一種視頻錯播的檢測方法和裝置制造方法
【專利摘要】本發(fā)明實施例公開了一種視頻錯播的檢測方法和裝置，屬于圖像處理領域。方法包括：緩存相同長度的兩路視頻序列的特征片段，采用smith-waterman序列分析的方法，在所述特征片段中找到一致的特征序列；當特征序列的長度大于給定閾值時，返回視頻對齊，并給出對齊位置和長度；根據(jù)對齊位置對兩視頻序列分別進行跟蹤，將兩路視頻分別進行匹配比對，當匹配異常時，報警或同時進行自動切換。本申請不受待檢測視頻和原視頻之間的輕微改動的影響，魯棒性強；并采用smith-waterman進行序列分析，實時性強，運算開銷小，準確率高。
【專利說明】一種視頻錯播的檢測方法和裝置

【技術領域】
[0001]本發(fā)明涉及圖像處理領域，尤其涉及一種視頻錯播的檢測方法和裝置。

【背景技術】
[0002]目前，電視管理部門必須在電視播出系統(tǒng)中，確保電視播出安全、加強對電視節(jié)目的內(nèi)容監(jiān)管以及防止非法信號攻擊。其中保證電視節(jié)目播出的內(nèi)容和源節(jié)目流的一致性是內(nèi)容監(jiān)管的核心部分。采用的手段通過為對電視無線移動頻道進行監(jiān)測，把來自不同路的信號進行內(nèi)容比對，當任何一個路由信號被插播的時，系統(tǒng)會及時報警或同時進行自動切換，對確保廣播電視播出的安全具有重要意義。
[0003]在錯播分析中，主要要求是對正在播放的兩部視頻，用比較短的時間分析出兩路視頻是否為同一視頻，如果是同一視頻，視頻中間內(nèi)容是否發(fā)生改變，并能定位出改變等的位置，時長等等。目前對于進行錯播分析時，對視頻的輕微改動(如加臺標，掛角廣告，尺寸剪切)，不容易判定是內(nèi)容改變或是內(nèi)容不變，魯棒性較差；視頻分析處理的過程時長往往也大于視頻本身的時長，常常使分析失去實際意義，另外，視頻分析的對象可能涉及上百或者上千路的視頻，運算開銷往往也較大。


