CN104239566A - 视频搜索的方法及装置 - Google Patents
视频搜索的方法及装置 Download PDFInfo
- Publication number
- CN104239566A CN104239566A CN201410510539.1A CN201410510539A CN104239566A CN 104239566 A CN104239566 A CN 104239566A CN 201410510539 A CN201410510539 A CN 201410510539A CN 104239566 A CN104239566 A CN 104239566A
- Authority
- CN
- China
- Prior art keywords
- video
- local feature
- searched
- cluster
- key frame
- 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.)
- Granted
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
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (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
本公开是关于视频搜索的方法及装置,用于提高视频搜索的准确性,降低视频搜索的时长。方法包括:将视频库中视频提取关键帧,提取关键帧中局部特征,利用聚类算法将所述局部特征进行聚类;将待搜索视频提取关键帧,提取关键帧中局部特征作为待搜索局部特征;利用所述聚类算法确定所述待搜索局部特征所属聚类;根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频。本公开能够避免以关键帧为对象重复搜索过程,降低了搜索运算量,提高了搜索效率,降低了搜索时长;并且针对视频中帧的图片特征进行搜索,避免仅根据视频的标题或简介中的文字进行搜索,提高了搜索的准确性。
Description
技术领域
本公开涉及搜索技术领域,尤其涉及视频搜索的方法及装置。
背景技术
随着互联网技术的发展,互联网的业务不断增加,互联网中的数据类型不断增加。互联网中的数据类型除文字外还包括视频。如何对视频进行搜索成为需要解决的问题。目前使用的视频搜索方法为:基于视频的标题或简介中的文字进行搜索。这种视频搜索方法的缺陷在于:搜索所用信息有限,使得搜索结果的准确性较低。
另一种视频搜索方法为:提取待搜索视频中关键帧,以及关键帧中的局部特征,按关键帧在视频中的时序,依次根据局部特征查找到包含与关键帧匹配的帧的视频,对查找结果中的视频进行筛选,得到与待搜索视频匹配的视频。其中,关键帧是指视频中角色、物体运动或场景变化中的关键动作所处的那一帧图像,关键帧通常为某个视频中某个场景的稳定代表图像;局部特征是指图像中比较局部的描述子,用来表述图像的唯一性和差异性。这种视频搜索方法的缺陷在于:需要依据时序针对关键帧重复进行搜索,搜索运算量庞大,因此使得视频搜索的效率低下,搜索耗时过长。
发明内容
为克服相关技术中存在的问题,本公开实施例提供视频搜索的方法及装置,用以提高视频搜索的准确性,降低视频搜索的时长。
根据本公开实施例的第一方面,提供一种视频搜索的方法,包括:
将视频库中视频提取关键帧,提取关键帧中局部特征,利用聚类算法将所述局部特征进行聚类;
将待搜索视频提取关键帧,提取关键帧中局部特征作为待搜索局部特征;
利用所述聚类算法确定所述待搜索局部特征所属聚类;
根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频。
在一实施例中,所述根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频,可包括:
按视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量从高到低的顺序,将所述视频库中视频排序;
从所述视频排序的前n个视频中确定出与所述待搜索视频匹配的视频;
其中,n为预设正整数。
在一实施例中,所述从所述视频排序的前n个视频中确定出与所述待搜索视频匹配的视频,可包括:
在所述视频排序的前n个视频中,将所包含的与所述待搜索局部特征属于同一聚类的局部特征的数量大于第一预设阈值的视频,确定为与所述待搜索视频匹配的视频。
在一实施例中,所述从所述视频排序的前n个视频中确定出与所述待搜索视频匹配的视频,可包括:
当待搜索视频的关键帧为多个时,根据与待搜索局部特征属于同一聚类的局部特征,确定所述前n个视频的各个视频中与所述待搜索视频的关键帧匹配的关键帧;
在所述前n个视频中,将匹配的关键帧在视频中时序与所述待搜索视频中关键帧的时序一致的视频,确定为与所述待搜索视频匹配的视频。
在一实施例中,所述根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频,可包括:
当视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量大于第二预设阈值时,确定所述视频与所述待搜索视频匹配。
在一实施例中,所述利用聚类算法将所述局部特征进行聚类,可包括:
利用聚类算法生成聚类树;
将所述视频库中视频的局部特征在所述聚类树中遍历,确定各个所述局部特征到达的叶子节点;
其中,叶子节点与局部特征的聚类对应,到达叶子节点的局部特征属于所述叶子节点对应的聚类。
在一实施例中,所述将所述视频库中视频的局部特征在所述聚类树中遍历,确定各个所述局部特征到达的叶子节点后,还可包括:
在所述叶子节点中,记录到达所述叶子节点的各个局部特征的标识,生成倒排文档;
其中,所述局部特征的标识包括:所述局部特征所在视频的标号。
在一实施例中,所述利用所述聚类算法确定所述待搜索局部特征所属聚类,可包括:
对于各个待搜索局部特征,将所述待搜索局部特征在所述聚类树中遍历,确定所述待搜索局部特征到达的叶子节点;
其中,所述待搜索局部特征属于所述叶子节点对应的聚类。
在一实施例中,所述根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频,可包括:
根据倒排文档的叶子节点中记录的局部特征的标识,获得所述待搜索局部特征所属聚类中局部特征的标识;
根据局部特征的标识,统计视频库中视频所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量;
根据统计出的数量从视频库中确定出与所述待搜索视频匹配的视频。
根据本公开实施例的第二方面,提供一种视频搜索的装置,包括:
局部特征聚类模块,用于将视频库中视频提取关键帧,提取关键帧中局部特征,利用聚类算法将所述局部特征进行聚类;
待搜索局部特征提取模块,用于将待搜索视频提取关键帧,提取关键帧中局部特征作为待搜索局部特征;
待搜索局部特征归类模块,用于利用所述聚类算法确定所述待搜索局部特征所属聚类;
匹配视频确定模块,用于根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频。
在一实施例中,所述匹配视频确定模块,可包括:
视频排序子模块,用于按视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量从高到低的顺序,将所述视频库中视频排序;
