基于场景帧指纹的视频认证方法
【专利摘要】基于场景帧指纹的视频认证方法,首先通过场景帧指纹判定方法，提取出视频片断中5个连续不同的场景帧指纹，组成视频指纹。然后与视频本身的ID信息组成元指纹数据，指纹信息采用Bag?words形式存储，节省了75％的存储空间。在查找认证过程中，采用倒排文折半技术提高了匹配速度。经仿真实验，我们提出的视频认证方法具有良好的检测性能，平均准确率达到98％以上，在Matlab软环境下查找认证速度每部视频在12秒左右，能够实现网络环境下的实时检测。
【专利说明】
基于场景帧指纹的视频认证方法
技术领域
[0001 ]本发明属于视频认证技术领域，公开了 一种在新媒体环境下进行视频认证，打击 盗版的新方法。
【背景技术】
[0002] 当前大部分数字视频作品采用数据加密方法，把数字视频内容进行加密，只有授 权用户才能得到解密的密钥。然而，数据加密技术面临密钥传输过程中被窃取的问题，一旦 失窃将数字视频无法得到保护。数字水印技术的出现可以解决密钥丢失的问题。数字水印 技术是在数字内容中嵌入隐蔽的标记，通过检测工具提取匹配，实现版权保护目的。但是， 目前数字水印产品在抵抗有意或无意的攻击能力不强，鲁棒性并不牢靠，极大地制约着数 字水印技术的应用发展。
[0003] 指纹技术可以弥补加密技术和数字水印技术的不足。视频指纹是指可以代表一段 视频信号重要视觉特征的数字签名，其主要目的是建立一种有效机制来比较两个视频数据 的感知质量。注意这里不是直接比较通常很大的视频数据本身，而是比较其相应通常较小 的数字指纹。
[0004] 视频指纹技术讲究的是准确性、鲁棒性、指纹尺寸、粒度、认证速度和通用性。准确 性包括正确识别率、虚警率、漏警率;鲁棒性指未知视频能在经受比较严重的视频信号处理 后仍能够被识别出来;指纹尺寸在很大程度上决定指纹数据库的内在容量;粒度是一个依 赖于应用的参数，即需要多长的未知视频片断来识别整部视频;对实际商业应用的视频指 纹系统来说，认证速度是一个关键的参数;通用性是指能够对不同视频格式进行识别能力。 围绕这些特性，广大学者从视频的时空域、空域、时域和彩色空间方面着手，展开了视频指 纹技术的研究，取得了可喜的研究成果。近年来，指纹技术在版权认证、拷贝监测、多媒体检 索以及盗版跟踪等方面得到广泛的应用，广大指纹研究者提出了许多视频指纹算法，总结 现有视频指纹算法，可以归纳为4类:彩色空间（color-space-based)、时域(temporal)、空 域(spatial)和时空域(spatio-temporal)。
[0005] 彩色空间指纹提取方法依赖于视频时空域中的颜色直方图。利用视频片断的颜色 统计特性进行视频指纹提取。但是现在的视频颜色绝大多数是24位真彩色，统计数量过于 庞大，阻碍了指纹提取的速度。而且不同的视频格式其颜色会产生明显的改变，更何况彩色 空间指纹提取不能适用于黑白视频，因此这种方法没有得到广泛地应用。
[0006]时域指纹提取方法主要是从视频序列从提取时域特性。这种方法需要较长的视频 序列，不适应于短时的视频片断。但是现在网页上短时视频已经相当普遍，因此时域指纹不 适应于在线(online)应用。
[0007]空域指纹方法是从每一帧或关键帧中提取特征，这些方法类似于图像指纹方法。 空域指纹又分为全局指纹和局部指纹，全局指纹包涵全局特性，如图像直方图等统计特性。 局部指纹主要的提取图像的局部特征，如帧图像里的局部兴趣点等，这些兴趣点常常被应 用到多媒体中的目标检索。但是，提取兴趣点需要对图像进行预处理，而视频帧数量巨大， 这将耗费大量的计算机内存，因此这种指纹提取方法很少应用于视频领域。
[0008] 时空域指纹包涵了视频的时域和空域信息，因此时空域指纹性能要好于时域和空 域。目前基于时空域指纹提取方法主要有30-0〇'、1'11?1-0(：1'、30-31'1?。综合这些视频指纹算 法，他们在一定程度上都能够有效地抵抗一些常见的攻击，如分辨率减小、帧率减小、加噪、 亮度改变、对比度改变等，但它们对重编码、重捕获、加Logo/Text、画中画等攻击的认证能 力有限。
