视频相似性检测

最新推荐文章于 2026-07-02 16:05:50 发布

原创

最新推荐文章于 2026-07-02 16:05:50 发布 · 1.1w 阅读

收录于

当前文章被以下社区和专栏收录：

视频相似性检测通常用于处理因压缩、缩放、亮度等因素导致非完全一致的视频。通过一秒一帧切取并使用PHash算法提取每帧的指纹，再进行相似度对比。PHash是一种图像指纹提取方法，包括缩放图像、转为灰度图、DCT变换、取均值二值化等步骤，最后计算汉明距离确定视频帧的相似度。

背景

完全一样的视频可以通过MD5判断，但视频可能因为压缩格式、缩放、明暗、尾部截断导致非完全一致，故需要对视频帧进行重复检测。非常相似定义：缩放、亮度、帧率、水印、格式变换等造成的视频差异(旋转的效果不佳)。本文采用一秒一帧切帧，对每帧提取Phash(perceptual hash algortihm 感知hash算法)值，进行相似度对比。

PHash简介

用于提取图像指纹

缩放为32*32的小图
转为灰度图， Gray = R0.299 + G0.587 + B*0.114
DCT离散余弦变换，只保留左上角8*8的部分
求均值，根据均值二值化，变成64位01串

步骤

下载视频
获取视频帧，间隔为24帧（一般为1s）
每帧提取phash特征，补齐64位拿到指纹
指纹间求汉明距离 diff对有多少个，根据测试集调整阈值

# @Description: 比较两个视频是否非常相似
#               非常相似定义：缩放、亮度、帧率、格式变换等造成的视频差异(旋转的效果不佳)

import cv2
import numpy as np


def pHash(img):
    """
    get image pHash value
    """

    # 缩放图片为32x32灰度图片
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    img = cv2.resize(img, (32, 32), interpolation=cv2.INTER_CUBIC)

    # 创建二维列表
    h, w = img.shape[:2]
    vis0 = np.zeros((h,w), np.float32)
    vis0[:h,:w] = img

    # 二维Dct变换
    vis1 =