CN101398854A - 一种视频片段检索方法和系统 - Google Patents
一种视频片段检索方法和系统 Download PDFInfo
- Publication number
- CN101398854A CN101398854A CN 200810225047 CN200810225047A CN101398854A CN 101398854 A CN101398854 A CN 101398854A CN 200810225047 CN200810225047 CN 200810225047 CN 200810225047 A CN200810225047 A CN 200810225047A CN 101398854 A CN101398854 A CN 101398854A
- Authority
- CN
- China
- Prior art keywords
- video
- frame
- similarity
- representative frame
- cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000012634 fragment Substances 0.000 title claims description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000005070 sampling Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种视频片段检索方法和系统，该方法包括以下步骤：对原始视频片段进行帧采样；对每个原始视频片段内选取的采样帧进行聚类，在每个聚类中选取一帧图像作为代表帧，并根据每个聚类内帧图像的数量计算该代表帧所占的比例值；依据所需比较的两个视频片段的代表帧建立一个加权二分图，加权二分图的权重由所述代表帧之间的相似度和该代表帧在相应聚类内的比例值确定；对加权比例二分图作最大权匹配，获得两个视频片段的相似度；通过视频片段的相似度分析，在数据库进行与输入的检索视频片段相似的视频片段检索。本发明在视频片段的时长具有较大变化时，也能准确给出视频片段间的相似度，提供有效的视频检索结果。
Description
技术领域
本发明涉及视频分析技术领域，特别是涉及一种视频片段检索方法和系统。
背景技术
随着科技的进步及多媒体技术的发展，视频数据已经应用于各种不同的领域，如安全、数字图书馆、广告、数字电视和娱乐等。不断增长的视频数据量增加了阅读视频信息及获取所需视频数据的难度。因此，如何在海量视频中快速检索出所需要的视频资料显得至关重要。
基于内容的视频检索技术是解决上述问题的一种重要方法。基于内容的视频检索是指从视频数据中提取出对象语义、特征(视觉信息、音频信息、运动信息等)，再根据这些视频的特征在视频数据库中进行相关信息查询，从而找到具有相似内容的视频数据。视频片段检索是基于内容的视频检索的主要方式，它是给定一个查询视频片段，从视频库中找到与其相似的视频片段。
已有的视频片段检索方法有美国电气及电子工程师学会电路与系统汇刊2006文集(IEEE Transactions on Circuits and Systems for Video Technology，vol.16，no.5，p.612-627，2006)公布的应用二分图匹配算法进行视频相似度分析的方法。该方法首先将要比较的两个视频片段建立一个加权二分图，然后采用最大匹配方法进行视频片段的过滤，再应用最大权匹配方法获得视频片段之间的相似程度。但是这种方法是将全部的镜头默认为具有相同的重要性，然后再进行视频内容的比较。因此，当两个镜头的长度相差较大，但是通过局部特征(如：关键帧)计算得到的相似度也较大时，才会被判断为两者完全相似；另外一种可能存在的情况是，假设当第一个视频片段由两个镜头组成，其中镜头A的长度占整个视频片段的90％，镜头B的长度占整个视频片段得10％；第二个视频片段也由两个镜头组成，其中镜头C的长度占整个视频片段的90％，镜头D的长度占视频片段长度的10％。由于镜头A、B、C及D都被认为具有相同的重要性，当镜头B与D很相似，而A与C不相似时，会得出两个视频片段有50％的内容相似的检索结果，而实际上这两个视频只具有10％的内容基本相似。可见，已有的算法在两个视频片段具有相近的时长时能取得较好的视频检索效果，而当两个视频片段之间的时长差异较大时，所计算出的相似度则有较大的误差。
总之，需要本领域技术人员迫切解决的一个技术问题就是：如何在视频片段的时长具有较大变化时，也能准确给出视频片段间的相似度，提供有效的视频检索结果。
发明内容
