基于GPU的高效視頻拷貝檢測技術(shù)的研究與實(shí)現(xiàn).pdf

1、互聯(lián)網(wǎng)中存在著大量內(nèi)容重復(fù)的視頻。如何對大規(guī)模視頻進(jìn)行高效的拷貝檢測是長期以來一直受到研究者們關(guān)注的問題。高效的拷貝檢測算法有非常廣泛的應(yīng)用，首先，視頻拷貝檢測可以用于計算視頻的相似性?？梢杂糜诨趦?nèi)容的視頻檢索。目前用戶檢索視頻時，多是通過文本的方式檢索視頻的標(biāo)題或作者信息。視頻拷貝檢測可以為用戶提供基于內(nèi)容的檢索服務(wù)，即通過視頻的內(nèi)容來檢索，方便用于檢索出合適的視頻資源。其次，視頻拷貝檢測可以去除視頻集中的重復(fù)視頻，可以提升搜索引擎

2、搜索結(jié)果的質(zhì)量。用戶在檢索視頻時，總是希望搜索引擎返回的結(jié)果中重復(fù)內(nèi)容越少越好，拷貝檢測可以通過去重為用戶提供更有價值的信息。再次，視頻拷貝檢測可以用來進(jìn)行違法違規(guī)視頻檢測，復(fù)制檢測，對于知識產(chǎn)權(quán)的保護(hù)也有非常重要的價值。最后，還有很多任務(wù)依賴于高效的視頻拷貝檢測，例如視頻聚類等任務(wù)。這些任務(wù)的核心步驟之一，就是計算視頻集中視頻之間的相似度?；谝曨l間兩兩相似度進(jìn)行后續(xù)處理。研究如何提升大規(guī)模視頻集上的拷貝檢測性能，對于這些應(yīng)用而言意義

3、重大。
　　近年來隨著視頻集規(guī)模的逐漸增大，傳統(tǒng)的串行視頻拷貝檢測算法已經(jīng)不能處理日益增大的視頻集，本文通過GPU并行計算框架來對于視頻拷貝檢測任務(wù)進(jìn)行并行化處理。在并行環(huán)境下，進(jìn)行大規(guī)模視頻的拷貝檢測，必須要首先考慮三個問題:一、如何提取適合并行計算的視頻特征;二、如何設(shè)計并行拷貝檢測的算法;三、如何針對GPU的硬件特殊性進(jìn)行優(yōu)化。以往的研究沒有充分考慮這三個方面的問題，影響了算法的性能。本文著重研究了這三個問題，提出了一種基于