图片比对方法、装置及视频比对方法、装置

技术领域

本发明涉及图像识别领域，特别是涉及图片比对方法、装置及视频比对方法、装置。

背景技术

网络视频是在网络上以WMV、RM、RMVB以及MOV等视频文件格式传播的动态影像，包括各类影视节目，如自制剧、综艺节目、视频、广告等，以节目容量大、节目类型多样、存储简单、接收方便等特点备受亲睐。但是，基于上述便利性，一些网络公司具有独享版权的网络视频常被其他网站盗播，大量的盗播给版权公司带来了巨大的损失。例如，部分网站通过修改视频标题等手段盗播具有独享版权的网络视频。

目前，这类盗播通常是通过比对盗版视频与版权视频的文字标题是否相同进行确定。但是，网络视频的文字标题的修改是极其容易的，因此，这种利用比对文字标题是否相同确定版权视频是否被盗播的方法误判率高、判断结果不可靠，给网络视频的版权维护带来了困难。

发明内容

本发明实施例的目的在于提供图片比对方法、装置及视频比对方法、装置，以实现两个图片和/或两个视频是否相似的精确判断。

为达到上述目的，本发明实施例公开了一种图片比对方法，应用于电子设备中，包括如下步骤：

获得待比对的两个图片，将所述两个图片分别记为：第一图片和第二图片；

确定所述第一图片的多个特征点，并计算出所述第一图片的每一特征点对应的海森矩阵的迹；确定所述第二图片的多个特征点，并计算出所述第二图片的每一特征点对应的海森矩阵的迹；所述特征点为海森矩阵判别式的值大于或小于与该像素点相邻的像素点的海森矩阵判别式的值的像素点；

在所述第一图片的特征点的个数和所述第二图片的特征点的个数均大于第一阈值的情况下，对所述第一图片的每一特征点分别进行如下处理：将与该特征点的所述海森矩阵的迹的正负号相同的所述第二图片的特征点组成第一集合，计算该特征点到所述第一集合中每一所述第二图片的特征点的欧氏距离，组成第二集合；计算所述第二集合中最小欧氏距离与次最小欧式距离的比值；判断所述比值是否小于第二阈值，如果是，确定该特征点与所述最小欧氏距离对应的所述第二图片的特征点相匹配；

判断与所述第二图片的特征点相匹配的所述第一图片的特征点的个数是否大于第三阀值；如果是，则确定所述两个图片相似；否则，确定所述两个图片不相似。

优选的，在所述确定所述第一图片的多个特征点前，所述方法图片比对方法还包括：从第一算法、第二算法和第三算法中选择至少一种算法对所述两个图片进行比对，获得第一比对结果，并在所述第一比对结果为所述两个图片不相似时再执行所述确定所述第一图片的多个特征点的步骤；

当选择两种算法进行比对时，将选择的其中一种算法确定为首次比对算法，另一种算法确定为第二次比对算法；使用所述首次比对算法对所述两个图片进行首次比对，获得首次比对结果；在所述首次比对结果为所述两个图片不相似时，使用所述第二次比对算法对所述两个图片进行比对，获得所述第一比对结果；

当选择三种算法进行比对时，将选择的所述三种算法分别确定为首次比对算法、第二次比对算法和第三次比对算法，使用所述首次比对算法对所述两个图片进行首次比对，获得首次比对结果；在所述首次比对结果为所述两个图片不相似时，使用所述第二次比对算法对所述两个图片进行比对，获得第二次比对结果，在所述第二次比对结果为所述两个图片不相似时，使用所述第三次比对算法对所述两个图片进行比对，获得所述第一比对结果。

优选的，所述第一算法为：计算并存储所述第一图片的第一哈希特征值，计算并存储所述第二图片的第二哈希特征值；读取所述第一哈希特征值和所述第二哈希特征值，计算所述第一图片与所述第二图片的汉明距离；判断所述汉明距离是否小于第四阀值，如果是，确定所述第一图片与所述第二图片相似；否则，确定不相似；

和/或，所述第二算法为：计算并存储所述第一图片上每个像素点的第一局部二值模式值，计算并存储所述第二图片上每个像素点的第二局部二值模式值；做出所述第一图片的第一直方图，做出所述第二图片的第二直方图；其中，所述第一直方图的横坐标为所述第一局部二值模式值，所述第一直方图的纵坐标为每一所述第一局部二值模式值对应的所述第一图片上的像素点的数量；所述第二直方图的横坐标为所述第二局部二值模式值，所述第二直方图的纵坐标为每一所述第二局部二值模式值对应的所述第二图片上的像素点的数量；将所述第一直方图与所述第二直方图重合，统计所述第一直方图与所述第二直方图的重叠部分的像素点的数量，获得所述第一图片和所述第二图片的相似度，判断所述相似度是否大于第五阈值，如果是，确定所述第一图片与所述第二图片相似；否则，确定不相似；

和/或，所述第三算法为：将所述第一图片和所述第二图片的尺寸调整一致，并将所述第一图片和所述第二图片分别划分成相互对应的、大小一致的多个块；计算所述第一图片和所述第二图片中每一对应位置之间的结构相似度，并计算所有相应块之间的结构相似度的平均值；判断所述平均值是否大于第六阈值，如果是，确定所述第一图片与所述第二图片相似；否则，确定不相似。

优选的，所述确定所述第一图片的特征点包括：

对所述第一图片的每一像素点用不同尺寸的滤波器分别进行滤波，获得所述第一图片在不同尺度的一系列响应图，构成第一图片金字塔；

计算所述第一图片的每一像素点的海森矩阵判别式的值；

将海森矩阵判别式的值大于或小于与该像素点在所述第一图片金字塔中相邻的预设数量的像素点的海森矩阵判别式的值的像素点确定为所述第一图片的特征点；

所述确定所述第二图片的特征点包括：

对所述第二图片的每一像素点用不同尺寸的滤波器分别进行滤波，获得所述第二图片在不同尺度的一系列响应图，构成第二图片金字塔；

计算所述第二图片的每一像素点的海森矩阵判别式的值；

将海森矩阵判别式的值大于或小于与该像素点在所述第二图片金字塔中相邻的预设数量的像素点的海森矩阵判别式的值的像素点确定为所述第二图片的特征点。

本发明实施例还公开了一种应用本发明公开的所述图片比对方法进行视频比对的方法，其特征在于，应用于电子设备中，所述视频比对方法包括：

从待比对的两个视频中的一个视频中提取多张待比对的图片，组成第一图片组，从另一视频中提取多张待比对的图片，组成第二图片组；

利用本发明公开的所述图片比对方法，对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，确定最终相似图片对的数量；每一对相似的图片中包括一张所述第一图片组的图片和一张所述第二图片组的图片；

