CN113343033B - 视频搜索方法、装置、计算机设备及存储介质 - Google Patents
视频搜索方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113343033B CN113343033B CN202110725833.4A CN202110725833A CN113343033B CN 113343033 B CN113343033 B CN 113343033B CN 202110725833 A CN202110725833 A CN 202110725833A CN 113343033 B CN113343033 B CN 113343033B
- Authority
- CN
- China
- Prior art keywords
- video
- color value
- sub
- feature
- target
- 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.)
- Active
Links
Images
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
- G06F16/785—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 using colour or luminescence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种视频搜索方法、装置、计算机设备及存储介质。所述方法包括:获取待搜索图片;对待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值;根据预设的归类规则,对多个RGB色值进行像素点归类处理,得到待搜索图片的目标色值特征向量;分别确定视频特征数据库中每个特征图色值特征向量与目标色值特征向量的相似度,得到每个特征图色值特征向量分别对应的相似度;根据相似度从视频库中确定目标视频。本方案可以通过图片对视频进行搜索,根据图片与视频的相似度确定目标视频,避免发生由于标题与内容不符等问题,导致的搜索出来的结果与需要搜索的结果不匹配的情况,提高了视频搜索的准确率。
Description
技术领域
本发明涉及多媒体技术领域,尤其涉及一种视频搜索方法、装置、计算机设备及存储介质。
背景技术
现有技术中,用户在终端的本地数据库或者互联网上搜索视频,一般都是通过预先建立好的视频与索引关键词之间的索引关系,让用户输入对应的索引关键词对视频进行搜索查找,其中,该索引关键词一般为视频的标题。
由于存在有些视频的内容无法用文字准确描述,以及存在标题与内容不符等问题,很容易导致搜索出来的结果与需要搜索的结果不匹配的情况,导致视频搜索的准确率较低。
发明内容
本发明实施例提供了一种视频搜索方法、装置、计算机设备及存储介质,提高视频搜索的准确率。
第一方面,本发明实施例提供了一种视频搜索方法,其包括:
获取待搜索图片;
对所述待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值;
根据预设的归类规则,对多个所述RGB色值进行像素点归类处理,得到所述待搜索图片的目标色值特征向量;
分别确定视频特征数据库中每个特征图色值特征向量与所述目标色值特征向量的相似度,得到各特征图色值特征向量的相似度,所述视频特征数据库中存有多个特征图色值特征向量,每个所述特征图色值特征向量分别与视频库中对应的视频相对应;
根据所述相似度从所述视频库中确定目标视频。
第二方面,本发明实施例还提供了一种视频搜索装置,其包括:
第一获取单元,用于获取待搜索图片;
第一提取单元,用于对所述待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值;
第一归类单元,用于根据预设的归类规则,对多个所述RGB色值进行像素点归类处理,得到所述待搜索图片的目标色值特征向量;
第一确定单元,用于分别确定视频特征数据库中每个特征图色值特征向量与所述目标色值特征向量的相似度,得到各特征图色值特征向量的相似度,所述视频特征数据库中存有多个特征图色值特征向量,每个所述特征图色值特征向量分别与视频库中对应的视频相对应;
第二确定单元,用于根据所述相似度从所述视频库中确定目标视频。
第三方面,本发明实施例还提供了一种计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时可实现上述方法。
本发明实施例提供了一种视频搜索方法、装置、计算机设备及存储介质。其中,所述方法包括:获取待搜索图片;对待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值;根据预设的归类规则,对多个RGB色值进行像素点归类处理,得到待搜索图片的目标色值特征向量;分别确定视频特征数据库中每个特征图色值特征向量与目标色值特征向量的相似度,得到每个特征图色值特征向量分别对应的相似度,每个特征图色值特征向量分别与视频库中对应的视频相对应;根据相似度从视频库中确定目标视频。本方案可以通过图片对视频进行搜索,根据图片与视频的相似度确定目标视频,避免发生由于存在有些视频的内容无法用文字准确描述,以及存在标题与内容不符等问题,导致的搜索出来的结果与需要搜索的结果不匹配的情况,提高了视频搜索的准确率。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的视频搜索方法的应用场景示意图;
图2为本发明实施例提供的视频搜索方法的流程示意图;
图3为本发明实施例提供的视频搜索方法的一子流程示意图;
图4为本发明实施例提供的视频搜索方法的一子流程示意图;
图5为本发明实施例提供的视频搜索方法的一子流程示意图;
