导读:本文包含了基于内容的视频拷贝检测论文开题报告文献综述及选题提纲参考文献，主要关键词:视频指纹,剪切系数,剪切波
基于内容的视频拷贝检测论文文献综述
苏志贤[1]（2019）在《基于剪切系数的视频指纹内容拷贝检测》一文中研究指出拷贝检测技术广泛应用于版权控制中,用于保护未经授权使用数字视频,关键在于如何提取可靠的视频指纹。本文提出一种基于剪切系数的视频指纹内容拷贝检测算法,利用TREC VID2018和Inria Copy Days数据集的相关数据,进行视频图像攻击实验,并与其它经典算法进行比较。实验结果表明:本文算法对大多数攻击都具有鲁棒性。其F1平均得分约为0.99分,假阳性率低于0.01%,定位准确率97%。(本文来源于《山东农业大学学报(自然科学版)》期刊2019年04期）
杨媛媛[2]（2018）在《基于内容的视频拷贝检测算法研究》一文中研究指出在当今这个信息化的社会,网络已经成为了人们生活中不可或缺的一部分。人们通过网络分享各种形式的媒体(文本、图像、音频、视频等)。视频作为这些网络媒体的形式之一,有些是视频发布者原创的,但有些是对其他原创者的视频进行处理后未经授权发布的,即近似拷贝视频。因此如何对网络视频进行分类和管理,保护原创者的版权权益越来越引起人们的关注,这促使了基于内容的视频拷贝检测(Content-Based Video Copy Detection,CBVCD)领域的研究。由于信号处理和传输技术的不断发展,视频的变形种类不断增加,对视频特征的鲁棒性和区分性提出了更高的要求。在过去的一些年,虽然出现了很多视频特征提取算法,但如何在高效的前提下提取具有鲁棒性和区分性的视频特征仍是研究领域需要攻克的难题之一。在提取了可以用来描述视频内容的特征信息之后,如何根据提取的视频特征判定视频之间的相似度和定位近似拷贝片段的位置是基于内容的视频拷贝检测的另一个关键技术。尽管近些年很多研究致力于在该方面取得突破,但如何在大规模的数据库中对视频序列进行匹配(可能经过复杂的音视频变换)仍然是一个挑战性的任务。针对上述两个问题,本文提出了相应的解决方案,主要创新成果如下:基于压缩域的视频特征提取算法是在对视频的码流进行部分解码后,提取视频的特征信息。运动矢量作为视频码流的编码信息之一,用来描述视频宏块的运动信息。许多研究试图通过运动矢量对视频内容进行描述,但很多基于运动矢量的视频特征提取算法最终都将运动矢量信息转化为了统计直方图,缺乏对视频结构信息的详细描述。为了解决该问题,我们提出了运动矢量图(Motion Vector Imaging,MVI)的概念,基于MVI,本文提出了一个包含MVI模型和I帧模型的Cascade系统。首先,对视频进行部分解码,提取视频P帧和B帧的运动矢量信息,然后将运动矢量信息映射到图像上生成MVI。对于视频的I帧则进行完全解码,将I帧压缩域的信息解码成像素域的信息。通过Siamese深度神经网络(Deep Neural Network,DNN)提取I帧和MVI的特征信息。实验表明,该基于压缩域的视频拷贝检测系统具有较良好的检测性能。因为单张运动矢量图只是根据若干视频帧的运动矢量信息映射而成,因此只能用来描述视频短时间内的变化趋势,无法描述长时间范围内视频帧的内在关联。为了解决该问题,本论文提出了另一个基于长期循环卷积网络(Long-term Recurrent Convolutional Network,LRCN)[1]的运动矢量图序列(Sequence MVI,SMVI)模型。该模型将生成的运动矢量图序列作为长期循环卷积网络的输入,通过LRCN提取的视频特征可以同时描述视频的时域和空域信息。结合前面提出的I帧模型,设计了一个包含SMVI模型和I帧模型的Cascade系统。通过实验证明了该视频拷贝检测系统能够较快速、准确地对近似拷贝视频进行检测。