【发明内容】
[0009] 本发明要克服现有技术的上述缺点，提供一种基于场景帧指纹的视频认证方法。
[0010] 本发明所述的基于场景帧指纹的视频认证方法，包括以下步骤：
[0011] 1 )、对视频的帧的预处理；
[0012] (1.1)对视频中的彩色帧进行颜色空间转换，取其亮度分量，得到灰度图像；
[0013] (1.2)剪切视频帧四周，保留视频帧中心部分；再缩放成具有固定尺寸(WXH像 素)；
[0014] (1.3)用3 X 3大小、标准差为0.95的Gaussian低通滤波对视频帧进行滤波；
[0015] (1 ? 4)将图像缩放成3/4QCIF大小(QCIF( 144 X 176像素））。
[0016] 2)、对经过预处理的视频帧进行指纹提取，包括以下步骤：
[0017] (2.1)对经过预处理的视频帧，进行分块，在一个9X 11的区域内，a至h是局部像素 的平均;那么帧元素提取方法为：（1)整个9X 11子区域的均值元素；（2)四个差分元素a-b、 c-d、e-f?和g-h;总共得到720帧元素，其中144个均值元素，记为A元素，576个差分元素，记为 D元素；
[0018] (2.2)对A元素量化成四重值;对于1-144维的A元素，设仏为六元素值，应用公式（1) 把这些A元素量化成四重值xi:
[0020] (2.3)动态地求取阈值ThA，包括以下几个步骤：
[0021] (2.3.1)取ai = abs(Ai-128)，abs( ?)为取绝对值算子，将ai按升序排列成ak = {ai，a2，"_，ak，'"，ad ;这里的索引i与索引k不相同；
[0022] (2? 3? 2)阈值ThA = ak，这里k = floor(0 ? 25*N)，N= 144，floor为向下取整；
[0023] (2.4)对D元素量化成四重值;对于145-720维的D元素Di，应用公式(2)把它们量化 成四重值Xi:
[0025] (2.5)动态地求取阈值ThD，包括以下几个步骤：
[0026] (2.5.1)取di = abs(Di)，将di按升序排列成dk= {di，d2，"_，dk, ???，(1n};这里的索引 i 与索引k不相同；
[0027] (2.5.2)阈值 ThD = dk，这里 k = floor(0.25*N)，N=576，floor 为向下取整；
[0028] (2.6)用二进制编码形式来存储提取出来的4重元素乂=&1^ 2，一^72〇}
[0029] 设wordi，i = 1，2，…，180定义为每4-维元素占1个编码单元，这种编码方式采用如 下公式计算得到：
[0030] wordi = 43*x(i-i)*4+i+42*x(i-i)*4+2+4*x(i-i)*4+3+x(i-1)*4+4 (3)
[0031] (2.7)场景帧指纹的提取算法，包括以下步骤：
[0032] (2.7.1)是否为黑屏的判断;应用式(4)进行黑屏判断；
[0033] mean(F)〈ThBS (4)
[0034] mean (F)是表示图像像素的均值，ThBS是黑屏阈值；
[0035] (2.7，2)是否为场景帧的判断；假设前一场景帧的指纹为SFh，当前帧的指纹为 …，5;如果(5)成立，那么就判定当前帧为另一场景帧，否则当前帧还是前一场景 帧；
[0036] d(SFi-i，Fi)彡 ThsF，i = 2，."，5 (5)
[0037]这里cKSFh^O表示当前帧指纹?:前一场景帧指纹SFh之间的距离，ThSF为判定 阈值；
[0038] 3)视频指纹库的建立;将需要版权认证视频的用户信息、产品信息和指纹信息绑 定在一条记录上，生成元数据(meta data)，元数据集合构成元数据库，将其按按倒排文规 则进行排序并存储；
