导读:本文包含了视频哈希论文开题报告文献综述及选题提纲参考文献，主要关键词:视频检索,哈希,考生行为,评卷老师行为
视频哈希论文文献综述
刘惠[1]（2019）在《基于哈希的视频快速检索技术研究》一文中研究指出提出了一种基于哈希的考场视频和高考网上评卷教室视频快速检索方法。该方法将哈希检索技术应用到视频数据中,通过深度网络的强大学习能力来获取考场视频和高考网上评卷现场视频的特征表示,在深度网络中设计一个哈希层来学习哈希函数,将原始高维的数据映射到特定长度的哈希码,同时保持原始数据的语义信息,实现视频的快速检索。为实现考场行为观测和考试期间的考生行为分析以及评卷教师的行为分析等提供便利,保障考试公平公正。(本文来源于《电脑知识与技术》期刊2019年18期）
聂秀山,林培光,杨明哲,尹义龙[2]（2018）在《基于层次特征融合哈希的近似重复视频检索方法》一文中研究指出近年来,由于互联网上视频数量的爆炸式增长,基于视频哈希(Hash)的近似重复视频检索已经吸引了越来越多的研究者关注.在现有方法中,视频的视觉特征,包括单一特征以及多特征融合的方法被广泛应用于近似重复视频检索算法中.而低层视觉特征在表达高层语义方面存在不足,使得近似重复视频检索的性能变低.针对这一问题,本文提出了一种基于层次特征融合的视频哈希方法,用于近似重复视频检索.该方法首先从视频中提取低层人工定义特征,然后利用卷积神经网络提取中间层深度特征以及高层语义特征,最后把不同层级的特征融合起来,利用层次特征和样本之间的全局结构关系以及各特征之间的互补性,学习得到视频哈希,进而进行近似重复视频检索.该方法在CC-WEB-VIDEO数据库上进行了实验,实验结果证明本文方法与现有的方法相比在性能上有较大提升.(本文来源于《中国科学:信息科学》期刊2018年12期）
张乃光,石慧杰,祝晓斌[3]（2018）在《基于深度哈希的多模态视频拷贝检测方法》一文中研究指出视频拷贝检测是版权管理和版权保护的重要手段。针对海量的媒体内容,如何采用深度算法提取鲁棒的哈希特征,便于快速索引和匹配,是本论文的一个创新点。此外,在传统研究中,音频、视频的内容往往没有进行有效关联,如何有效利用多模态特征的互补性有效表征视频内容,是本论文的另外一个创新点。本文所提算法能够有效抵抗常见拷贝变换,具有较高的检测精度和检测速度。(本文来源于《广播电视信息》期刊2018年S1期）
王前[4]（2018）在《基于视频感知哈希的动态手势跟踪方法研究》一文中研究指出在基于手势的人机交互过程中,手势的实时动态性跟踪已成为实现人机交互过程的关键一步。而人手是复杂的变形体,并且手势本身具有多态性和不确定性,使得手势跟踪易受手势姿态变化、肤色干扰、手势遮挡以及跟踪背景环境复杂等因素的影响,会出现跟踪漂移和跟丢的现象。因此,如何对复杂的动态手势进行准确实时的跟踪成为手势交互过程的一个重要研究内容。论文从实时高效的手势交互的角度出发,结合人手本身具有的易变形特性,利用视频感知哈希、关键帧提取、目标检测等相关技术,对复杂背景下的基于视频感知哈希的手势跟踪方法开展了研究,使算法具有实现简单、计算量小、耗时少、跟踪准确的优点。主要研究工作如下:1.针对现有手势跟踪方法普遍存在的手势目标跟踪精度不高、实时性差、鲁棒性差等问题,提出一种基于关键帧和感知哈希的动态手势跟踪方法。首先对视频文件进行分帧和关键帧提取,得到一组关键帧序列;然后利用视频感知哈希技术分别对关键帧和模板进行感知特征提取并生成哈希值;最后通过汉明距离比较关键帧与模板的相似性,从而对手势目标进行实时跟踪,并采用一种在线的自适应模板更新方法,保证手势目标的持续性跟踪。实验结果表明,该方法能大大降低现有手势跟踪方法的跟踪耗时,能对动态手势进行准确连续的跟踪,并满足手势目标跟踪的鲁棒性和实时性。2.针对现有感知哈希跟踪方法在手势目标发生遮挡、旋转时,易出现目标跟踪漂移和目标丢失等问题,提出一种融合目标检测和感知哈希的动态手势跟踪方法。首先通过肤色检测和运动检测方法自动获取手势目标区域,实现手势目标的初始化;然后在图像的离散傅里叶变换(DFT)中提取可以代表原图像内容的离散余弦变换(DCT)系数,并生成可以代表手势目标内容的感知哈希序列;最后利用汉明距离比较模板与手势目标的相似性,实现手势目标的持续性跟踪。实验结果表明,该方法与现有感知哈希跟踪方法相比,能够对手势跟踪过程中出现的目标旋转与遮挡、跟踪漂移、目标丢失后再跟踪等问题进行有效的解决,该跟踪方法效率高,满足鲁棒性和实时性要求。(本文来源于《兰州理工大学》期刊2018-05-28）