对于视频特征的匹配问题,本文提出了多尺度视频序列匹配(Multiscale Video Sequence Matching,MS-VSM)模型。在粗尺度空间,采用最大权重匹配(Maximum Weight Matching,MWM)算法从视频库中筛选出与查询视频相关的候选参考视频。对于每一个候选参考视频,该视频与查询视频最相似的视频片段通过中尺度空间的基于约束的最长递增匹配子序列(Constrained Longest Ascending Matching Subsequence,CLAMS)算法进行定位,并判定该片段与查询视频对应的片段是否确实为近似拷贝片段。如果判定为近似拷贝片段,则需要在精细尺度空间通过双向扫描(bi-directional scanning)的方法对近似拷贝视频片段进行最终的精确定位。MS-VSM模型能够对视频间相似片段进行较准确、快速地定位。(本文来源于《北京邮电大学》期刊2018-05-21）
李东浩[3]（2018）在《基于内容的短视频拷贝检测系统的设计与实现》一文中研究指出随着网络技术和多媒体技术的飞速发展,网络上视频数据增长迅速,面对海量的视频数据,如何快速有效的检测视频库中的冗余数据,如何有效的进行版权保护成为视频拷贝检测亟需解决的问题。此文主要设计并实现了基于内容的短视频拷贝检测系统,该系统属于实验室项目,需求相对稳定与简单,是由理论到应用的一次实践,并且随着理论的不断更新与优化,该系统也会随之迭代和改进。用户可以使用该系统上传待测视频,在数据库中查询与待测视频相似的视频片段,从而实现视频拷贝的检测;也可以通过该系统对视频库进行全局的拷贝检测。此文深入研究探讨了 B/S架构的Web开发技术,遵循前后端分离、前端组件化的设计思想,将系统分为以下五大模块:(1)视频获取模块:提供用户上传本地视频或网络视频的入口,系统会对视频进行初步处理,本地视频会计算并匹配MD5值,以校验上传视频是否是视频库中的重复文件,网络视频会进行安全性检测。(2)数据存储与管理模块:主要负责对视频数据、特征数据的存储与管理,是系统的基础功能模块,为视频拷贝检测功能提供基础服务。(3)目标检测模块:指定某个或某几个待测视频,在目标视频库中进行拷贝检测,以确认待测视频是否为目标视频库中视频文件的拷贝。本模块是系统的核心功能,主要用于视频来源追究、版权维护等。(4)全局检测模块:对指定视频库或者全局视频库进行拷贝检测,以检测视频库中是否有互为拷贝的文件。本模块也是系统的核心功能,主要用于视频库查重。(5)数据可视化模块:对系统统计数据、检测结果进行可视化处理,以图表等形式,生动形象的展示给用户。作者独立负责或主要参与了本项目的需求调研、技术调研和系统开发,完成了整个系统的架构设计与各个功能模块的开发。在项目研发期间,作者查阅了大量视频拷贝检测相关资料,深入研究了视频拷贝检测技术的具体流程与实现过程,并根据项目实际需求制定了具体的解决方案。目前,该系统已在实验室环境下稳定运行,经过反复测试与完善,验证了系统可以正确有效的提供基于内容的短视频拷贝检测系统的基本功能。(本文来源于《北京交通大学》期刊2018-05-01）
王领[4]（2017）在《基于内容的视频拷贝检测》一文中研究指出随着互联网技术的发展,人们可以随时随地进行视频拍摄并上传,造成了网络视频数据的大规模增长。同时,盗版侵权等违法行为也制约着网络视频的发展。为了快速地对相似性视频进行检索,基于内容的视频拷贝检测应运而生。传统的基于内容的视频检测方法,使用局部特征点或者图像特征来描述视频。为了减少内存占用与时间消耗,传统方法只能对视频关键帧进行稀疏采样。然而被抛弃的视频帧拥有大量视觉信息,缺失的信息造成了精度上的不足,制约了传统方法的发展。为了改善传统方法在计算速度上的缺陷,本文在其基础上提出了一系列改进。引入大字典模型,并使用快速汉明距离计算策略加速匹配。使用输入数据修改汉明嵌入算法,并将弱几何一致性从约束图像匹配扩展到约束视频序列匹配,提高了准确率。