【發(fā)明內(nèi)容】

[0004]本發(fā)明的實施例提供了一種視頻錯播的檢測方法和裝置，基于圖像空域和時域特征相結合的方法,運用smith-waterman局部序列分析的方法,首先進行視頻對齊，在視頻對齊后，進行相應幀的視頻幀匹配判斷。并給出結果。
[0005]為達到上述目的，采用如下技術方案:
[0006]一種視頻錯播的檢測方法，包括如下步驟:
[0007]緩存相同長度的兩路視頻序列的特征片段,采用smith-waterman序列分析的方法，在所述特征片段中找到一致的特征序列；當特征序列的長度大于給定閾值時，返回視頻對齊，并給出對齊位置和長度；
[0008]根據(jù)對齊位置對兩視頻序列分別進行跟蹤，將兩路視頻分別進行匹配比對，當匹配異常時，報警或同時進行自動切換。
[0009]優(yōu)選的，所述緩存相同長度的兩路視頻序列的特征片段時，
[0010]Stepl.獲得當前視頻內(nèi)容幀，判斷是否為空白幀，若非空白幀，則轉step2 ;
[0011]Step2.判斷當前巾貞與前一巾貞是否發(fā)生內(nèi)容變化,若發(fā)生變化則轉step3 ;
[0012]Step3.將當前幀加入緩沖視頻序列，并將隊列頭與隊列末的幀差時間與設定的緩沖時間閾值比較，大于閾值，去掉隊列頭，從而對得到所述特征片段。
[0013]優(yōu)選的,所述smith-waterman序列分析的方法尋找特征序列時,先計算兩序列相互比對度量值的最大位置，用動態(tài)規(guī)劃回朔的方法，按照路徑逐步回朔，直到回朔到O為止。
[0014]優(yōu)選的，所述計算兩序列相互比對度量值的最大位置時，計算兩路視頻得分矩陣
[0015]s(i, j) = max {0, s (1-1, j) +v (fa (i), ε ), s (i, j-1) +v ( ε , fb (j)), s (1-1, j-1) +v(fa(i, )fb(j))}
[0016]其中，v(f, ε)為插入操作，v(e，fb(j))為刪除，這兩個值為固定負值-0.5.V (fa, fb) = d(fa, fb)，d(fa, fb)為圖像特征為fa、fb的卡方距離,源視頻的特征序列表示為{fa(i)}，待匹配視頻的特征序列為{fb(i)}。
[0017]優(yōu)選的，所述圖像特征為視頻序列中各圖像幀的灰度直方圖特征，將原始圖像劃分為4*4塊，提取除去4個角圖像塊的其余部分的圖像區(qū)域?qū)闹狈綀D特征。
[0018]優(yōu)選的，所述將兩路視頻分別進行匹配比對時，若兩視頻幀的對齊位置對應的緩存特征一致且長度未改變，則兩路視頻對應的當前視頻幀一致無變化，逐次進行下一幀的比對；
[0019]若兩視頻幀的對齊位置對應的緩存特征一致但長度改變，則發(fā)生篡改變化，則此時記錄發(fā)生改變的初始位置和改變的長度，并返回篡改的視頻幀；
[0020]若兩視頻幀的對齊位置對應的緩存特征不一致，則根據(jù)變化的位置分析是否發(fā)生添加的改變。
[0021]一種視頻錯播的檢測裝置，包括如下模塊:
[0022]對齊模塊:用于緩存相同長度的兩路視頻序列的特征片段,采用smith-waterman序列分析的方法，在所述特征片段中找到一致的特征序列；當特征序列的長度大于給定閾值時，返回視頻對齊，并給出對齊位置和長度；
[0023]跟蹤模塊:用于根據(jù)對齊位置對兩視頻序列分別進行跟蹤，將兩路視頻分別進行匹配比對，當匹配異常時，報警或同時進行自動切換。
[0024]優(yōu)選的，所述對齊模塊還包括:
[0025]判斷單元，用于獲得當前視頻內(nèi)容幀，判斷是否為空白幀，若非空白幀，則轉前幀單元；
[0026]前幀單元，用于判斷當前幀與前一幀是否發(fā)生內(nèi)容變化，若發(fā)生變化則轉比較單元;
[0027]比較單元，用于將當前幀加入緩沖視頻序列，并將隊列頭與隊列末的幀差時間與設定的緩沖時間閾值比較，大于閾值，去掉隊列頭，從而對得到所述特征片段。
[0028]優(yōu)選的,所述對齊模塊中，smith-waterman序列分析的方法尋找特征序列時,先計算兩序列相互比對度量值的最大位置，用動態(tài)規(guī)劃回朔的方法，按照路徑逐步回朔，直到回朔到O為止。
[0029]優(yōu)選的，所述計算兩序列相互比對度量值的最大位置時，計算兩路視頻得分矩陣
[0030]s(i，j) = max {O, s (1-1, j) +v (fa (i), ε ), s (i, j-1) +v ( ε , fb (j)), s (1-1, j-1) +v(fa(i, )fb(j))}
[0031]其中，v(f, ε)為插入操作，v(e，fb(j))為刪除，這兩個值為固定負值-0.5.V (fa, fb) = d(fa, fb)，d(fa, fb)為圖像特征為fa、fb的卡方距離,源視頻的特征序列表示為{fa(i)}，待匹配視頻的特征序列為{fb(i)}。
[0032]本發(fā)明一種視頻錯播的檢測方法和裝置，緩存相同長度的兩路視頻序列的特征片段，采用smith-waterman序列分析的方法,在所述特征片段中找到一致的特征序列；當特征序列的長度大于給定閾值時，返回視頻對齊，并給出對齊位置和長度；根據(jù)對齊位置對兩視頻序列分別進行跟蹤，將兩路視頻分別進行匹配比對，當匹配異常時，報警或同時進行自動切換，不受待檢測視頻和原視頻之間的輕微改動的影響，魯棒性強；并采用smith-waterman進行序列分析,實時性強，運算開銷小，準確率高。

【專利附圖】

【附圖說明】
[0033]圖1為本發(fā)明實施例一提供的一種視頻錯播的檢測方法的流程圖；
[0034]圖2為本發(fā)明實施例一提供的一種視頻錯播的檢測方法中視頻幀對齊的示意圖；
[0035]圖3a為本發(fā)明實施例一提供的一種視頻錯播的檢測方法中視頻幀匹配時一致情形的不意圖；
[0036]圖3b為本發(fā)明實施例一提供的一種視頻錯播的檢測方法中視頻幀匹配時篡改情形的不意圖；
[0037]圖3c為本發(fā)明實施例一提供的一種視頻錯播的檢測方法中視頻幀匹配時添加情形的不意圖；
[0038]圖4為本發(fā)明實施例二提供的一種視頻錯播的檢測裝置的模塊結構圖。