亓海凤[5]（2018）在《面向检索的视频哈希性能优化研究》一文中研究指出随着多媒体和互联网技术的飞速发展,视频作为内容最丰富的媒体形式呈现出爆炸性增长,在大规模视频数据背景下,如何在带宽和计算成本的双重限制下,实现视频内容的快速检索,对各个信息领域都有深远意义,也具有重要的社会意义和商业价值。视频哈希技术是将高维度的视频信息映射成二进制低维表示的过程,可以降低视频匹配的计算量、视频计算的内存需求以及数据交互的带宽占用,从而实现视频信息的高速检索。高效的视频哈希应该具备:1)能够全面准确地表征视频的特征;2)能够保持感知鲁棒性、区分性的哈希映射;3)能够保持哈希性能的最佳码长。因此,要想实现在大规模视频检索中的实际应用,特征表征、哈希映射以及码长设定等方面的问题必须得到解决。本文致力于面向视频检索的哈希技术的性能优化,首先介绍了哈希技术的研究方法和研究现状;然后介绍了面向视频检索的哈希技术的系统组成和评价标准等基础知识;接着从率失真理论的角度入手,在保证哈希鲁棒性、区分性的基础上,研究最优哈希码长的获取;最后将深度学习用于视频特征的提取,提出了一种基于3D-CNN的视频哈希算法。本文的主要创新和贡献在以下两个方面:(1)提出了一种哈希码长的优化算法。近年来哈希算法吸引了越来越多的学者的关注,但哈希码长却没有得到足够的重视,哈希码长表示哈希的维度,对哈希算法的性能评估十分重要。该算法从碰撞概率和哈希码长之间的关系入手来定义最佳哈希码长,根据这个定义,只需极少部分的测试数据便可获取适合整个数据集的最优哈希码长。通过对测试数据的误码率、碰撞概率的数学建模,在保证哈希鲁棒性、区分性的基础上,获得最佳哈希码长。(2)提出了一种基于3D-CNN的视频哈希算法。传统哈希技术所采用的视频特征大都是基于研究者已有的视频处理的相关知识设计的特征,专业性强且特征维度小。该算法通过3D-CNN模型学习视频内容,通过多个相邻帧捕获运动信息,利用叁维卷积核,在时间和空间两个维度上学习视频特征,这种特征定义为CNNF。基于这种3D-CNN的视频特征能够更好地表达视频的语义信息,适用于大规模视频检索的哈希技术。本文从视频特征入手,利用深度网络进行优化,获取能保持视频相似性的特征;从二值化过程入手,在保证区分性的基础上,对哈希码长做优化研究,以得到最优哈希码长。通过这些针对性的研究策略获得适用于大规模视频搜索的高效视频哈希,为视频哈希技术在公共安全、视频网站、移动搜索等领域的理论研究和实际应用提供参考。(本文来源于《山东大学》期刊2018-05-15）
井维臻[6]（2018）在《近似视频的哈希检索方法研究》一文中研究指出随着新兴的网络视频相关服务和设备的兴起,例如视频共享、视频广播、广告和视频推荐等,网络视频的数量急剧增长。越来越多的用户参与到视频相关的活动中,包括上传和下载视频,编辑视频等等,因此,大量的近似重复视频涌现在互联网中,并呈现爆炸式的增长趋势。近重复视频主要是指由相同的视频源经过拷贝或者是二次编辑产生的视频,二次编辑可以是对于视频帧的添加、删除、加噪、添加文本、改变视频分辨率等手段。近重复视频检索的任务描述是给定样例视频片段,在视频数据库中进行查找,检索出与样例视频近似或者重复的视频片段。随着大量近似重复视频的存在,近重复视频的检索技术可以应用在很多领域,如版权保护、视频监控、视频推荐等等。例如,当我们在搜索视频时,搜索引擎返回的前几个搜索结果往往都是近似的,而我们想要的是不同的视频。另外,近似重复视频都是由原始视频二次编辑而来的,这样就可能会侵犯原始视频的版权。