本发明所要解决的技术问题是提供一种视频片段检索方法和系统，能够在视频片段的时长具有较大变化时，也能准确给出视频片段间的相似度，提供有效的视频检索结果。
为了解决上述问题，本发明公开了一种视频片段检索方法，该方法包括：
对原始视频片段进行帧采样；
对每个原始视频片段内选取的采样帧进行聚类，在每个聚类中选取一帧图像作为代表帧，并根据每个聚类内帧图像的数量计算该代表帧所占的比例值；
依据所需比较的两个视频片段的代表帧建立一个加权二分图，加权二分图的权重由所述代表帧之间的相似度和该代表帧在相应聚类内的比例值确定；
对加权比例二分图作最大权匹配，获得两个视频片段的相似度；
通过视频片段的相似度分析，在数据库进行与输入的检索视频片段相似的视频片段检索。
优选的，通过比较视频片段内采样帧之间的色彩直方图相似度进行采样帧的聚类。
优选的，选取每个聚类中与其他采样帧相似度之和最大的采样帧作为代表帧。
优选的，通过比较两帧图像的色彩直方图计算所述两帧图像之间的相似度。
优选的，所述聚类中色彩直方图相似度的阈值为0.8～0.85。
进一步，所述加权二分图的权重通过以下步骤确定：
计算两个视频片段的代表帧A、B之间的色彩直方图相似度s(A，B)；
获得代表帧A、B在相应的聚类内帧图像间所占的比例值PA及PB；
计算代表帧A表示的所述加权二分图中的顶点a和代表帧B表示的所述加权二分图中的顶点b之间的权重ω＝s(A，B)×min(PA，PB)。
根据本发明的实施例，还公开了一种视频片段检索系统，该系统包括：
帧采样模块，用于按照预设的采样率对原始视频进行帧采样；
层次聚类模块，用于对每个视频片段内选取的采样帧应用层次聚类方法进行距离，在每个聚类中选取一帧图像作为代表帧，并根据每个聚类内帧图像的数量提供该代表帧所占的比例值；
建立加权二分图模块，用于将要比较的两个视频片段的代表帧建立一个加权二分图，加权二分图的权重由所述代表帧之间的相似度和该代表帧在相应聚类内的比例值确定；
最大权匹配模块，用于对加权比例二分图作最大权匹配，获得两个视频片段的相似度；
视频片段检索模块，用于通过视频片段的相似度分析，在数据库进行与输入的检索视频片段相似的视频片段检索。
进一步，所述建立加权二分图模块包括：
相似度计算子模块，用于计算两个视频片段的代表帧A、B之间的色彩直方图相似度s(A，B)；
权重计算子模块，用于根据代表帧A、B在相应的聚类内帧图像间所占的比例值PA及PB，计算代表帧A表示的所述加权二分图中的顶点a和代表帧B表示的所述加权二分图中的顶点b之间的权重ω＝s(A，B)×min(PA，PB)。
优选的，选取每个聚类中与其他采样帧相似度之和最大的采样帧作为代表帧。
优选的，通过比较视频片段内采样帧之间的色彩直方图相似度进行采样帧的聚类。
与现有技术相比，本发明具有以下优点：
本发明首先对原始视频片段进行帧采样，采用采样帧进行分析，与关键帧分析相比，采样帧不需要额外的运算，同时更有效地反应了原始视频的内容。
本发明在每个视频片段内进行采样帧聚类，每个聚类选取出一个代表帧，并通过类内帧的数目为该代表帧赋予一个比例值，更有效地表示出视频的主要内容以及该内容所占的比例。
本发明通过代表帧之间的相似度和代表帧的比例值建立加权二分图，有效地从视频片段主要内容的相似度以及占整个视频片段的比例描述了两个视频片段之间的相似度。
本发明的方法改善了现有方法中主要关注视频片段中的相似部分内容，一般采用对关键帧的分析，对于视频中不相似度部分的分析相对较少，从而当两个视频片段中存在较多的不相似部分时，使得视频片段分析结果不准确的问题，提高了长度相差较多的视频片段的相似度分析效果，并提高了最终的视频检索效果。同时，本发明方法设计简单，易于实现。
附图说明
图1是本发明一种视频片段检索方法实施例步骤流程图；
图2是本发明一种视频片段检索系统结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1，示出了本发明一种视频片段检索方法实施例，具体可以包括以下步骤：
步骤101、对原始视频片段进行帧采样。
在视频片段相似度分析之前，首先按照预设的采样率对原始视频片段进行帧采样，即每隔预设的帧数目选取一帧作为原始视频片段的采样帧。
步骤102、对每个原始视频片段内选取的采样帧进行聚类，在每个聚类中选取一帧图像作为代表帧，并根据每个聚类内帧图像的数量计算该代表帧所占的比例值。
优选的，聚类时采用的特征为色彩直方图相似度，并设置适当的聚类中色彩直方图相似度阈值。
色彩直方图，是最常用的表达图像颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响。颜色直方图简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。一般来说，两帧图像的色彩差异越大，则它们之间的相似程度越小，反之则相似程度越大。