图6为本发明实施例提供的视频搜索方法的一子流程示意图;
图7为本发明另一实施例提供的视频搜索方法的流程示意图;
图8为本发明实施例提供的视频搜索装置的示意性框图;
图9为本发明另一实施例提供的视频搜索装置的示意性框图;
图10为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
本发明实施例提供了一种视频搜索方法、装置、计算机设备及存储介质。
该视频搜索方法的执行主体可以是本发明实施例提供的视频搜索装置,或者集成了该视频搜索装置的计算机设备,其中,该视频搜索装置可以采用硬件或者软件的方式实现,该计算机设备可以为终端或服务器,该终端可以是智能手机、平板电脑、掌上电脑、或者笔记本电脑等。
请参阅图1,图1为本发明实施例提供的视频搜索方法的应用场景示意图。该视频搜索方法应用于图1中的计算机设备10中,首先,该计算机设备10获取待搜索图片;然后对该待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值;并根据预设的归类规则,对多个该RGB色值进行像素点归类处理,得到该待搜索图片的目标色值特征向量;分别确定视频特征数据库中每个特征图色值特征向量与该目标色值特征向量的相似度,得到各特征图色值特征向量的相似度,每个该特征图色值特征向量分别与视频库中对应的视频相对应;最后根据该相似度从该视频库中确定目标视频,以完成视频的搜索。
以下对本实施例中的视频搜索方法进行详细说明,其中,以下实施例以终端为执行主体为例,请参阅图2,图2是本发明实施例提供的动视频搜索方法的流程示意图,如图2所示,该方法包括以下步骤S110-150。
S110、获取待搜索图片。
本实施例中,待搜索图片用于搜索目标视频,目标视频中包含有与待搜索图片相同或相似的一帧或多帧图片,在一些实施例中,当用户想通过图片进行目标视频的搜索时,终端可以根据用户的操作从本地数据库(例如本地相册)中获取待搜索图片。
本实施例中的终端可以通过待搜索图片从本地视频数据库中搜索目标视频,其中,本实施例中的目标视频可以为短视频,短视频为视频时长不超过预设时长,预设时长可以为3分钟,也可以为5分钟,具体时长此处不做限定。
需要说明的是,当执行主体为服务器时,此时用户可以通过终端向服务器发送待搜索图片,使得服务器获取该待搜索图片。
S120、对待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值。
其中,待搜索图片对应的RGB色值包括第一R(红)子色值、第一G(绿)子色值以及第一B(蓝)子色值。
具体地,在一些实施例中,请参阅图3,步骤S120包括:
S121、将待搜索图片转换为bitmap位图。
本实施例中,为了更好地提取图片的像素点,需要将该待搜索图片转换为bitmap位图。
S122、对bitmap位图中的每个像素点进行色值提取处理,得到每个像素点的分别对应的第一R子色值、第一G子色值以及第一B子色值。
本实施例中,需要依次获取bitmap位图中每一个像素点的色值,分别提取得到每一个像素点分别对应的R子色值、G子色值以及B子色值。
S130、根据预设的归类规则,对多个RGB色值进行像素点归类处理,得到待搜索图片的目标色值特征向量。
本实施例中,对多个RGB色值进行像素点归类处理,即将RGB色值相近的像素点归为一类像素点,最终得到包含多个子数组的目标色值特征向量,其中,每个子数组中包含一类像素点的个数。
具体地,在一些实施例中,请参阅图4,步骤S130包括:
S131、根据预设的目标数组中目标子数组的数量,分别对每个像素点的第一R子色值、第一G子色值以及第一B子色值进行子色值调整处理,得到调整后的R子色值、调整后的G子色值以及调整后的B子色值。
R子色值、G子色值以及B子色值的色值子范围均为0-255,为了对色值均衡分配,本实施例将预设一个长度为64的目标数组,即该目标数组包含64个目标子数组,即此时按照长度4将0-255等分为64个数组。
本实施例中,需要对R子色值、G子色值以及B子色值进行子色值调整处理,具体地,将每个像素点的R子色值、G子色值以及B子色值分别除以64,再向下取整数。
例如,某像素点的R子色值=218,G子色值=165,B子色值=32,此时,调整后的R子色值为218÷64向下取整后等于3、调整后的G子色值为165÷64向下取整后等于2,调整后的B子色值为32÷64向下取整后等于0。
S132、根据每个像素点的调整后的R子色值、调整后的G子色值以及调整后的B子色值,分别将像素点归类至对应的目标子数组中。
具体地,基于预设的归类算法,根据每个像素点的调整后的R子色值、调整后的G子色值以及调整后的B子色值,分别将像素点归类至对应的目标子数组中。
其中,该归类算法的公式为:
[R]*1+[G]*4+[B]*16=目标数组中的组数顺序;
其中,该[R]为调整后的R子色值,[G]为调整后的G子色值,[B]为调整后的B子色值。
目标数组中有64个数组,按照色值的大小将该64个数组进行排序,例如,如果[R]=3,[G]=2,[B]=0,此时代入归类算法的公式计算出来的目标数组中的组数顺序为11,此时,将对应的像素点归为目标数组中的第11个目标子数组中,此时,第11个目标子数组中包含的像素点数量加1。
S133、确定每个目标子数组中像素点的数量,得到目标色值特征向量。
本实施例中,当根据上述将每个像素点都进行了目标子数据的归类,则此时,可以确定64个目标子数组中每个目标子数组所包含的像素点的数量,此时,根据该64个目标子数组的顺序以及每个目标子数组中像素点的数量确定待搜索图片所对应的目标色值特征向量。
S140、分别确定视频特征数据库中每个特征图色值特征向量与目标色值特征向量的相似度,得到每个特征图色值特征向量分别对应的相似度。