[0039] 4)结合我们的指纹特点：四重值(Quaternion value)，本发明提出了倒排文折半 搜索匹配算法（inverted file&binary-based Search Matching)，其步骤如下：
[0040] (4.1)按式(3)将3600维指纹向量组合成900个word，即为Bag-Words，每个word值 范围为0-255;
[00411 (4.2)建立倒排文队列;每个视频指纹按第一个word大小从小到大顺序插入到倒 排文队列中，如第一个word相同，那按第二个word的值升序排列，如此连续下去，直到所有 的原视频指纹插入到倒排文队列中；以倒排文规则排序的视频指纹及视频信息构成元指纹 数据库；
[0042] (4.3)折半搜索匹配方法;假设待认证视频指纹的Bag-Words序列为AuBWi，i = l， 2，…，900;具体的折中搜索步骤如下：
[0043] (4.3.1):将所有的元数据库中的记录标上未查标记；
[0044] (4.3.2):取其第一个word为AuBWi，在倒排文队列中折中查找AuBWi，查找的结果可 能会出现三种情况：
[0045] A1)只有一条记录;那么将该记录中的Bag-Words还原成四重值指纹MeFi，还原方 法为每个word除4取余;按式(6)求其归一化Hamming距离d:
[0047]这里的i = l，2,…，L，L为指纹长度，AuF为认证视频的指纹；然后按（7)式进行求 值；
[0049] 当T = 0时，查询结束，表明该元记录所对应的视频就是需要认证的视频；当T = 1 时，记下该元数据的位置和Hamming距离，并将该记录标上已查标记；当T = 2时，仅将该记录 标上已查标记；
[0050] A2)有多条记录;按(6)式计算出所有这些记录的Hamming距离，同时将这些记录标 上已查标记;取最小Hamming距离，按（7)式进行求值，当T = 0时，查询结束表明该元记录所 对应的视频就是需要认证的视频；当T = 1时，记下该元数据的位置和Hamming距离，当T = 2 时，不作任何处理，直接进入下一步；
[00511 A3)没有记录;不作任何处理，直接进入下一步；
[0052] (4.3.3):取其第i个word为六仙14 = 2,3，，"，1(;在倒排文队列中折中查找六1181， 查找的结果可能会出现四种情况;需要注意的是这里的K是个未知数，但一定满足K<L/m;m 为word的长度，在这里m = 4;
[0053] B1)有若干条已标有已查标记的记录;这种情况直接进入下一步；
[0054] B2)仅有一条未标有已查标记的记录;这种情况按与(4.3.2)中A1)情况处理；
[0055] B3)有多条未标有已查标记的记录;这种情况按与(4.3.2)中A2)情况处理；
[0056] B4)没有记录;这种情况下按(4.3.2)中A3)情况处理；
[0057] 重复(4.3.3 )，直到出现T = 0或所有记录都标上已查标记为止；
[0058] (4.3.4):如果前二步是没有出现T = 0情况，那么只有二种情况出现：
[0059] C1)至少有一条记录满足T = 1;这种情况取最小的Hamming距离那条元记录，这条 元记录就是需要认证的视频;查询结束；
[0060] C2)没有一条记录满足T=l;这种情况表明认证的视频不在元数据库中，发出拒绝 信息;查询结束。
[0061 ] 查询结束。
[0062] 本发明的优点是：
[0063] A.选用视频帧的中间区域作为提取指纹的对象，这与采用人类的手指指纹来表征 不同人的理念的一致的，同时这样做可以减小了指纹提取过程的数据运算量，提高了指纹 提取速度。
[0064] B.我们采用四重值来表征视频帧区域的差异，比用二值Hash、三重值表征更加精 细、更加合理，从而也提高了认证识别率。