【具體實施方式】
[0039]為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面結合附圖對本發(fā)明作進一步的詳細描述。
[0040]在視頻序列的錯播分析中，視頻對齊是判斷兩路視頻是否不同的關鍵部分。只有對兩路視頻做到逐幀對齊后，才能保證視頻內(nèi)容比較結果的正確性。本方法分為視頻信號對齊和視頻信號內(nèi)容比較兩部分。
[0041]本申請公開了一種視頻錯播的檢測方法，如圖1所示，包括如下步驟:
[0042]步驟101:緩存相同長度的兩路視頻序列的特征片段,采用smith-waterman序列分析的方法，在所述特征片段中找到一致的特征序列；當特征序列的長度大于給定閾值時，返回視頻對齊，并給出對齊位置和長度；
[0043]本實施例中，選用特征為圖像灰度直方圖特征對視頻序列進行特征分析，由于灰度直方圖特征對于圖像噪聲，縮放等變換等魯棒性好。在提取直方圖特征時，考慮到對原始視頻的一些輕微變換，如添加臺標，添加廣角廣告等。提取整個視頻序列中視頻幀的圖像直方圖，或者將原始圖像劃分為4*4塊，提取除去4個角的圖像直方圖。
[0044]本實施例中，采用局部序列匹配方法，緩存相同長度的A，B兩路視頻序列特征片段，采用smith-waterman序列分析的方法,找到在兩路視頻片段中一致的部分，而一致部分的起始位置即為對齊位置，如圖2所示，在視頻對齊時，兩箭頭所指位置為視頻對齊位置，所展示的是A，B兩路視頻的子序列匹配的情況，陰影部分表示不匹配，空白部分代表匹配。當視頻對齊模塊中匹配的視頻長度大于給定的閾值時，返回視頻對齊，并給出對齊位置和長度，否則，返回視頻不對齊。
[0045]Smith-waterman算法是1981年smith和waterman提出的用來尋找并比較具有局部相似性區(qū)域的動態(tài)規(guī)劃算法。這是一種兩序列局部比對算法，將兩條位置的尋列進行排列，通過匹配，刪除和插入操作，得到兩序列相互之間的一種比對度量。在查找最佳相似子序列時，先計算出兩序列相互比對度量值的最大位置，用動態(tài)規(guī)劃回朔的方法，按照元素路徑一步一步回朔，直到回朔到O為止,with-waterman算法分兩步,第一步計算得分矩陣(比對度量矩陣)，第二步回朔查找最佳相似片段，從視頻對齊一段時間后，回溯到兩路視頻序列開始對齊的地方，得分矩陣的橫縱坐標記錄有視頻幀號，讀取該幀號即能獲得視頻片段，從而使視頻序列的各視頻幀的序號從最大值回到起始中貞。
[0046]1.計算兩路視頻得分矩陣s (i，j)。A為源視頻序列，其特征序列表示為{fa(i)}，B路為待匹配視頻，其特征序列為{fb(i)}。
[0047]s(i, j) = max {0, s (1-1, j) +v (fa (i), ε ), s (i, j-1) +v ( ε , fb (j)), s (1-1, j-1) +v(fa(i, )fb(j))}
[0048]其中，v(f，ε)為插入操作，v(e，fb(j))為刪除，這兩個值為固定負值_0.5，插入則為B路視頻序列中多了一個其他的視頻幀，刪除則為B路視頻序列缺失了一個視頻幀；V (fa, fb) = d(fa, fb),本實施例中，采用的距離描述算子為卡方距離d,d(fa, fb)為圖像特征為fa、fb的卡方距離公式如下:
[0049]

