下預(yù)設(shè)公式確定所述矢量距離：

$d(X^i,Q_k)=\underset{k=1}{\overset{M}{\Σ}}\left({\min }_{1\≤j\≤Fi}\right||X_j^i-Q_k|\left|\right),$其中，

d(Xⁱ，Q_k)表示所述矢量距離，

Xⁱ表示：多段模板視頻中的第i段模板視頻的模板特征向量，

Q_k表示：多段所述待測(cè)視頻中的第k段待測(cè)視頻的目標(biāo)特征向量，

M表示：多段所述待測(cè)視頻的總數(shù)目，

Fi表示：將每段所述模板視頻中的多個(gè)所述模板圖片進(jìn)行聚類后得到的目標(biāo)圖片的總數(shù)目，

表示：將第i段模板視頻進(jìn)行聚類后得到的Fi張目標(biāo)圖片中的第j張目標(biāo)圖片的特征向量。

本發(fā)明還提供一種重復(fù)視頻的判斷裝置，包括：

第一獲取模塊，用于從實(shí)時(shí)數(shù)據(jù)流中，獲取多段待測(cè)視頻；

第二獲取模塊，用于獲取多段待測(cè)視頻中的每段待測(cè)視頻的目標(biāo)特征向量和多段模板視頻中的每段模板視頻的模板特征向量，其中，所述目標(biāo)特征向量和所述模板特征向量分別用于唯一標(biāo)識(shí)每段所述待測(cè)視頻和每段所述模板視頻；

計(jì)算模塊，用于計(jì)算每段所述待測(cè)視頻的目標(biāo)特征向量和每段所述模板視 頻的模板特征向量之間的矢量距離，其中，所述矢量距離用于表征每段所述待測(cè)視頻和每段所述模板視頻之間的相似度，且矢量距離越小，相似度越高；

判定模塊，用于當(dāng)任一段待測(cè)視頻的目標(biāo)特征向量與任一段模板視頻的模板特征向量之間的矢量距離小于或等于預(yù)設(shè)矢量距離時(shí)，判定所述任一段待測(cè)視頻中的至少部分視頻與所述任一段模板視頻重復(fù)；否則，判定所述任一段待測(cè)視頻與所述任一段模板視頻完全不重復(fù)。

在一個(gè)實(shí)施例中，所述裝置還包括：量化模塊，用于在計(jì)算所述矢量距離之前，分別將每段所述待測(cè)視頻的目標(biāo)特征向量和每段所述模板視頻的模板特征向量進(jìn)行矢量量化；以及

所述計(jì)算模塊包括：

第一計(jì)算子模塊，用于根據(jù)矢量量化后的每段所述待測(cè)視頻的目標(biāo)特征向量和矢量量化后的每段所述模板視頻的模板特征向量計(jì)算每段所述待測(cè)視頻和每段所述模板視頻之間的矢量距離。

在一個(gè)實(shí)施例中，所述第一獲取模塊包括：

第一獲取子模塊，用于按照預(yù)設(shè)時(shí)間間隔從所述實(shí)時(shí)數(shù)據(jù)流中，獲取多段所述待測(cè)視頻，以使每段所述待測(cè)視頻的時(shí)長(zhǎng)均等于所述預(yù)設(shè)時(shí)間間隔；以及

第二獲取子模塊，用于在判定多段待測(cè)視頻中的任一段待測(cè)視頻中的至少部分視頻與所述任一段模板視頻重復(fù)后，按照所述實(shí)時(shí)數(shù)據(jù)流的時(shí)間順序獲取與所述任一段待測(cè)視頻相鄰的前一段待測(cè)視頻；