最终在精度不输于前人的情况下极大提升了检索速度。此外,为了从根本上解决匹配精度和匹配速度的问题,本文提出了一种基于紧凑视频表征的视频拷贝检测方法。这种方法建立在稠密采集的关键帧之上,得以保留更多关键帧的有效信息。使用卷积神经网络来提取关键帧中的视觉信息,并用稀疏编码保留其中的关键信息。为了保证特征紧凑性,减轻内存和CPU负担,使用融合的方式将一段短视频内的所有帧特征融合为一个视频表征。与其他方法相比,该方法在VCDB数据集上使召回率和准确率都有了很大的提升。(本文来源于《大连理工大学》期刊2017-03-25）
陈浩[5]（2017）在《基于内容的视频拷贝检测方法研究》一文中研究指出伴随着数字多媒体技术和设备的快速普及,使得人们获取和制作视频的方式更加容易,同时这些视频数据可以很容易的被人们通过视频编辑软件进行任意修改,使得互联网中充斥着各种各样的拷贝视频,而人们对于视频信息的关注更多的是视频中所展示的内容,如以录制视频的形式记录现实世界中的景象以及生活上精彩的瞬间,而忽略其带来的问题。随着科学技术的发展,视频数据呈现指数增长,如何快速准确地检索到所需的视频和其拷贝视频,已经成为一个热点问题。基于以上需求,本文提出一种基于时域上下文哈希的视频拷贝检测算法。该方法主要是通过以视频帧的颜色值构建和提取视频关键帧的时域上下文信息,并通过高维数据量化算法进行降维量化形成二进制码,减少存储空间,同时利用汉明距离作为相似性计算方法检索出相似的关键帧,最后通过基于最长公共子序列的融合算法对这些关键帧列表进行融合得到连续的子序列片段,作为最后的检索结果。为了加快在视频库中检索相似性关键帧的速度,我们事先使用局部敏感哈希算法为视频库中所有的关键帧进行投影,并建立索引文件。虽然上述方法具有比较好的检索效果,但是由于它使用的是图像的颜色特征,无法适应较为复杂的拷贝变换,因此该算法的鲁棒性较低。于是本文在上述方法的基础上提出了一种基于时空上下文编码的视频拷贝检测算法,与上述方法不同之处在于,该方法主要使用的是视频关键帧的局部特征,在空间上,计算关键帧的空间上下文信息,在时域上计算关键帧的时域上下文信息,最后将时空上下文信息量化成易于存储和比较的二进制码。经过实验验证,该方法不仅具有较高的速度,而且具有较好的检测效果。(本文来源于《杭州电子科技大学》期刊2017-03-01）
臧文佳[6]（2017）在《基于内容的视频拷贝检测方法研究》一文中研究指出数字媒体和网络技术的飞速发展,产生了海量的拷贝视频。这些拷贝视频给视频存储、视频版权保护、视频检索等带来了新的问题。基于内容的视频拷贝检测作为一项重要的解决方法,成为了多媒体信息处理领域的研究热点。本文针对当前视频拷贝检测技术存在的问题并结合实际项目需要,分别从空间域和压缩域研究了视频拷贝检测方法,提出了3种可行的视频拷贝检测算法。论文的主要研究成果包括:研究了基于镜头分割的关键帧提取算法,实现了一种融合HSV颜色直方图和梯度幅值直方图的镜头切换检测算法,并提出了基于累积直方图差的关键帧提取方法。研究了基于全局特征和局部特征的视频拷贝检测算法,为了减少算法运算量,视频的全局特征采用HSV颜色直方图和梯度幅值直方图。同时,从匹配速度、图像模糊变换、光照变化、视角变化、缩放和旋转变化等角度研究了五种局部特征算法(SIFT、SURF、ORB、BRISK、AKAZE)的性能,结果表明AKAZE算法综合性能最优。从而提出了一种基于颜色和梯度信息全局特征、采用局部特征AKAZE算法的多层次级联式拷贝检测方法。实验表明该算法查全率为96.80%,查准率为97.95%,同时存在着检测时间过高的不足。为了提高视频拷贝检测的速度,提出了一种基于全局特征视频词袋的快速视频拷贝检测算法。