第一匹配视频确定子模块,用于从所述视频排序的前n个视频中确定出与所述待搜索视频匹配的视频;
其中,n为预设正整数。
在一实施例中,所述第一匹配视频确定子模块,可包括:
第一匹配视频确定单元,用于在所述视频排序的前n个视频中,将所包含的与所述待搜索局部特征属于同一聚类的局部特征的数量大于第一预设阈值的视频,确定为与所述待搜索视频匹配的视频。
在一实施例中,所述第一匹配视频确定子模块,可包括:
匹配关键帧确定单元,用于当待搜索视频的关键帧为多个时,根据与待搜索局部特征属于同一聚类的局部特征,确定所述前n个视频的各个视频中与所述待搜索视频的关键帧匹配的关键帧;
第二匹配视频确定单元,用于在所述前n个视频中,将匹配的关键帧在视频中时序与所述待搜索视频中关键帧的时序一致的视频,确定为与所述待搜索视频匹配的视频。
在一实施例中,所述第一匹配视频确定子模块,可包括:
第二匹配视频确定子模块,用于当视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量大于第二预设阈值时,确定所述视频与所述待搜索视频匹配。
在一实施例中,所述局部特征聚类模块,可包括:
聚类树生成子模块,用于利用聚类算法生成聚类树;
聚类树遍历子模块,用于将所述视频库中视频的局部特征在所述聚类树中遍历,确定各个所述局部特征到达的叶子节点;
其中,叶子节点与局部特征的聚类对应,到达叶子节点的局部特征属于所述叶子节点对应的聚类。
在一实施例中,所述局部特征聚类模块,还可包括:
倒排文档生成子模块,用于在所述叶子节点中,记录到达所述叶子节点的各个局部特征的标识,生成倒排文档;
其中,所述局部特征的标识包括:所述局部特征所在视频的标号。
在一实施例中,所述待搜索局部特征归类模块,可包括:
待搜索局部特征归类子模块,用于对于各个待搜索局部特征,将所述待搜索局部特征在所述聚类树中遍历,确定所述待搜索局部特征到达的叶子节点;
其中,所述待搜索局部特征属于所述叶子节点对应的聚类。
在一实施例中,所述匹配视频确定模块,可包括:
标识获取子模块,用于根据倒排文档的叶子节点中记录的局部特征的标识,获得所述待搜索局部特征所属聚类中局部特征的标识;
数量统计子模块,用于根据局部特征的标识,统计视频库中视频所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量;
视频确定子模块,用于根据统计出的数量从视频库中确定出与所述待搜索视频匹配的视频。
根据本公开实施例的第三方面,提供一种视频搜索的装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
将视频库中视频提取关键帧,提取关键帧中局部特征,利用聚类算法将所述局部特征进行聚类;
将待搜索视频提取关键帧,提取关键帧中局部特征作为待搜索局部特征;
利用所述聚类算法确定所述待搜索局部特征所属聚类;
根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频。
本公开的实施例提供的技术方案可以包括以下有益效果:通过将局部特征和待搜索局部特征进行聚类,根据各个聚类中包含的局部特征和待搜索局部特征的情况,进行视频搜索,能够避免以关键帧为对象重复搜索过程,降低了搜索运算量,提高了搜索效率,降低了搜索时长;并且针对视频中帧的图片特征进行搜索,避免仅根据视频的标题或简介中的文字进行搜索,提高了搜索的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的视频搜索的方法的流程图。
图2是根据一示例性实施例示出的从视频中提取关键帧和局部特征的示意图。
图3是根据一示例性实施例示出的将视频库中视频的局部特征在聚类树中遍历的示意图。
图4是根据一示例性实施例示出的生成的倒排文档的示意图。
图5是根据一示例性实施例一示出的视频搜索的方法的流程图。
图6是根据一示例性实施例示出的一种视频搜索的装置的框图。
图7是根据一示例性实施例示出的另一种视频搜索的装置的框图。
图8是根据一示例性实施例示出的另一种视频搜索的装置的框图。
图9是根据一示例性实施例示出的另一种视频搜索的装置的框图。
图10是根据一示例性实施例示出的另一种视频搜索的装置的框图。
图11是根据一示例性实施例示出的另一种视频搜索的装置的框图。
图12是根据一示例性实施例示出的一种适用于视频搜索的装置的框图(终端设备的一般结构)。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的视频搜索的方法的流程图。如图1所示,该视频搜索的方法用于各种设备,如个人电脑、手机、平板电脑、服务器、路由器中,包括以下步骤S101-S104:
在步骤S101中、将视频库中视频提取关键帧,提取关键帧中局部特征,利用聚类算法将局部特征进行聚类。
举例而言,如图2所示,对于视频库中的各个视频解码后,获得视频帧,在视频帧中提取关键帧,对于各个关键帧提取局部特征,例如,对于各个关键帧提取SIFT(尺度不变特征转换,Scale-invariant feature transform)特征。SIFT特征是一种局部特征,可以用来描述图像的差异性。
在一实施例中,上述利用聚类算法将局部特征进行聚类可包括如下步骤A1-A2。
在步骤A1中、利用聚类算法生成聚类树。
举例而言,利用K-means算法(硬聚类算法)生成K-means树。K-means算法为一种聚类算法,采用距离作为相似性的评价指标,即认为两个对象的距离越近,其相似度越大;认为簇是由距离靠近的对象组成的,因此将获得紧凑且独立的簇作为最终目标。例如,对训练集中的视频进行关键帧提取,提取关键帧中局部特征,利用提取的局部特征进行K-means树训练,得到二层三叉K-means树,可以在K-means树中保留每个叶子节点的聚类中心。
本公开中的聚类算法不限于K-means算法,例如,也可以使用K-medoids算法(K-means的改进算法)或Clarans算法(基于随机搜索的大型应用聚类算法,Clustering Large Application based upon RANdomized Search),将局部特征进行聚类。
在步骤A2中、将视频库中视频的局部特征在聚类树中遍历,确定各个局部特征到达的叶子节点。
其中,叶子节点与局部特征的聚类对应,到达叶子节点的局部特征属于叶子节点对应的聚类。
举例而言,如图3所示,将视频库中视频的一局部特征在二层三叉的K-means树中遍历,该局部特征通过图3中标出的路径,最终到达标为灰色的叶子节点。该局部特征属于该叶子节点所对应的聚类。
步骤A2中的操作也是将局部特征进行量化的过程,通过步骤A2中操作降低了局部特征的维度。
在一实施例中,步骤A2后还可包括:在叶子节点中,记录到达叶子节点的各个局部特征的标识,生成倒排文档。其中,局部特征的标识包括:局部特征所在视频的标号,还可包括局部特征的标号、局部特征所在关键帧的标号。
倒排文档是文档检索中通常使用的数据结构,相关技术中引入到图像搜索中,记录着一个单词,即特征,的水平反向索引,对应着该单词出现的每一个文档的记录索引。
举例而言,如图4所示,视频库中视频的局部特征在聚类树中遍历,到达叶子节点,记录下各个叶子节点中包含的局部特征的标识,局部特征的标识包括:局部特征ID、局部特征所在关键帧ID,以及局部特征所在视频ID,生成倒排文档。各个叶子节点中的局部特征数量可能会不同。
在步骤S102中、将待搜索视频提取关键帧,提取关键帧中局部特征作为待搜索局部特征。