合并子模塊，用于按照所述時(shí)間順序?qū)⑺銮耙欢未郎y(cè)視頻和所述任一段待測(cè)視頻合并；

切分子模塊，用于將合并后的所述任一段待測(cè)視頻和所述前一段待測(cè)視頻重新切分多段目標(biāo)待測(cè)視頻；

第二計(jì)算子模塊，用于依次計(jì)算每段目標(biāo)待測(cè)視頻的特征向量與所述任一段模板視頻的模板特征向量之間的矢量距離；

確定子模塊，用于根據(jù)計(jì)算結(jié)果確定所述任一段模板視頻在所述實(shí)時(shí)數(shù)據(jù) 流中的開始時(shí)刻。

在一個(gè)實(shí)施例中，所述第二獲取模塊包括：

第三獲取子模塊，用于獲取每段所述待測(cè)視頻中的多個(gè)目標(biāo)圖片和每段所述模板視頻中的多個(gè)模板圖片；

處理子模塊，用于使用顏色布局特征分別將多個(gè)所述目標(biāo)圖片中的每個(gè)所述目標(biāo)圖片和多個(gè)所述模板圖片中的每個(gè)所述模板圖片按照YCbCr三色通道進(jìn)行處理；

轉(zhuǎn)換子模塊，用于將處理后的每個(gè)所述目標(biāo)圖片和每個(gè)所述模板圖片分別進(jìn)行離散余弦變換轉(zhuǎn)換，以得到每個(gè)所述目標(biāo)圖片的第一特征向量和每個(gè)所述模板圖片的第二特征向量；

聚類子模塊，用于將多個(gè)所述目標(biāo)圖片中的每個(gè)所述目標(biāo)圖片的第一特征向量進(jìn)行聚類，以得到每段所述待測(cè)視頻的目標(biāo)特征向量，以及將多個(gè)所述模板圖片中的每個(gè)所述模板圖片的第二特征向量進(jìn)行聚類，以得到每段所述模板視頻的模板特征向量。

在一個(gè)實(shí)施例中，所述計(jì)算模塊還包括：

第三計(jì)算子模塊，用于通過(guò)以下預(yù)設(shè)公式確定所述矢量距離：

$d(X^i,Q_k)=\underset{k=1}{\overset{M}{\Σ}}\left({\min }_{1\≤j\≤Fi}\right||X_j^i-Q_k|\left|\right),$其中，

d(Xⁱ，Q_k)表示所述矢量距離，

Xⁱ表示：多段模板視頻中的第i段模板視頻的模板特征向量，

Q_k表示：多段所述待測(cè)視頻中的第k段待測(cè)視頻的目標(biāo)特征向量，

M表示：多段所述待測(cè)視頻的總數(shù)目，

Fi表示：將每段所述模板視頻中的多個(gè)所述模板圖片進(jìn)行聚類后得到的目標(biāo)圖片的總數(shù)目，

表示：將第i段模板視頻進(jìn)行聚類后得到的Fi張目標(biāo)圖片中的第j張目標(biāo)圖片的特征向量。

本公開的實(shí)施例提供的技術(shù)方案可以包括以下有益效果：

可以根據(jù)每段待測(cè)視頻的目標(biāo)特征向量和每段模板視頻的模板特征向量之間的矢量距離，確定每段待測(cè)視頻和每段模板視頻的相似度，進(jìn)而確定該段待測(cè)視頻中的至少部分視頻是否與該段模板視頻重復(fù)，進(jìn)而實(shí)現(xiàn)可準(zhǔn)確地進(jìn)行視頻重復(fù)性檢測(cè)，并確保視頻重復(fù)性檢測(cè)的精度和效率，并最終實(shí)現(xiàn)準(zhǔn)確地確定模板視頻在待測(cè)視頻中的具體開始時(shí)間，從而實(shí)現(xiàn)準(zhǔn)確地進(jìn)行節(jié)目預(yù)測(cè)。

本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書中闡述，并且，部分地從說(shuō)明書中變得顯而易見，或者通過(guò)實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過(guò)在所寫的說(shuō)明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。

下面通過(guò)附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。

附圖說(shuō)明

附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，并且構(gòu)成說(shuō)明書的一部分，與本發(fā)明的實(shí)施例一起用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的限制。在附圖中：