基于近似重复视频的影响,在大数据背景下,视频哈希通过有效的检索近似重复视频具有一定的理论意义和现实意义。很多相关的科研工作已经在近似重复视频方面做了很突出的成果,多特征哈希可以很好的用于大规模的近似重复视频检索工作。但是,目前还存在一定的挑战。首先,多特征能够更好的表征视频内容,而且在检索中起到互补互助的关系,但是大多数现存方法仅仅考虑了多特征之间的局部关联关系,例如它们忽略了不同特征表示的视频之间的相似性或者是同一种特征表示下的不同的视频的相似性,这样就不能全面的挖掘多特征之间的关联关系,降低了检索的准确度。其次,现存的工作在学习哈希码的过程中,一个哈希函数产生一位哈希码,这在很大程度上增大了哈希函数学习的时间复杂度。因此,我们在第二章提出了一种基于全局的多特征近似视频哈希检索方法GVH来解决上面提到的问题。GVH方法利用了样本之间全局的结构关联关系。在该方法中,所有视频的所有特征都被映射到统一的哈希空间中,从不同特征之间和同种特征内部的关系得到哈希函数,而且哈希函数只需要一次迭代便可得到多位哈希码。与现存的哈希视频检索相比,GVH方法利用了视频之间的全局的结构关系得到了一个更加准确的检索结果。另外,在近似重复视频的哈希检索中,可以利用成对样本之间的相似性反映成对视频之间的局部关系,而全局的结构关系能够从整体上把控所有样本之间的关系,因此,我们在第叁章中提出了一种联合的多特征哈希方法JMVH用于近似重复视频检索。在该方法中,既包含了部分成对样本之间的相似性,又包含了全局样本的相似性。这样使得样本之间的相似性体现的更加细致。两种方法都在两个公开的重复视频检索的数据库上做了验证,结果表明基于全局的结构关系在检索中占主导地位,样本之间局部的结构关系占辅助地位,这两种方法都取得了比当前最先进的成果更好的结果。(本文来源于《山东大学》期刊2018-04-20）
杨明哲[7]（2018）在《基于哈希学习的近重复视频检索研究》一文中研究指出移动互联网的高速发展使得人们的生活变得越来越丰富,现代人分享生活的方式也逐渐多样化,从最早文字记录生活的方式,后来的图片,到如今视频已经成为我们最常用的分享途径,这同时也导致网上充斥着大量的近重复视频,海量的近重复视频所带来了许多问题,诸如用户搜索视频体验不佳、部分视频版权得不到保护、视频推荐不够准确等,这也给近重复视频检索技术带来了新的挑战。近些年来,哈希学习的技术逐渐被用来解决大规模近重复视频检索问题,哈希学习是指通过一些机器学习算法把数据压缩为二进制码的形式,在节省存储和通信开销的同时大大加快检索速度,在大规模视频内容检索领域十分适用。视频哈希学习的目标是把视频表示为二进制哈希码序列,使得原始视频数据库中的视频数据尽量保持原有的临近关系,即原本相似视频的哈希码尽量相似,非相似的视频对应的哈希码尽量不同。有效的哈希表示结果能够使得我们能够在非常有限的硬件资源下完成高效的计算,同时保证准确率。因此,哈希学习方案能够有效的解决上述大数据环境下的近重复视频检索问题,哈希学习方法也具有极大的研究价值。利用哈希学习的近重复视频的检索过程一般可以分为叁个步:第一步,对原始视频提取关键帧,并从中提取特征(可提取多种类型的特征);第二步,利用哈希学习方法将每个视频所对应的多个特征融合并表示为一个实数向量;第叁步,把得到的实数向量进行量化得到二进制哈希码作为一个视频的最后表示,并利用哈希码进行检索。其中,特征选择与提取在前两步中十分重要,好的特征对整个哈希学习过程将起到决定性作用,同时,特征的不足也将直接在检索结果中得到反应。其次,第叁步中把得到的实数向量进行量化得到哈希码的过程也十分重要,量化的过程会涉及到信息损失,现有的方法对这一步的处理通常相对简单,例如直接选定一个阈值,阈值两侧的数值分别量化为0和1,这样的做法必然会造成过多的信息损失,从而影响最终的检索效果。我们的工作主要集中在第一步和第二步,目前的绝大多数方法仅仅提取了低层的视觉特征作为哈希学习的输入,然而与高层特征的方法相比,低层特征往往缺乏更丰富的语义内容,对原始视频的表示往往不够准确。