CN103902605A - 一种折中特征量化的方法 - Google Patents

一种折中特征量化的方法 Download PDF

Info

Publication number
CN103902605A
CN103902605A CN201210582951.5A CN201210582951A CN103902605A CN 103902605 A CN103902605 A CN 103902605A CN 201210582951 A CN201210582951 A CN 201210582951A CN 103902605 A CN103902605 A CN 103902605A
Authority
CN
China
Prior art keywords
sub
feature
compromise
features
camera lens
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
Application number
CN201210582951.5A
Other languages
English (en)
Inventor
屈景春
吴军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHONGQING KAIZE TECHNOLOGY Co Ltd
Original Assignee
CHONGQING KAIZE TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CHONGQING KAIZE TECHNOLOGY Co Ltd filed Critical CHONGQING KAIZE TECHNOLOGY Co Ltd
Priority to CN201210582951.5A priority Critical patent/CN103902605A/zh
Publication of CN103902605A publication Critical patent/CN103902605A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明一种折中特征量化的方法，具体步骤如下：（a）提取局部特征，视频数据库中子镜头的所有子区域特征被k-means聚类方法量化为k个离散的特征向量，k个均值特征向量为局部特征对应的视觉关键词；（b）子镜头的每个子区域特征被映射到这k个视觉关键词中，并用该视觉关键词对应的标号(1…k)表示；（c）子镜头则相应地表示为16个整数，当中的每个整数与子区域映射的视觉关键词的标号对应。本发明的一种折中特征量化的方法，能够保存局部的内容特征和区域件的相对位置信息的同时，还能削弱特征维数过高对量化效果的影响。

Description

一种折中特征量化的方法
技术领域
本发明一种折中特征量化的方法。
背景技术
随着电视节目的积累和网络视频的普及，视频数据库的规模和容量正在迅速增加，于是自动地对大量的并且正在不断增加的视频进行分析和理解成为一项越来越紧迫的任务。与此同时，如何组织视频数据并实现快速检索也成为越来越重要的研究课题。
由于视频被分割成各个子镜头，而每个子镜头又由16个64维特征表示，直接顺序查找受到视频子镜头数目制约计算量过大，如果将子镜头直接合并成16×64维的高维特征并采用量化的表示方法，会使特征维数过高而查询精度易受到量化方法影响。
发明内容
本发明要解决的技术问题是：为了克服上述中存在的问题，提供一种折中特征量化的方法。
本发明解决其技术问题所采用的技术方案是：一种折中特征量化的方法，具体步骤如下：
（a）提取局部特征，视频数据库中子镜头的所有子区域特征被k-means聚类方法量化为k个离散的特征向量，k个均值特征向量为局部特征对应的视觉关键词；
（b）子镜头的每个子区域特征被映射到这k个视觉关键词中，并用该视觉关键词对应的标号(1…k)表示
（c）子镜头则相应地表示为16个整数，当中的每个整数与子区域映射的视觉关键词的标号对应。
本发明的有益效果是，本发明的一种折中特征量化的方法，能够保存局部的内容特征和区域件的相对位置信息的同时，还能削弱特征维数过高对量化效果的影响。 
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的结构示意图。 
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
如图1所示的一种折中特征量化的方法，具体步骤如下：
（a）提取局部特征，视频数据库中子镜头的所有子区域特征被k-means聚类方法量化为k个离散的特征向量，k个均值特征向量为局部特征对应的视觉关键词；
（b）子镜头的每个子区域特征被映射到这k个视觉关键词中，并用该视觉关键词对应的标号(1…k)表示；
（c）子镜头则相应地表示为16个整数，当中的每个整数与子区域映射的视觉关键词的标号对应。
本发明的一种折中特征量化的方法，通过Bag of Words”表示模型建立视频匹配和自然语言处理中的基本概念对应关系，如表1文本处理和视频处理领域中的对应概念，我们可以非常便捷地将文本检索的方法应用于视频匹配之中。
自然语言处理 视频匹配
关键词 视觉关键词
短语 帧或子镜头
段落 视频片段
文章 视频
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (1)

