CN105989063A - 视频检索方法和装置 - Google Patents
视频检索方法和装置 Download PDFInfo
- Publication number
- CN105989063A CN105989063A CN201510067439.0A CN201510067439A CN105989063A CN 105989063 A CN105989063 A CN 105989063A CN 201510067439 A CN201510067439 A CN 201510067439A CN 105989063 A CN105989063 A CN 105989063A
- Authority
- CN
- China
- Prior art keywords
- image
- index
- video
- picture material
- picture
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000000463 material Substances 0.000 claims description 80
- 239000013598 vector Substances 0.000 claims description 46
- 238000013507 mapping Methods 0.000 claims description 32
- 238000001514 detection method Methods 0.000 claims description 28
- 239000000284 extract Substances 0.000 claims description 19
- 230000009977 dual effect Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种视频检索方法和装置。该方法的一具体实施方式包括:建立视频的索引,其中索引包括视频的第一图像内容的第一图像特征,第一图像内容以帧方式从视频提取;提取视频的第二图像内容并获取第二图像内容的第二图像特征;判断第二图像特征与索引中的第一图像特征是否匹配。按照本申请的方案,能够实现粗略检索,从而缩小对指定目标的检索范围。
Description
技术领域
本申请涉及检索技术领域,具体涉及视频检索技术领域,尤其涉及一种视频检索方法和装置。
背景技术
随着城市安全的重要性日益提升,当前在城市中安装建设了大量的摄像头。一旦出现紧急事项时,有关人员需要对历史的摄像视频记录进行检索,需要对特定目标的活动轨迹进行查找和分析。在面对这些巨大的历史视频记录时,传统精确的检索方式耗费时间长且占用巨大资源。在不遗漏目标的前提下从视频中粗略筛选出一些特定视频,从而缩小检索的范围,对于视频分析应用具有积极的意义。
发明内容
本申请提供了视频检索方法和装置。
第一方面,本申请提供了一种视频检索方法,该方法包括:建立视频的索引,其中索引包括视频的第一图像内容的第一图像特征,第一图像内容以帧方式从视频提取;提取视频的第二图像内容并获取第二图像内容的第二图像特征;判断第二图像特征与索引中的第一图像特征是否匹配。
在一些可选的实现方式中,建立视频的索引,包括:提取视频的第一图像内容和第一属性信息;对第一图像内容进行识别检测,以获取第一图像特征;对第一图像特征和第一属性信息进行去相关性运算,得到一个或多个第一数值向量;将第一数值向量映射至索引的离散位置,对离散位置进行标识。
在一些可选的实现方式中,将第一数值向量映射至索引的离散位置,对离散位置进行标识,包括:将第一数值向量映射至索引的离散位置;检测离散位置是否已被标识;若是,则存储数值向量对应的第一图像特征于一集合;若否,则对离散位置进行标识。
在一些可选的实现方式中,方法还包括:判断索引是否存在,若否,则分配索引的空间;判断索引的被映射率是否超过预设阈值,若是,则重新分配索引的空间。
在一些可选的实现方式中,提取视频的第二图像内容并获取第二图像内容的第二图像特征,包括:提取视频的第二图像内容和第二属性信息;对第二图像内容进行识别检测,以获取第二图像特征;对第二图像特征和第二属性信息进行去相关性运算,得到一个或多个第二数值向量。
在一些可选的实现方式中,判断第二图像特征与索引中的第一图像特征是否匹配,包括:将第二数值向量映射至索引的离散位置,检测离散位置是否已被标识;若是,则确定第二图像内容的图像特征与索引中的图像特征匹配;并且匹配第二图像内容的图像特征与集合中的图像特征。
在一些可选的实现方式中,匹配第二图像内容的图像特征与集合中的图像特征,包括:通过B树检索方式匹配第二图像内容的图像特征与集合中的图像特征。
在一些可选的实现方式中,识别检测包括:人体外形识别检测、人脸特征识别检测、车辆外形识别检测和车牌特征识别检测。
