Обнаружение копирования видео

Обнаружение копий видео — это процесс обнаружения незаконно скопированных видео путем их анализа и сравнения с исходным контентом.

Целью этого процесса является защита интеллектуальной собственности создателя видео.

История

Индик и др. ^[1] разработал теорию обнаружения копий видео на основе продолжительности фильма; однако это работало только для целых фильмов без изменений. При применении к коротким фрагментам видео метод Идынка и др. не обнаруживает, что клип является копией.

Позже, ^{[ когда? ]} Оствеен и др. представил концепцию отпечатка пальца или хеш-функции , которая создает уникальную подпись видео на основе его содержимого. Этот отпечаток основан на продолжительности видео и яркости, что определяется путем его разделения на сетку. Отпечаток пальца нельзя использовать для воссоздания исходного видео, поскольку он описывает только определенные особенности соответствующего видео.

Некоторое время назад, ^{[ когда? ]} Б.Коскун и др. представил два робастных алгоритма, основанных на дискретном косинусном преобразовании .

Хампапур и Балле создали алгоритм, создающий глобальное описание фрагмента видео на основе его движения, цвета, пространства и т. д. ^{[ нужны разъяснения ]} и длина.

Было решено посмотреть на уровни цвета изображения, и по этой причине Li et al. создал алгоритм, который проверяет цвета клипа, создавая двоичную подпись, получаемую из гистограммы каждого кадра. ^{[ нужны разъяснения ]} Однако этот алгоритм возвращает противоречивые результаты в тех случаях, когда к видео добавляется логотип , поскольку вставка цветовых элементов логотипа добавляет ложную информацию, которая может запутать систему.

Техники

Водяные знаки

Водяные знаки используются для введения в видео невидимого сигнала, облегчающего обнаружение незаконных копий. Этот прием широко используется фотографами . Размещение водяного знака на видео так, чтобы его было легко увидеть зрителям, позволяет создателю контента легко определить, было ли изображение скопировано.

Ограничением водяных знаков является то, что если исходное изображение не имеет водяных знаков, невозможно узнать, являются ли другие изображения копиями.

Подпись на основе контента

В этом методе для видео создается уникальная подпись на основе его содержания. обнаружения копий видео Существуют различные алгоритмы , которые используют особенности содержимого видео для присвоения видео уникального видеохеша . Отпечаток пальца можно сравнить с другими видеохешами в базе данных .

У этого типа алгоритма есть серьезная проблема: если различные аспекты содержания видео схожи, алгоритму трудно определить, является ли рассматриваемое видео копией оригинала или просто похоже на него. В таком случае (например, две разные новостные трансляции ) алгоритм может сообщить, что рассматриваемое видео является копией, поскольку в новостной трансляции часто используются баннеры одинакового типа, а ведущий часто сидит в одинаковом положении. Видео с минимальными изменениями кадров во времени более уязвимы к коллизиям хэшей.

Алгоритмы

Ниже приведены некоторые алгоритмы и методы, предложенные для обнаружения копий видео.

Глобальные дескрипторы

Глобальный временной дескриптор

В этом алгоритме глобальная интенсивность определяется как сумма всех интенсивностей всех пикселей, взвешенных по всему видео. Таким образом, идентичность образца видео может быть построена на основе длины видео и интенсивности пикселей повсюду.

Глобальная интенсивность a(t) определяется как:

$a(t)=\sum _{i=1}^{N}K(i)(I(i,t-1))^{2}$

Где k — вес изображения, I — изображение, а N — количество пикселей в изображении.

Глобальный дескриптор порядкового измерения

В этом алгоритме видео делится на N блоков, отсортированных по уровню серого . Тогда можно создать вектор, описывающий средний уровень серого каждого блока.

Используя эти средние уровни, можно создать новый вектор S(t) — сигнатуру видео:

$S(t)=(r_{1},r_{2},\cdots ,r_{N})$

Чтобы сравнить два видео, алгоритм определяет D(t), отражающий сходство между ними.

$D(t)={\frac {1}{T}}\sum _{1=t-{\frac {T}{2}}}^{t+{\frac {T}{2}}}{\begin{vmatrix}R(i)-C(i)\end{vmatrix}}$

Значение, возвращаемое D(t), помогает определить, является ли рассматриваемое видео копией. ^{[ нужны разъяснения ]}

Порядковые и временные дескрипторы

Эту методику предложили Л.Чен и Ф. Стентифорд. Измерение несходства производится путем объединения двух вышеупомянутых алгоритмов, глобальных временных дескрипторов и глобальных дескрипторов порядковых измерений , во времени и пространстве . ^{[ нужны разъяснения ]}

ТМК+PDQF

В 2019 году Facebook открыл исходный код TMK+PDQF, ^[2] часть набора инструментов, используемых в Facebook для обнаружения вредоносного контента. Он генерирует подпись всего видео и может легко обрабатывать изменения формата или добавление водяных знаков, но менее устойчив к обрезке или обрезке. ^[3]

Локальные дескрипторы

Эй Джей

Этот алгоритм, описанный А. Джоли и др., является усовершенствованием детектора точек интереса Харриса. ^{[ нужны разъяснения (что это?) ]} Этот метод предполагает, что во многих видео значительное количество кадров практически одинаково, поэтому эффективнее тестировать не каждый кадр, а только те, в которых изображено значительное количество движения.

ВикопТ

ViCopT использует ключевые моменты каждого изображения, чтобы определить характер всего видео. В каждом изображении алгоритмы идентифицируют и определяют две части: фон — набор статических элементов во временной последовательности — и движение — постоянные точки, меняющие положение на протяжении всего видео.

Пространственно-временные точки интереса (STIP)

Этот алгоритм был разработан И. Лаптевым и Т. Линдебергом. Он использует технику точек интереса в пространстве и времени для определения сигнатуры видео и создает вектор 34-го измерения , в котором хранится эта сигнатура. ^{[ нужны разъяснения ]}

Алгоритм демонстрации

Существуют алгоритмы обнаружения копий видео, которые используются сегодня. В 2007 году была проведена оценочная демонстрация, известная как « Понимание мультимедиа посредством семантики, вычислений и обучения» (MUSCLE) , в ходе которой алгоритмы обнаружения копий видео тестировались на различных образцах видео, начиная от домашних видеозаписей и заканчивая сегментами телешоу длительностью от одной минуты до одного часа в длина.

Ссылки

^ П. Индик, Г. Айенгар и Н. Шивакумар. Поиск пиратских видеофрагментов в Интернете. Технический отчет, Стэнфордский университет, 1999 г.
^ «Алгоритмы Facebook с открытым исходным кодом для обнаружения изображений эксплуатации детей и терроризма» . Август 2019.
^ «Документы с кодом — PDQ и TMK + PDQF — тест-драйв алгоритмов перцептивного хеширования Facebook» .

MUSCLE (Понимание мультимедиа посредством семантики, вычислений и обучения) (на английском языке)
IBM - Группа изучения компьютерного зрения (на английском языке)
«Сравнительное исследование» (PDF) . (563 КБ) (на английском языке)

[1] П. Индик, Г. Айенгар и Н. Шивакумар. Поиск пиратских видеофрагментов в Интернете. Технический отчет, Стэнфордский университет, 1999 г.

[2] «Алгоритмы Facebook с открытым исходным кодом для обнаружения изображений эксплуатации детей и терроризма» . Август 2019.

[3] «Документы с кодом — PDQ и TMK + PDQF — тест-драйв алгоритмов перцептивного хеширования Facebook» .

[1]

[2]

[3]