优选的，通过比较两帧图像的色彩直方图计算所述两帧图像之间的相似度，选取每个聚类中与其他采样帧相似度之和最大的采样帧作为代表帧。与关键帧分析相比，采样帧不需要额外的运算，同时更有效地反应了原始视频的内容。
虽然在本发明实施例中采用色彩直方图作为特征进行代表帧的提取，但本发明并不对此进行限制，其他常用的图像比对算法如直接比较法、颜色特征法、纹理特征法、形状特征法、以及压缩域的图像比对算法等都在本发明的保护范围内。此外，有关聚类的方法，本发明并不对其进行限制，在具体实现时，可采用层次聚类、应用模糊C均值聚类等本领域技术人员所熟知的方法，此处不再对此进行赘述。
步骤103、依据所需比较的两个视频片段的代表帧建立一个加权二分图，加权二分图的权重由所述代表帧之间的相似度和该代表帧在相应聚类内的比例值确定。
进一步，所述加权二分图的权重通过以下步骤确定：
计算两个视频片段的代表帧A、B之间的色彩直方图相似度s(A，B)；
获得代表帧A、B在相应的聚类内帧图像间所占的比例值PA及PB；
计算代表帧A表示的所述加权二分图中的顶点a和代表帧B表示的所述加权二分图中的顶点b之间的权重ω＝s(A，B)×min(PA，PB)。
步骤104、对加权比例二分图作最大权匹配，获得两个视频片段的相似度。
步骤103比较的两个视频片段包含了不相似片段和真正的相似片段，利用最大权匹配的Kuhn-Munkras算法可以过滤不相似片段并确定真正的相似片段。具体的Kuhn-Munkras算法属于本领域技术人员所熟知的，因此，此处不再赘述。
通过代表帧之间的相似度和代表帧在相应的聚类内帧图像间所占的的比例值建立的加权二分图，有效地从视频片段主要内容的相似度以及占整个视频片段的比例描述了两个视频片段之间的相似度。
步骤105、通过视频片段的相似度分析，在数据库进行与输入的检索视频片段相似的视频片段检索。
本方法不仅在视频片段具有相似长度时能够获得比较好的视频比较结果，在视频片段的长度具有较大变化时也能保持有效的分析结果，特别适合某些多数据库的视频检索。
参照图2，示出了本发明一种视频片段检索系统实施例，具体可以包括：
帧采样模块201，用于按照预设的采样率对原始视频进行帧采样；
层次聚类模块202，用于对每个视频片段内选取的采样帧应用层次聚类方法进行距离，在每个聚类中选取一帧图像作为代表帧，并根据每个聚类内帧图像的数量提供该代表帧所占的比例值；
建立加权二分图模块203，用于将要比较的两个视频片段的代表帧建立一个加权二分图，加权二分图的权重由所述代表帧之间的相似度和该代表帧在相应聚类内的比例值确定；
最大权匹配模块204，用于对加权比例二分图应用Kuhn-Munkras算法作最大权匹配，获得两个视频片段的相似度；
视频片段检索模块205，用于通过视频片段的相似度分析，在数据库进行与输入的检索视频片段相似的视频片段检索。
对于所述建立加权二分图模块204的具体实现方式，其进一步可以包括：
相似度计算子模块，用于计算两个视频片段的代表帧A、B之间的色彩直方图相似度s(A，B)；
权重计算子模块，用于根据代表帧A、B在相应的聚类内帧图像间所占的比例值PA及PB，计算代表帧A表示的所述加权二分图中的顶点a和代表帧B表示的所述加权二分图中的顶点b之间的权重ω＝s(A，B)×min(PA，PB)。
优选的方案是，通过比较视频片段内采样帧之间的相似度进行采样帧的聚类，并选取每个聚类中与其他采样帧色彩直方图相似度之和最大的采样帧作为代表帧。
本发明的视频片段检索系统200在具体实现时，首先，利用帧采样模块201，按照预设的采样率对原始视频进行帧采样；将采样结果传送至层次聚类模块202，对每个视频片段内选取的采样帧应用层次聚类方法进行距离，在每个聚类中选取一帧图像作为代表帧，并根据每个聚类内帧图像的数量提供该代表帧所占的比例值；选取的代表帧及其在每个聚类内帧图像中所占的比例传送至加权二分图模块203，该模块将要比较的这两个视频片段的代表帧建立一个加权二分图，加权二分图的权重由所述代表帧之间的相似度和该代表帧在相应聚类内的比例值确定；由最大权匹配模块204，对得到的加权比例二分图应用匈牙利方法做最大权匹配，获得两个视频片段的相似度；最后，应用视频片段检索模块205，通过上述得到的视频片段的相似度分析，在数据库进行与输入的检索视频片段相似的视频片段检索，获得相似度较高的视频片段结果。
对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
