Video Fingerprinting Algorithm

Increasing amounts and various formats of multimedia data require technologies to automatically identify its content. Cryptographic hash functions can not be used for multimedia content identification or verification as they are sensitive to common video processing operations e.g. compression, colour adjustment etc. In this case, fingerprinting, also called perceptual hash functions, that consider perceptual similarity are applicable. Fingerprinting converts large data to a short digest, which is used to identify original data. This diploma thesis describes some of the different existing approaches for video data. One reference implementation based on Philips' algorithm is investigated. The fingerprints are extracted from the spatio- temporal differencing of mean luminance. It is shown how this method can be improved by using a simple similarity measure. The performance of the algorithms are analysed. The algorithm using similarity shows increased reliability of video identification both in robustness and discriminating capabilities Die Anzahl und verschiedene Repräsentation verlangen Techniken, die automatisch diese Inhalten identifizieren können. Kryptographische Hashfunktionen können nicht zu Identifikation und Verifikation der Multimedia-Inhalten benutzt werden. Sie sind nicht robust gegen normale Videoverarbeitung, wie z.B. Kompression oder Farbeneinstellung. In diesen Fälle sind Fingerprinting- Verfahren, auch wahrnehmungsbasierte Hashfunktion genannt, die wahrnehmungsbasierte Ähnlichkeiten beachten, besser geeignet. Fingerprinting-Verfahren konvertieren große Daten zu kleinen Zusammenfassungen, die zur Identifikation der Daten genutzt werden können. Diese Diplomarbeit beschreibt existierende Video-Fingerprinting-Verfahren. Eine Referenzimplementierung, die auf Philips' Algorithmen basiert, wird analysiert. Hier werden die Fingerprints von räumliche und zeitliche Differenz der Leuchtdichtemittelwerten bestimmt. Es wird gezeigt, wie diese Verfahren bei Verwendung eines einfachen Ähnlichkeitsmasses verbessert werden kann. Die Leistung der Algorithmen wird analysiert. Der neu entwickelte Algorithmus, der auf die Ähnlichkeit basiert, hat eine verbesserte Zuverlässigkeit bzgl. einer Robustheit als auch seiner Unterscheidbarkeit