其中,该视频特征数据库可以为本地数据库,视频特征数据库中存有多个特征图色值特征向量,每个特征图色值特征向量分别与视频库中对应的视频相对应,具体地,每个特征图色值特征向量分别与视频库中对应视频的特征图相对应,每个特征图色值特征对应一个特征图,当一个视频只有一个特征图时,此时,每个视频对应一个特征图色值特征向量,当一个视频有多个特征图时,此时,每个视频对应多个特征图色值特征向量,即本实施例中的每个视频可以对应一个或多个特征图色值特征。
本实施例中针对视频特征数据库中的每个特征图色值特征向量都需要与目标色值特征向量进行相似度计算。
具体地,在一些实施例中,请参阅图5,步骤S140包括:
S141、对各特征图特征向量与目标色值特征向量分别对应的目标子数组中的像素点数量进行相乘及累加处理,得到各特征图特征向量分别对应的第一数值。
其中,特征图特征向量对应的特征数组中目标子数组的数量与目标数组中目标子数组的数量相同,根据子数组的位置关系(如顺序),特征数组中的目标子数组与目标数组中目标子数组分别存在一一对应关系。
例如,当目标色值特征向量为[a1,a2,a3,a4,…,a64],当前正在匹配的特征图色值特征向量为[b1,b2,b3,b4,…,b64],此时,第一数值:S=a1*b1+a2*b2+a3*b3+…a64*b64。
S142、分别对各特征图特征向量中每个目标子数组的像素点数量进行平方及累加处理,得到各特征图特征向量的第二数值。
当特征图特征向量为[b1,b2,b3,b4,…,b64]时,此时,第二数值:A=a1 2+a2 2+a3 2+…+a64 2。
S143、对目标色值特征向量中每个目标子数组的像素点数量进行平方及累加处理,得到目标色值特征向量的第三数值。
当特征图特征向量为[b1,b2,b3,b4,…,b64]时,此时,第三数值:B=b1 2+b2 2+b3 2+…+b64 2。
S144、根据每个特征图色值特征向量分别对应的第一数值、第二数值以及第三数值,得到各特征图色值特征向量的相似度。
具体地,基于相似度计算公式,根据每个特征图色值特征向量分别对应的第一数值、第二数值以及第三数值,分别得到每个特征图色值特征向量分别对应的相似度。
相似度计算公式为:
相似度=S/(A*B);
本实施例将根据步骤S141至S143分别计算得到的S、A以及B,再将S、A以及B代入相似度计算公式,得到相似度值。
S150、根据相似度从视频库中确定目标视频。
在一些实施例中,当每个视频对应一个特征图色值特征向量,此时,直接将视频库中相似度高于预设的相似度阈值的视频确定为目标视频,并将目标视频按照相似度的大小对目标视频进行排序,其中视频库可以位于终端本地数据库中,例如位于终端相册中。
在另一些实施例中,视频特征数据库包括多个特征向量集合,每个特征向量集合包括多个特征图色值特征向量,且每个特征向量集合中的多个特征图色值特征向量分别与视频库中的对应视频的多张特征图相对应,此时,一个视频对应多个特征图色值特征向量,具体地,请参阅图6,此时步骤S150包括:
S151、将每个特征向量集合中值最高的相似度确定为对应视频的视频相似度,得到视频库中每个视频的视频相似度。
本实施例中,由于一个特征向量集合对应一个视频,此时,当计算特征向量集合中每个特征图色值特征向量与目标色值特征向量的相似度之后,将每个特征向量集合中值最高的相似度确定为对应视频的视频相似度,得到所述视频库中每个视频的视频相似度。
S152、将视频库中视频相似度高于预设的相似度阈值的视频确定为目标视频。
具体地,将视频库中视频相似度高于预设的相似度阈值的视频确定为目标视频,其中,该相似度可以为0.5,也可以根据用户需要设置为其他数值,例如0.6,具体此处不做限定。
当目标视频有多个时,此时基于视频相似度的大小,按照从大到小的顺序,对目标视频进行排序,以便用户后续能够更快捷地查找到所需的视频。
需要说明的是,当执行主体为服务器时,此时终端在确定目标视频之后,还需要向终端发送该目标视频对应的地址。
图7是本发明另一实施例提供的一种视频搜索方法的流程示意图。如图7所示,本实施例的视频搜索方法包括步骤S210-S2110。其中步骤S210-S250与上述实施例中的步骤S110-S150类似,在此不再赘述。下面详细说明本实施例中所增加的步骤S260-S2110。
在一些实施例中,方法还包括:
S260、获取待处理视频,待处理视频为新加入视频库中的视频。
在一些实施例中,用户通过终端摄像头进行视频的拍摄,使得终端获取到该待处理视频,或者,终端通过互联网下载待处理视频,当用户确定将该待处理视频保存至本地视频库的时候,确定该终端获取待处理视频。
S270、根据预设的图片提取规则从待处理视频中提取待处理特征图。
在一些实施例中,当待处理视频只对应一张特征图时,可以将待处理视频的封面图片确定为待待处理特征图。
在另一些实施例中,为了提高视频搜索的精度,待处理视频对应多张特征图,此时,可以将视频从0秒开始,每隔预设时长进行帧数划分,抽出该帧对应的图片,作为待处理特征图,其中,该预设时长可以为2秒,此时,在待处理视频中,每2秒进行帧划分,该预设时长可以根据用户需要自行调整,例如,还可以调整为3秒,具体时长此处不做限定。
S280、对待处理特征图中的像素点进行色值提取处理,得到多个特征图RGB色值。
其中,待处理特征图对应的RGB色值包括第二R子色值、第二G子色值以及第二B子色值,本步骤对像素点进行色值提取处理的步骤与步骤S120类似,具体此处不做赘述。
S290、根据归类规则,对多个特征图RGB色值进行像素点归类处理,得到待处理视频对应的特征图色值特征向量。
其中,本步骤与步骤S130类似,具体此处不做赘述。
S2110、将待处理视频对应的特征图色值特征向量加入视频特征数据库中。
当确定了待处理视频对应的特征图色值特征向量之后,将会将该待处理视频对应的特征图色值特征向量加入视频特征数据库中,以便后续可以根据该待处理视频对应的特征图色值特征向量对该视频进行查询。
需要说明的是,本实施例对步骤S260-S2110与步骤S210-S2110不进行时序的限定,步骤S260-S2110可以在步骤S210-S2110之前执行,也可以与步骤S210-S2110同时执行。