在一些可选的实现方式中,第一和第二属性信息从如下组中选择:拍摄设备信息和图像帧序号,其中拍摄设备用于拍摄视频,图像帧序号用于标识第一或第二图像内容的帧。
第二方面,本申请提供了一种视频检索装置,该装置包括:索引建立单元,用于建立视频的索引,其中索引包括视频的第一图像内容的第一图像特征,第一图像内容以帧方式从视频提取;内容提取单元,用于提取视频的第二图像内容并获取第二图像内容的第二图像特征;判断单元,用于判断第二图像特征与索引中的第一图像特征是否匹配。
本申请提供的视频检索方法和装置,通过建立视频的索引,其中索引包括视频的第一图像内容的第一图像特征,第一图像内容以帧方式从视频提取;然后提取视频的第二图像内容并获取第二图像内容的第二图像特征。实现粗略地检索匹配,从而缩小对指定目标的检索范围,具有时间短、索引空间开销小、适应多个特征同时检索的特点,显著缩小了精确检索的范围,节省了计算资源的开销。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请提供的视频检索方法的一个实施例的流程图;
图2是本申请提供的视频检索方法的另一个实施例的流程图;
图3是本申请提供的视频检索方法的另一个实施例的流程图;
图4是本申请提供的视频检索方法的另一个实施例的流程图;
图5是本申请提供的视频检索装置的一个实施例的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1,其示出了根据本申请一个实施例的视频检索方法的示例性流程100。
如图1所示,在步骤101中,建立视频的索引,其中索引包括视频的第一图像内容的第一图像特征,第一图像内容以帧方式从视频提取。
在本实施例中,视频可以是由城市中安装的摄像头拍摄得到,也可以是由其他拍摄设备拍摄得到;可以是多个摄像设备在一定时间拍摄的视频,也可以是一个拍摄设备在一段时间内拍摄的视频。该方案基于图像帧内容建立索引,只要是能提取出图像帧的数字视频都能适用。适用的视频数据源包括来自不同分辨率的监控摄像头的视频、互联网用户手机上传生成的视频等;适用的视频编码格式包括但不限于MPEG(MotionPicture Experts Group)、MPEG2、MPEG4、H264、H265等;适用的视频的存储传输格式包括但不限于AVI(Audio Video Interleaved,音频视频交错)、MOV(QuickTime影片格式)以及RTP(Real-time Transport Protocol,实时传输协议)、ONVIF(Open Network Video Interface Forum,开放型网络视频接口论坛)等流媒体协议。
第一图像内容可以是视频分割出的多帧的图像,每帧图像分辨率(Image resolution)可以是摄像设备的拍摄分辨率,例如640*480ppi。第一图像特征可以是该分割出的每帧图像中反映物体目标的图像数据,例如表示人、车辆等多个目标的图像数据。该数据的单位可以是字节(Byte)或者比特(Bit)。
索引可以是一个存储空间,用于存储图像特征数据映射到索引的某些位置的记录。该索引的位置单位可以是字节或者比特。例如,初始化时索引的所有位置可以标识为0。当图像数据与某些位置建立了映射关系后,该位置标识为1。
建立视频的索引可以是将第一图像特征经过算法运算,与索引中的位置建立映射关系的过程。索引包括视频的第一图像内容的第一图像特征是指:索引存储了多个图像特征数据映射到索引中位置的记录。例如一帧图像中,一辆红色汽车、红色上装的行人以及如“京P2928E”车牌号的三个图像特征组合成了一组第一图像特征,通过M个函数运算处理后,与索引中的M个位置建立了映射联系,则这M个位置标识为1,以记录这些位置已经和这三个图像特征的组合建立了映射关系,此处M可以是任一自然数。
接着,在步骤102中,提取视频的第二图像内容并获取第二图像内容的第二图像特征。
在本实施例中,提取视频的第二图像内容可以是在上述视频中分割出一段或多帧图像,该图像可以是计算机或者相关人员定义的。第二图像内容中包含希望搜索的图像特征,该图像特征可以是计算机或者相关人员定义的,希望在索引中搜索到的图像特征,也称为第二图像特征。获取第二图像特征可以是对一段或多帧第二图像内容分析检测而得到的多个图像特征,例如可以从多帧图像中提取的车辆、行人、车牌等图像特征。
继而,在步骤103中,判断第二图像特征与索引中的第一图像特征是否匹配。
在本实施例中,判断第二图像特征与索引中的第一图像特征是否匹配是指:对获取到的第二图像特征进行与步骤101相同的算法运算而得到关于第二图像特征的映射,然后判断第二图像特征映射到的相应索引位置是否已经全部标识为1。如果相应索引位置已经全部标识为1,则可以确定索引中有与第二图像特征相似的图像特征,即某些第一图像内容中存在与第二图像特征相似的图像特征;如果相应位置不全部标识为1,即存在标识0的位置,则可以确定索引中没有与第二图像特征相似的图像特征,即第一图像内容中没有与第二图像特征相似的图像特征。通过这种映射位置的比较方法,用来确定第一图像内容中是否存在与第二图像特征相似的特征,实现粗略地检索匹配,具有时间短、索引空间开销小、适应多个特征同时检索的特点,显著缩小了精确检索的范围,节省了计算资源的开销。