举例而言,对于待搜索视频解码后,获得视频帧,在视频帧中提取关键帧,对于各个关键帧提取局部特征,例如,对于各个关键帧提取SIFT(尺度不变特征转换,Scale-invariant feature transform)特征。将提取的待搜索视频的局部特征作为待搜索局部特征。
在步骤S103中、利用聚类算法确定待搜索局部特征所属聚类。
在一实施例中,如前所述,在步骤A1中,利用聚类算法生成聚类树。步骤S103可包括:对于各个待搜索局部特征,将待搜索局部特征在聚类树中遍历,确定待搜索局部特征到达的叶子节点。
其中,待搜索局部特征属于叶子节点对应的聚类。
在另一实施例中,生成有倒排文档,通过倒排文档,能够确定与待搜索局部特征到达同一叶子节点的局部特征的标识,即与待搜索局部特征属于同一聚类的局部特征的标识。
在步骤S104中、根据视频中所包含的、与待搜索局部特征属于同一聚类的局部特征的数量,从视频库中确定出与待搜索视频匹配的视频。
在一实施例中,如前所述,对应聚类树生成有倒排文档,步骤S104可包括如下步骤C1-C3:
在步骤C1中、根据倒排文档的叶子节点中记录的局部特征的标识,获得待搜索局部特征所属聚类中局部特征的标识。
在步骤C2中、根据局部特征的标识,统计视频库中视频所包含的与待搜索局部特征属于同一聚类的局部特征的数量。
在步骤C3中、根据统计出的数量从视频库中确定出与待搜索视频匹配的视频。
本实施例中,使用倒排文档,便于对视频中所包含的、与待搜索局部特征属于同一聚类的局部特征的数量进行统计,进一步提高了搜索速度。
在一实施例中,步骤S104可包括如下步骤D1-D2,
在步骤D1中、按视频中所包含的、与待搜索局部特征属于同一聚类的局部特征的数量从高到低的顺序,将视频库中视频排序。
举例而言,待搜索视频具有i个待搜索局部特征,确定出i个待搜索局部特征所属聚类后,对于每个待搜索局部特征,确定出待搜索局部特征所属聚类中局部特征所在视频。然后,统计出视频库中每个视频中与上述i个待搜索局部特征属于同一聚类的局部特征的数量。按统计出的数量从高到低的顺序,将视频库中视频排序。
例如,待搜索视频具有3个待搜索局部特征,对于待搜索局部特征E1,所属聚类中局部特征E11、E12和E13分别在视频F1,视频F2和视频F3中;对于待搜索局部特征E2,所属聚类中局部特征E21和E22分别在视频F1和视频F2;对于待搜索局部特征E3,所属聚类中局部特征E31所在视频为视频F2。由此,得出视频F1包含2个与待搜索局部特征属于同一聚类的局部特征,视频F2包含3个与待搜索局部特征属于同一聚类的局部特征,视频F3包含1个与待搜索局部特征属于同一聚类的局部特征。按视频中所包含的、与待搜索局部特征属于同一聚类的局部特征的数量从高到低的顺序将视频排序,所得视频排序为视频F2、视频F1和视频F3。
在步骤D2中、从视频排序的前n个视频中确定出与待搜索视频匹配的视频。
其中,n为预设正整数。
举例而言,可以将视频排序中的前n个视频确定为与待搜索视频匹配的视频。例如,在n为2时,从视频排序中选取前2个视频,将视频F2和视频F1作为与待搜索视频匹配的视频。
在本示例中,利用视频中所包含的、与待搜索局部特征属于同一聚类的局部特征的数量,搜索出与待搜索视频匹配的视频,搜索运算量得到显著降低,提高了视频搜索的速度。
在一实施例中,步骤D2可包括:在视频排序的前n个视频中,将所包含的与所述待搜索局部特征属于同一聚类的局部特征的数量大于第一预设阈值的视频,确定为与待搜索视频匹配的视频。
本实施例中,对排序的前n个视频进行筛选,进一步提高搜索的准确性。
在一实施例中,步骤D2可包括如下步骤G1-G2。
在步骤G1中、当待搜索视频的关键帧为多个时,根据与待搜索局部特征属于同一聚类的局部特征,确定前n个视频的各个视频中与待搜索视频的关键帧匹配的关键帧。
举例而言,获得待搜索局部特征所在的聚类中,各个局部特征所在关键帧的标识;对于前n个视频中各个视频,根据获得的关键帧的标识,确定各个视频中与待搜索视频的关键帧匹配的关键帧。
在步骤G2中、在前n个视频中,将匹配的关键帧在视频中时序与待搜索视频中关键帧的时序一致的视频,确定为与所述待搜索视频匹配的视频。
在本实施例中,根据关键帧在视频中时序选取视频,如此,能够提高了搜索的准确性,此外,因为时序比较仅在前n个视频中进行,限制了搜索速度所受影响,在提高搜索准确性的同时,保证了搜索速度。
在一实施例中,步骤S104可包括:当视频中所包含的、与待搜索局部特征属于同一聚类的局部特征的数量大于第二预设阈值时,确定视频与待搜索视频匹配。
本实施例中,将视频中所包含的、与待搜索局部特征属于同一聚类的局部特征的数量与第二预设阈值做比较,如此,确定搜索结果的方法简单,易于实现,提高了搜索效率。
本公开的实施例提供的技术方案可以包括以下有益效果:通过将局部特征和待搜索局部特征进行聚类,根据各个聚类中包含的局部特征和待搜索局部特征的情况,进行视频搜索,能够避免以关键帧为对象重复搜索过程,降低了搜索运算量,提高了搜索效率,降低了搜索时长;并且针对视频中帧的图片特征进行搜索,避免仅根据视频的标题或简介中的文字进行搜索,提高了搜索的准确性。
图5是根据一示例性实施例一示出的视频搜索的方法的流程图。如图5所示,该视频搜索的方法用于各种设备,如个人电脑、手机、平板电脑、服务器、路由器中。实施例一应用在如下场景,用户输入待搜索视频,在视频库中搜索待搜索视频,如图5所示,方法包括以下步骤:
在步骤S501中,对训练集中的视频进行关键帧提取,对关键帧提取SIFT特征,利用SIFT特征进行K-means树训练,得到二层三叉K-means树。
所得二层三叉K-means树如图3所示。
在步骤S502中,对视频库中的各个视频解码后,获得视频帧,从视频帧中提取关键帧,对各个关键帧提取SIFT特征。
在步骤S503中,将视频库中视频的SIFT特征在K-means树中遍历,确定各个SIFT特征到达的叶子节点。
在步骤S504中,在叶子节点中,记录到达叶子节点的各个SIFT特征的标识,生成倒排文档。
SIFT特征的标识包括:SIFT特征ID、SIFT特征所在关键帧ID,以及SIFT特征所在视频ID。
在步骤S505中,对于待搜索视频解码后,获得视频帧,在视频帧中提取关键帧,对于各个关键帧提取SIFT特征作为待搜索SIFT特征。
其中,待搜索视频的关键帧为多个。
在步骤S506中,对于各个待搜索SIFT特征,将待搜索SIFT特征在K-means树中遍历,确定待搜索SIFT特征到达的叶子节点。
在步骤S507中,根据倒排文档的叶子节点中记录的SIFT特征的标识,获得待搜索SIFT特征到达的叶子节点中SIFT特征的标识。
在步骤S508中,根据待搜索SIFT特征到达的叶子节点中,各个SIFT特征所在视频ID,统计视频库中视频所包含的与待搜索SIFT特征到达同一叶子节点的SIFT特征的数量。
在步骤S509中、按视频对应的数量从高到低的顺序,将视频排序。
在步骤S510中,根据与待搜索SIFT特征在同一叶子节点的SIFT特征所在关键帧ID和所在视频ID,确定排序中前n个视频的各个视频中与待搜索视频的关键帧匹配的关键帧。
在步骤S511中,在前n个视频中,确定匹配的关键帧在视频中时序与待搜索视频中关键帧的时序一致的视频,作为与待搜索视频匹配的视频。
本实施例提供的技术方案可以包括以下有益效果:通过将SIFT特征和待搜索SIFT特征进行聚类,根据各个聚类中包含的SIFT特征和待搜索SIFT特征的情况,进行视频搜索,能够避免以关键帧为对象重复搜索过程,降低了搜索运算量,提高了搜索效率,降低了搜索时长;并且针对视频中帧的图片特征进行搜索,避免仅根据视频的标题或简介中的文字进行搜索,提高了搜索的准确性。