圖1是根據(jù)一示例性實(shí)施例示出的一種重復(fù)視頻的判斷方法的流程圖。

圖2是根據(jù)一示例性實(shí)施例示出的一種重復(fù)視頻的判斷裝置的框圖。

圖3是根據(jù)一示例性實(shí)施例示出的另一種重復(fù)視頻的判斷裝置的框圖。

圖4是根據(jù)一示例性實(shí)施例示出的又一種重復(fù)視頻的判斷裝置的框圖。

圖5是根據(jù)一示例性實(shí)施例示出的再一種重復(fù)視頻的判斷裝置的框圖。

圖6是根據(jù)一示例性實(shí)施例示出的再一種重復(fù)視頻的判斷裝置的框圖。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行說(shuō)明，應(yīng)當(dāng)理解，此處所描述的優(yōu)選實(shí)施例僅用于說(shuō)明和解釋本發(fā)明，并不用于限定本發(fā)明。

相關(guān)技術(shù)中，在電子節(jié)目菜單(EPG，Electronic Program Guide)處理系 統(tǒng)中，需要進(jìn)行節(jié)目實(shí)時(shí)預(yù)測(cè)。而預(yù)測(cè)節(jié)目實(shí)際上就是要進(jìn)行視頻重復(fù)性檢測(cè)。但人工進(jìn)行重復(fù)性檢測(cè)的任務(wù)量非常大，效率較低，且重復(fù)性檢測(cè)的準(zhǔn)確率和精度都比較低，因此，無(wú)法準(zhǔn)確地進(jìn)行節(jié)目實(shí)時(shí)預(yù)測(cè)，這給用戶帶來(lái)了很大不便。

為了解決上述技術(shù)問(wèn)題，本公開實(shí)施例提供了一種重復(fù)視頻的判斷方法，該方法適用于重復(fù)視頻的判斷程序、系統(tǒng)或裝置中，如圖1所示，在步驟S101中，從實(shí)時(shí)數(shù)據(jù)流中，獲取多段待測(cè)視頻；

在步驟S102中，獲取多段待測(cè)視頻中的每段待測(cè)視頻的目標(biāo)特征向量和多段模板視頻中的每段模板視頻的模板特征向量，其中，目標(biāo)特征向量和模板特征向量分別用于唯一標(biāo)識(shí)每段待測(cè)視頻和每段模板視頻；目標(biāo)特征向量用于唯一標(biāo)識(shí)每段待測(cè)視頻，為每段待測(cè)視頻的fingerprint即每段待測(cè)視頻的視頻指紋，同樣地，模板特征向量用于唯一標(biāo)識(shí)每段模板視頻，為每段模板視頻的fingerprint即每段模板視頻的視頻指紋，且多段模板視頻可以是導(dǎo)出的N個(gè)定制頻道，即最近兩天內(nèi)的歷史節(jié)目、廣告等視頻數(shù)據(jù)，例如：可以是最近兩天內(nèi)的N個(gè)定制頻道的節(jié)目、廣告等視頻數(shù)據(jù)，具體地：從節(jié)目開始時(shí)刻到結(jié)束時(shí)刻的所有節(jié)目、廣告等圖片，因此，使用該已知的模板視頻(如節(jié)目或廣告)可以在所有頻道的實(shí)時(shí)節(jié)目流中搜索這個(gè)節(jié)目或廣告，并在實(shí)時(shí)節(jié)目流中搜索到該節(jié)目或廣告時(shí)，即可確定該節(jié)目或廣告在正在播放的實(shí)時(shí)節(jié)目流中的具體開始時(shí)間，從而實(shí)現(xiàn)節(jié)目預(yù)測(cè)。當(dāng)然，由于每段視頻代表一個(gè)節(jié)目或廣告，而如果預(yù)測(cè)節(jié)目信息，每段模板視頻是一個(gè)節(jié)目頭的視頻段；如果預(yù)測(cè)廣告信息，每段模板視頻選自一個(gè)廣告的視頻段。

在步驟S103中，計(jì)算每段待測(cè)視頻的目標(biāo)特征向量和每段模板視頻的模板特征向量之間的矢量距離，其中，矢量距離用于表征每段待測(cè)視頻和每段模板視頻之間的相似度，且矢量距離越小，相似度越高；通過(guò)依次計(jì)算每段待測(cè)視頻的目標(biāo)特征向量和每段模板視頻的模板特征向量之間的矢量距離，可以準(zhǔn)確地確定每段待測(cè)視頻與每段模板視頻之間的相似度，精確地鎖定與每段模板 視頻重復(fù)率最高的待測(cè)視頻段，確保視頻重復(fù)性檢測(cè)的精度和效率，并防止出現(xiàn)檢測(cè)遺漏，且矢量距離越小，相似度越高，說(shuō)明該段待測(cè)視頻與該段模板視頻的重復(fù)率較高。

