CN108882016A - 一种视频基因数据提取的方法及系统 - Google Patents
一种视频基因数据提取的方法及系统 Download PDFInfo
- Publication number
- CN108882016A CN108882016A CN201810858258.3A CN201810858258A CN108882016A CN 108882016 A CN108882016 A CN 108882016A CN 201810858258 A CN201810858258 A CN 201810858258A CN 108882016 A CN108882016 A CN 108882016A
- Authority
- CN
- China
- Prior art keywords
- data
- video
- gene
- audio
- extracted
- 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
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000000284 extract Substances 0.000 title claims abstract description 35
- 230000007704 transition Effects 0.000 claims abstract description 77
- 238000000605 extraction Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 15
- 230000014509 gene expression Effects 0.000 claims description 13
- 238000013139 quantization Methods 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 claims description 6
- 230000001537 neural effect Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 238000011946 reduction process Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims 2
- 230000000903 blocking effect Effects 0.000 claims 1
- 230000002596 correlated effect Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000013467 fragmentation Methods 0.000 description 3
- 238000006062 fragmentation reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000005267 amalgamation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/439—Processing of audio elementary streams
- H04N21/4398—Processing of audio elementary streams involving reformatting operations of audio signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种视频基因数据提取的方法及系统，本方法充分利用了视频数据中转场帧、音频特性数据，在视频比对识别中，通过先获取音频基因特征值数据，进行第一次比对后，对符合结果的数据中，再通过视频转场帧序列特征值数据，进行二次比对；该视频基因提取、比对方法不仅大幅度的提高了比对的效率，更将比对的精度提高到了帧，从而具有很高的实用性；可以将该成果运用于节目碎片化的快速拆条、互联网下的节目知识产权的智能化保护等多个领域。
Description
技术领域
本发明涉及媒体处理领域，具体涉及一种视频基因数据提取的方法及系统。
背景技术
在融合媒体时代下，为传统广电媒体带来了更大的市场舞台。为了契合融媒体时代下传播渠道广、信息来源多样性、信息碎片化、信息时效性高等特点，将现有传统媒体大量优质媒体信息注入到互联网中。整个信息制作在平台、方式、流程也发生了改变，整体上展现出了移动化、智能化、社交化等特点。
现有的传统媒体平台，主要面临以下两个考验：
节目时效性
与以往单档节目制作不同，融媒体时代下信息具有碎片化的特点，采用原有单纯人工节目制作的方式，难以适应现有海量、碎片化、高时效性的节目发布特点。
信息知识产权保护
怎样在互联网中保护自身优质媒体的知识产权，防止内容被盗播、盗链、篡改。单纯的人工来防范，无法有效的应对融媒体时代下节目发布渠道多样性、节目传播速度快、范围广的特点。
发明内容
本发明的目的在于克服现有技术的不足，提供一种视频基因数据提取的方法，该方法充分利用了视频数据中转场帧、音频特性数据，在视频比对识别中，通过先获取音频基因特征值数据，进行第一次比对后，对符合结果的数据中，再通过视频转场帧序列特征值数据，进行二次比对；该视频基因提取、比对方法不仅大幅度的提高了比对的效率，更将比对的精度提高到了帧，从而具有很高的实用性；可以将该成果运用于节目碎片化的快速拆条、互联网下的节目知识产权的智能化保护等多个领域。
本发明的目的是通过以下技术方案来实现的：
一种视频基因数据提取的方法，该方法步骤如下：
S1：视频解码，将文件数据、流数据解码还原为视音频数据；
S2：音频基因特征值提取，提取指定视频段内的音频基因特征数据，提取完毕后以非结构性存储数据的方式的存储起来，并完成查询索引的建立；
S3：视频转场帧序列特征数据提取，提取指定视频段内的视频转场序列特征数据，提取完毕后以非结构性存储数据的方式的存储起来，并完成查询索引的建立；
S4：视频基因数据识别，将目标音频数据转换为音频基因特征数据，与后台视频基因数据中音频基因特征数据进行模糊匹配，当匹配的契合度达到阙值时，进行二次匹，这里的阙值是指契合度至少达到80%；
将匹配的契合度达到阙值的音频基因特征数据进行视频转场帧数据进行模糊匹配，选出达到契合阙值的视频片段数据，并将结果在视频片段中标记出来，以便用户使用。
进一步的，所述音频基因特征值提取包括以下子步骤：
S01：解码，将视频文件、流数据解码，提取特定数量的音频流数据，通常采用长度不低于25个特征数据，最大不超过125个音频特征向量数据的音频流数据；
S02：降噪，使用三角带通滤波器对音频流数据进行降噪处理，滤除掉背景噪声；
S03：音频数据的矢量化，对音频数据进行矢量化处理，得到能量、频域、时域、短时过零率的矢量坐标；
S04：音频矢量数据的多重卷积，对音频矢量数据进行多重卷积，完成一个神经单元的音频基因特征数据提取；
S05：音频基因特征数据非结构性存储，当指定的视频段内的音频基因特征数据提取完毕后，以非结构性存储数据的方式的存储起来，并完成查询索引的建立。
进一步的，所述视频转场帧序列特征数据提取包括以下子步骤：
S11：解码，将视频数据解码，提取一定数据的视频帧数据；
S12：视频图像幅面变化，将单帧的视频数据进行幅面变化转换为特定幅面的数据；
S13：视频图像灰度化，对单帧的视频数据进行灰度化处理，从而对图像形态处理做准备；
S14：视频转场帧提取，对图像进行分区化块，并进行比对，当前后图像的比对大于阙值时判断为两帧图像之间存在转场变化，取前一帧图像为转场数据，这里的阙值是指契合度超过90%的数据；
S15：锐度处理，对转场帧图像进行高斯滤波器处理，完成锐度变化，使得图像的形态变化更加清晰；
S16：多重卷积变化，对转场帧数据进行多重卷积变化，将转场帧图像进行矢量化，将相关偏移量、矢量数据提取为一个神经单元的数据；
S17：视频转场帧序列特征数据存储，当指定的视频段内的视频转场序列特征数据提取完毕后，以非结构性存储数据的方式的存储起来，并完成查询索引的建立。
进一步的，所述视频基因数据识别包括以下子步骤：
S21：音频解码，将视频中音频数据解码出来，提取特定数量音频数据；
S22：音频基因特征数据提取、比对，将音频数据转换为音频基因特征数据，快速的完成与后台视频基因数据中音频基因特征数据的模糊匹配，当匹配的契合度达到阙值时，将数据进行二次匹配；
S23：视频转场帧序列特征值提取、比对，将特定视频段内的视频数据解码出来，完成与后台视频基因数据中，与已经筛选过音频基因特征数据的结果中的数据，再次进行视频转场帧数据进行模糊匹配，选出达到契合阙值的视频片段数据，并将结果在在视频片段中标记出来，以便用户使用。
一种视频基因数据提取的系统，该系统包括：
视频解码模块；将文件数据、流数据解码还原为视音频数据；
音频基因特征值提取模块；用于提取指定视频段内的音频基因特征数据；
视频转场帧序列特征数据提取模块；用于提取指定视频段内的视频转场序列特征数据；
视频基因数据非结构性存储模块；将视频片段中音频基因 特征数据、视频转场帧特征数据以非结构存储数据的方式存储起来，并建立检索索引；
视频基因数据识别模块；将目标视频数据转换成为音频基因特征数据与后台视频基因数据中音频基因特征数据进行模糊匹配，将匹配的契合度达到阙值的音频基因特征数据再次进行视频转场帧数据进行模糊匹配；并将结果在在视频片段中标记出来，以便用户使用。
进一步的，所述音频基因特征值提取模块的处理流程为：解码→降噪→音频数据的矢量化→音频矢量数据的多重卷积→音频基因特征数据非结构性存储。
进一步的，所述视频转场帧序列特征数据提取模块的处理流程为：解码→视频图像幅面变化→视频图像灰度化→视频转场帧提取→锐度处理→多重卷积变化→视频转场帧序列特征数据存储。
进一步的，所述视频基因数据识别模块的处理流程为：音频解码→音频基因特征数据提取、比对→ 视频转场帧序列特征值提取、比对→标记。
本发明的有益效果是： 该方法充分利用了视频数据中转场帧、音频特性数据，在视频比对识别中，通过先获取音频基因特征值数据，进行第一次比对后，对符合结果的数据中，再通过视频转场帧序列特征值数据，进行二次比对；该视频基因提取、比对方法不仅大幅度的提高了比对的效率，更将比对的精度提高到了帧，从而具有很高的实用性；可以将该成果运用于节目碎片化的快速拆条、互联网下的节目知识产权的智能化保护等多个领域。
附图说明
图1是本发明的流程示意图；
图2是音频基因特征值提取的流程图；
图3是视频转场帧序列特征值提取的流程图。
具体实施方式
下面结合具体实施例进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种视频基因数据提取的方法，该方法步骤如下：
S1：视频解码，将文件数据、流数据解码还原为视音频数据；
S2：音频基因特征值提取，提取指定视频段内的音频基因特征数据，提取完毕后以非结构性存储数据的方式的存储起来，并完成查询索引的建立；
S3：视频转场帧序列特征数据提取，提取指定视频段内的视频转场序列特征数据，提取完毕后以非结构性存储数据的方式的存储起来，并完成查询索引的建立；
S4：视频基因数据识别，将目标音频数据转换为音频基因特征数据，与后台视频基因数据中音频基因特征数据进行模糊匹配，当匹配的契合度达到阙值时，进行二次匹，这里的阙值是指契合度至少达到80%；
将匹配的契合度达到阙值的音频基因特征数据进行视频转场帧数据进行模糊匹配，选出达到契合阙值的视频片段数据，并将结果在视频片段中标记出来，以便用户使用。
如图2所示，所述音频基因特征值提取包括以下子步骤：
S01：解码，将视频文件、流数据解码，提取特定数量的音频流数据，通常采用长度不低于25个特征数据，最大不超过125个音频特征向量数据的音频流数据；
S02：降噪，使用三角带通滤波器对音频流数据进行降噪处理，滤除掉背景噪声；
S03：音频数据的矢量化，对音频数据进行矢量化处理，得到能量、频域、时域、短时过零率的矢量坐标；
S04：音频矢量数据的多重卷积，对音频矢量数据进行多重卷积，完成一个神经单元的音频基因特征数据提取；
S05：音频基因特征数据非结构性存储，当指定的视频段内的音频基因特征数据提取完毕后，以非结构性存储数据的方式的存储起来，并完成查询索引的建立。
如图3所示，所述视频转场帧序列特征数据提取包括以下子步骤：
S11：解码，将视频数据解码，提取一定数据的视频帧数据，通常采样不低于25帧，不高于125帧；
S12：视频图像幅面变化，将单帧的视频数据进行幅面变化转换为特定幅面的数据；
S13：视频图像灰度化，对单帧的视频数据进行灰度化处理，从而对图像形态处理做准备；
S14：视频转场帧提取，对图像进行分区化块，并进行比对，当前后图像的比对大于阙值时判断为两帧图像之间存在转场变化，取前一帧图像为转场数据，这里的阙值是指契合度超过90%的数据；
S15：锐度处理，对转场帧图像进行高斯滤波器处理，完成锐度变化，使得图像的形态变化更加清晰；
S16：多重卷积变化，对转场帧数据进行多重卷积变化，将转场帧图像进行矢量化，将相关偏移量、矢量数据提取为一个神经单元的数据；
S17：视频转场帧序列特征数据存储，当指定的视频段内的视频转场序列特征数据提取完毕后，以非结构性存储数据的方式的存储起来，并完成查询索引的建立。
进一步的，所述视频基因数据识别包括以下子步骤：
S21：音频解码，将视频中音频数据解码出来，提取特定数量音频数据；
S22：音频基因特征数据提取、比对，将音频数据转换为音频基因特征数据，快速的完成与后台视频基因数据中音频基因特征数据的模糊匹配，当匹配的契合度达到阙值时，将数据进行二次匹配，这里的阙值是指契合度不低于80%；
S23：视频转场帧序列特征值提取、比对，将特定视频段内的视频数据解码出来，完成与后台视频基因数据中，与已经筛选过音频基因特征数据的结果中的数据，再次进行视频转场帧数据进行模糊匹配，选出达到契合阙值的视频片段数据，并将结果在在视频片段中标记出来，以便用户使用。
一种视频基因数据提取的系统，用于实现上述方法进行视频基因数据提取，该系统包括：
视频解码模块；将文件数据、流数据解码还原为视音频数据；
音频基因特征值提取模块；用于提取指定视频段内的音频基因特征数据；
视频转场帧序列特征数据提取模块；用于提取指定视频段内的视频转场序列特征数据；
视频基因数据非结构性存储模块；将视频片段中音频基因 特征数据、视频转场帧特征数据以非结构存储数据的方式存储起来，并建立检索索引；
视频基因数据识别模块；将目标视频数据转换成为音频基因特征数据与后台视频基因数据中音频基因特征数据进行模糊匹配，将匹配的契合度达到阙值的音频基因特征数据再次进行视频转场帧数据进行模糊匹配；并将结果在在视频片段中标记出来，以便用户使用。
进一步的，所述音频基因特征值提取模块的处理流程为：解码→降噪→音频数据的矢量化→音频矢量数据的多重卷积→音频基因特征数据非结构性存储，其详细处理流程参见图2，与音频基因特征值提取步骤完全相同。
进一步的，所述视频转场帧序列特征数据提取模块的处理流程为：解码→视频图像幅面变化→视频图像灰度化→视频转场帧提取→锐度处理→多重卷积变化→视频转场帧序列特征数据存储，其详细处理流程参见图3。
进一步的，所述视频基因数据识别模块的处理流程为：音频解码→音频基因特征数据提取、比对→ 视频转场帧序列特征值提取、比对→标记。
本发明的原理如下：
1、解码提取视频段内特定数量的音频数据，通过三角带通滤波器，滤除背景噪声，按帧为单位，形成特定时域的向量特征值，通过多层卷积算法，最后完成音频基因特征数据非结构性存储。
2、解码提取一定数量的视频数据，首先将视频数据进行幅面变化到特定的幅面，对变化后的幅面灰度化，进行局域分块，通过特定的阙值比较，当阙值低于一定数值的时候，认为视频段之间存在转场帧变化。图像数据通过高斯滤波器，完成图像的锐度处理。对提取的转场帧数据进行多层卷积变化，完成单个图像的视频转场帧特征值的提取，通过读取整个视频转场帧序列，完成视频转场帧序列特征值的提取。最后将整个特征序列值数据非结构性存储。
3、该视频基因特征数据由于携带了音频基因特征数据和转场帧序列特征数据，在识别的时候，先比对音频基因特征数据，由于音频识别中数据量和运算量远小于视频数据，适合用于视频片段识别的快速定位。当过滤掉大部分数据，完成视频片段数据初步定位后，再通过该段视频区域的视频数据运算提取视频转场帧序列特征数据，通过非结构性数据的模糊比对完成视频基因片段的识别，最终实现视频片段的帧精确的识别。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (8)
1.一种视频基因数据提取的方法，其特征在于，该方法步骤如下：
S1：视频解码，将文件数据、流数据解码还原为视音频数据；
S2：音频基因特征值提取，提取指定视频段内的音频基因特征数据，提取完毕后以非结构性存储数据的方式的存储起来，并完成查询索引的建立；
S3：视频转场帧序列特征数据提取，提取指定视频段内的视频转场序列特征数据，提取完毕后以非结构性存储数据的方式的存储起来，并完成查询索引的建立；
S4：视频基因数据识别，将目标音频数据转换为音频基因特征数据，与后台视频基因数据中音频基因特征数据进行模糊匹配，通常将提取的特征数据在后台存储的特征值库，通过语言、转移、观察等概率，进行全局最优化路径选择，从中找出匹配的契合度达到阙值时，进行二次匹配；
将匹配的契合度达到阙值的音频基因特征数据进行视频转场帧数据进行模糊匹配，将提取到视频转场帧数据灰度化、分块化、锐度化，最后通过多重卷积变化算法将单个转场帧数据转换为一个特征基因，通过提取当前视频中对应音频基因序列长度的视频转场特征基因序列；并与后台存储的相应视频基因序列即音频基因对应的相关序列进行最短路径比对，选出达到契合阙值最高的视频片段数据，并将结果在视频片段中标记出来，以便用户使用。
2.根据权利要求1所述的一种视频基因数据提取的方法，其特征在于，所述音频基因特征值提取包括以下子步骤：
S01：解码，将视频文件、流数据解码，提取特定数量；
S02：降噪，使用三角带通滤波器对音频流数据进行降噪处理，滤除掉背景噪声；
S03：音频数据的矢量化，对音频数据进行矢量化处理，得到能量、频域、时域、短时过零率的矢量坐标；
S04：音频矢量数据的多重卷积，对音频矢量数据进行多重卷积，完成一个神经单元的音频基因特征数据提取；
S05：音频基因特征数据非结构性存储，当指定的视频段内的音频基因特征数据提取完毕后，以非结构性存储数据的方式的存储起来，并完成查询索引的建立。
3.根据权利要求2所述的一种视频基因数据提取的方法，其特征在于，所述视频转场帧序列特征数据提取包括以下子步骤：
S11：解码，将视频数据解码，提取一定数据的视频帧数据；
S12：视频图像幅面变化，将单帧的视频数据进行幅面变化转换为特定幅面的数据；
S13：视频图像灰度化，对单帧的视频数据进行灰度化处理，从而对图像形态处理做准备；
S14：视频转场帧提取，对图像进行分区化块，并进行比对，当前后图像的比对大于阙值时判断为两帧图像之间存在转场变化，取前一帧图像为转场数据；
S15：锐度处理，对转场帧图像进行高斯滤波器处理，完成锐度变化，使得图像的形态变化更加清晰；
S16：多重卷积变化，对转场帧数据进行多重卷积变化，将转场帧图像进行矢量化，将相关偏移量、矢量数据提取为一个神经单元的数据；
S17：视频转场帧序列特征数据存储，当指定的视频段内的视频转场序列特征数据提取完毕后，以非结构性存储数据的方式的存储起来，并完成查询索引的建立。
4.根据权利要求3所述的一种视频基因数据提取的方法，其特征在于，所述视频基因数据识别包括以下子步骤：
S21：音频解码，将视频中音频数据解码出来，提取特定数量音频数据；
S22：音频基因特征数据提取、比对，将音频数据转换为音频基因特征数据，快速的完成与后台视频基因数据中音频基因特征数据的模糊匹配，当匹配的契合度达到阙值时，将数据进行二次匹配；
S23：视频转场帧序列特征值提取、比对，将特定视频段内的视频数据解码出来，完成与后台视频基因数据中，与已经筛选过音频基因特征数据的结果中的数据，再次进行视频转场帧数据进行模糊匹配，选出达到契合阙值的视频片段数据，并将结果在在视频片段中标记出来，以便用户使用。
5.一种用于实现权利 要求1-4中任一项所述的视频基因数据提取的系统，其特征在于，该系统包括：
视频解码模块；将文件数据、流数据解码还原为视音频数据；
音频基因特征值提取模块；用于提取指定视频段内的音频基因特征数据；
视频转场帧序列特征数据提取模块；用于提取指定视频段内的视频转场序列特征数据；
视频基因数据非结构性存储模块；将视频片段中音频基因特征数据、视频转场帧特征数据以非结构存储数据的方式存储起来，并建立检索索引；
视频基因数据识别模块；将目标视频数据转换成为音频基因特征数据与后台视频基因数据中音频基因特征数据进行模糊匹配，将匹配的契合度达到阙值的音频基因特征数据再次进行视频转场帧数据进行模糊匹配；并将结果在在视频片段中标记出来，以便用户使用。
6.根据权利要求5所述的一种视频基因数据提取的系统，其特征在于，所述音频基因特征值提取模块的处理流程为：解码→降噪→音频数据的矢量化→音频矢量数据的多重卷积→音频基因特征数据非结构性存储。
7.根据权利要求6所述的一种视频基因数据提取的系统，其特征在于，所述视频转场帧序列特征数据提取模块的处理流程为：解码→视频图像幅面变化→视频图像灰度化→视频转场帧提取→锐度处理→多重卷积变化→视频转场帧序列特征数据存储。
8.根据权利要求1所述的一种视频基因数据提取的系统，其特征在于，所述视频基因数据识别模块的处理流程为：音频解码→音频基因特征数据提取、比对→视频转场帧序列特征值提取、比对→标记。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810858258.3A CN108882016A (zh) | 2018-07-31 | 2018-07-31 | 一种视频基因数据提取的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810858258.3A CN108882016A (zh) | 2018-07-31 | 2018-07-31 | 一种视频基因数据提取的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108882016A true CN108882016A (zh) | 2018-11-23 |
Family
ID=64306563
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810858258.3A Pending CN108882016A (zh) | 2018-07-31 | 2018-07-31 | 一种视频基因数据提取的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108882016A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109889882A (zh) * | 2019-01-24 | 2019-06-14 | 北京亿幕信息技术有限公司 | 一种视频剪辑合成方法和系统 |
| CN113139095A (zh) * | 2021-05-06 | 2021-07-20 | 北京百度网讯科技有限公司 | 视频检索方法及装置、计算机设备和介质 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102271122A (zh) * | 2010-06-03 | 2011-12-07 | 中兴通讯股份有限公司 | 一种应用于p2p网络的垃圾内容确定方法及其系统 |
| CN102890778A (zh) * | 2011-07-21 | 2013-01-23 | 北京新岸线网络技术有限公司 | 基于内容的视频检测方法及装置 |
| CN103605666A (zh) * | 2013-10-28 | 2014-02-26 | 复旦大学 | 一种进行广告检测的视频拷贝检测方法 |
| CN104065869A (zh) * | 2013-03-18 | 2014-09-24 | 三星电子株式会社 | 在电子装置中与播放音频组合地显示图像的方法 |
| US20150058998A1 (en) * | 2011-05-30 | 2015-02-26 | Lei Yu | Online video tracking and identifying method and system |
| US9036947B2 (en) * | 2000-11-06 | 2015-05-19 | Nant Holdings Ip, Llc | Image capture and identification system and process |
| CN104915403A (zh) * | 2015-06-01 | 2015-09-16 | 腾讯科技（北京）有限公司 | 一种信息处理方法及服务器 |
| CN105631487A (zh) * | 2015-12-31 | 2016-06-01 | 北京奇艺世纪科技有限公司 | 图片比对方法、装置及视频比对方法、装置 |
| CN105930402A (zh) * | 2016-04-15 | 2016-09-07 | 乐视控股（北京）有限公司 | 基于卷积神经网络的视频检索方法及系统 |
| CN106162321A (zh) * | 2016-08-31 | 2016-11-23 | 成都广电视讯文化传播有限公司 | 一种声纹特征和音频水印相结合的音频信号识别方法 |
| CN106294797A (zh) * | 2016-08-15 | 2017-01-04 | 北京聚爱聊网络科技有限公司 | 一种视频基因的生成方法和装置 |
| CN106548187A (zh) * | 2015-09-17 | 2017-03-29 | 杭州安存网络科技有限公司 | 一种图像认证方法及装置 |
| CN107426585A (zh) * | 2017-08-01 | 2017-12-01 | 中国农业大学 | 一种基于音视频信息检索的电视广告监播系统 |
| CN107527010A (zh) * | 2017-07-13 | 2017-12-29 | 央视国际网络无锡有限公司 | 一种根据局部特征和运动矢量抽取视频基因的方法 |
| WO2018004740A1 (en) * | 2016-06-27 | 2018-01-04 | Facebook, Inc. | Systems and methods for identifying matching content |
-
2018
- 2018-07-31 CN CN201810858258.3A patent/CN108882016A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9036947B2 (en) * | 2000-11-06 | 2015-05-19 | Nant Holdings Ip, Llc | Image capture and identification system and process |
| CN102271122A (zh) * | 2010-06-03 | 2011-12-07 | 中兴通讯股份有限公司 | 一种应用于p2p网络的垃圾内容确定方法及其系统 |
| US20150058998A1 (en) * | 2011-05-30 | 2015-02-26 | Lei Yu | Online video tracking and identifying method and system |
| CN102890778A (zh) * | 2011-07-21 | 2013-01-23 | 北京新岸线网络技术有限公司 | 基于内容的视频检测方法及装置 |
| CN104065869A (zh) * | 2013-03-18 | 2014-09-24 | 三星电子株式会社 | 在电子装置中与播放音频组合地显示图像的方法 |
| CN103605666A (zh) * | 2013-10-28 | 2014-02-26 | 复旦大学 | 一种进行广告检测的视频拷贝检测方法 |
| CN104915403A (zh) * | 2015-06-01 | 2015-09-16 | 腾讯科技（北京）有限公司 | 一种信息处理方法及服务器 |
| CN106548187A (zh) * | 2015-09-17 | 2017-03-29 | 杭州安存网络科技有限公司 | 一种图像认证方法及装置 |
| CN105631487A (zh) * | 2015-12-31 | 2016-06-01 | 北京奇艺世纪科技有限公司 | 图片比对方法、装置及视频比对方法、装置 |
| CN105930402A (zh) * | 2016-04-15 | 2016-09-07 | 乐视控股（北京）有限公司 | 基于卷积神经网络的视频检索方法及系统 |
| WO2018004740A1 (en) * | 2016-06-27 | 2018-01-04 | Facebook, Inc. | Systems and methods for identifying matching content |
| CN106294797A (zh) * | 2016-08-15 | 2017-01-04 | 北京聚爱聊网络科技有限公司 | 一种视频基因的生成方法和装置 |
| CN106162321A (zh) * | 2016-08-31 | 2016-11-23 | 成都广电视讯文化传播有限公司 | 一种声纹特征和音频水印相结合的音频信号识别方法 |
| CN107527010A (zh) * | 2017-07-13 | 2017-12-29 | 央视国际网络无锡有限公司 | 一种根据局部特征和运动矢量抽取视频基因的方法 |
| CN107426585A (zh) * | 2017-08-01 | 2017-12-01 | 中国农业大学 | 一种基于音视频信息检索的电视广告监播系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109889882A (zh) * | 2019-01-24 | 2019-06-14 | 北京亿幕信息技术有限公司 | 一种视频剪辑合成方法和系统 |
| CN113139095A (zh) * | 2021-05-06 | 2021-07-20 | 北京百度网讯科技有限公司 | 视频检索方法及装置、计算机设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Poignant et al. | From text detection in videos to person identification | |
| CN107784110B (zh) | 一种索引建立方法及装置 | |
| CN108882016A (zh) | 一种视频基因数据提取的方法及系统 | |
| CN112307472A (zh) | 基于智能决策的异常用户识别方法、装置及计算机设备 | |
| CN110019903A (zh) | 图像处理引擎组件的生成方法、搜索方法及终端、系统 | |
| CN110781971B (zh) | 一种商户类型识别方法、装置、设备和可读介质 | |
| CN111046667B (zh) | 一种语句识别方法、语句识别装置及智能设备 | |
| CN105447750A (zh) | 信息识别方法、装置、终端及服务器 | |
| CN110909540B (zh) | 短信垃圾新词识别方法、装置及电子设备 | |
| CN105703966A (zh) | 网络行为风险识别方法及装置 | |
| CN109299276B (zh) | 一种将文本转化为词嵌入、文本分类方法和装置 | |
| CN109359127A (zh) | 一种电子发票的查询方法、装置、设备和存储介质 | |
| CN111210215A (zh) | 一种银行支付路径选择的处理方法、装置及电子设备 | |
| CN110442855A (zh) | 一种语音分析方法和系统 | |
| CN112784572A (zh) | 一种营销场景话术分析方法和系统 | |
| Zaheer et al. | Stabilizing adversarially learned one-class novelty detection using pseudo anomalies | |
| CN110378190B (zh) | 基于主题识别的视频内容检测系统及检测方法 | |
| CN106294765A (zh) | 处理新闻数据的方法及装置 | |
| CN107943906A (zh) | 一种信息的收藏、展示方法和装置 | |
| CN107577667B (zh) | 一种实体词处理方法和装置 | |
| CN111062199A (zh) | 一种不良信息识别方法及装置 | |
| CN105721697A (zh) | 手机短信屏蔽方法及系统 | |
| CN113076932B (zh) | 训练音频语种识别模型的方法、视频检测方法及其装置 | |
| WO2009078613A1 (en) | Index database creating apparatus and index database retrieving apparatus | |
| CN108304453A (zh) | 一种视频相关搜索词的确定方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181123 |