图6是根据一示例性实施例示出的一种视频搜索的装置的框图。如图6所示,该视频搜索的装置用于各种设备,如个人电脑、手机、平板电脑、服务器、路由器中,包括:
局部特征聚类模块61被配置为将视频库中视频提取关键帧,提取关键帧中局部特征,利用聚类算法将局部特征进行聚类;
待搜索局部特征提取模块62被配置为将待搜索视频提取关键帧,提取关键帧中局部特征作为待搜索局部特征;
待搜索局部特征归类模块63被配置为利用聚类算法确定待搜索局部特征所属聚类;
匹配视频确定模块64被配置为根据视频中所包含的、与待搜索局部特征属于同一聚类的局部特征的数量,从视频库中确定出与待搜索视频匹配的视频。
在一实施例中,如图7所示,匹配视频确定模块64,可包括:
视频排序子模块71被配置为按视频中所包含的、与待搜索局部特征属于同一聚类的局部特征的数量从高到低的顺序,将视频库中视频排序;
第一匹配视频确定子模块72被配置为从视频排序的前n个视频中确定出与待搜索视频匹配的视频;
其中,n为预设正整数。
在一实施例中,第一匹配视频确定子模块,可包括:
第一匹配视频确定单元被配置为在所述视频排序的前n个视频中,将所包含的与所述待搜索局部特征属于同一聚类的局部特征的数量大于第一预设阈值的视频,确定为与所述待搜索视频匹配的视频。
在一实施例中,如图8所示,第一匹配视频确定子模块72,可包括:
匹配关键帧确定单元81被配置为当待搜索视频的关键帧为多个时,根据与待搜索局部特征属于同一聚类的局部特征,确定前n个视频的各个视频中与待搜索视频的关键帧匹配的关键帧;
第二匹配视频确定单元82被配置为在前n个视频中,将匹配的关键帧在视频中时序与待搜索视频中关键帧的时序一致的视频,确定为与待搜索视频匹配的视频。
在一实施例中,第一匹配视频确定子模块,可包括:
第二匹配视频确定子模块被配置为当视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量大于第二预设阈值时,确定所述视频与所述待搜索视频匹配。
在一实施例中,如图9所示,局部特征聚类模块61,可包括:
聚类树生成子模块91被配置为利用聚类算法生成聚类树;
聚类树遍历子模块92被配置为将视频库中视频的局部特征在聚类树中遍历,确定各个局部特征到达的叶子节点;
其中,叶子节点与局部特征的聚类对应,到达叶子节点的局部特征属于所述叶子节点对应的聚类。
在一实施例中,如图10所示,局部特征聚类模块61,还包括:
倒排文档生成子模块101被配置为在叶子节点中,记录到达叶子节点的各个局部特征的标识,生成倒排文档;
其中,局部特征的标识包括:局部特征所在视频的标号。
在一实施例中,待搜索局部特征归类模块,可包括:
待搜索局部特征归类子模块被配置为对于各个待搜索局部特征,将待搜索局部特征在所述聚类树中遍历,确定待搜索局部特征到达的叶子节点;
其中,待搜索局部特征属于叶子节点对应的聚类。
在一实施例中,如图11所示,匹配视频确定模块64,可包括:
标识获取子模块111被配置为根据倒排文档的叶子节点中记录的局部特征的标识,获得待搜索局部特征所属聚类中局部特征的标识;
数量统计子模块112被配置为根据局部特征的标识,统计视频库中视频所包含的、与待搜索局部特征属于同一聚类的局部特征的数量;
视频确定子模块113被配置为根据统计出的数量从视频库中确定出与待搜索视频匹配的视频。
本公开的实施例提供的技术方案可以包括以下有益效果:通过将局部特征和待搜索局部特征进行聚类,根据各个聚类中包含的局部特征和待搜索局部特征的情况,进行视频搜索,能够避免以关键帧为对象重复搜索过程,降低了搜索运算量,提高了搜索效率,降低了搜索时长;并且针对视频中帧的图片特征进行搜索,避免仅根据视频的标题或简介中的文字进行搜索,提高了搜索的准确性。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图12是根据一示例性实施例示出的一种用于视频搜索的装置1200的框图,该装置适用于终端设备。例如,装置1200可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图12,装置1200可以包括以下一个或多个组件:处理组件1202,存储器1204,电源组件1206,多媒体组件1208,音频组件1210,输入/输出(I/O)的接口1212,传感器组件1214,以及通信组件1216。
处理组件1202通常控制装置1200的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件1202可以包括一个或多个处理器1220来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件1202可以包括一个或多个模块,便于处理组件1202和其他组件之间的交互。例如,处理部件1202可以包括多媒体模块,以方便多媒体组件1208和处理组件1202之间的交互。
存储器1204被配置为存储各种类型的数据以支持在设备1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件1206为装置1200的各种组件提供电力。电力组件1206可以包括电源管理系统,一个或多个电源,及其他与为装置1200生成、管理和分配电力相关联的组件。
多媒体组件1208包括在所述装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件1208包括一个前置摄像头和/或后置摄像头。当设备1200处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1210被配置为输出和/或输入音频信号。例如,音频组件1210包括一个麦克风(MIC),当装置1200处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中,音频组件1210还包括一个扬声器,用于输出音频信号。
I/O接口1212为处理组件1202和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1214包括一个或多个传感器,用于为装置1200提供各个方面的状态评估。例如,传感器组件1214可以检测到设备1200的打开/关闭状态,组件的相对定位,例如所述组件为装置1200的显示器和小键盘,传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变,用户与装置1200接触的存在或不存在,装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件1214还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件1216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件1216还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置1200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器1204,上述指令可由装置1200的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种视频搜索的装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,处理器被配置为:
将视频库中视频提取关键帧,提取关键帧中局部特征,利用聚类算法将所述局部特征进行聚类;
将待搜索视频提取关键帧,提取关键帧中局部特征作为待搜索局部特征;
利用所述聚类算法确定所述待搜索局部特征所属聚类;
根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频。
该处理器可被配置为:按视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量从高到低的顺序,将所述视频库中视频排序;
从所述视频排序的前n个视频中确定出与所述待搜索视频匹配的视频;
其中,n为预设正整数。
该处理器可被配置为:在所述视频排序的前n个视频中,将所包含的与所述待搜索局部特征属于同一聚类的局部特征的数量大于第一预设阈值的视频,确定为与所述待搜索视频匹配的视频。
该处理器可被配置为:当待搜索视频的关键帧为多个时,根据与待搜索局部特征属于同一聚类的局部特征,确定所述前n个视频的各个视频中与所述待搜索视频的关键帧匹配的关键帧;
在所述前n个视频中,将匹配的关键帧在视频中时序与所述待搜索视频中关键帧的时序一致的视频,确定为与所述待搜索视频匹配的视频。
该处理器可被配置为:当视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量大于第二预设阈值时,确定所述视频与所述待搜索视频匹配。
该处理器可被配置为:利用聚类算法生成聚类树;将所述视频库中视频的局部特征在所述聚类树中遍历,确定各个所述局部特征到达的叶子节点;
其中,叶子节点与局部特征的聚类对应,到达叶子节点的局部特征属于所述叶子节点对应的聚类。
该处理器可被配置为:在所述叶子节点中,记录到达所述叶子节点的各个局部特征的标识,生成倒排文档;
其中,所述局部特征的标识包括:所述局部特征所在视频的标号。
该处理器可被配置为:对于各个待搜索局部特征,将所述待搜索局部特征在所述聚类树中遍历,确定所述待搜索局部特征到达的叶子节点;
其中,所述待搜索局部特征属于所述叶子节点对应的聚类。
该处理器可被配置为:根据倒排文档的叶子节点中记录的局部特征的标识,获得所述待搜索局部特征所属聚类中局部特征的标识;
根据局部特征的标识,统计视频库中视频所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量;
根据统计出的数量从视频库中确定出与所述待搜索视频匹配的视频。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种视频搜索的方法,所述方法包括:
将视频库中视频提取关键帧,提取关键帧中局部特征,利用聚类算法将所述局部特征进行聚类;
将待搜索视频提取关键帧,提取关键帧中局部特征作为待搜索局部特征;
利用所述聚类算法确定所述待搜索局部特征所属聚类;
根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频。
所述根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频,可包括:
按视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量从高到低的顺序,将所述视频库中视频排序;
从所述视频排序的前n个视频中确定出与所述待搜索视频匹配的视频;
其中,n为预设正整数。
所述从所述视频排序的前n个视频中确定出与所述待搜索视频匹配的视频,可包括:
在所述视频排序的前n个视频中,将所包含的与所述待搜索局部特征属于同一聚类的局部特征的数量大于第一预设阈值的视频,确定为与所述待搜索视频匹配的视频。
所述从所述视频排序的前n个视频中确定出与所述待搜索视频匹配的视频,可包括:
当待搜索视频的关键帧为多个时,根据与待搜索局部特征属于同一聚类的局部特征,确定所述前n个视频的各个视频中与所述待搜索视频的关键帧匹配的关键帧;
在所述前n个视频中,将匹配的关键帧在视频中时序与所述待搜索视频中关键帧的时序一致的视频,确定为与所述待搜索视频匹配的视频。
所述根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频,可包括:
当视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量大于第二预设阈值时,确定所述视频与所述待搜索视频匹配。
所述利用聚类算法将所述局部特征进行聚类,可包括:
利用聚类算法生成聚类树;
将所述视频库中视频的局部特征在所述聚类树中遍历,确定各个所述局部特征到达的叶子节点;
其中,叶子节点与局部特征的聚类对应,到达叶子节点的局部特征属于所述叶子节点对应的聚类。
所述将所述视频库中视频的局部特征在所述聚类树中遍历,确定各个所述局部特征到达的叶子节点后,还可包括:
在所述叶子节点中,记录到达所述叶子节点的各个局部特征的标识,生成倒排文档;
其中,所述局部特征的标识包括:所述局部特征所在视频的标号。
所述利用所述聚类算法确定所述待搜索局部特征所属聚类,可包括:
对于各个待搜索局部特征,将所述待搜索局部特征在所述聚类树中遍历,确定所述待搜索局部特征到达的叶子节点;
其中,所述待搜索局部特征属于所述叶子节点对应的聚类。
所述根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频,可包括:
根据倒排文档的叶子节点中记录的局部特征的标识,获得所述待搜索局部特征所属聚类中局部特征的标识;
根据局部特征的标识,统计视频库中视频所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量;
根据统计出的数量从视频库中确定出与所述待搜索视频匹配的视频。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (19)
1.一种视频搜索的方法,其特征在于,包括:
将视频库中视频提取关键帧,提取关键帧中局部特征,利用聚类算法将所述局部特征进行聚类;
将待搜索视频提取关键帧,提取关键帧中局部特征作为待搜索局部特征;
利用所述聚类算法确定所述待搜索局部特征所属聚类;
根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频。
2.如权利要求1所述的方法,其特征在于,所述根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频,包括:
按视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量从高到低的顺序,将所述视频库中视频排序;
从所述视频排序的前n个视频中确定出与所述待搜索视频匹配的视频;
其中,n为预设正整数。
3.如权利要求2所述的方法,其特征在于,所述从所述视频排序的前n个视频中确定出与所述待搜索视频匹配的视频,包括:
在所述视频排序的前n个视频中,将所包含的与所述待搜索局部特征属于同一聚类的局部特征的数量大于第一预设阈值的视频,确定为与所述待搜索视频匹配的视频。
4.如权利要求2所述的方法,其特征在于,所述从所述视频排序的前n个视频中确定出与所述待搜索视频匹配的视频,包括:
当待搜索视频的关键帧为多个时,根据与待搜索局部特征属于同一聚类的局部特征,确定所述前n个视频的各个视频中与所述待搜索视频的关键帧匹配的关键帧;
