[发明专利]基于视觉空间的视频检索方法

权利要求书

1.基于视觉空间的视频检索方法，其特征在于包括以下步骤：

步骤1、构建初始视觉概念空间：

1A、构建代表视觉关系的知识库；

1B、对视觉关系的知识库进行扩展构成初始的概念集C，C=[C1,C2,…,Cn]里面含有n个概念；

步骤2、构成初始的训练检测集：

采集大量的视频序列，提取关键帧以及视频场景片段构成训练集，然后应用于初始概念集C上，训练样本为M，所有的训练样本得到的M个向量构成一个M*N的矩阵，构成初始的训练检测集C’；

步骤3、构建视觉空间：

3A、衡量所有概念对之间的相似度，得到一个矩阵R，对R进行谱分解，得到每个概念的向量表示；

3B、量集张成一个多维的正交空间，针对空间中映射的向量进行聚类，类的数目用类间不一致性系数进行衡量，并且保证尽量达到最优，得到的每个类代表一个抽象概念；

3C、选取每个类的中心代表该类，所有概念类的中心构成一个能够覆盖初始视觉空间的集合，称为视觉概念空间S；

步骤4、基于视觉空间的查询过程：

4A、将视觉查询样本Q，将其投射到视觉空间中形成一个向量C_Q，获得样本Q在视觉空间中表达向量C_Q={q1，q2，...};

4B、然后利用公式(6)计算qi和概念集C中所有概念的相似度，得到相似度最高的C_qi，C_Q就得到一组概念{C_q1，C_q2,...}，用来表达查询所携带的视觉信息，每个概念的权重为其余弦相似度，公式如下：

Semantic(Ci,Cj)=CiCj|Ci|*|Cj|---(6)]]>

4C、计算该查询对于某个视频片段I的相似度，计算公式如下：

Sim(Q,I)=ΣCqi∈CQSemantic(qi,Cqi)*Score(Cqi,I)---(7)]]>

Score(.)输出一个通过概念C_qi找到视频片段I的一个概率，利用公式(7)得到查询视频Q与所有相关视频查询的相似度值，将相似度值排序，返回相似度较高的视频片段给查询用户，完成视频片段的查询。