在步驟S104中，當(dāng)任一段待測(cè)視頻的目標(biāo)特征向量與任一段模板視頻的模板特征向量之間的矢量距離小于或等于預(yù)設(shè)矢量距離時(shí)，判定任一段待測(cè)視頻中的至少部分視頻與任一段模板視頻重復(fù)；否則，判定任一段待測(cè)視頻與任一段模板視頻完全不重復(fù)。

當(dāng)任一段待測(cè)視頻的目標(biāo)特征向量與任一段模板視頻的模板特征向量之間的矢量距離小于或等于預(yù)設(shè)矢量距離時(shí)，說(shuō)明該段待測(cè)視頻與該段模板視頻的相似度極高，進(jìn)而該段待測(cè)視頻與該段模板視頻的重復(fù)率極高，則可以認(rèn)為該段待測(cè)視頻中的至少部分視頻與該段模板視頻重復(fù)，即該段待測(cè)視頻中的至少部分視頻為該段模板視頻中的數(shù)據(jù)，進(jìn)而便于確定該段模板視頻在該段待測(cè)視頻中的開始位置，從而準(zhǔn)確地對(duì)實(shí)時(shí)數(shù)據(jù)流中正在播放的節(jié)目進(jìn)行預(yù)測(cè)。當(dāng)然，在該矢量距離大于概預(yù)設(shè)矢量距離時(shí)，說(shuō)明該段待測(cè)視頻與該段模板視頻的相似度極低，進(jìn)而該段待測(cè)視頻與該段模板視頻的重復(fù)率極低，則可以認(rèn)為該段待測(cè)視頻與該段模板視頻完全不重復(fù)。

在一個(gè)實(shí)施例中，在計(jì)算矢量距離之前，分別將每段待測(cè)視頻的目標(biāo)特征向量和每段模板視頻的模板特征向量進(jìn)行矢量量化；以及

計(jì)算每段待測(cè)視頻的目標(biāo)特征向量和每段模板視頻的模板特征向量之間的矢量距離，包括：

根據(jù)矢量量化后的每段待測(cè)視頻的目標(biāo)特征向量和矢量量化后的每段模板視頻的模板特征向量計(jì)算每段待測(cè)視頻和每段模板視頻之間的矢量距離。

由于每段待測(cè)視頻中包括多個(gè)目標(biāo)圖片，而每個(gè)目標(biāo)圖片均有一個(gè)特征向量，而目標(biāo)特征向量又是由每個(gè)目標(biāo)圖片的特征向量組成，因此，代表每段待測(cè)視頻的目標(biāo)特征向量中包括的向量數(shù)目可能為M個(gè)，而同樣地代表每段模板視頻的模板特征向量中包括的向量數(shù)目可能為N個(gè)，而M和N可能是不相 等的，因而直接計(jì)算向量數(shù)目不同的目標(biāo)特征向量和模板特征向量之間的矢量距離會(huì)增大系統(tǒng)的計(jì)算負(fù)擔(dān)，減緩矢量距離的計(jì)算速率，無(wú)法確保計(jì)算矢量距離的實(shí)時(shí)性，因此，通過(guò)將每段待測(cè)視頻的目標(biāo)特征向量和每段模板視頻的模板特征向量進(jìn)行矢量量化，可以使每段待測(cè)視頻的目標(biāo)特征向量的向量數(shù)目M和每段模板視頻的模板特征向量的向量數(shù)目N相等，而一旦目標(biāo)特征向量和模板特征向量的向量數(shù)目相等，就會(huì)有效地降低系統(tǒng)中計(jì)算矢量距離的負(fù)擔(dān)，加快矢量距離的計(jì)算速率，從而最大程度地確保計(jì)算矢量距離的實(shí)時(shí)性，進(jìn)而增大判斷該段待測(cè)視頻與該段模板視頻是否重復(fù)的實(shí)時(shí)性。