在所述前n个视频中,将匹配的关键帧在视频中时序与所述待搜索视频中关键帧的时序一致的视频,确定为与所述待搜索视频匹配的视频。
5.如权利要求1所述的方法,其特征在于,所述根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频,包括:
当视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量大于第二预设阈值时,确定所述视频与所述待搜索视频匹配。
6.如权利要求1所述的方法,其特征在于,所述利用聚类算法将所述局部特征进行聚类,包括:
利用聚类算法生成聚类树;
将所述视频库中视频的局部特征在所述聚类树中遍历,确定各个所述局部特征到达的叶子节点;
其中,叶子节点与局部特征的聚类对应,到达叶子节点的局部特征属于所述叶子节点对应的聚类。
7.如权利要求6所述的方法,其特征在于,所述将所述视频库中视频的局部特征在所述聚类树中遍历,确定各个所述局部特征到达的叶子节点后,还包括:
在所述叶子节点中,记录到达所述叶子节点的各个局部特征的标识,生成倒排文档;
其中,所述局部特征的标识包括:所述局部特征所在视频的标号。
8.如权利要求6或7所述的方法,其特征在于,所述利用所述聚类算法确定所述待搜索局部特征所属聚类,包括:
对于各个待搜索局部特征,将所述待搜索局部特征在所述聚类树中遍历,确定所述待搜索局部特征到达的叶子节点;
其中,所述待搜索局部特征属于所述叶子节点对应的聚类。
9.如权利要求7所述的方法,其特征在于,所述根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频,包括:
根据倒排文档的叶子节点中记录的局部特征的标识,获得所述待搜索局部特征所属聚类中局部特征的标识;
根据局部特征的标识,统计视频库中视频所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量;
根据统计出的数量从视频库中确定出与所述待搜索视频匹配的视频。
10.一种视频搜索的装置,其特征在于,包括:
局部特征聚类模块,用于将视频库中视频提取关键帧,提取关键帧中局部特征,利用聚类算法将所述局部特征进行聚类;
待搜索局部特征提取模块,用于将待搜索视频提取关键帧,提取关键帧中局部特征作为待搜索局部特征;
待搜索局部特征归类模块,用于利用所述聚类算法确定所述待搜索局部特征所属聚类;
匹配视频确定模块,用于根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频。
11.如权利要求10所述的装置,其特征在于,所述匹配视频确定模块,包括:
视频排序子模块,用于按视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量从高到低的顺序,将所述视频库中视频排序;
第一匹配视频确定子模块,用于从所述视频排序的前n个视频中确定出与所述待搜索视频匹配的视频;
其中,n为预设正整数。
12.如权利要求11所述的装置,其特征在于,所述第一匹配视频确定子模块,包括:
第一匹配视频确定单元,用于在所述视频排序的前n个视频中,将所包含的与所述待搜索局部特征属于同一聚类的局部特征的数量大于第一预设阈值的视频,确定为与所述待搜索视频匹配的视频。
13.如权利要求11所述的装置,其特征在于,所述第一匹配视频确定子模块,包括:
匹配关键帧确定单元,用于当待搜索视频的关键帧为多个时,根据与待搜索局部特征属于同一聚类的局部特征,确定所述前n个视频的各个视频中与所述待搜索视频的关键帧匹配的关键帧;
第二匹配视频确定单元,用于在所述前n个视频中,将匹配的关键帧在视频中时序与所述待搜索视频中关键帧的时序一致的视频,确定为与所述待搜索视频匹配的视频。
14.如权利要求10所述的装置,其特征在于,所述第一匹配视频确定子模块,包括:
第二匹配视频确定子模块,用于当视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量大于第二预设阈值时,确定所述视频与所述待搜索视频匹配。
15.如权利要求10所述的装置,其特征在于,所述局部特征聚类模块,包括:
聚类树生成子模块,用于利用聚类算法生成聚类树;
聚类树遍历子模块,用于将所述视频库中视频的局部特征在所述聚类树中遍历,确定各个所述局部特征到达的叶子节点;
其中,叶子节点与局部特征的聚类对应,到达叶子节点的局部特征属于所述叶子节点对应的聚类。
16.如权利要求15所述的装置,其特征在于,所述局部特征聚类模块,还包括:
倒排文档生成子模块,用于在所述叶子节点中,记录到达所述叶子节点的各个局部特征的标识,生成倒排文档;
其中,所述局部特征的标识包括:所述局部特征所在视频的标号。
17.如权利要求15或16所述的装置,其特征在于,所述待搜索局部特征归类模块,包括:
待搜索局部特征归类子模块,用于对于各个待搜索局部特征,将所述待搜索局部特征在所述聚类树中遍历,确定所述待搜索局部特征到达的叶子节点;
其中,所述待搜索局部特征属于所述叶子节点对应的聚类。
18.如权利要求16所述的装置,其特征在于,所述匹配视频确定模块,包括:
标识获取子模块,用于根据倒排文档的叶子节点中记录的局部特征的标识,获得所述待搜索局部特征所属聚类中局部特征的标识;
数量统计子模块,用于根据局部特征的标识,统计视频库中视频所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量;
视频确定子模块,用于根据统计出的数量从视频库中确定出与所述待搜索视频匹配的视频。
19.一种视频搜索的装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
将视频库中视频提取关键帧,提取关键帧中局部特征,利用聚类算法将所述局部特征进行聚类;
将待搜索视频提取关键帧,提取关键帧中局部特征作为待搜索局部特征;
利用所述聚类算法确定所述待搜索局部特征所属聚类;
根据视频中所包含的、与所述待搜索局部特征属于同一聚类的局部特征的数量,从所述视频库中确定出与所述待搜索视频匹配的视频。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410510539.1A CN104239566B (zh) | 2014-09-28 | 2014-09-28 | 视频搜索的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410510539.1A CN104239566B (zh) | 2014-09-28 | 2014-09-28 | 视频搜索的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104239566A true CN104239566A (zh) | 2014-12-24 |
CN104239566B CN104239566B (zh) | 2019-02-12 |
Family
ID=52227625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410510539.1A Active CN104239566B (zh) | 2014-09-28 | 2014-09-28 | 视频搜索的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104239566B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484683A (zh) * | 2014-12-31 | 2015-04-01 | 小米科技有限责任公司 | 黄色图片检测方法及装置 |