需要说明的是,本实施例中的视频搜索方法除了可以利用图片对视频进行搜索,还设置有传统的利用关键词对视频进行搜索,即在本实施例中,用户既可以使用关键词进行视频搜索也可以使用图片进行视频搜索,还可以结合关键词以及图片进行搜索,以提高视频搜索的准确率。
例如,在一些实施例中,方法还包括,接收用户输入的关键词,根据所述关键词从视频库中确定关键词视频,此时,根据所述相似度从所述视频库中确定目标视频包括:根据所述相似度从所述视频库中确定图片视频,根据所述关键词视频以及所述图片视频确定所述目标视频。
此时,关键词视频为用户根据关键词进行搜索得到的视频结果,图片视频为用户根据图片进行搜索得到的视频结果,此时根据所述关键词视频以及所述图片视频确定所述目标视频,具体可以为,将关键词视频与图片视频中一样的视频确定为目标视频。
在本实施例中,当删除视频库中的某视频时,该视频对应的特征图色值特征向量也对应删除。
在本实施例中,当用户在预设周期内使用同一张图片进行视频搜索时,终端不需再进行相似度的计算,而是根据历史记录,提供上一次对应的搜索结果给用户,其中,该预设周期可以为3天,也可以为其他数值,具体此处不做限定。
综上所述,本实施例中,获取待搜索图片;对待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值;根据预设的归类规则,对多个RGB色值进行像素点归类处理,得到待搜索图片的目标色值特征向量;分别确定视频特征数据库中每个特征图色值特征向量与目标色值特征向量的相似度,得到每个特征图色值特征向量分别对应的相似度,每个特征图色值特征向量分别与视频库中对应的视频相对应;根据相似度从视频库中确定目标视频。本方案可以通过图片对视频进行搜索,根据图片与视频中特征图的相似度确定目标视频,避免发生由于存在有些视频的内容无法用文字准确描述,以及存在标题与内容不符等问题,导致的搜索出来的结果与需要搜索的结果不匹配的情况,提高了视频搜索的准确率。
图8是本发明实施例提供的一种视频搜索装置的示意性框图。如图8所示,对应于以上视频搜索方法,本发明还提供一种视频搜索装置。该视频搜索装置包括用于执行上述视频搜索方法的单元,该装置可以被配置于台式电脑、平板电脑、手提电脑、等终端中。具体地,请参阅图8,该视频搜索装置包括第一获取单元801、第一提取单元802、第一归类单元803、第一确定单元804以及第二确定单元805。
第一获取单元801,用于获取待搜索图片;
第一提取单元802,用于对所述待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值;
第一归类单元803,用于根据预设的归类规则,对多个所述RGB色值进行像素点归类处理,得到所述待搜索图片的目标色值特征向量;
第一确定单元804,用于分别确定视频特征数据库中每个特征图色值特征向量与所述目标色值特征向量的相似度,得到各特征图色值特征向量的相似度,所述视频特征数据库中存有多个特征图色值特征向量,每个所述特征图色值特征向量分别与视频库中对应的视频相对应;
第二确定单元805,用于根据所述相似度从所述视频库中确定目标视频。
在一些实施例中,所述第一提取单元802具体用于:
将所述待搜索图片转换为bitmap位图;
对所述bitmap位图中的每个所述像素点进行色值提取处理,得到每个所述像素点分别对应的第一R子色值、第一G子色值以及第一B子色值。
在一些实施例中,所述第一归类单元803具体用于:
根据预设的目标数组中目标子数组的数量,分别对每个所述像素点的所述第一R子色值、所述第一G子色值以及所述第一B子色值进行子色值调整处理,得到调整后的R子色值、调整后的G子色值以及调整后的B子色值;
根据每个所述像素点的所述调整后的R子色值、所述调整后的G子色值以及所述调整后的B子色值,分别将所述像素点归类至对应的所述目标子数组中;
确定每个所述目标子数组中像素点的数量,得到所述目标色值特征向量。
在一些实施例中,第一确定单元804具体用于:
对各特征图特征向量与所述目标色值特征向量分别对应的目标子数组中的像素点数量进行相乘及累加处理,得到所述各特征图特征向量分别对应的第一数值;
分别对所述各特征图特征向量中每个目标子数组的像素点数量进行平方及累加处理,得到所述各特征图特征向量的第二数值;
对所述目标色值特征向量中每个目标子数组的像素点数量进行平方及累加处理,得到所述目标色值特征向量的第三数值;
根据每个所述特征图色值特征向量分别对应的所述第一数值、所述第二数值以及所述第三数值,得到所述各特征图色值特征向量的所述相似度。
在一些实施例中,所述视频特征数据库包括多个特征向量集合,每个所述特征向量集合包括多个所述特征图色值特征向量,且每个所述特征向量集合中的多个特征图色值特征向量分别与所述视频库中的对应视频的多张特征图相对应,所述第二确定单元805具体用于:
将每个所述特征向量集合中值最高的所述相似度确定为对应视频的视频相似度,得到所述视频库中每个视频的视频相似度;
将所述视频库中所述视频相似度高于预设的相似度阈值的视频确定为所述目标视频。
图9是本发明另一实施例提供的一种视频搜索装置的示意性框图。如图9所示,本实施例的视频搜索装置是上述实施例的基础上增加了第二获取单元806、第二提取单元807、第三提取单元808、第二归类单元809以及加入单元810。
第二获取单元806,用于获取待处理视频,所述待处理视频为新加入所述视频库中的视频;
第二提取单元807,用于根据预设的图片提取规则从所述待处理视频中提取待处理特征图;
第三提取单元808,用于对所述待处理特征图中的像素点进行色值提取处理,得到多个特征图RGB色值;
第二归类单元809,用于根据所述归类规则,对多个所述特征图RGB色值进行像素点归类处理,得到所述待处理视频对应的特征图色值特征向量;
加入单元810,用于将所述待处理视频对应的特征图色值特征向量加入所述视频特征数据库中。