在一個(gè)實(shí)施例中，從實(shí)時(shí)數(shù)據(jù)流中，獲取多段待測(cè)視頻，包括：

按照預(yù)設(shè)時(shí)間間隔從實(shí)時(shí)數(shù)據(jù)流中，獲取多段待測(cè)視頻，以使每段待測(cè)視頻的時(shí)長(zhǎng)均等于預(yù)設(shè)時(shí)間間隔；其中，預(yù)設(shè)時(shí)間間隔可以為10s；以及

在判定多段待測(cè)視頻中的任一段待測(cè)視頻中的至少部分視頻與任一段模板視頻重復(fù)后，按照實(shí)時(shí)數(shù)據(jù)流的時(shí)間順序獲取與任一段待測(cè)視頻相鄰的前一段待測(cè)視頻；

按照時(shí)間順序?qū)⑶耙欢未郎y(cè)視頻和任一段待測(cè)視頻合并；

將合并后的任一段待測(cè)視頻和前一段待測(cè)視頻重新切分多段目標(biāo)待測(cè)視頻；

依次計(jì)算每段目標(biāo)待測(cè)視頻的特征向量與任一段模板視頻的模板特征向量之間的矢量距離；

根據(jù)計(jì)算結(jié)果確定任一段模板視頻在實(shí)時(shí)數(shù)據(jù)流中的開始時(shí)刻。

在判定該任一段待測(cè)視頻中的至少部分視頻與該任一段模板視頻重復(fù)后，不可避免會(huì)出現(xiàn)認(rèn)為該任一段待測(cè)視頻中夾雜有其他非模板的片段或者在該任一段待測(cè)視頻之前有少許該任一段模板視頻片段(但上個(gè)視頻段多數(shù)是非模板片段)，而如果節(jié)目預(yù)測(cè)允許5-6秒鐘的誤差，方法到此結(jié)束，但用戶常常期望節(jié)目預(yù)測(cè)需要精確到具體到5秒之內(nèi)，甚至是毫秒，因此，在確認(rèn)該任一段待測(cè)視頻中的至少部分視頻是該任一段模板視頻的一部分之后，需要將該任 一段待測(cè)視頻前面的一段10秒數(shù)據(jù)(即前一段待測(cè)視頻)進(jìn)行合并后再進(jìn)行細(xì)分段，即使用二分法將合并后的該任一段待測(cè)視頻和前一段待測(cè)視頻重新切分多段目標(biāo)待測(cè)視頻，然后按照上述步驟重新計(jì)算切分后的每段目標(biāo)待測(cè)視頻的特征向量與該任一段模板視頻的模板特征向量之間的矢量距離，從而最終定位實(shí)時(shí)數(shù)據(jù)(即待測(cè)視頻數(shù)據(jù)流)中該段模板視頻的確切開始時(shí)刻，從而準(zhǔn)確地實(shí)現(xiàn)節(jié)目的預(yù)測(cè)。

在一個(gè)實(shí)施例中，獲取多段待測(cè)視頻中的每段待測(cè)視頻的目標(biāo)特征向量和多段模板視頻中的每段模板視頻的模板特征向量，包括：

獲取每段待測(cè)視頻中的多個(gè)目標(biāo)圖片和每段模板視頻中的多個(gè)模板圖片；其中，目標(biāo)圖片之間的相似度應(yīng)該低于某個(gè)閾值，以確保代表該段待測(cè)視頻的目標(biāo)圖片均不相同，同樣地，模板圖片之間的相似度也應(yīng)該低于某個(gè)閾值，以確保代表該段模板視頻的模板圖片均不相同。

使用顏色布局特征分別將多個(gè)目標(biāo)圖片中的每個(gè)目標(biāo)圖片和多個(gè)模板圖片中的每個(gè)模板圖片按照YCbCr三色通道進(jìn)行處理；其中，YCbCr或Y'CbCr有的時(shí)候會(huì)被寫作：YCBCR或是Y'CBCR，是色彩空間的一種，通常會(huì)用于影片中的影像連續(xù)處理，或是數(shù)字?jǐn)z影系統(tǒng)中。Y'為顏色的亮度(luma)成分、而CB和CR則為藍(lán)色和紅色的濃度偏移量成份。Y'和Y是不同的，而Y就是所謂的流明(luminance)，表示光的濃度且為非線性，使用伽馬修正(gammacorrection)編碼處理。