对于本申请的上述实施例,应用的场景可以为:在多个摄像头拍摄的视频中,筛选出某个摄像头拍摄的图像特征在其他哪几个摄像头拍摄的视频中出现;或者在某一个摄像头拍摄的一年的视频中,筛选出拍摄的图像特征在某几个月或者某几天中拍摄的视频中出现,从而缩小了之后精确检索以及精确对比的范围。
本申请上述实施例提供的方法,通过建立视频的索引,其中索引包括视频的第一图像内容的第一图像特征,第一图像内容以帧方式从视频提取;然后提取视频的第二图像内容并获取第二图像内容的第二图像特征;最后判断第二图像特征与索引中的第一图像特征是否匹配,实现粗略地检索匹配,从而缩小对指定目标的检索范围,具有时间短、索引空间开销小、适应多个特征同时检索的特点,显著降低了精确检索的范围,节省了计算资源的开销。
进一步参考图2,其示出了根据本申请另一实施例的视频检索方法的示例性流程200。
如图2所示,可选地,在步骤201中,提取视频的第一图像内容和第一属性信息。
在本实施例中,从拍摄设备获取一段视频,该视频可以包括多帧图像内容组成的帧图像,以及关于该帧图像的属性信息。提取的第一图像内容可以是该视频中的多帧图像,每帧图像是一组二进制数据,用Pn表示。第一属性信息可以是用来标识拍摄设备以及拍摄图像的信息,例如包括图像帧序号和拍摄设备信息。图像帧序号可以用n表示,n的记录格式可以表示为整数,也可以为“2015-01-12-1450-1950”,表示2015年01月12日14:50至19:50之间拍摄的帧图像。拍摄设备信息可以用c表示,c的记录格式可以表示为整数,也可以为“No.101”,表示第101号拍摄设备。通常情况下c、n可以取32位无符号整数,如果以每秒15帧的街景摄像头为例,32位无符号整数可以用来记录9年时间长度的图像序列。特殊情况下,c、n还可以采用更高位整数或者字符串。
接着,在步骤202中,对第一图像内容进行识别检测,以获取第一图像特征。
在本实施例中,对第一图像内容进行识别检测,以获取第一图像特征可以是:针对每帧图像数据Pn,通过分析检测算法获得K个第一图像特征;然后对K个第一图像特征迭代分析计算而得出一组向量{Fk},k∈[0,K),其中k可以是大于等于0,小于K的整数。例如提取出的第一图像特征是一辆红色汽车、红色上装的行人以及“京PP2928E”车牌号的3个图像特征,则对这3个第一图像特征迭代分析计算出一组向量{Fk},k∈[0,3)。在本实施例中,K一般取小于10的正整数。
在一些可选的实现方式中,获取不同类型图像特征可以使用不同的分析检测算法,甚至对同一类图像特征可以通过多个分析检测算法获取。常见的图像特征类型包括但不限于:人体外形特征,如人的高矮、胖瘦、衣服颜色以图案等;人脸特征,如脸型(如国字脸)、是否佩戴眼镜、头发长度等;车辆外形特征,如车型、颜色、尺寸、汽车部件的位置;车牌特征,如车牌号等。
还可以,不同类图像特征算法对应于不同的图像特征检测函数,相应格式的检测算法并不属于本发明的保护范畴。例如计算机中可以事先通过建立典型人体外形库、典型人脸库、典型车型库等数据库,通过对数据库中各个模型进行学习,利用模型来对图像特征进行分类以及迭代分析计算。
继而,在步骤203中,对第一图像特征和第一属性信息进行去相关性运算,得到一个或多个第一数值向量。
在本实施例中,对第一图像特征和第一属性信息进行去相关性运算,得到一个或多个第一数值向量可以是:利用M个哈希函数对{c,n,{Fk}}向量进行编码,产生M个信息指纹向量{Hm},m∈[0,M),其中该信息指纹向量{Hm}也称为第一数值向量。通常M取8的倍数,如16、24等,并且取M个独立不相关的哈希函数,因为如果哈希函数存在相关性的话,编码后的信息指纹向量映射到索引后,映射的位置相对比较集中,从而影响索引的均一性。最简单方法就是使用M=k个不同的随机数发生器对{c,n,{Fk}}向量进行编码,产生信息指纹向量{Hm}。
接着,在步骤204中,将第一数值向量映射至索引的离散位置,对离散位置进行标识。
在本实施例中,将第一数值向量映射至索引的离散位置,对离散位置进行标识可以是:根据步骤201的第一图像内容的数据大小(第一图像内容的数据大小用N表示),构建一个尺寸为N*M比特位的索引,每个离散位置为0;然后对步骤203中得到的信息指纹向量{Hm}通过哈希函数作位置运算,例如进行取模运算,将M个信息指纹向量{Hm}映射到M个不同离散位置{Pm},并将该映射的离散位置标识为1。