针对这个问题,在这篇文章中,我们从特定的卷积神经网络中提取了中间层深度特征以及高级语义特征,另外,我们也提取了两种手工定义的低层特征,为了能够把这些不同层次的特征进行融合进而实现效果更好的近重复视频检索,我们利用了一种基于层次特征融合的哈希学习方法来全面的利用高低层特征的语义互补性,该方法通过联合学习多特征的特定线性变换,以非成对的方式寻求多个特征的单一判别式公共空间,最后,方法通过广义特征值的思想求解多重线性变换。实验结果表明,本方法与现有的方法相比能实现更好的效果,在使用更短的哈希码的同时达到更高的检索精度。(本文来源于《山东大学》期刊2018-04-20）
汤武[8]（2018）在《基于几何不变性鲁棒哈希的重复视频检测算法研究》一文中研究指出随着互联网在线视频网站数量的快速增长,每天都有大量的视频被上传到视频服务器,而这些视频中存在不少的重复视频,这些重复视频是经非法拷贝或原视频经过各种转换例如格式变化、添加噪声、调整对比度、添加字幕等而得到的,其语义内容与原视频基本相同。重复视频不仅侵犯了视频版权,同时也给视频服务器带来了巨大的存储压力,在数据量巨大的视频数据库中,研究如何快速、准确地判别给定视频是否是重复视频具有重大的现实意义。视频哈希算法通过提取视频内容特征生成哈希向量,因其基于视频内容进行判别性信息提取,具有不需要人为额外添加判别信息的优点,用于重复视频检测的视频哈希技术最近引起越来越多的关注。一个好的哈希算法必须对非内容的变换具有鲁棒性,不同语义内容的视频必须具有不同的哈希值,必须适合快速的数据库搜索。然而目前大多数用于视频重复检测的视频哈希算法对于缩放、旋转等几何变换不具有鲁棒性,尤其是大尺度的几何旋转攻击,且不能同时抵抗时域攻击和空域的几何攻击。针对上述问题,本文主要研究如何构造具有几何不变性的鲁棒视频哈希,并将其用于重复视频检测。本文的主要工作和创新点如下:1)提出了一种用于视频特征提取的时空域极坐标余弦变换。该变换是基于混合余弦变换的改进,由一维离散余弦变换和二维的极坐标余弦变换构成的叁维变换,能够用于提取视频几何不变的时空域特征,且计算简单快速。2)基于时空域极坐标变换,本文提出了一种几何不变性的鲁棒哈希算法,该方法首先使用时空域极坐标余弦变换提取视频几何不变的时空域特征,接着对提取的视频特征进行PCA降维和迭代量化处理,生成紧凑的二值哈希码,生成的二值哈希码对空域几何变换和时域变换都具较好的鲁棒性。3)将基于时空域极坐标余弦变换的视频哈希算法应用于重复视频的检测。最后,通过仿真实验验证了本文算法的有效性。通过几何不变性验证实验验证了本文提出的时空域极坐标余弦变换对于几何变换具有鲁棒性。通过对比实验分析得出本文提出的视频哈希算法对非内容篡改的变换例如几何变化,时域变换,模糊和噪声等更加鲁棒。(本文来源于《华南理工大学》期刊2018-04-20）
于晓,聂秀山,马林元,尹义龙[9]（2018）在《基于短空时变化的鲁棒视频哈希算法》一文中研究指出针对互联网相似视频内容检测问题,提出了基于短空时变化的鲁棒视频哈希算法。特征提取和特征量化是该算法的两个关键步骤。在特征提取中,与现有基于时空信息融合的特征提取方法相比,该算法的创新性在于充分利用相邻帧之间局部空域信息的短时变化(简称"短空时变化")来提取特征。该算法首先构造视频内接球,并以球心为起点对内接球进行划分,获取一系列内接球环,从而捕捉相邻帧的空域信息的短时变化,然后将球环非负矩阵分解系数作为视频内容进行特征表示;在特征量化中,该算法采用改进的曼哈顿量化策略将视频特征映射成二进制的哈希序列,更好地保留了原空间中的近邻关系,提高了量化的准确度。实验结果表明,该算法具有良好的性能。(本文来源于《计算机科学》期刊2018年02期）
陈斌[10]（2017）在《基于感知哈希算法的监控视频认证研究》一文中研究指出随着计算机和多媒体应用技术的快速发展,大量的监控网络摄像机作为一种有效的措施被广泛地应用,它为人们的社会安全提供了保障。如何检验监控视频在传输或存储的期间是否被非法人员篡改,从而认证视频的可靠性和真实性,是研究人员所面临的挑战。感知哈希算法已经成为主流的认证技术之一,并且被深入地研究及应用到各类多媒体的媒介中,如文本、图像、视频等。它不同于水印算法需要将密钥嵌入到被认证数据中,而是从数据中提取密钥,并将其另存储为额外的信息,从而不影响数据的原始内容。特别是在图像认证领域里,图像感知哈希算法的研究吸引了国内外学者和专家的关注,并取得许多的成果。由于视频可视为具有时间信息的图像集合,因此文中利用前人的理论研究,改进传统视频感知哈希算法的不足,从而实现实时视频流和细粒度篡改视频的认证。该文主要围绕监控视频的传输和存储认证算法进行深入研究,主要完成的研究工作有如下二个方面:(1)通过采用用户数据报文协议,直播视频的应用能保证传输的实时性。然而,该协议的不可靠性会使传输的视频流存在噪声干扰或数据丢失的风险。这将导致以视频图像帧为单元的密钥认证算法陷入不可区分的问题,因此提出基于视频压缩帧的自适应哈希算法。算法根据帧内数据的长度对其划分成非固定步长的区间,并提取帧的空间结构特征,使用哈希量化形成固定长度的密钥。实验表明,该算法达到实时性要求,表现出较好的鲁棒性和区分性,通过统计视频画面组的密钥相似度,能有效检测视频是否被篡改。(2)视频画面帧的篡改检测是一项极具挑战性的多媒体安全问题,特别是对于细粒度的篡改。因此,文中提出一种基于局部分块为单元提取和以二维的离散小波变换和奇异值分解为特征的视频感知哈希算法。算法首先对视频画面帧转换尺度和颜色空间,然后将其的叁个颜色通道分成重迭区域块,并且逐一对分块的区域进行离散小波变换和奇异值分解,从而形成中间特征矩阵,最后将中间特征矩阵压缩成哈希摘要(哈希密钥)。利用分段的方式,计算视频画面帧的时空域相似度。实验结果表示该算法具有较好的可区分性,能有效地进行细粒度的篡改检测。(本文来源于《深圳大学》期刊2017-06-30）
视频哈希论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,由于互联网上视频数量的爆炸式增长,基于视频哈希(Hash)的近似重复视频检索已经吸引了越来越多的研究者关注.在现有方法中,视频的视觉特征,包括单一特征以及多特征融合的方法被广泛应用于近似重复视频检索算法中.而低层视觉特征在表达高层语义方面存在不足,使得近似重复视频检索的性能变低.针对这一问题,本文提出了一种基于层次特征融合的视频哈希方法,用于近似重复视频检索.该方法首先从视频中提取低层人工定义特征,然后利用卷积神经网络提取中间层深度特征以及高层语义特征,最后把不同层级的特征融合起来,利用层次特征和样本之间的全局结构关系以及各特征之间的互补性,学习得到视频哈希,进而进行近似重复视频检索.该方法在CC-WEB-VIDEO数据库上进行了实验,实验结果证明本文方法与现有的方法相比在性能上有较大提升.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视频哈希论文参考文献
[1].刘惠.基于哈希的视频快速检索技术研究[J].电脑知识与技术.2019
[2].聂秀山,林培光,杨明哲,尹义龙.基于层次特征融合哈希的近似重复视频检索方法[J].中国科学:信息科学.2018
[3].张乃光,石慧杰,祝晓斌.基于深度哈希的多模态视频拷贝检测方法[J].广播电视信息.2018
[4].王前.基于视频感知哈希的动态手势跟踪方法研究[D].兰州理工大学.2018
[5].亓海凤.面向检索的视频哈希性能优化研究[D].山东大学.2018
[6].井维臻.近似视频的哈希检索方法研究[D].山东大学.2018
[7].杨明哲.基于哈希学习的近重复视频检索研究[D].山东大学.2018
[8].汤武.基于几何不变性鲁棒哈希的重复视频检测算法研究[D].华南理工大学.2018
[9].于晓,聂秀山,马林元,尹义龙.基于短空时变化的鲁棒视频哈希算法[J].计算机科学.2018
[10].陈斌.基于感知哈希算法的监控视频认证研究[D].深圳大学.2017