Обнаружение копирования видео — это процесс обнаружения незаконно скопированных видео путем их анализа и сравнения с оригинальным контентом.
Целью этого процесса является защита интеллектуальной собственности создателя видео.
Индик и др. [1] разработали теорию обнаружения видеокопий, основанную на длине фильма; однако она работала только для целых фильмов без изменений. При применении к коротким клипам видео техника Идинка и др. не определяет, что клип является копией.
Позже [ когда? ] Ооствин и др. представили концепцию отпечатка пальца или хэш-функции , которая создает уникальную подпись видео на основе его содержимого. Этот отпечаток основан на длине видео и яркости, определяемых путем его разбиения на сетку. Отпечаток пальца не может быть использован для воссоздания оригинального видео, поскольку он описывает только определенные особенности соответствующего ему видео.
Некоторое время назад [ когда? ] Б. Коскун и др. представили два надежных алгоритма, основанных на дискретном косинусном преобразовании .
Хампапур и Балле создали алгоритм, создающий глобальное описание фрагмента видео на основе движения, цвета, пространства, [ необходимо разъяснение ] и продолжительности видео.
Было принято решение рассмотреть уровни цвета изображения, и по этой причине Ли и др. создали алгоритм, который проверяет цвета клипа, создавая двоичную сигнатуру, полученную из гистограммы каждого кадра. [ необходимо пояснение ] Однако этот алгоритм возвращает непоследовательные результаты в случаях, когда к видео добавляется логотип , поскольку вставка цветовых элементов логотипа добавляет ложную информацию, которая может сбить систему с толку.
Водяные знаки используются для введения невидимого сигнала в видео для облегчения обнаружения нелегальных копий. Этот метод широко используется фотографами . Размещение водяного знака на видео таким образом, чтобы его легко видела аудитория, позволяет создателю контента легко определить, было ли изображение скопировано.
Ограничением водяных знаков является то, что если исходное изображение не имеет водяного знака, то невозможно узнать, являются ли другие изображения копиями.
В этой технике уникальная подпись создается для видео на основе его содержания. Существуют различные алгоритмы обнаружения копирования видео , которые используют особенности содержания видео для назначения видео уникального видеохеша . Отпечаток пальца можно сравнить с другими видеохешами в базе данных .
У этого типа алгоритма есть существенная проблема: если различные аспекты содержания видео похожи, алгоритму сложно определить, является ли рассматриваемое видео копией оригинала или просто похожим на него. В таком случае (например, две разные новостные передачи ) алгоритм может вернуть, что рассматриваемое видео является копией, поскольку новостные передачи часто включают похожие баннеры, а ведущий часто сидит в похожей позе. Видео с минимальными изменениями в кадрах по времени более уязвимы для коллизии хэшей.
Ниже приведены некоторые алгоритмы и методы, предлагаемые для обнаружения копий видео.
В этом алгоритме глобальная интенсивность определяется как сумма всех интенсивностей всех пикселей, взвешенных по всему видео. Таким образом, идентичность для образца видео может быть построена на основе длины видео и интенсивностей пикселей по всему видео.
Глобальная интенсивность a(t) определяется как:
Где k — вес изображения, I — изображение, а N — количество пикселей в изображении.
В этом алгоритме видео делится на N блоков, отсортированных по уровню серого . Затем можно создать вектор, описывающий средний уровень серого каждого блока.
С помощью этих средних уровней можно создать новый вектор S(t) — сигнатуру видео:
Для сравнения двух видео алгоритм определяет D(t), представляющий сходство между ними.
Значение, возвращаемое D(t), помогает определить, является ли рассматриваемое видео копией. [ необходимо разъяснение ]
Этот метод был предложен Л. Ченом и Ф. Стентифордом. Измерение различий осуществляется путем объединения двух вышеупомянутых алгоритмов, Глобальных временных дескрипторов и Глобальных порядковых дескрипторов измерений, во времени и пространстве . [ необходимо разъяснение ]
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 в формате или добавленные водяные знаки, но менее терпим к кадрированию или обрезке. [3]
Описанный А. Джоли и др., этот алгоритм представляет собой усовершенствованный детектор точек интереса Харриса. [ необходимо разъяснение (что это?) ] Этот метод предполагает, что во многих видео значительное количество кадров практически идентичны, поэтому эффективнее проверять не каждый кадр, а только те, которые отображают значительное количество движения.
ViCopT использует точки интереса из каждого изображения, чтобы определить сигнатуру всего видео. В каждом изображении алгоритмы идентифицируют и определяют две части: фон , набор статических элементов вдоль временной последовательности, и движение , постоянные точки, меняющие положения на протяжении всего видео.
Этот алгоритм был разработан И. Лаптевым и Т. Линдебергом. Он использует технику точек интереса вдоль пространства и времени для определения видеосигнатуры и создает 34- мерный вектор, который хранит эту сигнатуру. [ требуется пояснение ]
Существуют алгоритмы для обнаружения копирования видео, которые используются сегодня. В 2007 году была проведена оценочная выставка, известная как Multimedia Understanding Through Semantics, Computation and Learning (MUSCLE), в ходе которой были протестированы алгоритмы обнаружения копирования видео на различных видеообразцах, начиная от домашних видеозаписей и заканчивая фрагментами телешоу продолжительностью от одной минуты до одного часа.