本领域技术人员可以明白的是,每次执行步骤204时无需建立一个新的N*M比特位的索引。而是在第一次执行步骤204时,建立一个N*M比特位的索引;之后再执行步骤204,计算机可以通过检测,判断索引是否存在,如果存在,则省略建立N*M比特位的索引的过程,直接进行对步骤203中得到的信息指纹向量{Hm}通过哈希函数作位置运算,将M个信息指纹向量{Hm}映射到M个不同离散位置{Pm},并将该映射的离散位置标识为1的步骤。
在一些可选实现方式中,步骤204还包括:将第一数值向量映射至索引的离散位置,检测离散位置是否已被标识;若是,即已完全被标识,则存储该数值向量{Hm}对应的第一图像特征{Fk}于一集合,若否,即未完全被标识,则对离散位置进行标识。由于在映射的过程中,有不同的信息指纹向量{Hm}映射到相同的离散位置的可能,通常该概率为万分之一,所以可以在映射时判断该离散位置是否已全部标识。如果发现已全部标识,则将该数值向量{Hm}对应的第一图像特征{Fk}存储到一个集合中,用以记录这种冲突事件以及用以分辨比对,其集合可以称为映射冲突白名单;如果发现仅部分位置已被标识,则仍然对离散位置进行标识操作,并不构成冲突。
在一些可选实施方式中,流程200还包括:判断索引是否存在,若不存在,则分配新索引的空间;判断索引的被映射率是否超过预设阈值,若超过,则分配新索引的空间。索引的被映射率是指,当索引中的离散位置被映射后,标识1的位置会逐渐增多,在整个索引空间中,标识1的位置的比例上升,即整个的索引空间的被映射率上升。通常情况下被映射率高于50%,则不同信息指纹向量{Hm}间映射到索引重复位置的概率会逐渐增多。因此,计算机可以检测索引空间的被映射率,如果超出预设阈值,则重新分配所述索引的空间,例如,创建一个新的索引空间。
从图2中可以看出,与图1对应的实施例不同的是,流程200是流程100中步骤101的一个具体的实施例,包括如下步骤:步骤201提取视频的第一图像内容和第一属性信息;步骤202对第一图像内容进行识别检测,以获取第一图像特征;步骤203对第一图像特征和第一属性信息进行去相关性运算,得到一个或多个第一数值向量和步骤204将第一数值向量映射至索引的离散位置,对离散位置进行标识。针对视频的第一图像内容的每帧图像,通过循环执行上述步骤201至204,本实施例描述的方案用于实现建立视频的索引。
进一步参考图3,其示出了视频检索方法的另一个实施例的流程300。
如图3所示,可选地,在步骤301中,提取视频的第二图像内容和第二属性信息。
在本实施例中,从视频帧序列中选择要检索的目标图像内容Pn’,该目标图像内容称为第二图像内容,以及获取该第二图像内容的属性信息,即第二属性信息。第二属性信息可以包括图像帧序号n’和拍摄设备信息c’。可以理解,步骤301的执行方式与步骤201相同。
接着,在步骤302中,对第二图像内容进行识别检测,以获取第二图像特征。
在本实施例中,分析计算第二图像内容中的多个第二图像特征特征{Fk’},k’∈[0,K)。可以看出,步骤302的执行方式与步骤202相同。
继而,在步骤303中,对第二图像特征和第二属性信息进行去相关性运算,得到一个或多个第二数值向量。
在本实施例中,利用与步骤203相同的M个哈希函数对{c’,n’,{Fk’}}进行编码,从而产生M个信息指纹向量{Hm’},m’∈[0,M),该信息指纹向量称为第二数值向量。可以看出,步骤303的执行方式与步骤203相同。
从图3中可以看出,与图1对应的实施例不同的是,流程300是流程100中步骤102的一个具体的实施例,包括如下步骤:步骤301提取视频的第二图像内容和第二属性信息;步骤302对第二图像内容进行识别检测,以获取第二图像特征和步骤303对第二图像特征和第二属性信息进行去相关性运算,得到一个或多个第二数值向量。通过上述步骤,本实施例描述的方案用于提取视频的第二图像内容并获取第二图像内容的第二图像特征。
进一步参考图4,其示出了视频检索方法的另一个实施例的流程400。
如图4所示,可选地,在步骤401中,将第二数值向量映射至索引的离散位置,检测离散位置是否已被标识。
在本实施例中,对步骤303中得到的信息指纹向量{Hm’}通过哈希函数作位置运算,将M个信息指纹向量{Hm’}映射到M个不同离散位置{Pm’}。可以理解,步骤401的映射算法与步骤204的映射算法相同,步骤401中用于位置运算的哈希函数也与步骤204中的哈希函数相同,然后判断离散位置{Pm’}是否全部被标识为1。
接着,在步骤402中,确定第二图像内容的图像特征与索引中的图像特征匹配。
在本实施例中,检查离散位置{Pm’}是否全部被标识为1。如果相应索引位置已经全部标识为1,则可以确定索引中有与第二图像特征相似的图像特征,即某些第一图像内容中存在与第二图像特征相似的图像特征;如果相应位置不全部标识为1,即存在标识0的位置,则可以确定索引中没有与第二图像特征相似的图像特征,即第一图像内容中没有与第二图像特征相似的图像特征。
继而,在步骤403中,匹配第二图像内容的图像特征与集合中的图像特征。
在本实施例中,由于存在映射冲突的指纹向量的情况,所以在确定第二图像内容的图像特征与索引中的图像特征匹配之后,将该第二图像特征与映射冲突白名单中保存的图像特征进行比对,以进一步判断是与哪一个图像特征相似。