CN105007524A (zh) * | 2015-07-29 | 2015-10-28 | 无锡天脉聚源传媒科技有限公司 | 一种视频处理方法及装置 |
CN105468781A (zh) * | 2015-12-21 | 2016-04-06 | 小米科技有限责任公司 | 视频查询方法和装置 |
CN106503112A (zh) * | 2016-10-18 | 2017-03-15 | 大唐软件技术股份有限公司 | 视频检索方法和装置 |
CN107169071A (zh) * | 2017-05-08 | 2017-09-15 | 浙江大华技术股份有限公司 | 一种视频搜索方法及装置 |
CN108288208A (zh) * | 2017-08-11 | 2018-07-17 | 腾讯科技(深圳)有限公司 | 基于图像内容的展示对象确定方法、装置、介质及设备 |
CN108416013A (zh) * | 2018-03-02 | 2018-08-17 | 北京奇艺世纪科技有限公司 | 视频匹配、检索、分类和推荐方法、装置及电子设备 |
CN108733676A (zh) * | 2017-04-14 | 2018-11-02 | 合信息技术(北京)有限公司 | 视频缩略图的提取方法及装置 |
CN109614515A (zh) * | 2018-10-30 | 2019-04-12 | 北京奇艺世纪科技有限公司 | 视频搜索评价方法和系统 |
CN110083742A (zh) * | 2019-04-29 | 2019-08-02 | 腾讯科技(深圳)有限公司 | 一种视频查询方法和装置 |
CN110674401A (zh) * | 2019-09-19 | 2020-01-10 | 北京字节跳动网络技术有限公司 | 确定搜索项目的顺序的方法、装置和电子设备 |
CN110858232A (zh) * | 2018-08-09 | 2020-03-03 | 阿里巴巴集团控股有限公司 | 搜索方法、设备、系统及存储介质 |
CN111522996A (zh) * | 2020-04-09 | 2020-08-11 | 北京百度网讯科技有限公司 | 视频片段的检索方法和装置 |
CN117194737A (zh) * | 2023-09-14 | 2023-12-08 | 上海交通大学 | 基于距离阈值的近似近邻搜索方法、系统、介质及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441666A (zh) * | 2008-12-19 | 2009-05-27 | 清华大学 | 一种基于内容的视频拷贝监测的方法及系统 |
US20120163475A1 (en) * | 2010-12-23 | 2012-06-28 | Electronics And Telecommunications Research Institute | Fast matching system for digital video |
US20130028512A1 (en) * | 2011-07-28 | 2013-01-31 | National Taiwan University Of Science And Technology | Video searching method |
CN103324949A (zh) * | 2012-03-21 | 2013-09-25 | 阿里巴巴集团控股有限公司 | 从图像中识别物体的方法和装置 |
CN103514293A (zh) * | 2013-10-09 | 2014-01-15 | 北京中科模识科技有限公司 | 在视频模板库中进行视频匹配的方法 |
CN103593464A (zh) * | 2013-11-25 | 2014-02-19 | 华中科技大学 | 基于视觉特征的视频指纹检测及视频序列匹配方法及系统 |
CN103605765A (zh) * | 2013-11-26 | 2014-02-26 | 电子科技大学 | 一种基于聚类紧凑特征的海量图像检索系统 |
CN104063706A (zh) * | 2014-06-27 | 2014-09-24 | 电子科技大学 | 一种基于surf算法的视频指纹提取方法 |
-
2014
- 2014-09-28 CN CN201410510539.1A patent/CN104239566B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441666A (zh) * | 2008-12-19 | 2009-05-27 | 清华大学 | 一种基于内容的视频拷贝监测的方法及系统 |
US20120163475A1 (en) * | 2010-12-23 | 2012-06-28 | Electronics And Telecommunications Research Institute | Fast matching system for digital video |
US20130028512A1 (en) * | 2011-07-28 | 2013-01-31 | National Taiwan University Of Science And Technology | Video searching method |
CN103324949A (zh) * | 2012-03-21 | 2013-09-25 | 阿里巴巴集团控股有限公司 | 从图像中识别物体的方法和装置 |
CN103514293A (zh) * | 2013-10-09 | 2014-01-15 | 北京中科模识科技有限公司 | 在视频模板库中进行视频匹配的方法 |
CN103593464A (zh) * | 2013-11-25 | 2014-02-19 | 华中科技大学 | 基于视觉特征的视频指纹检测及视频序列匹配方法及系统 |
CN103605765A (zh) * | 2013-11-26 | 2014-02-26 | 电子科技大学 | 一种基于聚类紧凑特征的海量图像检索系统 |
CN104063706A (zh) * | 2014-06-27 | 2014-09-24 | 电子科技大学 | 一种基于surf算法的视频指纹提取方法 |
Non-Patent Citations (4)
Title |
---|
侯海珍: ""基于内容的视频检索方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
刘洋: ""基于内容的视频检索关键技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王占全 等: "《高级数据库技术》", 31 August 2011 * |
靳东旺 等: "《图书馆信息服务研究》", 31 May 2013 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484683A (zh) * | 2014-12-31 | 2015-04-01 | 小米科技有限责任公司 | 黄色图片检测方法及装置 |
