吴 悦，雒江涛，刘 锐，胡钟尹

（1.重庆邮电大学通信与信息工程学院，重庆 400065；2.重庆邮电大学电子信息与网络工程研究院，重庆 400065）

0 引言

视频应用在近年来呈现爆发式增长，但是类似于涉案金额高达2.3 亿元的“2·15”系列电影侵权案的视频侵权行为却层出不穷。由于鉴别视频侵权问题的关键是检测两个视频的相似度，因此只要能够准确检测两段视频的相似度，则能有效支持侵权的鉴别。除了鉴别视频侵权问题外，通过视频相似度检测方法可以得到多张图像帧在时空与信息上的相关性与互补性，以此生成质量较好的融合图片，因此解决视频相似度检测问题也为图像融合的理论研究奠定了良好的基础。

现有的相似视频检测方法主要分为视频层次检测、图像层次检测和音频层次检测三类方法。

在视频层次检测方法中，检测两个视频是否完全相同的最基本的方法就是利用MD5 信息摘要算法［1］，对比两个视频的MD5值是否相等，但是该方法无法检测到篡改后的视频。基于标题、标签和描述内容的检测方式［2-4］则通过人为对视频内容进行高度概括，后续利用机器学习的方法对视频进行分类；但该方法需要大量的人工辅助才能完成，并且由于每个人对视频的理解不同，产生的标签和描述也有所不同，导致最终的鉴别效果做不到客观一致。因此大多数基于视频层面的相似视频研究是通过学习结合外观和时间等特征［5-7］来进行的。例如，文献［5］中结合时间和如颜色、纹理等感知视觉特征以及一个计算索引和查询文档之间逻辑推断的匹配框架；……