判断所述最终相似图片对的数量是否大于第七阈值，如果是，则确定所述两个视频相似；否则，确定所述两个视频不相似。

优选的，所述利用本发明公开的所述图片比对方法，对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，确定最终相似图片对的数量；每一对相似的图片中包括一张所述第一图片组的图片和一张所述第二图片组的图片包括：

从第一算法、第二算法和第三算法中选择至少一种算法对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，获得第一相似图片对的数量；

当所述第一相似图片对的数量小于第七阈值时，去除所述第一图片组和所述第二图片组中与所述第一相似图片对的数量相等的相似图片；

利用利用本发明提供的所述图片比对方法，对去除相似图片后的所述第一图片组中的每一图片与去除相似图片后的所述第二图片组中的每一图片分别进行比对，获得第二相似图片对的数量；

将所述第一相似图片对的数量与所述第二相似图片对的数量的和，确定为所述最终相似图片对的数量。

优选的，所述从第一算法、第二算法和第三算法中选择至少一种算法对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，获得第一相似图片对的数量包括：

当选择两种算法进行比对时，将选择的其中一种算法确定为首次比对算法，另一种算法确定为第二次比对算法；使用所述首次比对算法对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，获得第三相似图片对的数量；当所述第三相似图片对的数量小于第七阈值时，去除所述第一图片组和所述第二图片组中与所述第三相似图片对的数量相等的相似图片；利用所述第二次比对算法，对去除相似图片后的所述第一图片组中的每一图片与去除相似图片后的所述第二图片组中的每一图片分别进行比对，获得第四相似图片对的数量；将所述第三相似图片对的数量与所述第四相似图片对的数量的和，确定为所述第一相似图片对的数量；

当选择三种算法进行比对时，将选择的所述三种算法分别确定为首次比对算法、第二次比对算法和第三次比对算法，使用所述首次比对算法对对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，获得第五相似图片对的数量；当所述第五相似图片对的数量小于第七阈值时，去除所述第一图片组和所述第二图片组中与所述第五相似图片对的数量相等的相似图片；使用所述第二次比对算法，对去除相似图片后的所述第一图片组中的每一图片与去除相似图片后的所述第二图片组中的每一图片分别进行比对，获得第六相似图片对的数量；当所述第五相似图片对的数量与所述第六相似图片对的数量的和小于第七阈值时，再次去除所述第一图片组和所述第二图片组中与所述第六相似图片对的数量相等的相似图片；使用所述第三次比对算法，对再次去除相似图片后的所述第一图片组中的每一图片与再次去除相似图片后的所述第二图片组中的每一图片分别进行比对，获得第七相似图片对的数量；将所述第五相似图片对的数量、所述第六相似图片对的数量与所述第七相似图片对的数量的和，确定为所述第一相似图片对的数量。

优选的，所述第一算法为：计算并存储所述第一图片的第一哈希特征值，计算并存储所述第二图片的第二哈希特征值；读取所述第一哈希特征值和所述第二哈希特征值，计算所述第一图片与所述第二图片的汉明距离；判断所述汉明距离是否小于第四阀值，如果是，确定所述第一图片与所述第二图片相似；否则，确定不相似；

和/或，所述第二算法为：计算并存储所述第一图片上每个像素点的第一局部二值模式值，计算并存储所述第二图片上每个像素点的第二局部二值模式值；做出所述第一图片的第一直方图，做出所述第二图片的第二直方图；其中，所述第一直方图的横坐标为所述第一局部二值模式值，所述第一直方图的纵坐标为每一所述第一局部二值模式值对应的所述第一图片上的像素点的数量；所述第二直方图的横坐标为所述第二局部二值模式值，所述第二直方图的纵坐标为每一所述第二局部二值模式值对应的所述第二图片上的像素点的数量；将所述第一直方图与所述第二直方图重合，统计所述第一直方图与所述第二直方图的重叠部分的像素点的数量，获得所述第一图片和所述第二图片的相似度，判断所述相似度是否大于第五阈值，如果是，确定所述第一图片与所述第二图片相似；否则，确定不相似；

和/或，所述第三算法为：将所述第一图片和所述第二图片的尺寸调整一致，并将所述第一图片和所述第二图片分别划分成相互对应的、大小一致的多个块；计算所述第一图片和所述第二图片中每一对应位置之间的结构相似度，并计算所有相应块之间的结构相似度的平均值；判断所述平均值是否大于第六阈值，如果是，确定所述第一图片与所述第二图片相似；否则，确定不相似。

本发明还公开了一种图片比对装置，应用于电子设备中，所述装置包括：第一图片获取模块、特征点确定模块、匹配模块和第一结果确定模块，

所述第一图片获取模块，用于获得待比对的两个图片，将所述两个图片分别记为：第一图片和第二图片；

所述特征点确定模块，用于确定所述第一图片的多个特征点，并计算出所述第一图片的每一特征点对应的海森矩阵的迹；确定所述第二图片的多个特征点，并计算出所述第二图片的每一特征点对应的海森矩阵的迹；所述特征点为海森矩阵判别式的值大于或小于与该像素点相邻的像素点的海森矩阵判别式的值的像素点；

所述匹配模块，用于在所述第一图片的特征点的个数和所述第二图片的特征点的个数均大于第一阈值的情况下，对所述第一图片的每一特征点分别进行如下处理：将与该特征点的所述海森矩阵的迹的正负号相同的所述第二图片的特征点组成第一集合，计算该特征点到所述第一集合中每一所述第二图片的特征点的欧氏距离，组成第二集合；计算所述第二集合中最小欧氏距离与次最小欧式距离的比值；判断所述比值是否小于第二阈值，如果是，确定该特征点与所述最小欧氏距离对应的所述第二图片的特征点相匹配；

所述第一结果确定模块，用于判断与所述第二图片的特征点相匹配的所述第一图片的特征点的个数是否大于第三阀值；如果是，则确定所述两个图片相似；否则，确定所述两个图片不相似。

本发明还公开了一种利用本发明公开的图片比对装置进行视频比对的装置，应用于电子设备中，所述视频比对装置与所述图片比对装置连接，所述视频比对装置包括：第二图片获取模块、相似图片数量确定模块和第二结果确定模块，

所述第二图片获取模块，用于从待比对的两个视频中的一个视频中提取多张待比对的图片，组成第一图片组，从另一视频中提取多张待比对的图片，组成第二图片组；

所述相似图片数量确定模块，用于触发权利要求9所述的图片比对装置，对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，确定最终相似图片对的数量；每一对相似的图片中包括一张所述第一图片组的图片和一张所述第二图片组的图片；