在一些实施例中,所述第三提取单元808具体用于:
将所述待处理特征图转换为待处理bitmap位图;
对所述待处理bitmap位图的每个像素点进行色值提取处理,得到所述待处理bitmap位图中每个像素点的分别对应的第二R子色值、第二G子色值以及第二B子色值。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述视频搜索装置和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述视频搜索装置可以实现为一种计算机程序的形式,该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10,图10是本发明实施例提供的一种计算机设备的示意性框图。该计算机设备1000可以是终端,也可以是服务器,其中,终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图10,该计算机设备1000包括通过系统总线1001连接的处理器1002、存储器和网络接口1005,其中,存储器可以包括非易失性存储介质1003和内存储器1004。
该非易失性存储介质1003可存储操作系统10031和计算机程序10032。该计算机程序10032包括程序指令,该程序指令被执行时,可使得处理器1002执行一种视频搜索方法。
该处理器1002用于提供计算和控制能力,以支撑整个计算机设备1000的运行。
该内存储器1004为非易失性存储介质1003中的计算机程序10032的运行提供环境,该计算机程序10032被处理器1002执行时,可使得处理器1002执行一种视频搜索方法。
该网络接口1005用于与其它设备进行网络通信。本领域技术人员可以理解,图10中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备1000的限定,具体的计算机设备1000可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器1002用于运行存储在存储器中的计算机程序10032,以实现如下步骤:
获取待搜索图片;
对所述待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值;
根据预设的归类规则,对多个所述RGB色值进行像素点归类处理,得到所述待搜索图片的目标色值特征向量;
分别确定视频特征数据库中每个特征图色值特征向量与所述目标色值特征向量的相似度,得到各特征图色值特征向量的相似度,所述视频特征数据库中存有多个特征图色值特征向量,每个所述特征图色值特征向量分别与视频库中对应的视频相对应;
根据所述相似度从所述视频库中确定目标视频。
在一实施例中,处理器1002在实现所述对所述待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值步骤时,具体实现如下步骤:
将所述待搜索图片转换为bitmap位图;
对所述bitmap位图中的每个所述像素点进行色值提取处理,得到每个所述像素点分别对应的第一R子色值、第一G子色值以及第一B子色值。
在一实施例中,处理器1002在实现所述根据预设的归类规则,对多个所述RGB色值进行像素点归类处理,得到所述待搜索图片的目标色值特征向量步骤时,具体实现如下步骤:
根据预设的目标数组中目标子数组的数量,分别对每个所述像素点的所述第一R子色值、所述第一G子色值以及所述第一B子色值进行子色值调整处理,得到调整后的R子色值、调整后的G子色值以及调整后的B子色值;
根据每个所述像素点的所述调整后的R子色值、所述调整后的G子色值以及所述调整后的B子色值,分别将所述像素点归类至对应的所述目标子数组中;
确定每个所述目标子数组中像素点的数量,得到所述目标色值特征向量。
在一实施例中,处理器1002在实现所述分别确定视频特征数据库中每个特征图色值特征向量与所述目标色值特征向量的相似度,得到各特征图色值特征向量分别对应的相似度步骤时,具体实现如下步骤:
对各特征图特征向量与所述目标色值特征向量分别对应的目标子数组中的像素点数量进行相乘及累加处理,得到所述各特征图特征向量分别对应的第一数值;
分别对所述各特征图特征向量中每个目标子数组的像素点数量进行平方及累加处理,得到所述各特征图特征向量的第二数值;
对所述目标色值特征向量中每个目标子数组的像素点数量进行平方及累加处理,得到所述目标色值特征向量的第三数值;
根据每个所述特征图色值特征向量分别对应的所述第一数值、所述第二数值以及所述第三数值,得到所述各特征图色值特征向量的所述相似度。
在一实施例中,视频特征数据库包括多个特征向量集合,每个所述特征向量集合包括多个所述特征图色值特征向量,且每个所述特征向量集合中的多个特征图色值特征向量分别与所述视频库中的对应视频的多张特征图相对应,处理器1002在实现所述根据所述相似度从所述视频库中确定目标视频步骤时,具体实现如下步骤:
将每个所述特征向量集合中值最高的所述相似度确定为对应视频的视频相似度,得到所述视频库中每个视频的视频相似度;
将所述视频库中所述视频相似度高于预设的相似度阈值的视频确定为所述目标视频。
在一实施例中,处理器1002具体还实现如下步骤:
获取待处理视频,所述待处理视频为新加入所述视频库中的视频;
根据预设的图片提取规则从所述待处理视频中提取待处理特征图;
对所述待处理特征图中的像素点进行色值提取处理,得到多个特征图RGB色值;
根据所述归类规则,对多个所述特征图RGB色值进行像素点归类处理,得到所述待处理视频对应的特征图色值特征向量;
将所述待处理视频对应的特征图色值特征向量加入所述视频特征数据库中。
在一实施例中,处理器1002在实现所述对所述待处理特征图中的像素点进行色值提取处理,得到多个特征图RGB色值步骤时,具体实现如下步骤:
将所述待处理特征图转换为待处理bitmap位图;
对所述待处理bitmap位图的每个像素点进行色值提取处理,得到所述待处理bitmap位图中每个像素点的分别对应的第二R子色值、第二G子色值以及第二B子色值。
应当理解,在本发明实施例中,处理器1002可以是中央处理单元(CentralProcessing Unit,CPU),该处理器1002还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行如下步骤:
获取待搜索图片;
对所述待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值;
根据预设的归类规则,对多个所述RGB色值进行像素点归类处理,得到所述待搜索图片的目标色值特征向量;
分别确定视频特征数据库中每个特征图色值特征向量与所述目标色值特征向量的相似度,得到各特征图色值特征向量的相似度,所述视频特征数据库中存有多个特征图色值特征向量,每个所述特征图色值特征向量分别与视频库中对应的视频相对应;
根据所述相似度从所述视频库中确定目标视频。
在一实施例中,所述处理器在执行所述程序指令而实现所述对所述待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值步骤时,具体实现如下步骤:
将所述待搜索图片转换为bitmap位图;
对所述bitmap位图中的每个所述像素点进行色值提取处理,得到每个所述像素点分别对应的第一R子色值、第一G子色值以及第一B子色值。
在一实施例中,所述处理器在执行所述程序指令而实现所述根据预设的归类规则,对多个所述RGB色值进行像素点归类处理,得到所述待搜索图片的目标色值特征向量步骤时,具体实现如下步骤:
根据预设的目标数组中目标子数组的数量,分别对每个所述像素点的所述第一R子色值、所述第一G子色值以及所述第一B子色值进行子色值调整处理,得到调整后的R子色值、调整后的G子色值以及调整后的B子色值;
根据每个所述像素点的所述调整后的R子色值、所述调整后的G子色值以及所述调整后的B子色值,分别将所述像素点归类至对应的所述目标子数组中;
确定每个所述目标子数组中像素点的数量,得到所述目标色值特征向量。
在一实施例中,所述处理器在执行所述程序指令而实现所述分别确定视频特征数据库中每个特征图色值特征向量与所述目标色值特征向量的相似度,得到各特征图色值特征向量分别对应的相似度步骤时,具体实现如下步骤:
对各特征图特征向量与所述目标色值特征向量分别对应的目标子数组中的像素点数量进行相乘及累加处理,得到所述各特征图特征向量分别对应的第一数值;
分别对所述各特征图特征向量中每个目标子数组的像素点数量进行平方及累加处理,得到所述各特征图特征向量的第二数值;
对所述目标色值特征向量中每个目标子数组的像素点数量进行平方及累加处理,得到所述目标色值特征向量的第三数值;
根据每个所述特征图色值特征向量分别对应的所述第一数值、所述第二数值以及所述第三数值,得到所述各特征图色值特征向量的所述相似度。
在一实施例中,视频特征数据库包括多个特征向量集合,每个所述特征向量集合包括多个所述特征图色值特征向量,且每个所述特征向量集合中的多个特征图色值特征向量分别与所述视频库中的对应视频的多张特征图相对应,所述处理器在执行所述程序指令而实现所述根据所述相似度从所述视频库中确定目标视频步骤时,具体实现如下步骤:
将每个所述特征向量集合中值最高的所述相似度确定为对应视频的视频相似度,得到所述视频库中每个视频的视频相似度;
将所述视频库中所述视频相似度高于预设的相似度阈值的视频确定为所述目标视频。
在一实施例中,所述处理器具体还实现如下步骤:
获取待处理视频,所述待处理视频为新加入所述视频库中的视频;
根据预设的图片提取规则从所述待处理视频中提取待处理特征图;
对所述待处理特征图中的像素点进行色值提取处理,得到多个特征图RGB色值;
根据所述归类规则,对多个所述特征图RGB色值进行像素点归类处理,得到所述待处理视频对应的特征图色值特征向量;
将所述待处理视频对应的特征图色值特征向量加入所述视频特征数据库中。
在一实施例中,所述处理器在执行所述程序指令而实现所述对所述待处理特征图中的像素点进行色值提取处理,得到多个特征图RGB色值步骤时,具体实现如下步骤:
将所述待处理特征图转换为待处理bitmap位图;
对所述待处理bitmap位图的每个像素点进行色值提取处理,得到所述待处理bitmap位图中每个像素点的分别对应的第二R子色值、第二G子色值以及第二B子色值。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种视频搜索方法,其特征在于,包括:
获取待搜索图片;
对所述待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值,包括:将所述待搜索图片转换为bitmap位图;对所述bitmap位图中的每个所述像素点进行色值提取处理,得到每个所述像素点分别对应的第一R子色值、第一G子色值以及第一B子色值;
根据预设的归类规则,对多个所述RGB色值进行像素点归类处理,得到所述待搜索图片的目标色值特征向量,包括:根据预设的目标数组中目标子数组的数量,分别对每个所述像素点的所述第一R子色值、所述第一G子色值以及所述第一B子色值进行子色值调整处理,得到调整后的R子色值、调整后的G子色值以及调整后的B子色值;根据每个所述像素点的所述调整后的R子色值、所述调整后的G子色值以及所述调整后的B子色值,分别将所述像素点归类至对应的所述目标子数组中;确定每个所述目标子数组中像素点的数量,得到所述目标色值特征向量;
分别确定视频特征数据库中每个特征图色值特征向量与所述目标色值特征向量的相似度,得到各特征图色值特征向量的相似度,包括:对各特征图特征向量与所述目标色值特征向量分别对应的目标子数组中的像素点数量进行相乘及累加处理,得到所述各特征图特征向量分别对应的第一数值;分别对所述各特征图特征向量中每个目标子数组的像素点数量进行平方及累加处理,得到所述各特征图特征向量的第二数值;对所述目标色值特征向量中每个目标子数组的像素点数量进行平方及累加处理,得到所述目标色值特征向量的第三数值;根据每个所述特征图色值特征向量分别对应的所述第一数值、所述第二数值以及所述第三数值,得到所述各特征图色值特征向量的所述相似度;其中,所述视频特征数据库中存有多个特征图色值特征向量,每个所述特征图色值特征向量分别与视频库中对应的视频相对应;
根据所述相似度从所述视频库中确定目标视频。
2.根据权利要求1所述的方法,其特征在于,所述视频特征数据库包括多个特征向量集合,每个所述特征向量集合包括多个所述特征图色值特征向量,且每个所述特征向量集合中的多个特征图色值特征向量分别与所述视频库中的对应视频的多张特征图相对应,所述根据所述相似度从所述视频库中确定目标视频,包括:
将每个所述特征向量集合中值最高的所述相似度确定为对应视频的视频相似度,得到所述视频库中每个视频的视频相似度;
将所述视频库中所述视频相似度高于预设的相似度阈值的视频确定为所述目标视频。
3.根据权利要求1至2中任一项所述的方法,其特征在于,所述方法还包括:
获取待处理视频,所述待处理视频为新加入所述视频库中的视频;
根据预设的图片提取规则从所述待处理视频中提取待处理特征图;
对所述待处理特征图中的像素点进行色值提取处理,得到多个特征图RGB色值;
根据所述归类规则,对多个所述特征图RGB色值进行像素点归类处理,得到所述待处理视频对应的特征图色值特征向量;
将所述待处理视频对应的特征图色值特征向量加入所述视频特征数据库中。
4.根据权利要求3所述的方法,其特征在于,所述对所述待处理特征图中的像素点进行色值提取处理,得到多个特征图RGB色值,包括:
将所述待处理特征图转换为待处理bitmap位图;
对所述待处理bitmap位图的每个像素点进行色值提取处理,得到所述待处理bitmap位图中每个像素点的分别对应的第二R子色值、第二G子色值以及第二B子色值。
5.一种视频搜索装置,其特征在于,包括:
第一获取单元,用于获取待搜索图片;
第一提取单元,用于对所述待搜索图片中的像素点进行色值提取处理,分别得到每个所述像素点的RGB色值,包括:将所述待搜索图片转换为bitmap位图;对所述bitmap位图中的每个所述像素点进行色值提取处理,得到每个所述像素点分别对应的第一R子色值、第一G子色值以及第一B子色值;
第一归类单元,用于根据预设的归类规则,对多个所述RGB色值进行像素点归类处理,得到所述待搜索图片的目标色值特征向量,包括:根据预设的目标数组中目标子数组的数量,分别对每个所述像素点的所述第一R子色值、所述第一G子色值以及所述第一B子色值进行子色值调整处理,得到调整后的R子色值、调整后的G子色值以及调整后的B子色值;根据每个所述像素点的所述调整后的R子色值、所述调整后的G子色值以及所述调整后的B子色值,分别将所述像素点归类至对应的所述目标子数组中;确定每个所述目标子数组中像素点的数量,得到所述目标色值特征向量;
第一确定单元,用于分别确定视频特征数据库中每个特征图色值特征向量与所述目标色值特征向量的相似度,得到各特征图色值特征向量的相似度,包括:对各特征图特征向量与所述目标色值特征向量分别对应的目标子数组中的像素点数量进行相乘及累加处理,得到所述各特征图特征向量分别对应的第一数值;分别对所述各特征图特征向量中每个目标子数组的像素点数量进行平方及累加处理,得到所述各特征图特征向量的第二数值;对所述目标色值特征向量中每个目标子数组的像素点数量进行平方及累加处理,得到所述目标色值特征向量的第三数值;根据每个所述特征图色值特征向量分别对应的所述第一数值、所述第二数值以及所述第三数值,得到所述各特征图色值特征向量的所述相似度;其中,所述视频特征数据库中存有多个特征图色值特征向量,每个所述特征图色值特征向量分别与视频库中对应的视频相对应;
第二确定单元,用于根据所述相似度从所述视频库中确定目标视频。
6.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的方法。
7.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时可实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110725833.4A CN113343033B (zh) | 2021-06-29 | 2021-06-29 | 视频搜索方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110725833.4A CN113343033B (zh) | 2021-06-29 | 2021-06-29 | 视频搜索方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113343033A CN113343033A (zh) | 2021-09-03 |
CN113343033B true CN113343033B (zh) | 2022-07-22 |
Family
ID=77481262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110725833.4A Active CN113343033B (zh) | 2021-06-29 | 2021-06-29 | 视频搜索方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113343033B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114915831A (zh) * | 2022-04-19 | 2022-08-16 | 秦皇岛泰和安科技有限公司 | 预览图确定方法、装置、终端设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682127A (zh) * | 2016-12-13 | 2017-05-17 | 上海联影医疗科技有限公司 | 图像搜索系统及方法 |
CN112115292A (zh) * | 2020-09-25 | 2020-12-22 | 海尔优家智能科技(北京)有限公司 | 图片搜索方法及装置、存储介质、电子装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4274238B2 (ja) * | 2006-12-22 | 2009-06-03 | ソニー株式会社 | 画像処理装置及び画像処理方法、並びにコンピュータ・プログラム |
CN106610987B (zh) * | 2015-10-22 | 2020-02-21 | 杭州海康威视数字技术股份有限公司 | 视频图像检索方法、装置及系统 |
CN110019938A (zh) * | 2017-11-29 | 2019-07-16 | 深圳Tcl新技术有限公司 | 基于rgb分类的视频信息检索方法、装置及存储介质 |
CN111209431A (zh) * | 2020-01-13 | 2020-05-29 | 上海极链网络科技有限公司 | 一种视频搜索方法、装置、设备及介质 |
CN112738527A (zh) * | 2020-12-29 | 2021-04-30 | 深圳市天视通视觉有限公司 | 一种视频解码检测方法、装置、电子设备及存储介质 |
-
2021
- 2021-06-29 CN CN202110725833.4A patent/CN113343033B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682127A (zh) * | 2016-12-13 | 2017-05-17 | 上海联影医疗科技有限公司 | 图像搜索系统及方法 |
CN112115292A (zh) * | 2020-09-25 | 2020-12-22 | 海尔优家智能科技(北京)有限公司 | 图片搜索方法及装置、存储介质、电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113343033A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106547744B (zh) | 一种图像检索方法及系统 | |
US11657084B2 (en) | Correlating image annotations with foreground features | |
CN110019896B (zh) | 一种图像检索方法、装置及电子设备 | |
US8392484B2 (en) | Shape based picture search | |
US11310559B2 (en) | Method and apparatus for recommending video | |
US9036905B2 (en) | Training classifiers for deblurring images | |
CN104994426B (zh) | 节目视频识别方法及系统 | |
US20150039583A1 (en) | Method and system for searching images | |
US11734337B2 (en) | Identifying digital attributes from multiple attribute groups utilizing a deep cognitive attribution neural network | |
CN107633023B (zh) | 一种图像去重方法和装置 | |
US20200334486A1 (en) | System and a method for semantic level image retrieval | |
EP3039577A1 (en) | Method and system for recommending online products | |
JP6932360B2 (ja) | オブジェクト検索方法、装置およびサーバ | |
US10839006B2 (en) | Mobile visual search using deep variant coding | |
WO2020020047A1 (zh) | 关键点匹配方法、装置、终端设备以及存储介质 | |
CN111708909B (zh) | 视频标签的添加方法及装置、电子设备、计算机可读存储介质 | |
US20130028468A1 (en) | Example-Based Object Retrieval for Video Surveillance | |
CN113343033B (zh) | 视频搜索方法、装置、计算机设备及存储介质 | |
CN112199582A (zh) | 一种内容推荐方法、装置、设备及介质 | |
CN107193979B (zh) | 一种同源图片检索的方法 | |
CN112040082B (zh) | 一种影像图片批量处理方法、装置、服务器及存储介质 | |
CN110765291A (zh) | 检索方法、装置及电子设备 | |
JP2017219984A (ja) | 画像検索システム、画像辞書生成システム、画像処理システム及びプログラム | |
CN111797765A (zh) | 图像处理方法、装置、服务器及存储介质 | |
JP6997656B2 (ja) | 検索装置、検索方法および検索プログラム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |