[发明专利]视频检索方法及系统

权利要求书

1.一种视频检索方法，其特征在于，所述方法包括：

在接收到检索关键词时，将待检索视频分割为多个镜头；

提取所述镜头的前N帧图像，并在提取的图像中检测是否存在人脸图像，N为大于等于1的整数；

在前N帧图像存在人脸图像的镜头中检测出所有人脸图像；

根据所述检索关键词，将所述检索关键词对应的样本集与所述人脸图像进行对比，计算各人脸图像与所述样本集的相似度；

将所述相似度大于第一预设值的人脸图像在所属镜头内进行整合，并将整合后的各镜头连接，以得到目标视频。

2.根据权利要求1所述的方法，其特征在于，所述将待检索视频分割为多个镜头，包括：

提取待检索视频的视觉特征；

根据所述视觉特征度量相邻图像之间的相似度；

在所述相似度小于第二预设值时，将所述相邻图像分割为两个镜头。

3.根据权利要求1所述的方法，其特征在于，所述在前N帧图像存在人脸图像的镜头中检测出所有人脸图像，包括：

采用级联分类器在所述前N帧图像存在人脸图像的镜头中检测出所有人脸图像。

4.根据权利要求1所述的方法，其特征在于，所述根据所述检索关键词，将所述检索关键词对应的样本集与所述人脸图像进行对比，计算各人脸图像与所述样本集的相似度，包括：

根据所述检索关键词，在人脸样本数据库中提取与所述检索关键词相关的样本集，所述样本集为同一人物的多个人脸样本图像；

将所述图像表示为将所述人脸样本图像的线性组合；

根据所述线性组合的系数计算该图像与所述样本集的相似度。

5.根据权利要求1所述的方法，其特征在于，所述将所述相似度大于第一预设值的人脸图像在所属镜头内进行整合，包括：

将所述相似度大于第一预设值的人脸图像在该人脸图像所属的镜头内进行聚类；

将聚类的人脸图像与该人脸图像对应的时间信息和声音信息关联，以生成包括该人脸图像的镜头。

6.一种视频检索系统，其特征在于，所述系统包括：

视频镜头分割模块，用于在接收到检索关键词时，将待检索视频分割为多个镜头；

镜头检测模块，用于提取所述镜头的前N帧图像，并在提取的图像中检测是否存在人脸图像，N为大于等于1的整数；

人脸图像检测模块，用于在前N帧图像存在人脸图像的镜头中检测出所有人脸图像；

人脸图像检索模块，用于根据所述检索关键词，将所述检索关键词对应的样本集与所述人脸图像进行对比，计算各人脸图像与所述样本集的相似度；

目标视频生成模块，用于将所述相似度大于第一预设值的人脸图像在所属镜头内进行整合，并将整合后的各镜头连接，以得到目标视频。

7.根据权利要求6所述的系统，其特征在于，所述视频镜头分割模块，具体用于

提取待检索视频的视觉特征；

根据所述视觉特征度量相邻图像之间的相似度；

在所述相似度小于第二预设值时，将所述相邻图像分割为两个镜头。

8.根据权利要求6所述的系统，其特征在于，所述人脸图像检测模块，具体用于

采用级联分类器在所述前N帧图像存在人脸图像的镜头中检测出所有人脸图像。

9.根据权利要求6所述的系统，其特征在于，所述人脸图像检索模块，具体用于

根据所述检索关键词，在人脸样本数据库中提取与所述检索关键词相关的样本集，所述样本集为同一人物的多个人脸样本图像；

将所述图像表示为将所述人脸样本图像的线性组合；

根据所述线性组合的系数计算该图像与所述样本集的相似度。

10.根据权利要求6所述的系统，其特征在于，所述目标视频生成模块，具体用于

将所述相似度大于第一预设值的人脸图像在该人脸图像所属的镜头内进行聚类；

将聚类的人脸图像与该人脸图像对应的时间信息和声音信息关联，以生成包括该人脸图像的镜头。