[发明专利]视频检索方法、装置、存储介质及处理器

说明书

本发明公开了一种视频检索方法、装置、存储介质及处理器。其中，该方法包括：获取目标检索图片和多个视频图像；对多个视频图像进行预处理，得到至少一个第一目标视频图像；根据第一预设模型对至少一个第一目标视频图像进行处理，得到至少一个第一目标视频图像中的每个第一目标视频图像的全部目标图像序列；根据第二预设模型对每个第一目标视频图像的全部目标图像序列进行处理，得到每个第一目标视频图像的第一特征和第二特征；根据预设算法对第一特征和第二特征进行聚类处理得到检索模型；对目标检索图像进行抠图处理得到目标区域图像；对目标区域图像进行检索得到检索结果。本发明解决了现有技术中存在的视频检索精度和检索效率较低的技术问题。

技术领域

本发明涉及数字智能化领域，具体而言，涉及一种视频检索方法、装置、存储介质及处理器。

背景技术

随着平安城市、智慧社区等项目的构建和普及，视频安防监控设备已逐步架设到城市的各个角落，并且可以7x24小时昼夜不间断的录制采集视频图像数据。对于规模庞大、数量繁多的交通、社区监控视频系统，新兴的基于计算机视觉技术的智慧视频分析使得海量视频的自动分析及目标识别成为了可能。众所周知，监控视频主要用于社区及公共安全的维护，通过实时取证及事后检索，对保障社会治安起着至关重要的作用。然而，视频图像作为非结构化数据，数据量庞大，有效信息少，在格式化存储方面仍存在很多问题。此外，视频数据的实时快速检索也面临诸多挑战，而人为检索由于工作量大、检索目标众多、容易遗漏、效率低下等种种限制因素而不符合实际应用。基于上述，现有技术中的视频检索技术主要包括以下两种方式：

方式一，基于语义的视频检索。该种检索方式以关键字为基础，通过对视频人为添加或自动生成语义描述数据进行基于关键字的检索匹配，关键字可以是标题、主题、人物、视频事件等。然而，在安防监控应用中，基于语义的视频检索技术的精度依赖于大量的语义描述信息，且对单个特定目标的描述信息较少，检索效果十分受限。例如，在海量的公共安防视频中寻找某个目标人物，其描述信息仅有如“穿蓝色上衣黑色裤子的人”，而无法具体描述该人物的深层特征信息，检索的针对性差，搜索到的结果将会十分庞杂。

方法二、基于内容的视频检索。该种检索方式通常采用传统图像处理方法，通过提取视频图像的颜色、纹理、边缘、特征点等底层信息，以分析视频之间的相似度作为检索的依据。相较于语义检索，基于内容的视频检索有效利用了图像视频中的底层特征，检索效率有所提升。然而，目前大多数基于内容的图像检索技术需采用传统图像特征，描述能力仍存在一定限制，且用于检索的特征向量维度高，计算相似性时耗时很长，难以做到真正的实时检索。

综上，目前的视频检索技术存在检索针对性、检索精度和检索效率较低，检索实时性较差的技术问题，因此，现有技术中存在视频检索精度和检索效率较低的技术问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种视频检索方法、装置、存储介质及处理器，以至少解决现有技术中存在的视频检索精度和检索效率较低的技术问题。

根据本发明实施例的一个方面，提供了一种视频检索方法，该方法包括：获取目标检索图片和多个视频图像；对上述多个视频图像进行预处理，得到至少一个第一目标视频图像；根据第一预设模型对上述至少一个第一目标视频图像进行目标检测处理和目标跟踪处理，得到上述至少一个第一目标视频图像中的每个上述第一目标视频图像的全部目标图像序列；根据第二预设模型对上述每个上述第一目标视频图像的全部目标图像序列进行特征提取处理，得到上述每个上述第一目标视频图像的第一特征和第二特征，其中，上述第一特征为上述第一目标视频图像的二值化哈希特征，上述第二特征为上述第一目标视频图像的原始特征；根据预设近似最邻近算法对上述第一特征和上述第二特征进行聚类处理，得到检索模型；对上述目标检索图像进行抠图处理，得到目标区域图像；根据上述检索模型对上述目标区域图像进行检索，得到检索结果。