所述第二结果确定模块，用于判断所述最终相似图片对的数量是否大于第七阈值，如果是，则确定所述两个视频相似；否则，确定所述两个视频不相似。

本发明实施例提供的图片比对方法、装置及视频比对方法、装置，应用于电子设备中，可以确定待比对的两张图片的特征点，在待比对的两个图片的特征点的个数均大于第一阈值的情况下，确定待比对的两个图片中相匹配的特征点的个数，判断待比对的两个图片中相匹配的特征点的个数是否大于第三阀值；如果是，则确定所述两个图片相似；否则，确定所述两个图片不相似。本发明提供的图片比对方法，对被其他图片比对方法误判的雾状图片进行比对的结果更加准确，且本发明无需进行去雾处理，因此比对效率高。由于本发明提供的视频比对方法以从视频中提取的图片作为比对对象，相比于使用视频的文字标题作为比对对象的比对方法，比对结果更精确；另外，由于本发明提供的视频比对方法使用了本发明提供的图片比对方法，因此，本发明提供的视频比对方法可以精确、快速地确定相似视频，当确定的两个相似视频中的一个视频为版权视频，另外一个为目标视频时，可将目标视频确定为版权视频的盗版视频，从而可以更好地维护版权公司的合法权益。当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种图片比对方法流程图；

图2为本发明实施例提供的另一种图片比对方法流程图；

图3为本发明实施例提供的一种图片比对装置结构示意图；

图4为本发明实施例提供的另一种图片比对装置结构示意图

图5为本发明实施例提供的一种视频比对方法流程图；

图6为本发明实施例提供的另一种视频比对方法流程图；

图7为本发明实施例提供的一种视频比对装置结构示意图；

图8为本发明实施例提供的另一种视频比对装置结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种图片比对方法及装置，应用于电子设备中；本发明实施例还提供了一种视频比对方法及装置，应用于电子设备中。下面分别进行说明。

下面首先对图片比对方法及装置进行说明。

如图1所示，本发明实施例提供的一种图片比对方法，应用于电子设备中，该方法可以包括：

S100、获得待比对的两个图片，将所述两个图片分别记为：第一图片和第二图片；

具体的，用户可以通过任何方式获得待比对的两个图片，例如：其中一个图片可以是从一个视频中提取出的图片，另一个图片可以是从另一个视频中提取出的图片，并将该两个图片分别标记为：第一图片和第二图片；或者，两个图片均为本地存储的两个图片，并将该两个图片分别标记为：第一图片和第二图片。

S200、确定所述第一图片的多个特征点，并计算出所述第一图片的每一特征点对应的海森矩阵的迹；确定所述第二图片的多个特征点，并计算出所述第二图片的每一特征点对应的海森矩阵的迹；所述特征点为海森矩阵判别式的值大于或小于与该像素点相邻的像素点的海森矩阵判别式的值的像素点；

具体的，确定第一图片或第二图片的特征点的方法可以为如下步骤：

步骤一：对所述第一图片的每一像素点用不同尺寸的滤波器分别进行滤波，获得所述第一图片在不同尺度的一系列响应图，构成第一图片金字塔；和/或，对所述第二图片的每一像素点用不同尺寸的滤波器分别进行滤波，获得所述第二图片在不同尺度的一系列响应图，构成第二图片金字塔；

具体的，将第一图片或第二图片中的每一像素点分别用I(x,y)表示，然后用不同尺寸的滤波器分别进行滤波，具体的，可以使用二阶标准高斯函数作为滤波器，也可以使用近似的盒状滤波器(0，1，1组成的boxfilter)代替高斯滤波；

为了构建每一像素点的海森矩阵(HessianMatrix，简称H矩阵)，对每一像素点需要计算Dxx、Dxy、Dyy三个值，故需要三个滤波器，用它们滤波后，获得第一图片或第二图片在不同尺度的一系列响应图，构成第一图片金字塔和第二图片金字塔，即并将第一图片或第二图片中的某个像素点的H矩阵定义为：

$>H=\left(\begin{array}{cc}Dxx& Dxy\\ Dxy& Dyy\end{array}\right)$>

步骤二：计算所述第一图片的每一像素点的海森矩阵判别式的值；和/或，计算所述第二图片的每一像素点的海森矩阵判别式的值；

具体的，计算第一图片或第二图片中的某一个像素点的H矩阵的判别式为：

H＝Dxx·Dyy-Dxy·Dxy

步骤三：将海森矩阵判别式的值大于或小于与该像素点在所述第一图片金字塔中相邻的预设数量的像素点的海森矩阵判别式的值的像素点确定为所述第一图片的特征点；和/或，将海森矩阵判别式的值大于或小于与该像素点在所述第二图片金字塔中相邻的预设数量的像素点的海森矩阵判别式的值的像素点确定为所述第二图片的特征点。

具体的，第一图片的图像金字塔或第二图片的图像金字塔中的每个像素点的H矩阵判别式的值为：Dxx·Dyy-Dxy·Dxy；将H矩阵判别式的值大于或小于与该像素点在第一图片金字塔中相邻的预设数量的像素点的H矩阵判别式的值的像素点确定为第一图片的特征点。在第一图片金字塔中，当以该像素点为中心在n×n的范围内确定特征点时，预设数量＝n³-1，其中n为大于或等于3的奇数，当n＝3时，预设数量＝26；当n＝5时，预设数量＝124。可以理解的是，n较大时确定的特征点更准确，当然n也不宜过大；当n太大时，一方面确定的特征点的个数太少，另一方面计算量太大，影响比对效率。因此，优选的n＝3，即预设数量＝26。

用上述步骤一至步骤三确定的第一图片或第二图片的特征点，也可以被称为稳定点，这些稳定点不会因为视角的改变、光照的变化、噪声的干扰而消失，比如角点、边缘点、暗区域的两点以及亮区域的暗点，这样如果两个图片中有相同的景物，那么这些稳定点就会在两个图片的相同景物上同时出现，这样就能实现两个特征点的匹配，从而取得两个图片是否相似的判断结果。