[0065] C.我们采用Bag-words形式存储指纹元数据库，节省了 75 %的存储空间。
[0066] D.采用倒排文折半搜索算法，提高了查找匹配速度。
【附图说明】
[0067]图1为本发明的图像分块示意图。
[0068] 图2为本发明的视频指纹提取流程图示意图。
[0069] 图3为本发明当ThsF = 0.426时，影视《28 Weeks Later》片断中的五个连续不同的 场景帧。
[0070] 图4aThSF = 0.40时的所取得的五个不同场景帧。图4b是ThsF = 0.412时的所取得的 五个不同场景帧。图4c是ThSF = 0.44时的所取得的五个不同场景帧。图4d是ThSF = 0.452时 的所取得的五个不同场景帧。
[0071] 图5为本发明的视频指纹匹配架构图。
【具体实施方式】
[0072]下面结合附图进一步说明本发明。
[0073]本发明的基于场景帧指纹的视频认证方法，包括以下步骤：
[0074] 1)、对视频的帧的预处理；
[0075] (1.1)对视频中的彩色帧进行颜色空间转换，取其亮度分量，得到灰度图像；
[0076] (1.2)剪切视频帧四周，保留视频帧中心部分；再缩放成具有固定尺寸(WXH像 素)；
[0077] (1.3)用3 X 3大小、标准差为0.95的Gaussian低通滤波对视频帧进行滤波；
[0078] (1 ? 4)将图像缩放成3/4QCIF大小（QCIF( 144 X 176像素））。
[0079] 2)、对经过预处理的视频帧进行指纹提取，其流程如说明书附图中图2所示，包括 以下步骤：
[0080] (2.1)如说明书附图1所示，对经过预处理的视频帧，进行分块，在一个9X11的区 域内，a至h是局部像素的平均;那么帧元素提取方法为：（1)整个9X11子区域的均值元素； (2)四个差分元素a-b、c-d、e-f和g-h;总共得到720帧元素，其中144个均值元素，记为A元 素，576个差分元素，记为D元素；
[0081] (2.2)对A元素量化成四重值;对于1-144维的A元素，设MSA元素值，应用公式（1) 把这些A元素量化成四重值xi:
[0083] (2 ? 3)动态地求取阈值ThA，包括以下几个步骤：
[0084] (2.3.1)取ai = abs(Ai_128)，abs( ?)为取绝对值算子，将ai按升序排列成ak= {ai, a2，'"，ak，'"，aN};这里的索弓|i与索弓|k不相同；
[0085] (2? 3? 2)阈值ThA = ak，这里k = floor(0 ? 25*N)，N= 144，floor为向下取整；
[0086] (2.4)对D元素量化成四重值;对于145-720维的D元素Di，应用公式(2)把它们量化 成四重值Xi:
[0088] (2.5)动态地求取阈值ThD，包括以下几个步骤：
[0089] (2.5.1)取di = abs(Di)，将di按升序排列成dk= {di，d2，"_，dk, ???，(1n};这里的索引 i 与索引k不相同；
[0090] (2.5.2)阈值 ThD = dk，这里 k = floor(0.25*N)，N=576，floor 为向下取整；
[0091] (2.6)用二进制编码形式来存储提取出来的4重元素乂=&1^2，一^72〇}
[0092] 设wordi，i = 1，2，…，180定义为每4-维元素占1个编码单元，这种编码方式采用如 下公式计算得到：
[0093] wordi = 43*x(i-i)*4+i+42*x(i-i)*4+2+4*x(i-i)*4+3+x(i-1)*4+4 (3)
[0094] (2.7)场景帧指纹的提取算法，包括以下步骤：
[0095] (2.7.1)是否为黑屏的判断;应用式(4)进行黑屏判断；
[0096] mean(F)〈ThBS (4)