1. 一种折中特征量化的方法，其特征是具体步骤如下：
（a）提取局部特征，视频数据库中子镜头的所有子区域特征被k-means聚类方法量化为k个离散的特征向量，k个均值特征向量为局部特征对应的视觉关键词；
（b）子镜头的每个子区域特征被映射到这k个视觉关键词中，并用该视觉关键词对应的标号(1…k)表示；
（c）子镜头则相应地表示为16个整数，当中的每个整数与子区域映射的视觉关键词的标号对应。
CN201210582951.5A 2012-12-28 2012-12-28 一种折中特征量化的方法 Pending CN103902605A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210582951.5A CN103902605A (zh) 2012-12-28 2012-12-28 一种折中特征量化的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210582951.5A CN103902605A (zh) 2012-12-28 2012-12-28 一种折中特征量化的方法

Publications (1)

Publication Number Publication Date
CN103902605A true CN103902605A (zh) 2014-07-02

Family

ID=50993933

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210582951.5A Pending CN103902605A (zh) 2012-12-28 2012-12-28 一种折中特征量化的方法

Country Status (1)

Country Link
CN (1) CN103902605A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102368237A (zh) * 2010-10-18 2012-03-07 中国科学技术大学 图像检索方法、装置及系统
CN102542058A (zh) * 2011-12-29 2012-07-04 天津大学 一种融合全局与局部视觉特征的层次化地标识别方法
CN102622607A (zh) * 2012-02-24 2012-08-01 河海大学 一种基于多特征融合的遥感图像分类方法
CN103902569A (zh) * 2012-12-27 2014-07-02 重庆凯泽科技有限公司 基于Bag of Words的视频匹配方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102368237A (zh) * 2010-10-18 2012-03-07 中国科学技术大学 图像检索方法、装置及系统
CN102542058A (zh) * 2011-12-29 2012-07-04 天津大学 一种融合全局与局部视觉特征的层次化地标识别方法
CN102622607A (zh) * 2012-02-24 2012-08-01 河海大学 一种基于多特征融合的遥感图像分类方法
CN103902569A (zh) * 2012-12-27 2014-07-02 重庆凯泽科技有限公司 基于Bag of Words的视频匹配方法

Similar Documents

Publication Publication Date Title
CN111104794B (zh) 一种基于主题词的文本相似度匹配方法
CN104199972B (zh) 一种基于深度学习的命名实体关系抽取与构建方法
CN106874292B (zh) 话题处理方法及装置
WO2020000717A1 (zh) 网页分类方法、装置及计算机可读存储介质
CN103020159A (zh) 一种面向事件的新闻展现方法和装置
Yang et al. A vehicle real-time detection algorithm based on YOLOv2 framework
CN109145180B (zh) 一种基于增量聚类的企业热点事件挖掘方法
CN103559191A (zh) 基于隐空间学习和双向排序学习的跨媒体排序方法
GB2583679A (en) Searching multilingual documents based on document structure extraction
CN112650910B (zh) 确定网站更新信息的方法、装置、设备和存储介质
CN112328792A (zh) 一种基于dbscan聚类算法识别信用事件的优化方法
CN103761286A (zh) 一种基于用户兴趣的服务资源检索方法
CN106886613A (zh) 一种并行化的文本聚类方法
CN108182244B (zh) 一种基于多层次列式存储结构的时序数据存储方法
dos Santos et al. A signature-based bag of visual words method for image indexing and search
CN109255098B (zh) 一种基于重构约束的矩阵分解哈希方法
CN103902605A (zh) 一种折中特征量化的方法
CN103500282A (zh) 辅助观察方法及辅助观察装置
CN103578094A (zh) 镜头分割方法
CN110597982A (zh) 一种基于词共现网络的短文本主题聚类算法
CN111159335B (zh) 基于金字塔池化与lda主题模型的短文本分类方法
Wei et al. Visual language model for keyword spotting on historical Mongolian document images
Alghamdi et al. Improved text clustering using k-mean bayesian vectoriser
Lin et al. An automatic classification system of online E-learning resources
Liu et al. Creating descriptive visual words for tag ranking of compressed social image

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140702