进一步，计算出所述第一图片的每一特征点对应的海森矩阵的迹，和/或，计算出所述第二图片的每一特征点对应的海森矩阵的迹。

具体的，计算上文中确定第一图片或第二图片的每一特征点对应的H矩阵的迹，某一特征点的迹为：Dxx+Dyy。

S300、在所述第一图片的特征点的个数和所述第二图片的特征点的个数均大于第一阈值的情况下，对所述第一图片的每一特征点分别进行如下处理：将与该特征点的所述海森矩阵的迹的正负号相同的所述第二图片的特征点组成第一集合，计算该特征点到所述第一集合中每一所述第二图片的特征点的欧氏距离，组成第二集合；计算所述第二集合中最小欧氏距离与次最小欧式距离的比值；判断所述比值是否小于第二阈值，如果是，确定该特征点与所述最小欧氏距离对应的所述第二图片的特征点相匹配；

具体的，可以在第一图片的特征点的个数和所述第二图片的特征点的个数均大于第一阈值的情况下，对第一图片的每一特征点分别进行如下步骤的处理：

步骤一：将与该特征点的所述海森矩阵的迹的正负号相同的所述第二图片的特征点组成第一集合；

具体的，先确定第一图片的该特征点H矩阵的迹的正负号，将第二图片中H矩阵的迹的正负号与第一图片的该特征点H矩阵的迹的正负号相同的特征点，组成第一集合A；

在实际应用中，可以将特征点分为两种：第一种为特征点及其周围小邻域的像素点的亮度比背景区域要亮，此时该特征点的H矩阵的迹为正；第二种为特征点及其周围小邻域的像素点的亮度比背景区域要暗，此时该特征点的H矩阵的迹为负。根据这个特性，首先对第一图片中的该特征点的H矩阵的迹分别与第二图片的每一特征点的H矩阵的迹进行比较，如果同号，说明两个特征点具有相同的对比度；如果是异号，说明两个特征点的对比度不同，放弃这两个特征点之间进一步的相似性度量。

步骤二：计算该特征点到所述第一集合中每一所述第二图片的特征点的欧氏距离，组成第二集合B；

具体的，为了确定第一图片中与第二图片中相匹配的特征点的个数，引入特征点的“描述子”这一概念，用某一特征点的描述子与另一特征点的描述子的欧氏距离来度量两个特征点的相似性。

其中，建立特征点的描述子的过程为：对第一图片或第二图片中的任一特征点，选定以该特征点为中心的一块正方形区域，该正方形区域的边长为20s(s是所检测到该特征点所在的尺度)，将该正方形与主方向对齐；将正方形分为4×4的16个子区域，对每个区域进行哈尔(Haar)小波变换得到4个系数；然后生成4×4×4＝64维向量，该64维向量即为该特征点的描述子。其中，主方向是为了保证特征点的描述子的旋转不变性而计算出的一个参数。

其中，计算特征点的主方向的过程为：统计以特征点为中心，正比于特征点尺度的某个数为半径(如6s)、张角为60°的扇形区域内，所有像素点在水平(x)和垂直(y)方向的Haar小波响应的总和，即计算：

Sumx＝(y方向Haar小波响应)·(高斯函数)

Sumy＝(x方向Haar小波响应)·(高斯函数)

计算合成向量角度：θ＝arctan(SumY/SumX)

计算合成向量模长：sqrt(SumY2SumY+SumX2SumX)；将该扇形沿逆时针旋转(一般取步长0.1个弧度)，以同样的方法计算合成向量的角度和模长；求出各方向扇形的合成向量的模长的最大值，并将该最大值对应的角度确定为该特征点的主方向，引入主方向后，图片是否相似的比对结果不受图片旋转的影响。

进一步，计算第一图片中的该特征点的描述子到所述第一集合A中每一所述第二图片的特征点的描述子的欧氏距离，组成第二集合B。

具体的，欧式距离是指在m维空间中两个点之间的真实距离，或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离。即，二维平面上两点a(x₁,y₁)与b(x₂,y₂)间的欧氏距离：

$>d_{ab}=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}.$>

步骤三：计算所述第二集合B中最小欧氏距离与次最小欧式距离的比值；判断所述比值是否小于第二阈值，如果是，确定该特征点与所述最小欧氏距离对应的所述第二图片的特征点相匹配。

具体的，计算出第二集合B中的最小欧氏距离和次最小欧氏距离，并计算出该最小欧氏距离与次最小欧氏距离的比值，当该比值小于第二阈值时，确定该特征点与所述最小欧氏距离对应的所述第二图片的特征点相匹配，否则，确定该特征点与所述最小欧氏距离对应的所述第二图片的特征点不匹配。其中,第二阈值越小，两个特征点的匹配越稳定，但第二阈值过小会导致相匹配的特征点的个数也越少，在实际应用中，第二阈值的优选值为0.75～0.8。

当然，可以理解的是，上述通过确认第二集合B中最小欧氏距离与次最小欧氏距离的比值是否小于第二阈值，来确定第二图片中与第一图片中的该特征点相匹配的特征点的方法，只是确定两个图片中相匹配的特征点的方法之一。下面提供另一种确定匹配特征点的方法：计算出第二集合B中的最小欧氏距离；判断该最小欧氏距离是否小于某一阈值，如果是，确定该特征点与所述最小欧氏距离对应的所述第二图片的特征点相匹配；否则，确定该特征点与所述最小欧氏距离对应的所述第二图片的特征点不匹配。由于欧氏距离本身就是用来描述两个对象的相似程度的，且欧氏距离的值越小，说明两个对象越相似，因此，可以在第二集合B中的最小欧氏距离小于某一阈值时，将该最小欧氏距离对应第二图片的特征点确定为第一图片中该特征点的匹配特征点。

另外，在步骤S300中，第一阈值可以根据实际需要来确定，但不能小于1，如果小于1，说明两个图片没有比较的必要性。当然，可以理解的是，特征点的个数越多，比对结果越准确，但是特征点的个数越多，需要的计算量也越大，耗费的时间也越长。因此，优选的，第一阈值的经验值为25～30，即，当两个图片中的特征点的个数皆大于30时，再对两个图片进行比对，可以获得较为精确的比对结果。

S400、判断与所述第二图片的特征点相匹配的所述第一图片的特征点的个数是否大于第三阀值；如果是，则确定所述两个图片相似；否则，确定所述两个图片不相似。

具体的，第三阈值优选的为：25。

如图2所示，在图1所示的实例的基础上，本发明实施例提供了另一种图片比对方法，在步骤S200之前，还可以包括：

S500、从第一算法、第二算法和第三算法中选择至少一种算法对所述两个图片进行比对，获得第一比对结果，并在所述第一比对结果为所述两个图片不相似时再执行步骤S200；

相比于图1所示的图片比对方法，第一算法、第二算法和第三算法较为简单，使用第一算法、第二算法和第三算法中的至少一种算法进行图片比对时的计算量较小，更能节省计算资源，提高比对效率。