[0097] mean(F)是表示图像像素的均值，ThBS是黑屏阈值；
[0098] (2.7，2)是否为场景帧的判断；假设前一场景帧的指纹为SFh，当前帧的指纹为 …，5;如果(5)成立，那么就判定当前帧为另一场景帧，否则当前帧还是前一场景 帧；
[0099] d(SFi-i，Fi)彡 ThsF，i = 2，."，5 (5)
[0100] 这里d(SFi-i，Fi)表示当前帧指纹Fi前一场景帧指纹SFi-i之间的距离，ThsF为判定 阈值；
[0101 ] 如说明书中附图3所示是当ThsF = 0.426时，影视《28 Weeks Later》片断中的五个 连续不同的场景帧。当取不同的判定阈值时，场景帧的判别有所差别，如说明书附图4所示， 图4a是当阈值ThSF = 0.40时的所取得的五个不同场景帧。图4b是当阈值ThSF = 0.412时的所 取得的五个不同场景帧。图4c是当阈值ThSF = 0.44时的所取得的五个不同场景帧。图4d是当 阈值ThSF = 0.452时的所取得的五个不同场景帧。
[0102] 3)视频指纹库的建立;将需要版权认证视频的用户信息、产品信息和指纹信息绑 定在一条记录上，生成元数据(meta data)，元数据集合构成元数据库，将其按按倒排文规 则进行排序并存储，说明书附图5中的Meta Fingerprint Database是我们所建立的视频指 纹库；
[0103] 4)结合我们的指纹特点：四重值(Quaternion value)，本发明提出了倒排文折半 搜索匹配算法（inverted file&binary-based Search Matching)，如说明书附图5为视频 指纹匹配架构图，该图说明了指纹匹配的宏观匹配过程，其步骤如下：
[0104] (4 ? 1)按式(3)将3600维指纹向量组合成900个word，即为Bag-Words，每个word值 范围为0-255;
[0105] (4.2)建立倒排文队列；每个视频指纹按第一个word大小从小到大顺序插入到倒 排文队列中，如第一个word相同，那按第二个word的值升序排列，如此连续下去，直到所有 的原视频指纹插入到倒排文队列中；以倒排文规则排序的视频指纹及视频信息构成元指纹 数据库；
[0106] (4.3)折半搜索匹配方法;假设待认证视频指纹的Bag-Words序列为AuBWi，i = l， 2，…，900;具体的折中搜索步骤如下：
[0107] (4.3.1):将所有的元数据库中的记录标上未查标记；
[0108] (4.3.2):取其第一个word为AuBWi，在倒排文队列中折中查找AuBWi，查找的结果可 能会出现三种情况：
[0109] A1)只有一条记录;那么将该记录中的Bag-Words还原成四重值指纹MeFi，还原方 法为每个word除4取余;按式(6)求其归一化Hamming距离d:
[0111]这里的i = l，2,…，L，L为指纹长度，AuF为认证视频的指纹；然后按（7)式进行求 值；
[0113]当T = 0时，查询结束，表明该元记录所对应的视频就是需要认证的视频；当T = 1 时，记下该元数据的位置和Hamming距离，并将该记录标上已查标记；当T = 2时，仅将该记录 标上已查标记；
[om] A2)有多条记录;按(6)式计算出所有这些记录的Hamming距离，同时将这些记录标 上已查标记;取最小Hamming距离，按（7)式进行求值，当T = 0时，查询结束表明该元记录所 对应的视频就是需要认证的视频；当T = 1时，记下该元数据的位置和Hamming距离，当T = 2 时，不作任何处理，直接进入下一步；
[0115] A3)没有记录;不作任何处理，直接进入下一步；
[0116] (4.3.3):取其第1个￥(^(1为六仙14 = 2,3，."，1(;在倒排文队列中折中查找六1181， 查找的结果可能会出现四种情况；需要注意的是这里的K是个未知数，但一定满足K<L/m; m为word的长度，在这里中m = 4;