该算法利用全局Gist特征和PHOG特征在场景分类中的优势,对视频以帧为单位,将提取的Gist特征和PHOG特征进行特征组合,通过聚类创建参考视频库的视频词袋,然后用视频词袋中的单词表示查询视频和参考视频,进行序列匹配得到结果。实验表明该算法查全率为87.8%,查准率为100%,算法的运行效率得到大大改善。研究了压缩域视频拷贝检测算法,提出了一种基于Ⅰ帧DC系数和AC系数特征的两级匹配视频拷贝检测算法。该算法首先计算视频Ⅰ帧分块的DC系数平均值,然后按照希尔伯特曲线顺序构造DC系数特征哈希值并对参考视频的特征建立倒排索引,采用投票策略选出与查询视频匹配的候选视频集合。最后利用视频Ⅰ帧分块的AC系数特征哈希值进行二级匹配得到结果。实验表明该算法查全率为88.6%,查准率为87.96%,并且具有更高的运行效率。(本文来源于《南京理工大学》期刊2017-01-01）
徐彤阳,张国标[7]（2016）在《数字图书馆中基于内容的视频拷贝检测关键技术研究》一文中研究指出随着数字图书馆中数字视频资源的增长,数字视频版权保护问题逐渐暴露出来。基于内容的视频拷贝检测技术作为一种有效的版权保护技术,近年来逐渐受到研究人员的关注。本文对基于内容的视频拷贝检测的关键技术视频指纹提取和指纹匹配的研究成果进行了分析,总结了指纹提取和指纹匹配的研究现状,指出了该领域存在的问题,最后分析了该领域的发展方向。(本文来源于《现代情报》期刊2016年02期）
田由[8]（2015）在《基于内容的视频拷贝检测技术的研究》一文中研究指出基于内容的视频拷贝检钡(Content-Based Video Copy Detection)是视频版权保护与内容管理的重要技术手段之一,是通过屏蔽视频的视觉表现形式,提取视频内容信息指纹,度量指纹间的距离来判定是否存在同源拷贝的现象。本文通过对视频编码标准及视觉特征的分析,提出一种基于压缩域的视频实时拷贝检测算法,包括基于压缩域的指纹提取子算法和基于簇的两级检索比对子算法。首先利用压缩域上DC系数的OM特征,结合运动矢量信息进行镜头检测,提取内容指纹并建立镜头索引；然后使用基于簇的两级检索匹配框架,进一步加快指纹比对速度,达到大规模数据集下的实时拷贝检测的要求。实验结果表明,本文提出的算法不但在可区分性、鲁棒性方面优于近期的一些算法,而且大幅度提高了检测效率,具有较高的理论研究意义和工程应用价值。(本文来源于《湖南师范大学》期刊2015-05-01）
李皓[9]（2015）在《基于内容的视频拷贝检测的研究》一文中研究指出随着互联网的普及，以及各种压缩技术和大容量存储技术的不断出现，使得视频的传播、制作、存储越来越容易，网络视频的内容迅速增长，在这种情况下也产生了大量的近似重复视频。大量的近似重复视频给版权保护带来了严峻的挑战，在此背景下，视频拷贝检测技术应运而生。近年来，众多学者投身于视频版权保护技术的研究。数字水印技术和基于内容的视频拷贝检测技术是目前视频版权保护具有代表性的两种方法。数字水印技术需在视频发布之前嵌入水印进行保护，嵌入在视频中的数字水印容易被破坏而失去版权保护功能，因此将数字水印应用到实际中还存在一定的局限性。相反，基于内容的视频拷贝检测技术直接从视频内容本身提取特征，无需嵌入任何信息，与数字水印技术相比更具实用价值。其检测流程主要分为以下四个主要的步骤：1视频预处理；2特征提取；3建立索引；4特征匹配。视频版权保护的关键问题不仅是视频数据量大导致检索速度慢，而且视频的剪切、旋转、转换编码格式等视频拷贝攻击降低了检索的准确率。因此，寻找鲁棒性好和高维索引算法成为视频版权保护问题的重点。本文的主要贡献是提出了一种基于球哈希和改进的灰度差算法的视频拷贝检测方法，提高了近似视频的检索时间和检索的准确率。首先，对传统的灰度差提取关键帧的算法进行改进，提出利用灰度差与灰度差累积量相结合的方法提取关键帧，减少了提取关键帧时产生的累积误差，提高了视频检索的准确率；然后，提取关键帧的SIFT特征，并且利用着名的球哈希算法对SIFT特征建立索引，把128维的高维浮点向量变为二值索引,提高了检索速度。实验结果表明该方法不仅提高了视频检索的准确率和检索速度，而且保证了较高的查全率。实验证明，与基于灰度序方法、基于GIST特征的方法、基于SIFT特征的方法和基于ORB特征的视频拷贝检测方法相比，本文提出的方法在保证较高查全率的同时，有较好的检测精度，同时检索时间也得到极大提升。最后，利用本文研究的内容采用VC技术设计并实现了基于球哈希和改进的灰度差算法的视频拷贝检测系统，该系统具有较强可移植性和可扩展性。(本文来源于《太原理工大学》期刊2015-05-01）
康艳红[10]（2014）在《基于内容相似性的视频片段拷贝检测研究》一文中研究指出互联网的迅猛普及以及视频编辑处理软件的陆续推出,使得互联网上的近似重复视频,包括非法拷贝视频呈现爆炸性的增长。基于内容的视频拷贝检测(Content-based Video Copy Detection)逐渐成为数字视频版权保护与内容管理领域的一个研究热点。本文总结了现有的视频拷贝检测技术,并重点围绕网络上大量存在的重复短视频片段问题,提出相应的检测算法。它的主要困难在于拷贝长度和拷贝位置不确定。因此,研究重点是如何对视频中存在的相似片段进行快速的检测与定位,涉及到的关键技术包括提取鲁棒、精简和高区分度的视频特征,高效的特征相似性查询和准确的视频子序列匹配。在总结这叁个关键技术研究现状的基础上,我们进行了一些积极的探索。论文的主要工作与创新点如下:1)提出了一种基于视频子序列创建倒排序特征索引的方法。其中,单帧图像的特征采用顺序测度(OM)结合局部二值模式(LBP)的方法获取,视频子序列则再联合时空信息编码形成独立的特征向量。采用倒排序索引的方法把特定ID号的视频子序列特征映射到相应的索引单元,并结合时序一致性在索引中搜索有效的拷贝片段。实验表明,该方案能有效地定位和查询视频中的一个或多个相似片段,同时降低了匹配的时间复杂度。2)提出了一种基于SIFT的鲁棒哈希特征和二级匹配的视频拷贝检测方法。该特征在SIFT的基础上,结合环形分块和兴趣点的空间分布信息,降低了特征的计算复杂度和维数,同时能对抗旋转放缩等几何攻击。为了更准确地定位查询视频的相似片段,采用了二级匹配的方法:视频子序列选用关键帧表征,子序列间关键帧的相似结果用于标记子序列是否匹配,而整个视频流的匹配采用基于Graph的方法,从匹配子序列中寻找一个最长匹配路径,从而定位相似片段。实验结果验证了提出的方法对多种拷贝攻击手段具有鲁棒性,且能够更精准地定位对相似片段。(本文来源于《湖南大学》期刊2014-05-23）
基于内容的视频拷贝检测论文开题报告
（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：
在当今这个信息化的社会,网络已经成为了人们生活中不可或缺的一部分。人们通过网络分享各种形式的媒体(文本、图像、音频、视频等)。视频作为这些网络媒体的形式之一,有些是视频发布者原创的,但有些是对其他原创者的视频进行处理后未经授权发布的,即近似拷贝视频。因此如何对网络视频进行分类和管理,保护原创者的版权权益越来越引起人们的关注,这促使了基于内容的视频拷贝检测(Content-Based Video Copy Detection,CBVCD)领域的研究。由于信号处理和传输技术的不断发展,视频的变形种类不断增加,对视频特征的鲁棒性和区分性提出了更高的要求。在过去的一些年,虽然出现了很多视频特征提取算法,但如何在高效的前提下提取具有鲁棒性和区分性的视频特征仍是研究领域需要攻克的难题之一。在提取了可以用来描述视频内容的特征信息之后,如何根据提取的视频特征判定视频之间的相似度和定位近似拷贝片段的位置是基于内容的视频拷贝检测的另一个关键技术。尽管近些年很多研究致力于在该方面取得突破,但如何在大规模的数据库中对视频序列进行匹配(可能经过复杂的音视频变换)仍然是一个挑战性的任务。