但是，在实际应用中，由于使用第一算法、第二算法和第三算法进行图片比对时可能会存在雾状图片误判的情况，即将本来相似的雾状图片判断为不相似；雾状图片，可以是在恶劣天气(雾、霭、雨、烟等)条件下拍摄获得的图片。现有技术中，通常先使用去雾算法对雾状图片进行去雾处理，再进行相似性比对，比对效率低下。而本发明图1所示的图片比对方法对雾状图片具有有效的抑制作用，如果对经第一算法、第二算法和第三算法中的至少一种算法比对后不相似的图片，进一步用图1所示的图片比对方法进行再次比对，不但可以取得精确的比对结果，还可以提高比对效率。

因此，优选的，可以在使用图1所示的图片比对方法进行视频比对时，先使用第一算法、第二算法和第三算法中的至少一种算法进行比对，在使用第一算法、第二算法和第三算法中的至少一种算法获得的比对结果不相似时，再使用图1所示的图片比对方法进行比对，这样一方面可以提高比对效率，另一方面可以取得更精确的比对结果。

具体的，当选择两种算法进行比对时，将选择的其中一种算法确定为首次比对算法，另一种算法确定为第二次比对算法；使用所述首次比对算法对所述两个图片进行首次比对，获得首次比对结果；在所述首次比对结果为所述两个图片不相似时，使用所述第二次比对算法对所述两个图片进行比对，获得所述第一比对结果；

当选择三种算法进行比对时，将选择的所述三种算法分别确定为首次比对算法、第二次比对算法和第三次比对算法，使用所述首次比对算法对所述两个图片进行首次比对，获得首次比对结果；在所述首次比对结果为所述两个图片不相似时，使用所述第二次比对算法对所述两个图片进行比对，获得第二次比对结果，在所述第二次比对结果为所述两个图片不相似时，使用所述第三次比对算法对所述两个图片进行比对，获得所述第一比对结果。

具体的，第一算法为：计算并存储所述第一图片的第一哈希特征值，计算并存储所述第二图片的第二哈希特征值；读取所述第一哈希特征值和所述第二哈希特征值，计算所述第一图片与所述第二图片的汉明距离；判断所述汉明距离是否小于第四阀值，如果是，确定所述第一图片与所述第二图片相似；否则，确定不相似；

和/或，第二算法为：计算并存储所述第一图片上每个像素点的第一局部二值模式值，计算并存储所述第二图片上每个像素点的第二局部二值模式值；做出所述第一图片的第一直方图，做出所述第二图片的第二直方图；其中，所述第一直方图的横坐标为所述第一局部二值模式值，所述第一直方图的纵坐标为每一所述第一局部二值模式值对应的所述第一图片上的像素点的数量；所述第二直方图的横坐标为所述第二局部二值模式值，所述第二直方图的纵坐标为每一所述第二局部二值模式值对应的所述第二图片上的像素点的数量；将所述第一直方图与所述第二直方图重合，统计所述第一直方图与所述第二直方图的重叠部分的像素点的数量，获得所述第一图片和所述第二图片的相似度，判断所述相似度是否大于第五阈值，如果是，确定所述第一图片与所述第二图片相似；否则，确定不相似；

和/或，第三算法为：将所述第一图片和所述第二图片的尺寸调整一致，并将所述第一图片和所述第二图片分别划分成相互对应的、大小一致的多个块；计算所述第一图片和所述第二图片中每一对应位置之间的结构相似度，并计算所有相应块之间的结构相似度的平均值；判断所述平均值是否大于第六阈值，如果是，确定所述第一图片与所述第二图片相似；否则，确定不相似。

其中，第一算法提取哈希特征值的数据量小、计算速度快，对图片整体结构识别比较好；第二算法的计算速度与第一算法的计算速度在同一数量级，但较第一算法稍慢，对图片的纹理细节识别比较好；第三算法对图片的像素关联性、亮度、结构信息识别较好。但第一算法、第二算法和第三算法的比对效果易受图片旋转的影响，且存在雾状图片误判的情况。

在实际应用中，当选择两种算法或三种算法对第一图片和第二图片进行比对时，优选的，将第一算法、第二算法和第三算法按计算速度由快到慢的顺序依次作为首次比对算法、第二次比对算法和第三次比对算法。例如：当选择两种算法对第一图片和第二图片进行比对时，将第一算法作为首次比对算法，将第二算法作为第二次比对算法；或者，将第一算法作为首次比对算法，将第三算法作为第二次比对算法；或者，将第二算法作为首次比对算法，将第三算法作为第二次比对算法。当选择三种比对算法进行第一图片和第二图片的比对时，将第一算法作为首次比对的算法，将第二算法作为第二次比对算法，将第三算法作为第三次比对算法。

本发明实施例提供的一种图片比对方法，应用于电子设备中，可以确定待比对的两张图片的特征点，在待比对的两个图片的特征点的个数均大于第一阈值的情况下，确定待比对的两个图片中相匹配的特征点的个数，判断待比对的两个图片中相匹配的特征点的个数是否大于第三阀值；如果是，则确定所述两个图片相似；否则，确定所述两个图片不相似。本发明提供的图片比对方法可以对被其他图片比对方法误判的雾状图片进行准确比对，还不受图片旋转的影响，因此比对结果更准确；另外，本发明提供的图片比对装置无需对雾状图片进行去雾处理，比对效率更高。

相应于图1所示的方法实施例，如图3所示，本发明实施例还提供了一种图片比对装置，应用于电子设备中，该装置可以包括：第一图片获取模块100、特征点确定模块200、匹配模块300和第一结果确定模块400，

第一图片获取模块100，用于获得待比对的两个图片，将所述两个图片分别记为：第一图片和第二图片；

具体的，第一图片获取模块100获得待比对的两个图片方式与本发明图1所示的方法实施例中步骤S100中获取待比对的恋歌图片的方式一致，此处不再赘述。

特征点确定模块200，用于确定所述第一图片的多个特征点，并计算出所述第一图片的每一特征点对应的海森矩阵的迹；确定所述第二图片的多个特征点，并计算出所述第二图片的每一特征点对应的海森矩阵的迹；所述特征点为海森矩阵判别式的值大于或小于与该像素点相邻的像素点的海森矩阵判别式的值的像素点；

具体的，特征点确定模块200可以包括：滤波子模块、计算子模块和特征点确定子模块，

滤波子模块，用于对所述第一图片的每一像素点用不同尺寸的滤波器分别进行滤波，获得所述第一图片在不同尺度的一系列响应图，构成第一图片金字塔；并用于对所述第二图片的每一像素点用不同尺寸的滤波器分别进行滤波，获得所述第二图片在不同尺度的一系列响应图，构成第二图片金字塔；