在一些可选实现方式中,也可以对映射冲突白名单建立索引。如果映射冲突白名单过长(例如大于1千),数据量比较大,则映射冲突白名单的索引可以通过步骤201-204建立并且使用一组不同与步骤201-204的哈希函数来实现,也可以采用B树、B+树等常规精确搜索索引来实现。本发明在此方面没有限制。
在一些可选实现方式中,如果存在多个索引,则依次对每个索引执行流程400,从而判断第二图像特征与每个索引中的第一图像特征是否匹配。
从图4中可以看出,与图1对应的实施例不同的是,流程400是流程100中步骤103的一个具体的实施例,包括如下步骤:步骤401将第二数值向量映射至索引的离散位置,检测离散位置是否已被标识;步骤402若是,确定第二图像内容的图像特征与索引中的图像特征匹配和步骤403匹配第二图像内容的图像特征与集合中的图像特征。通过上述步骤,本实施例描述的方案用于判断第二图像特征与索引中的第一图像特征是否匹配。
进一步参考图5,其示出了视频检索装置的一个实施例的结构示意图。
如图5所示,本实施例的视频检索装置500包括:索引建立单元501,内容提取单元502和判断单元503。其中,索引建立单元501用于建立视频的索引,其中索引包括视频的第一图像内容的第一图像特征,第一图像内容以帧方式从视频提取;内容提取单元502用于提取视频的第二图像内容并获取第二图像内容的第二图像特征;判断单元503用于判断第二图像特征与索引中的第一图像特征是否匹配。
应当理解,装置500中记载的诸单元与参考图1-4描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征同样适用于装置500中包含的单元,在此不再赘述。
描述于本申请实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括建立单元、提取单元和判断单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,判断单元还可以被描述为“用于判断第二图像特征与索引中的第一图像特征是否匹配的判断单元”。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入终端中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,程序被一个或者一个以上的处理器用来执行描述于本申请的视频检索方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种视频检索方法,其特征在于,所述方法包括:
建立视频的索引,其中所述索引包括所述视频的第一图像内容的第一图像特征,所述第一图像内容以帧方式从所述视频提取;
提取所述视频的第二图像内容并获取所述第二图像内容的第二图像特征;
判断所述第二图像特征与所述索引中的第一图像特征是否匹配。
2.根据权利要求1所述的方法,其特征在于,建立视频的索引,包括:
提取所述视频的第一图像内容和第一属性信息;
对所述第一图像内容进行识别检测,以获取所述第一图像特征;
对所述第一图像特征和所述第一属性信息进行去相关性运算,得到一个或多个第一数值向量;
将所述第一数值向量映射至所述索引的离散位置,对所述离散位置进行标识。
3.根据权利要求2所述的方法,其特征在于,将所述第一数值向量映射至所述索引的离散位置,对所述离散位置进行标识,包括:
将所述第一数值向量映射至所述索引的离散位置;
检测所述离散位置是否已被标识;
若是,则存储所述数值向量对应的第一图像特征于一集合;
若否,则对所述离散位置进行标识。
4.根据权利要求2所述的方法,其特征在于,还包括:
判断所述索引是否存在,若否,则分配所述索引的空间;
判断所述索引的被映射率是否超过预设阈值,若是,则重新分配所述索引的空间。
5.根据权利要求1所述的方法,其特征在于,提取所述视频的第二图像内容并获取所述第二图像内容的第二图像特征,包括:
提取所述视频的第二图像内容和第二属性信息;
对所述第二图像内容进行识别检测,以获取所述第二图像特征;
对所述第二图像特征和所述第二属性信息进行去相关性运算,得到一个或多个第二数值向量。
6.根据权利要求1-3中任一项所述的方法,其特征在于,判断所述第二图像特征与所述索引中的第一图像特征是否匹配,包括:
将所述第二数值向量映射至所述索引的离散位置,检测所述离散位置是否已被标识;
若是,则确定所述第二图像内容的图像特征与所述索引中的图像特征匹配;并且
匹配所述第二图像内容的图像特征与所述集合中的图像特征。
7.根据权利要求6所述的方法,其特征在于,匹配所述第二图像内容的图像特征与所述集合中的图像特征,包括:通过B树检索方式匹配所述第二图像内容的图像特征与所述集合中的图像特征。