將處理后的每個(gè)目標(biāo)圖片和每個(gè)模板圖片分別進(jìn)行離散余弦變換轉(zhuǎn)換，以得到每個(gè)目標(biāo)圖片的第一特征向量和每個(gè)模板圖片的第二特征向量；其中，離散余弦變換轉(zhuǎn)換為DCT(Discrete Cosine Transform)轉(zhuǎn)換，經(jīng)過(guò)DCT轉(zhuǎn)換后，目標(biāo)圖片間的相關(guān)性和模板圖片間的相關(guān)性均會(huì)明顯下降，且抗干擾能力增強(qiáng)，例如：可以過(guò)濾掉目標(biāo)圖片和模板圖片所處環(huán)境光線不均勻?qū)D片的影響。且第一特征向量由18位數(shù)字表示，而YCbCr三色通道中的每個(gè)通道的參數(shù)均占18位數(shù)字中的6位數(shù)字。

將多個(gè)目標(biāo)圖片中的每個(gè)目標(biāo)圖片的第一特征向量進(jìn)行聚類，以得到每段待測(cè)視頻的目標(biāo)特征向量，以及將多個(gè)模板圖片中的每個(gè)模板圖片的第二特征向量進(jìn)行聚類，以得到每段模板視頻的模板特征向量。

由于每個(gè)目標(biāo)圖片均對(duì)應(yīng)一個(gè)18位的第一特征向量，而在每段待測(cè)視頻包括的目標(biāo)圖過(guò)多時(shí)，第一特征向量的數(shù)目就會(huì)過(guò)多；同樣地，第二特征向量的數(shù)目也會(huì)過(guò)多，因此，如果直接用每個(gè)目標(biāo)圖片的第一特征向量構(gòu)成目標(biāo)特征向量，直接用每個(gè)模板圖片的第二特征向量構(gòu)成模板特征向量，必然會(huì)使得由于目標(biāo)特征向量和模板特征向量中包括的向量數(shù)目均過(guò)多，而影響矢量距離的計(jì)算速率，增大系統(tǒng)的計(jì)算負(fù)擔(dān)，因此，通過(guò)將相似度基本相同的目標(biāo)圖片的第一特征向量進(jìn)行聚類，可以使得聚類后的目標(biāo)特征向量中包括的向量數(shù)目大幅度地減少(例如：聚類后的目標(biāo)特征向量中的向量的數(shù)量是聚類前的5％)，同樣地，通過(guò)將相似度基本相同的模板圖片的第二特征向量進(jìn)行聚類，可以使得聚類后的模板特征向量中包括的向量數(shù)目大幅度地減少(例如：聚類后的模板特征向量中的向量的數(shù)量是聚類前的5％)。

而由于聚類后的目標(biāo)特征向量和模板特征向量中包括的向量數(shù)目減少了，因此，利用聚類后的目標(biāo)特征向量和模板特征向量可以快速地計(jì)算矢量距離，進(jìn)而最大程度地確保計(jì)算矢量距離的實(shí)時(shí)性，并增大判斷該段待測(cè)視頻與該段模板視頻是否重復(fù)的實(shí)時(shí)性，實(shí)現(xiàn)節(jié)目預(yù)測(cè)的實(shí)時(shí)性。

而在聚類時(shí)可以使用K-means聚類算法，其中K-means算法是很典型的基于距離的聚類算法，采用距離作為相似性的評(píng)價(jià)指標(biāo)，即認(rèn)為兩個(gè)對(duì)象的距離越近，其相似度就越大。該算法認(rèn)為簇是由距離靠近的對(duì)象組成的，因此把得到緊湊且獨(dú)立的簇作為最終目標(biāo)，即在使用K-means聚類時(shí)，會(huì)將第一特征向量按照矢量距離(即多個(gè)目標(biāo)圖片之間的相似度)進(jìn)行聚類，從而使得目標(biāo)特征向量中包括的每類特征向量均代表相似度基本相同的目標(biāo)圖片，同樣地，也使得模板特征向量中包括的每類特征向量均代表相似度基本相同的模板圖片。