【權利要求】
1.一種視頻錯播的檢測方法，其特征在于，包括如下步驟: 緩存相同長度的兩路視頻序列的特征片段，采用smith-waterman序列分析的方法,在所述特征片段中找到一致的特征序列；當特征序列的長度大于給定閾值時，返回視頻對齊，并給出對齊位置和長度； 根據(jù)對齊位置對兩視頻序列分別進行跟蹤，將兩路視頻分別進行匹配比對，當匹配異常時，報警或同時進行自動切換。
2.根據(jù)權利要求1所述的方法，其特征在于:所述緩存相同長度的兩路視頻序列的特征片段時， Stepl.獲得當前視頻內(nèi)容幀，判斷是否為空白幀，若非空白幀，則轉step2 ； Step2.判斷當前幀與前一幀是否發(fā)生內(nèi)容變化,若發(fā)生變化則轉step3 ； Step3.將當前幀加入緩沖視頻序列，并將隊列頭與隊列末的幀差時間與設定的緩沖時間閾值比較，大于閾值，去掉隊列頭，從而對得到所述特征片段。
3.根據(jù)權利要求1所述的方法，其特征在于:所述smith-waterman序列分析的方法尋找特征序列時，先計算兩序列相互比對度量值的最大位置，用動態(tài)規(guī)劃回朔的方法，按照路徑逐步回朔，直到回朔到O為止。
4.根據(jù)權利要求3所述的方法，其特征在于:所述計算兩序列相互比對度量值的最大位置時，計算兩路視頻得分矩陣:
s (i, j) = max {O, s (i_l, j) +v (fa (i)，ε ), s (i, j_l) +v ( ε , f b (j))，s (i_l, j_l) +v (fa (i,)fb(j))} 其中，v(f, ε )為插入操作，v( ε，fb(j))為刪除,這兩個值為固定負值-0.5.V (fa, fb)=d (fa, fb), d (fa, fb)為圖像特征為fa、fb的卡方距離，源視頻的特征序列表示為{fa(i)}，待匹配視頻的特征序列為{fb(i)}。
5.根據(jù)權利要求4所述的方法，其特征在于:所述圖像特征為視頻序列中各圖像幀的灰度直方圖特征，將原始圖像劃分為4*4塊，提取除去4個角圖像塊的其余部分的圖像區(qū)域?qū)闹狈綀D特征。
6.根據(jù)權利要求3所述的方法，其特征在于:所述將兩路視頻分別進行匹配比對時，若兩視頻幀的對齊位置對應的緩存特征一致且長度未改變，則兩路視頻對應的當前視頻幀一致無變化，逐次進行下一幀的比對； 若兩視頻幀的對齊位置對應的緩存特征一致但長度改變，則發(fā)生篡改變化，則此時記錄發(fā)生改變的初始位置和改變的長度，并返回篡改的視頻幀； 若兩視頻幀的對齊位置對應的緩存特征不一致，則根據(jù)變化的位置分析是否發(fā)生添加的改變。
7.一種視頻錯播的檢測裝置，其特征在于，包括如下模塊: 對齊模塊:用于緩存相同長度的兩路視頻序列的特征片段，采用smith-waterman序列分析的方法，在所述特征片段中找到一致的特征序列；當特征序列的長度大于給定閾值時，返回視頻對齊，并給出對齊位置和長度； 跟蹤模塊:用于根據(jù)對齊位置對兩視頻序列分別進行跟蹤，將兩路視頻分別進行匹配比對，當匹配異常時，報警或同時進行自動切換。
8.根據(jù)權利要求7所述的裝置，其特征在于:所述對齊模塊還包括:判斷單元，用于獲得當前視頻內(nèi)容幀，判斷是否為空白幀，若非空白幀，則轉前幀單元; 前幀單元，用于判斷當前幀與前一幀是否發(fā)生內(nèi)容變化，若發(fā)生變化則轉比較單元； 比較單元，用于將當前幀加入緩沖視頻序列，并將隊列頭與隊列末的幀差時間與設定的緩沖時間閾值比較，大于閾值，去掉隊列頭，從而對得到所述特征片段。
9.根據(jù)權利要求7所述的裝置,其特征在于:所述對齊模塊中，smith-waterman序列分析的方法尋找特征序列時，先計算兩序列相互比對度量值的最大位置，用動態(tài)規(guī)劃回朔的方法，按照路徑逐步回朔，直到回朔到O為止。
10.根據(jù)權利要求9所述的裝置，其特征在于:所述計算兩序列相互比對度量值的最大位置時，計算兩路視頻得分矩陣:
s (i, j) = max {O, s (i_l, j) +v (fa (i)，ε ), s (i, j_l) +v ( ε , f b (j))，s (i_l, j_l) +v (fa (i, )fb(j))} 其中，v(f, ε )為插入操作，v( ε，fb(j))為刪除,這兩個值為固定負值-0.5.V (fa, fb)=d (fa, fb), d (fa, fb)為圖像特征為fa、fb的卡方距離，源視頻的特征序列表示為{fa(i)}，待匹配視 頻的特征序列為{fb(i)}。
【文檔編號】H04N21/24GK104079924SQ201410079230
【公開日】2014年10月1日 申請日期:2014年3月5日 優(yōu)先權日:2014年3月5日
【發(fā)明者】蘇鵬宇 申請人:北京捷成世紀科技股份有限公司