tuzsutТруды учебных заведений связиProceedings of Telecommunication Universities1813-324X2712-8830СПбГУТ10.31854/1813-324X-2022-8-1-57-64tuzsut-310Research ArticleИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И ТЕЛЕКОММУНИКАЦИИINFORMATION TECHNOLOGIES AND TELECOMMUNICATIONИзучение возможности использования векторов движения сжатого видеопотока для его идентификацииA Study of the Possibility of Usage Motion Vectors of Compressed Videos to Create Video Identificationhttps://orcid.org/0000-0003-0233-3434ФахрутдиновР. Ш.FahrutdinovR.

Фахрутдинов Роман Шафкатович – кандидат технических наук, заведующий лабораторией кибербезопасности и постквантовых криптосистем

Санкт-Петербург, 199178

St. Petersburg, 199178

fahr@cobra.ruhttps://orcid.org/0000-0002-3114-458XМиринА. Ю.MirinA.

Мирин Анатолий Юрьевич – кандидат технических наук, старший научный сотрудник лаборатории кибербезопасности и постквантовых криптосистем 

Санкт-Петербург, 199178

St. Petersburg, 199178

mirin@cobra.ruСанкт-Петербургский Федеральный исследовательский центр Российской академии наукРоссияSaint Petersburg Federal Research Center of the Russian Academy of SciencesRussian Federation202201042022815764Copyright © Фахрутдинов Р.Ш., Мирин А.Ю., 20222022Фахрутдинов Р.Ш., Мирин А.Ю.Fahrutdinov R., Mirin A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://tuzs.sut.ru/jour/article/view/310

Использование векторов движения для идентификации видеопоследовательностей хорошо изучено в рамках исследований на тему CBCD (аббр. от англ. Content-Based Copy Detection – определение копий видео на основе анализа контента). Это дает возможность проверки степени сходства двух фрагментов видео или поиска фрагмента в большей видеопоследовательности. Существующие методы формирования идентификационных наборов данных обычно  используют полное декодирование видеопотока. Авторы предлагают использовать векторы движения, которые создают видеокодек при сжатии видеопоследовательности. Это позволяет уменьшить вычислительные затраты для идентификации видеопоследовательности и применять более простые алгоритмы для формирования идентификационных данных. В отличие от ранее предложенных методов, использующих либо модифицированные видеокодеки, либо устаревшие, авторы предлагают использовать данные, формируемые при сжатии кодеками наиболее распространенных видеохостингов (Youtube, Vimeo и т. д.) В последующих работах будет изучена возможность формирования автоматизированной системы сравнения видеопоследовательностей и определены ее возможности и ограничения.

The use of motion vectors for identifying video sequences has been well studied (in the framework of research on the topic CBCD – Content-Based Copy Detection ‒ detecting copies of videos based on content analysis). This makes it possible to check the similarity of two video fragments or search for a fragment in a larger video sequence. Existing and well-known methods for forming identification datasets typically use complete video stream decoding. The authors suggested using the motion vectors of a compressed video stream, which reduces the computational costs for identifying video sequences and uses simplified algorithms to generate identification data. Unlike the previously proposed methods, which implement either modified video codecs or obsolete ones, the authors propose using data formed by compression codecs that are used in the most common video hosting platforms (Youtube, Vimeo, etc.) The possibility of forming an automated system of comparing video sequences, along with its possibilities and limitations, will be studied in the following works.

сравнение видеопоследовательностейCBCDопределение степени сходства видеоматериаловпоиск видеопоследовательностейcontent based copy detectionvideo sequence comparisonsimilarity of video sequencessearch of video patternsReferencesHampapur A., Bolle R.M. Comparison of Distance Measures for Video Copy Detection: IBM Research Report: RC 22056 (W0105-007), 14 May 2001. URL: https://dominoweb.draco.res.ibm.com/reports/RC22056.pdf (Accessed 08th February 2022)Hampapur A., Bolle R.M. Comparison of Distance Measures for Video Copy Detection. IBM Research Report. Report number: RC 22056 (W0105-007). 14 May 2001. Available from: https://dominoweb.draco.res.ibm.com/reports/RC22056.pdf [Accessed 08th February 2022]Экстремистские материалы. Министерство юстиции Российской Федерации. URL: https://minjust.gov.ru/ru/extremist-materials (дата обращения 08.02.2022)Ministry of Justice of Russian Federation. Extremist Materials. (in Russ.) Available from: https://minjust.gov.ru/ru/extremist-materials [Accessed 08th February 2022]Yang X., Zhu Q., Cheng K.T. Near-Duplicate Detection for Images and Videos // Proceedings of the 1-st ACM workshop on Large-scale multimedia retrieval and mining (LS-MMRM’09, Beijing, China, 23rd October 2009). New York: Association for Computing Machinery, 2009. PP. 73‒80. DOI:10.1145/1631058.1631073Yang X., Zhu Q., Cheng K.T. Near-Duplicate Detection for Images and Videos. Proceedings of the 1-st ACM workshop on Large-scale multimedia retrieval and mining, LS-MMRM’09, 23rd October 2009, Beijing, China. New York: Association for Computing Machinery; 2009. p.73‒80. DOI:10.1145/1631058.1631073Chiu C.Y., Tsai T.H., Hsieh C.Y. Efficient video segment matching for detecting temporal-based video copies // Neurocomputing. 2013. Vol. 105. PP. 70–80. DOI:10.1016/j.neucom.2012.04.036Chiu C.Y., Tsai T.H., Hsieh C.Y. Efficient video segment matching for detecting temporal-based video copies. Neurocomputing. 2013;105:70–80. DOI:10.1016/j.neucom.2012.04.036Thomas R.M., Sumesh M.S. A Simple and Robust Colour Based Video Copy Detection on Summarized Videos // Procedia Computer Science. 2015. Vol. 46. PP. 1668–1675. DOI:10.1016/j.procs.2015.02.106Thomas R.M., Sumesh M.S. A Simple and Robust Colour Based Video Copy Detection on Summarized Videos. Procedia Computer Science. 2015;46:1668–1675. DOI:10.1016/j.procs.2015.02.106Hu Y., Lu X. Learning spatial-temporal features for video copy detection by the combination of CNN and RNN // Journal of Visual Communication and Image Representation. 2018. Vol. 55. PP. 21–29. DOI:10.1016/j.jvcir.2018.05.013Hu Y., Lu X. Learning spatial-temporal features for video copy detection by the combination of CNN and RNN. Journal of Visual Communication and Image Representation. 2018;55:21–29. DOI:10.1016/j.jvcir.2018.05.013Lu Z.M., Li B., Ji Q.G., Tan Z.F., Zhang Y. Robust video identification approach based on local non-negative matrix factorization // International Journal of Electronics and Communications (AEÜ). 2015. Vol. 69. Iss. 1. PP. 82–89. DOI:10.1016/j.aeue. 2014.07.021Lu Z.M., Li B., Ji Q.G., Tan Z.F., Zhang Y. Robust video identification approach based on local non-negative matrix factorization. International Journal of Electronics and Communications (AEÜ). 2015;69(1):82–89. DOI:10.1016/j.aeue.2014.07.021Roopalakshmi R., Guddeti R.M.R. A Novel CBCD Approach Using MPEG-7 Motion Activity Descriptors // Proceedings of International Symposium on Multimedia (Dana Point, USA, 5‒7 December 2011). PP. 179‒184. IEEE, 2011. DOI:10.1109/ISM.2011.36Roopalakshmi R., Guddeti R.M.R. A Novel CBCD Approach Using MPEG-7 Motion Activity Descriptors. Proceedings of International Symposium on Multimedia, USA, 5‒7 December 2011, Dana Point. IEEE; 2011. p.179‒184. DOI:10.1109/ISM.2011.36Taşdemir K., Çetin A.E. Content-based video copy detection based on motion vectors estimated using a lower frame rate // Signal, Image and Video Processing. 2014. Vol. 8. PP. 1049–1057. DOI:10.1007/s11760-014-0627-6Taşdemir K., Çetin A.E. Content-based video copy detection based on motion vectors estimated using a lower frame rate. Signal, Image and Video Processing. 2014;8:1049–1057. DOI:10.1007/s11760-014-0627-6Wasserman L. All of Statistics: A Concise Course in Statistical Inference // Springer Texts in Statistics. New York: Springer, 2004. DOI:10.1007/978-0-387-21736-9Wasserman L. All of Statistics: A Concise Course in Statistical Inference. Springer Texts in Statistics. New York: Springer; 2004. DOI:10.1007/978-0-387-21736-9

The authors declare that there are no conflicts of interest present.