下面用实验结果来说明本发明在视频片段检索中的优异表现。实验数据选用了一个视频数据库，这个视频数据库非常具有挑战性，总共有5.5小时，包含3870个镜头，503280帧图像。这些数据选择不同类型的视频，如：体育节目、电视剧、新闻以及一些其它的视频数据。这些视频首先被分割成视频片断，在整个数据集中一共有214个视频片断，这些视频片断的时长从25秒到5分钟不等。在这些视频片断中，一共有6个用于检索的视频事件，每个视频事件都包含超过一个视频片断。应用本发明的基于加权比例二分图最大权匹配的视频片断检索方法与应用传统的基于二分图匹配的检索方法进行了对比，实验数据如表(1)所示，可以看到，本发明方法在查全率和查准率上，与传统方法
表1视频片段精确检索的实验结果
相比，都能取得更好的效果。主要原因在于，传统的基于二分图匹配的视频检索一般采用对关键帧的分析，对于视频中不相似度部分的分析相对较少，从而当两个视频片段中存在较多的不相似部分时，使得视频片段分析结果出现不准确的问题。本发明的最大优点在于，采用采样帧对原始视频片段进行分析，更能有效的反应原始视频的内容。
以上对本发明所提供的一种视频片断检索方法和系统，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1、一种视频片段检索方法，其特征在于，包括以下步骤：
对原始视频片段进行帧采样；
对每个原始视频片段内选取的采样帧进行聚类，在每个聚类中选取一帧图像作为代表帧，并根据每个聚类内帧图像的数量计算该代表帧所占的比例值；
依据所需比较的两个视频片段的代表帧建立一个加权二分图，加权二分图的权重由所述代表帧之间的相似度和该代表帧在相应聚类内的比例值确定；
对加权比例二分图作最大权匹配，获得两个视频片段的相似度；
通过视频片段的相似度分析，在数据库进行与输入的检索视频片段相似的视频片段检索。
2、根据权利要求1所述的视频片段检索方法，其特征在于，通过比较视频片段内采样帧之间的色彩直方图相似度进行采样帧的聚类。
3、根据权利要求1所述的视频片段检索方法，其特征在于，采用以下方法进行代表帧的选取：
选取每个聚类中与其他采样帧相似度之和最大的采样帧作为代表帧。
4、根据权利要求2所述的视频片段检索方法，其特征在于，通过比较两帧图像的色彩直方图计算所述两帧图像之间的相似度。
5、根据权利要求4所述的视频片段检索方法，其特征在于，所述聚类中色彩直方图相似度的阈值为0.8～0.85。
6、根据权利要求1所述的视频片段检索方法，其特征在于，所述加权二分图的权重通过以下步骤确定：
计算两个视频片段的代表帧A、B之间的色彩直方图相似度s(A，B)；
获得代表帧A、B在相应的聚类内帧图像间所占的比例值PA及PB；
计算代表帧A表示的所述加权二分图中的顶点a和代表帧B表示的所述加权二分图中的顶点b之间的权重ω＝s(A，B)×min(PA，PB)。
7、一种视频片段检索系统，其特征在于，包括：
帧采样模块，用于按照预设的采样率对原始视频进行帧采样；
层次聚类模块，用于对每个视频片段内选取的采样帧应用层次聚类方法进行距离，在每个聚类中选取一帧图像作为代表帧，并根据每个聚类内帧图像的数量提供该代表帧所占的比例值；
建立加权二分图模块，用于将要比较的两个视频片段的代表帧建立一个加权二分图，加权二分图的权重由所述代表帧之间的相似度和该代表帧在相应聚类内的比例值确定；
最大权匹配模块，用于对加权比例二分图作最大权匹配，获得两个视频片段的相似度；
视频片段检索模块，用于通过视频片段的相似度分析，在数据库进行与输入的检索视频片段相似的视频片段检索。
8、根据权利要求7所述的视频片段检索系统，其特征在于，所述建立加权二分图模块进一步包括：
相似度计算子模块，用于计算两个视频片段的代表帧A、B之间的色彩直方图相似度s(A，B)；
权重计算子模块，用于根据代表帧A、B在相应的聚类内帧图像间所占的比例值PA及PB，计算代表帧A表示的所述加权二分图中的顶点a和代表帧B表示的所述加权二分图中的顶点b之间的权重ω＝s(A，B)×min(PA，PB)。
9、根据权利要求7所述的视频片段检索系统，其特征在于，选取每个聚类中与其他采样帧相似度之和最大的采样帧作为代表帧。
10、根据权利要求7所述的视频片段检索系统，其特征在于，通过比较视频片段内采样帧之间的色彩直方图相似度进行采样帧的聚类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200810225047 CN101398854A (zh) | 2008-10-24 | 2008-10-24 | 一种视频片段检索方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200810225047 CN101398854A (zh) | 2008-10-24 | 2008-10-24 | 一种视频片段检索方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101398854A true CN101398854A (zh) | 2009-04-01 |