所述计算子模块，用于计算所述第一图片的每一像素点的海森矩阵判别式的值，并用于计算所述第二图片的每一像素点的海森矩阵判别式的值；和/或，计算出所述第一图片的每一特征点对应的海森矩阵的迹，计算出所述第二图片的每一特征点对应的海森矩阵的迹。

特征点确定子模块，用于将海森矩阵判别式的值大于或小于与该像素点在所述第一图片金字塔中相邻的预设数量的像素点的海森矩阵判别式的值的像素点确定为特征点，并用于将海森矩阵判别式的值大于或小于与该像素点在所述第二图片金字塔中相邻的预设数量的像素点的海森矩判别式式的值的像素点确定为特征点。

具体的，利用滤波子模块、计算子模块和特征点确定子模块确定第一图片或第二图片的特征点的详细过程，与本发明图1所示的方法实施例中的步骤S200中确定第一图片或第二图片的特征点的过程一致，此处不再赘述。

匹配模块300，用于在所述第一图片的特征点的个数和所述第二图片的特征点的个数均大于第一阈值的情况下，对所述第一图片的每一特征点分别进行如下处理：将与该特征点的所述海森矩阵的迹的正负号相同的所述第二图片的特征点组成第一集合，计算该特征点到所述第一集合中每一所述第二图片的特征点的欧氏距离，组成第二集合；计算所述第二集合中最小欧氏距离与次最小欧式距离的比值；判断所述比值是否小于第二阈值，如果是，确定该特征点与所述最小欧氏距离对应的所述第二图片的特征点相匹配；

具体的，匹配模块300可以包括：触发子模块、第一集合计算子模块、第二集合计算子模块和匹配结果确定子模块，

触发子模块，用于在第一图片的特征点的个数和所述第二图片的特征点的个数均大于第一阈值的情况下，对第一图片的每一特征点分别触发一次第一集合计算子模块、第二集合计算子模块和匹配结果确定子模块；

第一集合计算子模块，用于将与该特征点的所述海森矩阵的迹的正负号相同的所述第二图片的特征点组成第一集合；

第二集合计算子模块，用于计算该特征点到所述第一集合中每一所述第二图片的特征点的欧氏距离，组成第二集合B；

匹配结果确定子模块，用于计算所述第二集合B中最小欧氏距离与次最小欧式距离的比值；判断所述比值是否小于第二阈值，如果是，确定该特征点与所述最小欧氏距离对应的所述第二图片的特征点相匹配。

具体的，利用第一集合计算子模块和第二集合计算子模块确定第一集合A和第二集合B的过程，与图1所示的方法实施例的步骤S300中确定第一集合A和第二集合B的过程一致，此处不再赘述。其中，第二阈值的优选值为0.75～0.8。

由于欧氏距离本身就是用来描述两个对象的相似程度的，且欧氏距离的值越小，说明两个对象越相似，因此匹配结果确定子模块，也可以用于计算出第二集合B中的最小欧氏距离；判断该最小欧氏距离是否小于某一阈值，如果是，确定该特征点与所述最小欧氏距离对应的所述第二图片的特征点相匹配；否则，确定该特征点与所述最小欧氏距离对应的所述第二图片的特征点不匹配。

具体的，对第一阈值的要求与本发明图1所示的方法实施例中的步骤S300中对第一阈值的要求一致，且优选的，第一阈值的经验值为25～30。

第一结果确定模块400，用于判断与所述第二图片的特征点相匹配的所述第一图片的特征点的个数是否大于第三阀值；如果是，则确定所述两个图片相似；否则，确定所述两个图片不相似。

具体的，第三阈值优选的为：25。

如图4所示，在图3所示的实例的基础上，本发明实施例提供了另一种图片比对装置，该装置还可以包括：图片预比对模块500，用于在所述特征点确定模块200确定所述第一图片的多个特征点前，从第一算法、第二算法和第三算法中选择至少一种算法对所述两个图片进行比对，获得第一比对结果，并在所述第一比对结果为所述两个图片不相似时再触发所述特征点确定模块；

其中，当选择两种算法进行比对时，图片预比对模块500具体用于：将选择的其中一种算法确定为首次比对算法，另一种算法确定为第二次比对算法；使用所述首次比对算法对所述两个图片进行首次比对，获得首次比对结果；在所述首次比对结果为所述两个图片不相似时，使用所述第二次比对算法对所述两个图片进行比对，获得所述第一比对结果；

当选择三种算法进行比对时，图片预比对模块500具体用于：将选择的所述三种算法分别确定为首次比对算法、第二次比对算法和第三次比对算法，使用所述首次比对算法对所述两个图片进行首次比对，获得首次比对结果；在所述首次比对结果为所述两个图片不相似时，使用所述第二次比对算法对所述两个图片进行比对，获得第二次比对结果，在所述第二次比对结果为所述两个图片不相似时，使用所述第三次比对算法对所述两个图片进行比对，获得所述第一比对结果。

具体的，第一算法、第二算法和第三算法与本发明图2所示的方法实施例中所述的第一算法、第二算法和第三算法一致，此处不再赘述。

同样的，在实际应用中，当选择两种算法或三种算法对第一图片和第二图片进行比对时，优选的，将第一算法、第二算法和第三算法按计算速度由快到慢的顺序依次作为首次比对算法、第二次比对算法和第三次比对算法。

本发明实施例提供的一种图片比对装置，应用于电子设备中，可以确定待比对的两张图片的特征点，在待比对的两个图片的特征点的个数均大于第一阈值的情况下，确定待比对的两个图片中相匹配的特征点的个数，判断待比对的两个图片中相匹配的特征点的个数是否大于第三阀值；如果是，则确定所述两个图片相似；否则，确定所述两个图片不相似。本发明提供的图片比对装置可以对被其他图片比对方法误判的雾状图片进行准确比对，还不受图片旋转的影响，因此比对结果更准确；另外，本发明提供的图片比对装置无需对雾状图片进行去雾处理，比对效率更高。

下面对视频比对方法及装置进行说明。

如图5所示，本发明实施例提供的一种应用本发明图1所示的图片比对方法进行视频比对的方法，应用于电子设备中，该视频比对方法可以包括：

S010、从待比对的两个视频中的一个视频中提取多张待比对的图片，组成第一图片组，从另一视频中提取多张待比对的图片，组成第二图片组；

为了方便说明，在本发明的实施例中，将两个待比对的视频记为：目标视频和版权视频。具体的，可以将利用网络爬虫技术从被监控的网站上获取的视频作为目标视频，将版权公司待维权的网络视频作为版权视频，当目标视频与版权视频相似时，即可将目标视频确定为版权视频的盗版视频，从而更好地维护版权公司的权益。被监控的网站可以为任何有盗播版权视频嫌疑的网站，版权视频可以为版权公司官方网站上发布的视频。

