在以下情形中：
我的项目目前有一万个视频文件目录，数量会急剧增加。
然而，很多都是重复的。对于每个视频文件，我都有关联的语义和描述性信息，我希望将这些信息合并为重复数据，以便为每个视频文件提供更好的结果。
现在我需要某种程序来索引数据库中的元数据，每当新视频进入目录时，计算相同的数据并在数据库中进行匹配。
问题是视频不是完全重复的。他们可以有不同的质量，amby裁剪，水印或续集/前传。或者在开始和/或结束时被切断。
不幸的是，比较越好，cpu和内存密集程度越高，所以我计划实现几层比较，从非常优雅但快速的比较开始（maby视频长度，容差为10％），并以最终的比较结束决定它是否真的重复（这将是社区投票）。
因此，我有一个社区来验证结果，只需提供低错失率的“良好猜测”。
所以现在我的问题是你们可以想到什么样的层次，或者你们有更好的方法？
我不关心创建元数据的努力，我有足够的奴隶来做到这一点。只是比较应该很快。所以，如果它有助于我将视频转换100次......
以下是我目前的想法：
视频长度（秒）
第一帧和最后一帧图片分析
如果此像素的颜色大于/小于0或1表示的平均值，我会将图片重新取样为缩略图大小并获取平均rgb值，然后逐个像素地序列化。所以我得到一个二进制字符串，我可以存储到mysql中并进行布尔位求和（内部由mysql支持）并计算剩余的非正数位（内部支持，然后是bianry字符串的Levenshtein距离）
我会将视频转码为具有完全相同设置的vbr videofile。 然后我会看某些时间点的比特率（完成视频的百分比或绝对秒数......然后我们只分析视频的一部分）。 和图片一样的东西。如果比特率大于平均值1，则其为0。 我们制作一个二进制字符串并将其存储在db中并稍后计算Levenshtein距离
音频分析（随着时间的推移比特率和分贝变化，就像视频的比特率一样）
关键帧分析
图像comarision就像第一帧和最后一帧一样，但在关键帧位置？我们将使用与比特率计算相同的源文件，因为关键帧很大程度上取决于编解码器和设置。
也许让我们在图像中取一个或多个区域/像素，看看它们是如何随着时间的推移而发展的。同样，变化大于/低于平均水平。 我认为黑/白就足够了。
还是我走错了路？我想我不能成为第一个遇到这个问题的人，但我找不到任何解决方案。
答案 0 :(得分：17)
答案 1 :(得分：3)
好问题！只有测试才能说明哪些因素是最佳指标。一些想法：
答案 2 :(得分：1)
试试这个产品 - Duplicate Video Search（例如Visual Search Pony），它可以找到各种比特率，格式，分辨率等的重复视频文件。
例如，star-wars.avi（640x480 H.264）和sw.mpg（1280x720 MPEG）将被检测为重复，如果它们都是一部伟大电影的副本 - 星球大战。
根据他们的网站，该产品使用一些视频指纹技术，如关键帧exctraction或smth。像这样，独立于视频编码，分辨率，质量，比特率等。