[发明专利]一种基于特征融合的视频数据检索方法

权利要求书

1.一种基于特征融合的视频数据检索方法，其特征在于步骤如下：

步骤1利用计算N个视频数据的特征X₁,X₂,...,X_N的相似性矩阵W₁，利用计算N个视频数据的特征Y₁,Y₂,...,Y_N的相似性矩阵W₂；

其中，X₁,X₂,...,X_N表示第1、2和N个视频数据的第一种特征；Y₁,Y₂,...,Y_N表示第1、2和N个视频数据的第二种特征；表示矩阵W₁第i行和第j列的元素；i＝1,2,...,N，j＝1,2,...,N,N＞0；σ＞0为常数；X_i,X_j表示第i个和第j个视频数据的第一种特征；上标T表示向量转置；表示矩阵W₂第i行和第j列的元素；Y_i,Y_j表示第i个和第j个视频数据的第二种特征；

步骤2利用公式计算W₁的拉普拉斯矩阵L₁，利用计算W₂的拉普拉斯矩阵L₂；

其中，D₁表示对角线矩阵，其元素di,j1=Σt=1Nwi,t1i=j0i≠j;]]>t＝1,2,...,N；表示矩阵W₁的第i行第t列的元素；D₂表示对角线矩阵，其元素di,j2=Σt=1Nwi,t2i=j0i≠j;]]>t＝1,2,...,N；表示矩阵W₂的第i行第t列的元素；

步骤3利用公式计算联合拉普拉斯矩阵L；其中，p＝1,2；α＞0表示常数；I表示单位矩阵；

步骤4计算联合拉普拉斯矩阵L的特征值和特征向量，选取前M个最大特征值所对应的特征向量U₁,U₂,...,U_M；其中，M≥1表示常数；U₁,U₂,...,U_M表示大小为N×1的特征向量；

步骤5构造矩阵V＝[U₁ U₂...U_M]；计算[V₁ V₂...V_N]^T的相似性矩阵S，S的元素计算公式为：

si,j=exp(Vi-Vj)T×(Vi-Vj)σ2;]]>

其中，V₁,V₂,...,V_N表示矩阵V的第1,2,...,N行元素；

步骤6利用公式r＝β(I-λS)^-1F计算N个视频数据的分数r，并将视频数据按照分数大小从高到低排列，得到排序后的N个视频数据；其中，r＝(r₁,r₂,...,r_N)表示N个视频数据的得分向量，r₁,r₂,...,r_N表示第1,2,...,N个视频数据的得分；β＝1-λ表示常数；λ＝0.99；F＝[f₁,...,f_N]^T表示检索时的查询向量，f_i＝1表示第i个视频数据为所要查找的目标视频数据，否则f_i＝0。

2.根据权利要求1所述的基于特征融合的视频数据检索方法，其特征在于：利用统计前Q个排序后的音频数据中与目标音频数据属于同一类别的音频数据数量C，计算检索准确率A＝C/Q。