[发明专利]融合全局R特征的近似重复视频检索方法

说明书

本发明公开的融合全局R特征的近似重复视频检索方法，首先执行对数据库中视频提取局部SIFT特征；其次执行根据局部SIFT特征中的坐标信息建立全局R特征；然后执行利用局部SIFT特征中描述符信息建立BOF检索模型；接下来根据BOF模型，建立投票检索模型；最后执行应用信息融合策略把全局几何分布信息融合到BOF模型中，在大规模的数据中精确的检索近似重复视频。本发明融合全局R特征的近似重复视频检索方法能够根据信息融合策略把全局几何分布信息融合于BOF模型中，实现在大规模的数据中精确的检索近似重复视频。

技术领域

本发明属于视频分析及检索方法技术领域，具体涉及一种融合全局R特征的近似重复视频检索方法。

背景技术

随着通信技术、视频采集设备、视频编辑软件的快速发展，网络视频的数量呈指数级增长。同时，视频相关的服务，如：广告、视频分享、推荐和监控，激发了在线用户的兴趣并且参与到视频相关的活动中，如：搜索、上传、下载和评论等。

如今，每天都会有大量的视频在互联网被上传和共享，网上存在着大量几乎重复的视频。大量近似重复视频的出现催生了许多新的应用，如：视频结果重新排序，版权保护，在线视频使用监测、视频标注及视频数据库清理等等。例如：一个典型的情况可能是，一个网站的用户想要寻找一些新的视频，但最终在搜索引擎返回的排名结果很多重复的视频；另一种情况可能是，一个视频制作者希望他们的版权保护的视频，以避免在互联网上共享。以上这两种场合都需要近似重复视频检索技术来实现各自的目标。

近年来，近似重复视频检索成为研究的热点，很多的研究者都在研究这个技术。目前，大多数现有的方法通常是采用下面的近似重复视频检索框架(R.Fernandez-Beltran，and F.Pla，“Latent topics-based relevance feedback for video retrieval，”Pattern Recognition，vol.51，pp.72-84，Mar，2016.)：首先，通过镜头边界检测和采样算法把视频分解为一系列的关键帧；其次，对这些关键帧提取视觉特征，如：尺度不变特征(SIFT)，局部二进制模式(LBP)等，用关键帧的视觉特征序列来表示整个视频；最后，系统需要根据视觉特征序列来计算每个数据集中的视频和查询视频之间的相似性，并且返回数据集中与查询视频最相似视频的名称。通常情况下，无论是时间还是空间信息可被用来评估两个视频之间的相似性(M.Douze，H.Jegou，and C.Schmid，“An Image-Based Approach toVideo Copy Detection With Spatio-Temporal Post-Filtering，”Ieee Transactionson Multimedia，vol.12，no.4，pp.257-266，Jun，2010.C.-L.Chou，H.-T.Chen，and S.-Y.Lee，“Pattern-Based Near-Duplicate Video Retrieval and Localization on Web-Scale Videos，”Ieee Transactions on Multimedia，vol.17，no.3，pp.382-395，Mar，2015.)。此外，也有一些现有的方法，对整个视频提取一个全局特征来实现实时检索，但这种方法一般不能用来对长时间视频进行有效检索(X.Zhou，and L.Chen，“StructureTensor Series-Based Large Scale Near-Duplicate Video Retrieval，”Multimedia，IEEE Transactions on，vol.14，no.4，pp.1220-1233，2012.)。