在一個(gè)實(shí)施例中，通過(guò)以下預(yù)設(shè)公式確定矢量距離：

$d(X^i,Q_k)=\underset{k=1}{\overset{M}{\Σ}}\left({\min }_{1\≤j\≤Fi}\right||X_j^i-Q_k|\left|\right),$其中，

d(Xⁱ，Q_k)表示矢量距離，

Xⁱ表示：多段模板視頻中的第i段模板視頻的模板特征向量，

Q_k表示：多段待測(cè)視頻中的第k段待測(cè)視頻的目標(biāo)特征向量，

M表示：多段待測(cè)視頻的總數(shù)目，

Fi表示：將每段模板視頻中的多個(gè)模板圖片進(jìn)行聚類后得到的目標(biāo)圖片的總數(shù)目，

表示：將第i段模板視頻進(jìn)行聚類后得到的Fi張目標(biāo)圖片中的第j張目標(biāo)圖片的特征向量。

通過(guò)使用上述公式，可以實(shí)時(shí)地確定矢量距離，進(jìn)而實(shí)現(xiàn)實(shí)時(shí)性地判斷該段待測(cè)視頻與該段模板視頻是否重復(fù)，并最終實(shí)現(xiàn)實(shí)時(shí)地預(yù)測(cè)節(jié)目，準(zhǔn)確地定位出模板視頻在實(shí)時(shí)節(jié)目流中的具體播放時(shí)間，從而及時(shí)地提醒用戶。

如圖2所示，本發(fā)明還提供一種重復(fù)視頻的判斷裝置，包括：第一獲取模塊201，被配置為從待測(cè)視頻數(shù)據(jù)流中，獲取多段待測(cè)視頻；

第二獲取模塊202，被配置為獲取多段待測(cè)視頻中的每段待測(cè)視頻的目標(biāo)特征向量和多段模板視頻中的每段模板視頻的模板特征向量，其中，所述目標(biāo)特征向量和所述模板特征向量分別被配置為唯一標(biāo)識(shí)每段所述待測(cè)視頻和每段所述模板視頻；

計(jì)算模塊203，被配置為計(jì)算每段所述待測(cè)視頻的目標(biāo)特征向量和每段所述模板視頻的模板特征向量之間的矢量距離，其中，所述矢量距離被配置為表征每段所述待測(cè)視頻和每段所述模板視頻之間的相似度，且矢量距離越小，相似度越高；

判定模塊204，被配置為當(dāng)任一段待測(cè)視頻的目標(biāo)特征向量與任一段模板視頻的模板特征向量之間的矢量距離小于或等于預(yù)設(shè)矢量距離時(shí)，判定所述任一段待測(cè)視頻中的至少部分視頻與所述任一段模板視頻重復(fù)；否則，判定所述 任一段待測(cè)視頻與所述任一段模板視頻完全不重復(fù)。

如圖3所示，在一個(gè)實(shí)施例中，所述裝置還包括：量化模塊301，被配置為在計(jì)算所述矢量距離之前，分別將每段所述待測(cè)視頻的目標(biāo)特征向量和每段所述模板視頻的模板特征向量進(jìn)行矢量量化；以及

所述計(jì)算模塊203包括：

第一計(jì)算子模塊2031，被配置為根據(jù)矢量量化后的每段所述待測(cè)視頻的目標(biāo)特征向量和矢量量化后的每段所述模板視頻的模板特征向量計(jì)算每段所述待測(cè)視頻和每段所述模板視頻之間的矢量距離。

如圖4所示，在一個(gè)實(shí)施例中，所述第一獲取模塊201包括：

第一獲取子模塊2011，被配置為按照預(yù)設(shè)時(shí)間間隔從所述實(shí)時(shí)數(shù)據(jù)流中，獲取多段所述待測(cè)視頻，以使每段所述待測(cè)視頻的時(shí)長(zhǎng)均等于所述預(yù)設(shè)時(shí)間間隔；以及

