Comparación de algoritmos de hashing para la identificación de anuncios en TV

Abstract

En este documento se lleva a cabo un estudio sobre diferentes algoritmos que permiten tomar huellas de imágenes en base a sus características. Esto se extrapola para su uso en la comparación de archivos de vídeo, de modo que, tomando el hash del primer fotograma no negro de cada archivo, dicho hash sirva tanto para distinguir cada vídeo de los demás como para identificar un vídeo pese a modificaciones tales como adición de ruido o la reducción de la tasa de vídeo, entre otras. Inicialmente, se toman una serie de archivos de vídeo de prueba, correspondientes a spots publicitarios y se realiza una serie de modificaciones sobre ellos: adición de ruido, reducción de la tasa de bit, reescalado… Una vez hecho esto, se calcula el hash de los fotogramas no negros de los vídeos originales y de los modificados con el objetivo de compararlos entre sí para establecer umbrales personalizados para cada algoritmo y evaluar sus prestaciones, además de calcular el coste computacional de cada uno de ellos. Una vez que se tienen todos estos datos, se comparan los algoritmos y se evalúa cuáles de ellos ofrecen las características más atractivas.

In this document, we study different algorithms that allow us to take fingerprints of images based on their features. Those algorithms can be used to compare video files by computing the hash of the first non-black frame of two different videos and checking the differences between the bits of their hashes. Comparations between hashes allow us both identify modified videos and detect different video files. Initially, we take some televisión ads. Then, some modifications are aplied to those video files: noise addition, bit rate reduction, frame resize, etc. When it is done, we calculate the hash of every non-black frame of both original and modified videos files to compare them in order to check how similar they are: the Hamming distance between the hashes will allow us to evaluate the performance of every algorithm and their computational cost. Once we have all of the data, we can compare the algorithms and choose the one who presents the most attractive features.