《Journal of Web Engineering》：A Web-Based Streaming Video Identification Method Using Self-Supervised Structural Embedding and Vector Similarity Search
编辑推荐：
流媒体视频服务凭借OTT(Over-The-Top)平台和基于Web的媒体服务的快速增长，已成为内容分发的主要渠道。因此，准确的视频识别在版权保护、受众测量、内容管理以及搜索和推荐服务中日益必要。然而，传统的基于特征点的方法对流媒体环境中常见的变换（包括压缩、
流媒体视频服务凭借OTT(Over-The-Top)平台和基于Web的媒体服务的快速增长，已成为内容分发的主要渠道。因此，准确的视频识别在版权保护、受众测量、内容管理以及搜索和推荐服务中日益必要。然而，传统的基于特征点的方法对流媒体环境中常见的变换（包括压缩、分辨率变化、重新编码、帧率降低、宽高比转换、叠加、旋转和翻转）通常鲁棒性有限。此外，这类方法还需要存储和比较大量局部描述子，这可能会限制大规模内容数据库中的检索效率。本文提出了一种基于自监督结构嵌入和向量相似性搜索的Web流媒体视频识别方法。研究人员从原始视频和查询视频中提取代表帧，进行预处理，使用自监督拷贝检测模型(Self-Supervised Copy Detection, SSCD)生成512维结构嵌入，并在向量数据库中进行余弦相似性搜索。为了提升对几何变换的鲁棒性，额外注册了变换后的参考帧。对于查询视频，使用多个代表帧，并通过帧级检索结果的多数投票确定最终视频级识别结果。每一帧由一个固定长度的512维向量表示，每帧需要2048字节，一个五帧查询需要10240字节。在覆盖14类变换和40种具体变换设置的4000个查询视频上的实验表明，该方法达到了99.23%的识别率、0.38%的漏识别率和0.40%的误识别率。这些结果证明了该方法在Web环境中识别同一源视频的变换副本的可行性。
随着互联网基础设施与流媒体技术的发展，基于视频的内容消费快速增长，OTT(Over-The-Top)平台和YouTube等Web视频服务改变了用户获取和分享内容的方式，视频流已成为全球互联网流量的重要组成部分。在此背景下，视频识别在版权保护、受众测量、用户行为分析、内容管理及搜索推荐等环节变得日益重要。然而，同一源视频在网络分发或再分发过程中可能经历压缩、重新编码、分辨率变化、帧率降低、宽高比转换、亮度或对比度调整、灰度化、标志插入、文字叠加