具体的，可以将从版权视频中提取的多张图片组成第一图片组，将从目标视频中提取的多张图片组成第二图片组。从两个视频中提取图片的规则可以包括多种，其中优选的，可以先检测版权视频和目标视频对应的关键帧，然后提取出各个关键帧所对应的图片；或者，可以对版权视频和目标视频都每个一段时间提取一张图片，例如每隔10s提取一张图片。在实际应用中，当提取图片的规则确定后，具体的可以采用FFMPGE(FastForwardMpeg)技术从视频中提取出多个图片。

可以理解的是，第一图片组和第二图片组中的图片数量越多，比对越精确。但是，在实际应用中，版权视频是唯一的，而目标视频可能有很多个，如果在版权视频中和目标视频中均提取较多、且数量相同的图片进行比对时，虽然可以取得较为精确的比对结果，但是比对的计算量也很大。因此，优选的，可以在版权视频中多提取待比对的图片，在目标视频中少提取待比对的图片，即第一图片组中图片的数量大于第二图片组中图片的数量，可以在保证比对精度的前提下，减小比对的计算量，提高比对效率。

S020、利用图1所示的图片比对方法，对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，确定最终相似图片对的数量；每一对相似的图片中包括一张所述第一图片组的图片和一张所述第二图片组的图片；

具体的，如图6所示，利用图1所示的图片对方法，对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，确定最终相似图片对的数量包括：

S021、从第一算法、第二算法和第三算法中选择至少一种算法对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，获得第一相似图片对的数量；

具体的，当选择两种算法进行比对时，将选择的其中一种算法确定为首次比对算法，另一种算法确定为第二次比对算法；使用所述首次比对算法对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，获得第三相似图片对的数量；当所述第三相似图片对的数量小于第七阈值时，去除所述第一图片组和所述第二图片组中与所述第三相似图片对的数量相等的相似图片；利用所述第二次比对算法，对去除相似图片后的所述第一图片组中的每一图片与去除相似图片后的所述第二图片组中的每一图片分别进行比对，获得第四相似图片对的数量；将所述第三相似图片对的数量与所述第四相似图片对的数量的和，确定为所述第一相似图片对的数量；

当选择三种算法进行比对时，将选择的所述三种算法分别确定为首次比对算法、第二次比对算法和第三次比对算法，使用所述首次比对算法对对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，获得第五相似图片对的数量；当所述第五相似图片对的数量小于第七阈值时，去除所述第一图片组和所述第二图片组中与所述第五相似图片对的数量相等的相似图片；使用所述第二次比对算法，对去除相似图片后的所述第一图片组中的每一图片与去除相似图片后的所述第二图片组中的每一图片分别进行比对，获得第六相似图片对的数量；当所述第五相似图片对的数量与所述第六相似图片对的数量的和小于第七阈值时，再次去除所述第一图片组和所述第二图片组中与所述第六相似图片对的数量相等的相似图片；使用所述第三次比对算法，对再次去除相似图片后的所述第一图片组中的每一图片与再次去除相似图片后的所述第二图片组中的每一图片分别进行比对，获得第七相似图片对的数量；将所述第五相似图片对的数量、所述第六相似图片对的数量与所述第七相似图片对的数量的和，确定为所述第一相似图片对的数量。

具体的，第一算法、第二算法和第三算法与本发明图2所示的方法实施例中所述的第一算法、第二算法和第三算法一致，此处不再赘述。

同样的，在实际应用中，当选择两种算法或三种算法对第一图片和第二图片进行比对时，优选的，将第一算法、第二算法和第三算法按计算速度由快到慢的顺序依次作为首次比对算法、第二次比对算法和第三次比对算法。

S022、当所述第一相似图片对的数量小于第七阈值时，去除所述第一图片组和所述第二图片组中与所述第一相似图片对的数量相等的相似图片；

具体的，当所述第一相似图片对的数量小于第七阈值时，说明经第一算法、第二算法和第三算法中的至少一种算法比对后的目标视频和版权视频不相似，需要去除第一图片组和第二图片组中与第一相似图片对的数量相等的相似图片，并执行步骤S023；当所述第一相似图片对的数量大于第七阈值时，说明经第一算法、第二算法和第三算法中的至少一种算法比对后的目标视频和版权视频相似，可以直接将目标视频确定为版权视频的盗版视频。

S023、利用图1所示的图片比对方法，对去除相似图片后的所述第一图片组中的每一图片与去除相似图片后的所述第二图片组中的每一图片分别进行比对，获得第二相似图片对的数量；

相比于图5所示的视频比对方法中应用的图片比对方法，由于第一算法、第二算法和第三算法较为简单，因此，图6所示的视频比对方法先使用第一算法、第二算法和第三算法中的至少一种算法进行视频比对的计算量较小，更能节省计算资源，可以提高比对效率。

但是，在实际应用中，由于使用第一算法、第二算法和第三算法进行视频中的图片比对时可能会存在雾状图片误判的情况，即将本来相似的雾状图片判断为不相似；而本发明图1所示的图片比对方法对雾状图片具有有效的抑制平滑作用，如果进一步用图1所示的图片比对方法，对经第一算法、第二算法和第三算法中的至少一种算法比对后不相似的图片进行再次比对，可以获得更精确的比对结果。雾状图片，可以是从雾状视频(在雾、霭、雨、烟等恶劣天气下拍摄获得的视频)中提取的图片。现有技术中，通常先使用去雾算法对雾状图片进行去雾处理，再进行相似性比对，比对效率低下。而本发明提供的视频比对方法中所使用的图1所示的图片比对方法对雾状图片具有有效的抑制平滑作用，不需要去雾便可获得雾状图片的精确比对结果，从而提高视频比对效率。

因此，优选的，可以在使用图1所示的图片比对方法进行视频比对时，先使用第一算法、第二算法和第三算法中的至少一种算法进行比对，在使用第一算法、第二算法和第三算法中的至少一种算法获得的比对结果不相似时，再使用图1所示的图片比对方法进行比对，这样一方面可以提高比对效率，另一方面可以取得更精确的比对结果。

S024、将所述第一相似图片对的数量与所述第二相似图片对的数量的和，确定为所述最终相似图片对的数量。

S030、判断所述最终相似图片对的数量是否大于第七阈值，如果是，则确定所述两个视频相似；否则，确定所述两个视频不相似。

本发明实施例提供的一种视频比对方法，应用于电子设备中，可以从待比对的两个视频中的一个视频中提取多张待比对的图片，组成第一图片组，从另一视频中提取多张待比对的图片，组成第二图片组；利用本发明图1提供的图片比对方法，确定第一图片组中与第二图片组中最终相似图片对的数量；判断所述最终相似图片对的数量是否大于第七阈值，如果是，则确定所述两个视频相似；否则，确定所述两个视频不相似。由于本发明提供的视频比对方法以从视频中提取的图片作为比对对象，相比于使用视频的文字标题作为比对对象的比对方法，比对结果更准确；且本发明提供的视频比对方法使用的图片比对方法可以对被其他图片比对方法误判的雾状图片进行准确比对，还不受图片旋转的影响，因此比对结果更准确；另外，本发明提供的视频比对方法使用的的图片比对方法无需对雾状图片进行去雾处理，比对效率更高。因此，本发明提供的视频比对方法可以精确、快速地确定相似视频，当确定的两个相似视频中的一个视频为版权视频，另外一个为目标视频时，可将目标视频确定为版权视频的盗版视频，从而可以更好地维护版权公司的合法权益。

相应于图5所示的方法实施例，如图7所示，本发明实施例还提供了一种应用图3所示的图片比对装置进行视频比对的装置，应用于电子设备中，所述视频比对装置与所述图片比对装置连接，所述视频比对装置包括：第二图片获取模块010、相似图片数量确定模块020和第二结果确定模块030，

第二图片获取模块010，用于从待比对的两个视频中的一个视频中提取多张待比对的图片，组成第一图片组，从另一视频中提取多张待比对的图片，组成第二图片组；

具体的，待比对的两个视频的来源、及从两个视频中提取图片的方法均与本发明图5所示的方法实施例中描述的一致，此处不做详述。

相似图片数量确定模块020，用于触发图3所示的图片比对装置，对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，确定最终相似图片对的数量；每一对相似的图片中包括一张所述第一图片组的图片和一张所述第二图片组的图片；

如图8所示，相似图片数量确定模块020可以包括：第一确定子模块021、判断子模块022、第二确定子模块023和最终确定子模块024，

第一确定子模块021，用于从第一算法、第二算法和第三算法中选择至少一种算法对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，获得第一相似图片对的数量；

具体的，当选择两种算法进行比对时，第一确定子模块021具体用于：将选择的其中一种算法确定为首次比对算法，另一种算法确定为第二次比对算法；使用所述首次比对算法对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，获得第三相似图片对的数量；当所述第三相似图片对的数量小于第七阈值时，去除所述第一图片组和所述第二图片组中与所述第三相似图片对的数量相等的相似图片；利用所述第二次比对算法，对去除相似图片后的所述第一图片组中的每一图片与去除相似图片后的所述第二图片组中的每一图片分别进行比对，获得第四相似图片对的数量；将所述第三相似图片对的数量与所述第四相似图片对的数量的和，确定为所述第一相似图片对的数量；

当选择三种算法进行比对时，第一确定子模块021具体用于：将选择的所述三种算法分别确定为首次比对算法、第二次比对算法和第三次比对算法，使用所述首次比对算法对对所述第一图片组中的每一图片与所述第二图片组中的每一图片分别进行比对，获得第五相似图片对的数量；当所述第五相似图片对的数量小于第七阈值时，去除所述第一图片组和所述第二图片组中与所述第五相似图片对的数量相等的相似图片；使用所述第二次比对算法，对去除相似图片后的所述第一图片组中的每一图片与去除相似图片后的所述第二图片组中的每一图片分别进行比对，获得第六相似图片对的数量；当所述第五相似图片对的数量与所述第六相似图片对的数量的和小于第七阈值时，再次去除所述第一图片组和所述第二图片组中与所述第六相似图片对的数量相等的相似图片；使用所述第三次比对算法，对再次去除相似图片后的所述第一图片组中的每一图片与再次去除相似图片后的所述第二图片组中的每一图片分别进行比对，获得第七相似图片对的数量；将所述第五相似图片对的数量、所述第六相似图片对的数量与所述第七相似图片对的数量的和，确定为所述第一相似图片对的数量。

具体的，第一算法、第二算法和第三算法与本发明图2所示的方法实施例中所述的第一算法、第二算法和第三算法一致，此处不再赘述。

同样的，在实际应用中，当选择两种算法或三种算法对第一图片和第二图片进行比对时，优选的，将第一算法、第二算法和第三算法按计算速度由快到慢的顺序依次作为首次比对算法、第二次比对算法和第三次比对算法。

判断子模块022，用于当所述第一相似图片对的数量小于第七阈值时，去除所述第一图片组和所述第二图片组中与所述第一相似图片对的数量相等的相似图片；

第二确定子模块023，用于触发图3所述的图片比对装置，对去除相似图片后的所述第一图片组中的每一图片与去除相似图片后的所述第二图片组中的每一图片分别进行比对，获得第二相似图片对的数量；

最终确定子模块024，用于将所述第一相似图片对的数量与所述第二相似图片对的数量的和，确定为所述最终相似图片对的数量。

第二结果确定模块030，用于判断所述最终相似图片对的数量是否大于第七阈值，如果是，则确定所述两个视频相似；否则，确定所述两个视频不相似。

本发明实施例提供的一种视频比对装置，应用于电子设备中，可以从待比对的两个视频中的一个视频中提取多张待比对的图片，组成第一图片组，从另一视频中提取多张待比对的图片，组成第二图片组；利用本发明实图1提供的图片比对方法，确定第一图片组中与第二图片组中最终相似图片对的数量；判断所述最终相似图片对的数量是否大于第七阈值，如果是，则确定所述两个视频相似；否则，确定所述两个视频不相似。由于本发明提供的视频比对装置以从视频中提取的图片作为比对对象，相比于使用视频的文字标题作为比对对象的比对方法，比对结果更精确；且本发明提供的视频比对装置使用的图片比对装置可以对被其他图片比对方法误判的雾状图片进行准确比对，还不受图片旋转的影响，因此比对结果更准确；另外，本发明提供的视频比对方法使用的的图片比对方法无需对雾状图片进行去雾处理，比对效率更高。因此，本发明提供的视频比对方法可以精确、快速地确定相似视频，当确定的两个相似视频中的一个视频为版权视频，另外一个为目标视频时，可将目标视频确定为版权视频的盗版视频，从而可以更好地维护版权公司的合法权益。

对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。