Family
ID=40517406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200810225047 Pending CN101398854A (zh) | 2008-10-24 | 2008-10-24 | 一种视频片段检索方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101398854A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663069A (zh) * | 2012-03-31 | 2012-09-12 | 广东威创视讯科技股份有限公司 | 视频检索方法与装置 |
| CN102771115A (zh) * | 2009-12-29 | 2012-11-07 | 电视互动系统有限公司 | 联网电视的视频片段识别方法及上下文定向内容显示方法 |
| CN103475935A (zh) * | 2013-09-06 | 2013-12-25 | 北京锐安科技有限公司 | 一种视频片段的检索方法及装置 |
| WO2014000258A1 (zh) * | 2012-06-29 | 2014-01-03 | 中国科学院自动化研究所 | 一种近似重复视频片段自动定位方法 |
| CN103984778A (zh) * | 2014-06-06 | 2014-08-13 | 北京金山网络科技有限公司 | 一种视频检索方法及系统 |
| CN104298758A (zh) * | 2014-10-22 | 2015-01-21 | 天津大学 | 一种多视角目标检索的方法 |
| CN104915860A (zh) * | 2015-06-10 | 2015-09-16 | 无线生活（杭州）信息科技有限公司 | 一种商品推荐方法及装置 |
| CN105139421A (zh) * | 2015-08-14 | 2015-12-09 | 西安西拓电气股份有限公司 | 电力系统基于互信息量的视频关键帧提取方法 |
| CN106375850A (zh) * | 2015-07-23 | 2017-02-01 | 无锡天脉聚源传媒科技有限公司 | 一种匹配视频的判断方法及装置 |
| CN106611043A (zh) * | 2016-11-16 | 2017-05-03 | 深圳百科信息技术有限公司 | 一种视频搜索方法及系统 |
| CN107423695A (zh) * | 2017-07-13 | 2017-12-01 | 苏州珂锐铁电气科技有限公司 | 基于二分图的动态纹理识别方法 |
| CN109241342A (zh) * | 2018-07-23 | 2019-01-18 | 中国科学院计算技术研究所 | 基于深度线索的视频场景检索方法和系统 |
| CN110555127A (zh) * | 2018-03-30 | 2019-12-10 | 优酷网络技术（北京）有限公司 | 多媒体内容的生成方法及装置 |
| CN110598123A (zh) * | 2019-08-14 | 2019-12-20 | 平安科技（深圳）有限公司 | 基于画像相似性的信息检索推荐方法、装置及存储介质 |
| CN113033718A (zh) * | 2021-05-27 | 2021-06-25 | 北京爱数智慧科技有限公司 | 人工智能数据标注任务分配方法以及装置 |
| CN114650435A (zh) * | 2022-02-23 | 2022-06-21 | 京东科技信息技术有限公司 | 视频内重复片段查找方法、装置及相关设备 |
| CN114842239A (zh) * | 2022-04-02 | 2022-08-02 | 北京医准智能科技有限公司 | 一种基于超声视频的乳腺病灶属性预测方法及装置 |
-
2008
- 2008-10-24 CN CN 200810225047 patent/CN101398854A/zh active Pending
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102771115B (zh) * | 2009-12-29 | 2017-09-01 | 威智优构造技术有限责任公司 | 联网电视的视频片段识别方法及上下文定向内容显示方法 |