8.根据权利要求2-5中任一项所述的方法,其特征在于,所述识别检测,包括:人体外形识别检测、人脸特征识别检测、车辆外形识别检测和车牌特征识别检测。
9.根据权利要求2-5中任一项所述的方法,其特征在于,所述第一和第二属性信息从如下组中选择:拍摄设备信息和图像帧序号,其中所述拍摄设备用于拍摄所述视频,所述图像帧序号用于标识所述第一或第二图像内容的帧。
10.一种视频检索装置,其特征在于,所述装置包括:
索引建立单元,用于建立视频的索引,其中所述索引包括所述视频的第一图像内容的第一图像特征,所述第一图像内容以帧方式从所述视频提取;
内容提取单元,用于提取所述视频的第二图像内容并获取所述第二图像内容的第二图像特征;
判断单元,用于判断所述第二图像特征与所述索引中的第一图像特征是否匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510067439.0A CN105989063B (zh) | 2015-02-09 | 2015-02-09 | 视频检索方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510067439.0A CN105989063B (zh) | 2015-02-09 | 2015-02-09 | 视频检索方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105989063A true CN105989063A (zh) | 2016-10-05 |
CN105989063B CN105989063B (zh) | 2019-11-12 |
Family
ID=57040956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510067439.0A Expired - Fee Related CN105989063B (zh) | 2015-02-09 | 2015-02-09 | 视频检索方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105989063B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI636426B (zh) * | 2017-08-23 | 2018-09-21 | 財團法人國家實驗研究院 | Method of tracking a person's face in an image |
CN111538858A (zh) * | 2020-05-06 | 2020-08-14 | 英华达(上海)科技有限公司 | 建立视频图谱的方法、装置、电子设备、存储介质 |
CN113010738A (zh) * | 2021-02-08 | 2021-06-22 | 维沃移动通信(杭州)有限公司 | 视频处理方法、装置、电子设备及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299212A (zh) * | 2008-06-20 | 2008-11-05 | 中山大学 | 一种基于比特映射的压缩键树的单词检索方法 |
CN102650993A (zh) * | 2011-02-25 | 2012-08-29 | 北大方正集团有限公司 | 音视频文件的索引建立和检索方法、装置及系统 |
CN103198110A (zh) * | 2013-03-28 | 2013-07-10 | 广州中国科学院软件应用技术研究所 | 一种视频数据快速特征检索的方法及系统 |
CN103218441A (zh) * | 2013-04-22 | 2013-07-24 | 北京邮电大学 | 一种基于内容和反馈的图像检索方法 |
-
2015
- 2015-02-09 CN CN201510067439.0A patent/CN105989063B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299212A (zh) * | 2008-06-20 | 2008-11-05 | 中山大学 | 一种基于比特映射的压缩键树的单词检索方法 |
CN102650993A (zh) * | 2011-02-25 | 2012-08-29 | 北大方正集团有限公司 | 音视频文件的索引建立和检索方法、装置及系统 |
CN103198110A (zh) * | 2013-03-28 | 2013-07-10 | 广州中国科学院软件应用技术研究所 | 一种视频数据快速特征检索的方法及系统 |
CN103218441A (zh) * | 2013-04-22 | 2013-07-24 | 北京邮电大学 | 一种基于内容和反馈的图像检索方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI636426B (zh) * | 2017-08-23 | 2018-09-21 | 財團法人國家實驗研究院 | Method of tracking a person's face in an image |
CN111538858A (zh) * | 2020-05-06 | 2020-08-14 | 英华达(上海)科技有限公司 | 建立视频图谱的方法、装置、电子设备、存储介质 |
CN111538858B (zh) * | 2020-05-06 | 2023-06-23 | 英华达(上海)科技有限公司 | 建立视频图谱的方法、装置、电子设备、存储介质 |
TWI823018B (zh) * | 2020-05-06 | 2023-11-21 | 英華達股份有限公司 | 建立影片圖譜的方法 |
CN113010738A (zh) * | 2021-02-08 | 2021-06-22 | 维沃移动通信(杭州)有限公司 | 视频处理方法、装置、电子设备及可读存储介质 |
CN113010738B (zh) * | 2021-02-08 | 2024-01-30 | 维沃移动通信(杭州)有限公司 | 视频处理方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105989063B (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110235138B (zh) | 用于外观搜索的系统和方法 | |
JP4553650B2 (ja) | 画像グループの表現方法および表現方法によって導出される記述子、探索方法、装置、コンピュータプログラム、ならびに記憶媒体 | |
AU2016291660B2 (en) | Apparatus and methods for facial recognition and video analytics to identify individuals in contextual video streams | |
US8983192B2 (en) | High-confidence labeling of video volumes in a video sharing service | |
US9177208B2 (en) | Determining feature vectors for video volumes | |
Karaman et al. | Human daily activities indexing in videos from wearable cameras for monitoring of patients with dementia diseases | |
CN105989063A (zh) | 视频检索方法和装置 | |
US9286707B1 (en) | Removing transient objects to synthesize an unobstructed image | |
e Souza et al. | Survey on visual rhythms: A spatio-temporal representation for video sequences | |
CN112069331A (zh) | 一种数据处理、检索方法、装置、设备及存储介质 | |
Hannane et al. | An automatic video surveillance indexing based on facial feature descriptors | |
Weon-Geun et al. | Construction and utilization of image database for image attribute structuring | |
Boini Madhavi | INTEGRATED APPROACH TO CONTENT BASED IMAGE RETRIVAL USING CLUSTERING | |
Matzen | Computer vision for spatio-temporal analysis of internet photo collections | |
JP2021033664A (ja) | 画像管理装置およびプログラム | |
Kavitha et al. | CBIR USING BLOCK TRUNCATION WITH BDIP AND BVLC WITH K MEANS CLASSIFIER |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191112 |
|
CF01 | Termination of patent right due to non-payment of annual fee |