[0117] B1)有若干条已标有已查标记的记录;这种情况直接进入下一步；
[0118] B2)仅有一条未标有已查标记的记录;这种情况按与(4.3.2)中A1)情况处理；
[0119] B3)有多条未标有已查标记的记录;这种情况按与(4.3.2)中A2)情况处理；
[0120] B4)没有记录;这种情况下按(4.3.2)中A3)情况处理；
[0121] 重复(4.3.3 )，直到出现T = 0或所有记录都标上已查标记为止；
[0122] (4.3.4):如果前二步是没有出现T = 0情况，那么只有二种情况出现：
[0123] C1)至少有一条记录满足T = 1;这种情况取最小的Hamming距离那条元记录，这条 元记录就是需要认证的视频;查询结束；
[0124] C2)没有一条记录满足T=l;这种情况表明认证的视频不在元数据库中，发出拒绝 信息;查询结束。
【主权项】
1.基于场景帧指纹的视频认证方法，包括以下步骤： 1)、对视频的帧的预处理； (1.1) 对视频中的彩色帧进行颜色空间转换，取其亮度分量，得到灰度图像； (1.2) 剪切视频帧四周，保留视频帧中心部分;再缩放成具有固定尺寸(W XH像素）； (1.3) 用3 X 3大小、标准差为0.95的Gaussian低通滤波对视频帧进行滤波； (1.4) 将图像缩放成3/4QCIF大小(QCIF( 144像素 X 176像素））； 2 )、对经过预处理的视频帧进行指纹提取，包括以下步骤： (2.1) 对经过预处理的视频帧，进行分块，在一个9X 11的区域内，a至h是局部像素的平 均;那么帧元素提取方法为：（1)整个9 XII子区域的均值元素；（2)四个差分元素 a-b、c-d、 e-f和g-h;总共得到720帧元素，其中144个均值元素，记为A元素，576个差分元素，记为D元 素； (2.2) 对A元素量化成四重值;对于1-144维的A元素，设仏为六元素值，ThA为量化阈值，应 用公式（1)把这些A元素量化成四重值 Xl:(2.3) 动态地求取阈值ThA，包括以下几个步骤： (2.3.1) 取31 = 3&8(4广128)，3&8(*)为取绝对值算子，将31按升序排列成31<={&1， a2，'"，ak，'"，aN};这里的索弓|i与索弓|k不相同； (2.3.2) 阈值11^ = 31{，这里1^ = €1〇(^(0.25_)小=144彳1〇(^为向下取整； (2.4) 对D元素量化成四重值;对于145-720维的D元素 Di，ThD为量化阈值，应用公式(2) 把它们量化成四重值x1:(2.5) 动态地求取阈值ThD，包括以下几个步骤： (2.5.1) 取di = abs(Di)，abs( ?)为取绝对值算子，将di按升序排列成dk={di，d2，-"， dk，'"，cIn};这里的索弓|i与索引k不相同； (2.5.2) 阈值111〇 = (11{，这里1^ = €1〇(^(0.25*~)小=576彳1〇(^为向下取整； (2.6 )用二进制编码形式来存储提取出来的4重元素 X= {XI，X2，…，X72〇} 设wordi，i = l，2,…，180定义为每4-维元素占1个编码单元，这种编码方式采用如下公 式计算得到： W〇rdi = 43*X(i-l)*4+l+42*X(i-l)*4+2+4*X(i-l)*4+3+X(i-1)*4+4 (3) (2.7)场景帧指纹的提取算法，包括以下步骤： (2.7.1)是否为黑屏的判断;应用式(4)进行黑屏判断； mean(F)〈ThBs (4) F为当前帧，mean (F)是表示图像像素的均值，ThBS是黑屏阈值； (2.7.2) 是否为场景帧的判断;假设前一场景帧的指纹为5?1-1，当前帧的指纹为?1，1 = 2,…，5;如果(5)成立，那么就判定当前帧为另一场景帧，否则当前帧还是前一场景帧； d(SFi-i,Fi)^ThsF,i = 2,---,5 (5) 这里(1(5?1-1，？