针对上述两个问题,本文提出了相应的解决方案,主要创新成果如下:基于压缩域的视频特征提取算法是在对视频的码流进行部分解码后,提取视频的特征信息。运动矢量作为视频码流的编码信息之一,用来描述视频宏块的运动信息。许多研究试图通过运动矢量对视频内容进行描述,但很多基于运动矢量的视频特征提取算法最终都将运动矢量信息转化为了统计直方图,缺乏对视频结构信息的详细描述。为了解决该问题,我们提出了运动矢量图(Motion Vector Imaging,MVI)的概念,基于MVI,本文提出了一个包含MVI模型和I帧模型的Cascade系统。首先,对视频进行部分解码,提取视频P帧和B帧的运动矢量信息,然后将运动矢量信息映射到图像上生成MVI。对于视频的I帧则进行完全解码,将I帧压缩域的信息解码成像素域的信息。通过Siamese深度神经网络(Deep Neural Network,DNN)提取I帧和MVI的特征信息。实验表明,该基于压缩域的视频拷贝检测系统具有较良好的检测性能。因为单张运动矢量图只是根据若干视频帧的运动矢量信息映射而成,因此只能用来描述视频短时间内的变化趋势,无法描述长时间范围内视频帧的内在关联。为了解决该问题,本论文提出了另一个基于长期循环卷积网络(Long-term Recurrent Convolutional Network,LRCN)[1]的运动矢量图序列(Sequence MVI,SMVI)模型。该模型将生成的运动矢量图序列作为长期循环卷积网络的输入,通过LRCN提取的视频特征可以同时描述视频的时域和空域信息。结合前面提出的I帧模型,设计了一个包含SMVI模型和I帧模型的Cascade系统。通过实验证明了该视频拷贝检测系统能够较快速、准确地对近似拷贝视频进行检测。对于视频特征的匹配问题,本文提出了多尺度视频序列匹配(Multiscale Video Sequence Matching,MS-VSM)模型。在粗尺度空间,采用最大权重匹配(Maximum Weight Matching,MWM)算法从视频库中筛选出与查询视频相关的候选参考视频。对于每一个候选参考视频,该视频与查询视频最相似的视频片段通过中尺度空间的基于约束的最长递增匹配子序列(Constrained Longest Ascending Matching Subsequence,CLAMS)算法进行定位,并判定该片段与查询视频对应的片段是否确实为近似拷贝片段。如果判定为近似拷贝片段,则需要在精细尺度空间通过双向扫描(bi-directional scanning)的方法对近似拷贝视频片段进行最终的精确定位。MS-VSM模型能够对视频间相似片段进行较准确、快速地定位。
（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。
基于内容的视频拷贝检测论文参考文献
[1].苏志贤.基于剪切系数的视频指纹内容拷贝检测[J].山东农业大学学报(自然科学版).2019
[2].杨媛媛.基于内容的视频拷贝检测算法研究[D].北京邮电大学.2018
[3].李东浩.基于内容的短视频拷贝检测系统的设计与实现[D].北京交通大学.2018
[4].王领.基于内容的视频拷贝检测[D].大连理工大学.2017
[5].陈浩.基于内容的视频拷贝检测方法研究[D].杭州电子科技大学.2017
[6].臧文佳.基于内容的视频拷贝检测方法研究[D].南京理工大学.2017
[7].徐彤阳,张国标.数字图书馆中基于内容的视频拷贝检测关键技术研究[J].现代情报.2016
[8].田由.基于内容的视频拷贝检测技术的研究[D].湖南师范大学.2015
[9].李皓.基于内容的视频拷贝检测的研究[D].太原理工大学.2015
[10].康艳红.基于内容相似性的视频片段拷贝检测研究[D].湖南大学.2014