CN104484683B (zh) * | 2014-12-31 | 2019-08-02 | 小米科技有限责任公司 | 黄色图片检测方法及装置 |
CN105007524A (zh) * | 2015-07-29 | 2015-10-28 | 无锡天脉聚源传媒科技有限公司 | 一种视频处理方法及装置 |
CN105468781A (zh) * | 2015-12-21 | 2016-04-06 | 小米科技有限责任公司 | 视频查询方法和装置 |
CN106503112B (zh) * | 2016-10-18 | 2020-01-21 | 大唐软件技术股份有限公司 | 视频检索方法和装置 |
CN106503112A (zh) * | 2016-10-18 | 2017-03-15 | 大唐软件技术股份有限公司 | 视频检索方法和装置 |
CN108733676A (zh) * | 2017-04-14 | 2018-11-02 | 合信息技术(北京)有限公司 | 视频缩略图的提取方法及装置 |
CN107169071A (zh) * | 2017-05-08 | 2017-09-15 | 浙江大华技术股份有限公司 | 一种视频搜索方法及装置 |
CN107169071B (zh) * | 2017-05-08 | 2020-02-14 | 浙江大华技术股份有限公司 | 一种视频搜索方法及装置 |
CN108288208A (zh) * | 2017-08-11 | 2018-07-17 | 腾讯科技(深圳)有限公司 | 基于图像内容的展示对象确定方法、装置、介质及设备 |
CN108288208B (zh) * | 2017-08-11 | 2020-08-28 | 腾讯科技(深圳)有限公司 | 基于图像内容的展示对象确定方法、装置、介质及设备 |
CN108416013A (zh) * | 2018-03-02 | 2018-08-17 | 北京奇艺世纪科技有限公司 | 视频匹配、检索、分类和推荐方法、装置及电子设备 |
CN110858232A (zh) * | 2018-08-09 | 2020-03-03 | 阿里巴巴集团控股有限公司 | 搜索方法、设备、系统及存储介质 |
CN110858232B (zh) * | 2018-08-09 | 2024-03-29 | 阿里巴巴集团控股有限公司 | 搜索方法、设备、系统及存储介质 |
CN109614515A (zh) * | 2018-10-30 | 2019-04-12 | 北京奇艺世纪科技有限公司 | 视频搜索评价方法和系统 |
US11755644B2 (en) | 2019-04-29 | 2023-09-12 | Tencent Technology (Shenzhen) Company Limited | Video query method, apparatus, and device, and storage medium |
CN110083742A (zh) * | 2019-04-29 | 2019-08-02 | 腾讯科技(深圳)有限公司 | 一种视频查询方法和装置 |
WO2020221121A1 (zh) * | 2019-04-29 | 2020-11-05 | 腾讯科技(深圳)有限公司 | 视频查询方法、装置、设备及存储介质 |
CN110083742B (zh) * | 2019-04-29 | 2022-12-06 | 腾讯科技(深圳)有限公司 | 一种视频查询方法和装置 |
CN110674401A (zh) * | 2019-09-19 | 2020-01-10 | 北京字节跳动网络技术有限公司 | 确定搜索项目的顺序的方法、装置和电子设备 |
CN110674401B (zh) * | 2019-09-19 | 2022-04-15 | 北京字节跳动网络技术有限公司 | 确定搜索项目的顺序的方法、装置和电子设备 |
CN111522996A (zh) * | 2020-04-09 | 2020-08-11 | 北京百度网讯科技有限公司 | 视频片段的检索方法和装置 |
CN111522996B (zh) * | 2020-04-09 | 2023-09-08 | 北京百度网讯科技有限公司 | 视频片段的检索方法和装置 |
US11625433B2 (en) | 2020-04-09 | 2023-04-11 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for searching video segment, device, and medium |
CN117194737A (zh) * | 2023-09-14 | 2023-12-08 | 上海交通大学 | 基于距离阈值的近似近邻搜索方法、系统、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104239566B (zh) | 2019-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104239566A (zh) | 视频搜索的方法及装置 | |
CN105117384A (zh) | 分类器训练方法、类型识别方法及装置 | |
CN107239535A (zh) | 相似图片检索方法及装置 | |
CN110472091B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN105488025A (zh) | 模板构建方法和装置、信息识别方法和装置 | |
CN105335754A (zh) | 文字识别方法及装置 | |
CN105094814A (zh) | 通知消息展示方法和装置 | |
CN104572942A (zh) | 推送消息显示方法及装置 | |
CN105094760A (zh) | 一种图片标记方法及装置 | |
CN105302315A (zh) | 图片处理方法及装置 | |
CN105528606A (zh) | 区域识别方法及装置 | |
CN105389296A (zh) | 信息分割方法及装置 | |
CN105488151A (zh) | 参考文档的推荐方法及装置 | |
CN105472583A (zh) | 消息处理方法及装置 | |
CN105159871A (zh) | 文本信息检测方法及装置 | |
CN104754267A (zh) | 视频片段标注方法、装置及终端 | |
CN105354560A (zh) | 指纹识别方法及装置 | |
CN104615663A (zh) | 文件排序方法、装置及终端 | |
CN104268129A (zh) | 消息回复的方法及装置 | |
CN104809157A (zh) | 号码识别方法及装置 | |
CN104281703A (zh) | 统一资源定位符url间相似度计算的方法及装置 | |
CN105512220A (zh) | 图像页面输出方法及装置 | |
CN105426878A (zh) | 人脸聚类方法及装置 | |
CN105550235A (zh) | 信息获取方法及装置 | |
CN105469104A (zh) | 文本信息相似度的计算方法、装置及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |