การตรวจจับการคัดลอกวิดีโอคือกระบวนการตรวจจับวิดีโอที่ถูกคัดลอกอย่างผิดกฎหมายโดยการวิเคราะห์และเปรียบเทียบกับเนื้อหาต้นฉบับ

เป้าหมายของกระบวนการนี้คือการปกป้องทรัพย์สินทางปัญญา ของผู้สร้าง วิดีโอ

Indyk et al. ^{[ 1 ]} ได้สร้าง ทฤษฎีการตรวจจับสำเนาวิดีโอโดยอิงจากความยาวของภาพยนตร์ อย่างไรก็ตาม ทฤษฎีนี้ใช้ได้เฉพาะกับภาพยนตร์ทั้งเรื่องที่ไม่มีการดัดแปลงเท่านั้น เมื่อนำไปใช้กับคลิปวิดีโอสั้นๆ เทคนิคของ Idynk et al. ไม่สามารถตรวจจับได้ว่าคลิปนั้นเป็นสำเนา

ต่อมา Oostveen และคณะ ได้นำเสนอแนวคิดเรื่องลายนิ้วมือหรือฟังก์ชันแฮชซึ่งสร้างลายเซ็นเฉพาะของวิดีโอโดยอิงจากเนื้อหาของวิดีโอ ลายนิ้วมือนี้ขึ้นอยู่กับความยาวของวิดีโอและความสว่าง ซึ่งกำหนดโดยการแบ่งออกเป็นตาราง ลายนิ้วมือนี้ไม่สามารถใช้เพื่อสร้างวิดีโอต้นฉบับขึ้นมาใหม่ได้ เนื่องจากอธิบายได้เพียงคุณลักษณะบางอย่างของวิดีโอแต่ละรายการเท่านั้น

เมื่อไม่นานมานี้ B.Coskun และคณะ ได้นำเสนออัลกอริธึมที่แข็งแกร่งสองแบบโดยอิงจาก การ แปลง โคไซน์แบบไม่ต่อเนื่อง

ฮัมปาปูร์และบัลเลได้สร้างอัลกอริทึมที่สร้างคำอธิบายโดยรวมของวิดีโอชิ้นหนึ่งโดยอิงจากการเคลื่อนไหว สี พื้นที่ และความยาวของวิดีโอ

มีความคิดที่จะตรวจสอบระดับสีของภาพ และด้วยเหตุนี้ Li และคณะจึงได้สร้างอัลกอริธึมที่ตรวจสอบสีของคลิปโดยการสร้างลายเซ็นไบนารีจากฮิสโตแกรมของแต่ละเฟรม อย่างไรก็ตาม อัลกอริธึมนี้ให้ผลลัพธ์ที่ไม่สอดคล้องกันในกรณีที่ มีการเพิ่ม โลโก้ลงในวิดีโอ เนื่องจากองค์ประกอบสีของโลโก้จะเพิ่มข้อมูลเท็จที่อาจทำให้ระบบสับสนได้

ลายน้ำถูกใช้เพื่อแทรกสัญญาณที่มองไม่เห็นลงในวิดีโอ เพื่อช่วยให้ตรวจจับการคัดลอกโดยไม่ได้รับอนุญาตได้ง่ายขึ้น เทคนิคนี้ถูกใช้กันอย่างแพร่หลายโดยช่างภาพการใส่ลายน้ำลงในวิดีโอในตำแหน่งที่ผู้ชมมองเห็นได้ง่าย ช่วยให้ผู้สร้างเนื้อหาตรวจจับได้ง่ายว่าภาพนั้นถูกคัดลอกไปหรือไม่

ข้อจำกัดของลายน้ำคือ หากภาพต้นฉบับไม่มีลายน้ำ ก็จะไม่สามารถทราบได้ว่าภาพอื่นๆ เป็นภาพที่คัดลอกมาหรือไม่

ในเทคนิคนี้ จะมีการสร้างลายเซ็นเฉพาะสำหรับวิดีโอโดยอิงจากเนื้อหาของวิดีโอ มี อัลกอริธึม ตรวจจับการคัดลอกวิดีโอหลายแบบ ที่ใช้คุณลักษณะของเนื้อหาวิดีโอเพื่อกำหนดแฮช วิดีโอที่ไม่ซ้ำกันให้กับวิดีโอ ลายนิ้วมือนี้สามารถนำไปเปรียบเทียบกับแฮชวิดีโออื่นๆ ในฐานข้อมูลได้

อัลกอริทึมประเภทนี้มีปัญหาสำคัญอย่างหนึ่งคือ หากเนื้อหาวิดีโอหลายด้านคล้ายคลึงกัน อัลกอริทึมจะตรวจสอบได้ยากว่าวิดีโอนั้นเป็นสำเนาของต้นฉบับหรือเพียงแค่คล้ายคลึงกัน ในกรณีเช่นนี้ (เช่นรายการข่าว สองรายการที่แตกต่างกัน ) อัลกอริทึมอาจส่งคืนค่าว่าวิดีโอนั้นเป็นสำเนา เนื่องจากรายการข่าวเหล่านั้นมักมีแบนเนอร์ที่คล้ายกัน และผู้ประกาศข่าวมักนั่งในตำแหน่งที่คล้ายกัน วิดีโอที่มีการเปลี่ยนแปลงเฟรมเพียงเล็กน้อยเมื่อเทียบกับเวลาจะมีความเสี่ยงต่อการชนกันของแฮชมากกว่า

ต่อไปนี้คืออัลกอริธึมและเทคนิคบางส่วนที่เสนอสำหรับการตรวจจับการคัดลอกวิดีโอ

ในอัลกอริธึมนี้ความเข้มโดยรวมถูกกำหนดให้เป็นผลรวมของความเข้มของพิกเซลทั้งหมด โดยถ่วงน้ำหนักตลอดทั้งวิดีโอ ดังนั้น จึงสามารถสร้างเอกลักษณ์ให้กับตัวอย่างวิดีโอได้โดยอาศัยความยาวของวิดีโอและความเข้มของพิกเซลตลอดทั้งวิดีโอ

ความเข้มทั่วโลกa(t)ถูกกำหนดดังนี้:

${\displaystyle a(t)=\sum _{i=1}^{N}K(i)(I(i,t-1))^{2}}$

โดยที่kคือค่าน้ำหนักของภาพ, Iคือภาพ และNคือจำนวนพิกเซลในภาพ

ในอัลกอริทึมนี้ วิดีโอจะถูกแบ่งออกเป็นNบล็อก โดยเรียงลำดับตามระดับสีเทาจากนั้นจึงสามารถสร้างเวกเตอร์ที่อธิบายระดับสีเทาเฉลี่ยของแต่ละบล็อก ได้

ด้วยระดับค่าเฉลี่ยเหล่านี้ เราสามารถสร้างเวกเตอร์ใหม่S(t)ซึ่งเป็นสัญลักษณ์ประจำวิดีโอได้:

${\displaystyle S(t)=(r_{1},r_{2},\cdots ,r_{N})}$

ในการเปรียบเทียบวิดีโอสองรายการ อัลกอริทึมจะกำหนดค่าD(t)ซึ่งแสดงถึงความคล้ายคลึงกันระหว่างวิดีโอทั้งสอง

${\displaystyle D(t)={\frac {1}{T}}\sum _{1=t-{\frac {T}{2}}}^{t+{\frac {T}{2}}}{\begin{vmatrix}R(i)-C(i)\end{vmatrix}}}$

ค่าที่ส่งคืนโดยD(t)ช่วยในการพิจารณาว่าวิดีโอที่กล่าวถึงนั้นเป็นสำเนาหรือไม่

เทคนิคนี้ได้รับการเสนอโดย L. Chen และ F. Stentiford โดยเป็นการวัดความแตกต่างโดยการรวมอัลกอริธึมสองตัวที่กล่าวถึงข้างต้น ได้แก่ตัวบ่งชี้เชิงเวลาทั่วโลกและตัวบ่งชี้การวัดเชิงลำดับทั่วโลก เข้าด้วยกัน ทั้งในด้านเวลาและพื้นที่

ในปี 2019 Facebookได้เปิดเผยซอร์สโค้ดของ TMK+PDQF ^{[ 2 ]}ซึ่งเป็นส่วนหนึ่งของชุดเครื่องมือที่ Facebook ใช้ในการตรวจจับเนื้อหาที่เป็นอันตราย โดยจะสร้างลายเซ็นของวิดีโอทั้งหมด และสามารถจัดการกับการเปลี่ยนแปลงรูปแบบหรือลายน้ำที่เพิ่มเข้ามาได้อย่างง่ายดาย แต่จะมีความทนทานต่อการครอบตัดหรือการตัดส่วนต่างๆ น้อยกว่า^{[ 3 ]}

อัลกอริทึมนี้ ซึ่งอธิบายโดย A. Joly และคณะ เป็นการปรับปรุงจากตัวตรวจจับจุดสนใจของ Harris เทคนิคนี้ชี้ให้เห็นว่าในวิดีโอจำนวนมาก เฟรมจำนวนมากเกือบจะเหมือนกัน ดังนั้นการทดสอบเฉพาะเฟรมที่แสดงการเคลื่อนไหวจำนวนมากจึงมีประสิทธิภาพมากกว่าทุกเฟรม

ViCopTใช้จุดที่น่าสนใจจากแต่ละภาพเพื่อกำหนดลักษณะเฉพาะของวิดีโอทั้งหมด ในแต่ละภาพ อัลกอริทึมจะระบุและกำหนดสองส่วน ได้แก่พื้นหลังซึ่งเป็นชุดขององค์ประกอบคงที่ตามลำดับเวลา และการเคลื่อนไหวซึ่งเป็นจุดคงที่ที่เปลี่ยนตำแหน่งตลอดทั้งวิดีโอ

อัลกอริทึมนี้ได้รับการพัฒนาโดย I. Laptev และ T. Lindeberg โดยใช้เทคนิคจุดสนใจตามพื้นที่และเวลาเพื่อกำหนดลายเซ็นวิดีโอ และสร้างเวกเตอร์ 34 มิติที่เก็บลายเซ็นนี้ไว้

ปัจจุบันมีอัลกอริธึมสำหรับการตรวจจับการคัดลอกวิดีโอที่ใช้งานอยู่แล้ว ในปี 2550 มีการจัดงานแสดงสินค้าประเมินผลที่เรียกว่าMultimedia Understanding Through Semantics, Computation and Learning (MUSCLE)ซึ่งทดสอบอัลกอริธึมการตรวจจับการคัดลอกวิดีโอในตัวอย่างวิดีโอหลากหลายรูปแบบ ตั้งแต่การบันทึกวิดีโอที่บ้านไปจนถึงส่วนหนึ่งของรายการโทรทัศน์ที่มีความยาวตั้งแต่หนึ่งนาทีถึงหนึ่งชั่วโมง