第二獲取子模塊2012，被配置為在判定多段待測(cè)視頻中的任一段待測(cè)視頻中的至少部分視頻與所述任一段模板視頻重復(fù)后，按照所述實(shí)時(shí)數(shù)據(jù)流的時(shí)間順序獲取與所述任一段待測(cè)視頻相鄰的前一段待測(cè)視頻；

合并子模塊2013，被配置為按照所述時(shí)間順序?qū)⑺銮耙欢未郎y(cè)視頻和所述任一段待測(cè)視頻合并；

切分子模塊2014，被配置為將合并后的所述任一段待測(cè)視頻和所述前一段待測(cè)視頻重新切分多段目標(biāo)待測(cè)視頻；

第二計(jì)算子模塊2015，被配置為依次計(jì)算每段目標(biāo)待測(cè)視頻的特征向量與所述任一段模板視頻的模板特征向量之間的矢量距離；

確定子模塊2016，被配置為根據(jù)計(jì)算結(jié)果確定所述任一段模板視頻在所述實(shí)時(shí)數(shù)據(jù)流中的開始時(shí)刻。

如圖5所示，在一個(gè)實(shí)施例中，所述第二獲取模塊202包括：

第三獲取子模塊2021，被配置為獲取每段所述待測(cè)視頻中的多個(gè)目標(biāo)圖片和每段所述模板視頻中的多個(gè)模板圖片；

處理子模塊2022，被配置為使用顏色布局特征分別將多個(gè)所述目標(biāo)圖片中的每個(gè)所述目標(biāo)圖片和多個(gè)所述模板圖片中的每個(gè)所述模板圖片按照YCbCr三色通道進(jìn)行處理；

轉(zhuǎn)換子模塊2023，被配置為將處理后的每個(gè)所述目標(biāo)圖片和每個(gè)所述模板圖片分別進(jìn)行離散余弦變換轉(zhuǎn)換，以得到每個(gè)所述目標(biāo)圖片的第一特征向量和每個(gè)所述模板圖片的第二特征向量；

聚類子模塊2024，被配置為將多個(gè)所述目標(biāo)圖片中的每個(gè)所述目標(biāo)圖片的第一特征向量進(jìn)行聚類，以得到每段所述待測(cè)視頻的目標(biāo)特征向量，以及將多個(gè)所述模板圖片中的每個(gè)所述模板圖片的第二特征向量進(jìn)行聚類，以得到每段所述模板視頻的模板特征向量。

如圖6所示，在一個(gè)實(shí)施例中，所述計(jì)算模塊203還包括：

第三計(jì)算子模塊2032，被配置為通過(guò)以下預(yù)設(shè)公式確定所述矢量距離：

$d(X^i,Q_k)=\underset{k=1}{\overset{M}{\Σ}}\left({\min }_{1\≤j\≤Fi}\right||X_j^i-Q_k|\left|\right),$其中，

d(Xⁱ，Q_k)表示所述矢量距離，

Xⁱ表示：多段模板視頻中的第i段模板視頻的模板特征向量，

Q_k表示：多段所述待測(cè)視頻中的第k段待測(cè)視頻的目標(biāo)特征向量，

M表示：多段所述待測(cè)視頻的總數(shù)目，

Fi表示：將每段所述模板視頻中的多個(gè)所述模板圖片進(jìn)行聚類后得到的目標(biāo)圖片的總數(shù)目，

表示：將第i段模板視頻進(jìn)行聚類后得到的Fi張目標(biāo)圖片中的第j張目標(biāo)圖片的特征向量。

關(guān)于上述實(shí)施例中的裝置，其中各個(gè)模塊執(zhí)行操作的具體方式已經(jīng)在有關(guān)該方法的實(shí)施例中進(jìn)行了詳細(xì)描述，此處將不做詳細(xì)闡述說(shuō)明。

最后，本發(fā)明中的重復(fù)視頻的判斷裝置適被配置為終端設(shè)備。例如，可以是移動(dòng)電話，計(jì)算機(jī)，數(shù)字廣播終端，消息收發(fā)設(shè)備，游戲控制臺(tái)，平板設(shè)備， 醫(yī)療設(shè)備，健身設(shè)備，個(gè)人數(shù)字助理等。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤存儲(chǔ)器和光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來(lái)描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過(guò)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。

這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。

這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。

顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。