〇表示当前帧指纹?1前一场景帧指纹5?卜1之间的距离，1115「为判定阈值； 3) 视频指纹库的建立;将需要版权认证视频的用户信息、产品信息和指纹信息绑定在 一条记录上，生成元数据(meta data)，元数据集合构成元数据库，将其按按倒排文规则进 行排序并存储； 4) 结合指纹特点：四重值（Quaternion value)，提出了倒排文折半搜索匹配算法 (inverted file&binary-based Search Matching)，其步骤如下： (4 ? 1)按式（3)将3600维指纹向量组合成900个word，即为Bag-Words，每个word值范围 为0-255; (4.2) 建立倒排文队列；每个视频指纹按第一个word大小从小到大顺序插入到倒排文 队列中，如第一个word相同，那按第二个word的值升序排列，如此连续下去，直到所有的原 视频指纹插入到倒排文队列中；以倒排文规则排序的视频指纹及视频信息构成元指纹数据 库； (4.3) 折半搜索匹配方法;假设待认证视频指纹的Bag-Words序列为AuBWi，i = 1，2，…， 900;具体的折中搜索步骤如下： (4.3.1) :将所有的元数据库中的记录标上未查标记； (4.3.2) :取其第一个word为AuBWi，在倒排文队列中折中查找AuBWi，查找的结果可能会 出现三种情况： A1)只有一条记录;那么将该记录中的Bag-Words还原成四重值指纹MeFi，还原方法为每 个word除4取余;按式(6)求其归一化Hamming距离d，Hamming距离是在数据传输差错控制编 码里面的一个概念；这里的i = l，2,…，L，L为指纹长度，AuF为认证视频的指纹;然后按(7)式进行求得值为 T；当T = 0时，查询结束，表明该元记录所对应的视频就是需要认证的视频；当T=1时，记 下该元数据的位置和Hamming距离，并将该记录标上已查标记；当T = 2时，仅将该记录标上 已查标记； A2)有多条记录;按(6)式计算出所有这些记录的Hamming距离，同时将这些记录标上已 查标记;取最小Hamming距离，按(7)式进行求值，当T = 0时，查询结束表明该元记录所对应 的视频就是需要认证的视频；当T= 1时，记下该元数据的位置和Hamming距离，当T = 2时，不 作任何处理，直接进入下一步； A3)没有记录;不作任何处理，直接进入下一步； (4.3.3) :取其第1个^^(1为六仙114 = 2,3，~，1(;在倒排文队列中折中查找六仙11，查找 的结果可能会出现四种情况；需要注意的是这里的K是个未知数，但一定满足K<L/m;m为 word的长度，在这里m = 4; B1)有若干条已标有已查标记的记录;这种情况直接进入下一步； B2)仅有一条未标有已查标记的记录;这种情况按与(4.3.2)中A1)情况处理； B3)有多条未标有已查标记的记录;这种情况按与(4.3.2)中A2)情况处理； B4)没有记录;这种情况下按(4.3.2)中A3)情况处理； 重复(4.3.3 )，直到出现T = 0或所有记录都标上已查标记为止； (4.3.4) :如果前二步是没有出现T = 0情况，那么只有二种情况出现： C1)至少有一条记录满足T= 1;这种情况取最小的Hamming距离那条元记录，这条元记 录就是需要认证的视频;查询结束； C2)没有一条记录满足T = l;这种情况表明认证的视频不在元数据库中，发出拒绝信 息;查询结束。
【文档编号】G06F17/30GK106055632SQ201610367884
【公开日】2016年10月26日
【申请日】2016年5月27日
【发明人】毛家发, 张明国, 钟丹虹, 高飞, 肖刚
【申请人】浙江工业大学