| CN102771115A (zh) * | 2009-12-29 | 2012-11-07 | 电视互动系统有限公司 | 联网电视的视频片段识别方法及上下文定向内容显示方法 |
| CN102663069A (zh) * | 2012-03-31 | 2012-09-12 | 广东威创视讯科技股份有限公司 | 视频检索方法与装置 |
| WO2014000258A1 (zh) * | 2012-06-29 | 2014-01-03 | 中国科学院自动化研究所 | 一种近似重复视频片段自动定位方法 |
| CN103475935A (zh) * | 2013-09-06 | 2013-12-25 | 北京锐安科技有限公司 | 一种视频片段的检索方法及装置 |
| CN103984778A (zh) * | 2014-06-06 | 2014-08-13 | 北京金山网络科技有限公司 | 一种视频检索方法及系统 |
| CN104298758A (zh) * | 2014-10-22 | 2015-01-21 | 天津大学 | 一种多视角目标检索的方法 |
| CN104915860A (zh) * | 2015-06-10 | 2015-09-16 | 无线生活（杭州）信息科技有限公司 | 一种商品推荐方法及装置 |
| CN106375850B (zh) * | 2015-07-23 | 2019-09-13 | 无锡天脉聚源传媒科技有限公司 | 一种匹配视频的判断方法及装置 |
| CN106375850A (zh) * | 2015-07-23 | 2017-02-01 | 无锡天脉聚源传媒科技有限公司 | 一种匹配视频的判断方法及装置 |
| CN105139421B (zh) * | 2015-08-14 | 2018-07-24 | 西安西拓电气股份有限公司 | 电力系统基于互信息量的视频关键帧提取方法 |
| CN105139421A (zh) * | 2015-08-14 | 2015-12-09 | 西安西拓电气股份有限公司 | 电力系统基于互信息量的视频关键帧提取方法 |
| CN106611043B (zh) * | 2016-11-16 | 2020-07-03 | 深圳市梦网视讯有限公司 | 一种视频搜索方法及系统 |
| CN106611043A (zh) * | 2016-11-16 | 2017-05-03 | 深圳百科信息技术有限公司 | 一种视频搜索方法及系统 |
| CN107423695A (zh) * | 2017-07-13 | 2017-12-01 | 苏州珂锐铁电气科技有限公司 | 基于二分图的动态纹理识别方法 |
| CN110555127A (zh) * | 2018-03-30 | 2019-12-10 | 优酷网络技术（北京）有限公司 | 多媒体内容的生成方法及装置 |
| CN109241342A (zh) * | 2018-07-23 | 2019-01-18 | 中国科学院计算技术研究所 | 基于深度线索的视频场景检索方法和系统 |
| CN110598123B (zh) * | 2019-08-14 | 2023-12-29 | 平安科技（深圳）有限公司 | 基于画像相似性的信息检索推荐方法、装置及存储介质 |
| CN110598123A (zh) * | 2019-08-14 | 2019-12-20 | 平安科技（深圳）有限公司 | 基于画像相似性的信息检索推荐方法、装置及存储介质 |
| WO2021027149A1 (zh) * | 2019-08-14 | 2021-02-18 | 平安科技（深圳）有限公司 | 基于画像相似性的信息检索推荐方法、装置及存储介质 |
| CN113033718A (zh) * | 2021-05-27 | 2021-06-25 | 北京爱数智慧科技有限公司 | 人工智能数据标注任务分配方法以及装置 |
| CN113033718B (zh) * | 2021-05-27 | 2021-10-15 | 北京爱数智慧科技有限公司 | 人工智能数据标注任务分配方法以及装置 |
| CN114650435A (zh) * | 2022-02-23 | 2022-06-21 | 京东科技信息技术有限公司 | 视频内重复片段查找方法、装置及相关设备 |
| CN114650435B (zh) * | 2022-02-23 | 2023-09-05 | 京东科技信息技术有限公司 | 视频内重复片段查找方法、装置及相关设备 |
| CN114842239A (zh) * | 2022-04-02 | 2022-08-02 | 北京医准智能科技有限公司 | 一种基于超声视频的乳腺病灶属性预测方法及装置 |
| CN114842239B (zh) * | 2022-04-02 | 2022-12-23 | 北京医准智能科技有限公司 | 一种基于超声视频的乳腺病灶属性预测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101398854A (zh) | 一种视频片段检索方法和系统 | |
| EP3477506B1 (en) | Video detection method, server and storage medium | |
| CN105653700B (zh) | 视频检索方法及系统 | |
| CN103608826B (zh) | 利用网络信息挖掘的视频内产品注释 | |
| US20160358025A1 (en) | Enriching online videos by content detection, searching, and information aggregation | |
| CN101398855B (zh) | 一种视频关键帧提取方法和系统 | |
| US20100254614A1 (en) | Clustering videos by location | |
| JP2001155169A (ja) | ビデオ画像の分割、分類、および要約のための方法およびシステム | |
| CN109871464B (zh) | 一种基于ucl语义标引的视频推荐方法与装置 | |
| CN104504307A (zh) | 基于拷贝单元的音视频拷贝检测方法和装置 | |
| KR20140108180A (ko) | 멀티미디어 컨텐츠에 접속하기 위한 시스템 및 방법 | |
| CN101872346A (zh) | 一种自动生成视频导航系统的方法 | |
| US8175392B2 (en) | Time segment representative feature vector generation device | |
| CN110427517B (zh) | 一种基于场景词典树的图搜视频方法，装置及计算机可读存储介质 | |
| CN110688524A (zh) | 视频检索方法、装置、电子设备及存储介质 | |
| US20150356353A1 (en) | Method for identifying objects in an audiovisual document and corresponding device | |
| JP5116017B2 (ja) | 動画検索方法およびシステム | |
| Bohm et al. | Prover: Probabilistic video retrieval using the Gauss-tree | |
| KR20050033075A (ko) | 비디오 이미지들의 시퀀스에서 콘텐트 속성을 검출하는 유닛 및 방법 | |
| Kumar et al. | Sports video summarization using priority curve algorithm | |
| Bhaumik et al. | Towards redundancy reduction in storyboard representation for static video summarization | |
| WO2009078613A1 (en) | Index database creating apparatus and index database retrieving apparatus | |
| TWI223162B (en) | Method and computer system for automatic generation of multimedia WWW news contents from broadcast news video | |
| Yang et al. | A repeated video clip identification system | |
| Barbieri et al. | Shot-HR: a video shot representation method based on visual features |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20090401 |
|
| C20 | Patent right or utility model deemed to be abandoned or is abandoned |