[发明专利]一种基于特征融合的视频数据检索方法

说明书

技术领域

本发明涉及一种基于特征融合的视频数据检索方法，可以应用于不同种类视频数据的检索当中。

背景技术

随着数字多媒体数据的爆炸式增长，网络上的视频数据数量与日俱增，如何利用计算机在海量的视频数据中准确地检索出用户喜欢的视频数据变的越来越重要。传统的视频数据检索方法主要是根据视频数据的底层视觉特征如颜色、形状和纹理等来区分视频的类别，从大量视频数据中寻找出用户期望得到的视频数据类型。但是这种方法的准确性还不能令人满意，近来一种基于人脑认知的视频数据特征被提出并用在视频数据检索中，取得了优于传统视频数据特征的效果。该特征来自测试者观看视频数据时大脑的磁共振响应数据，反映了视频数据在人脑中的理解模式，我们称这种视频数据特征为脑功能特征。虽然脑功能特征在平均水平上比传统特征表现优越，但是我们也发现，对于某些个视频数据，在传统特征中表现要好于脑功能特征。这说明，传统特征还是有其独特的优越性的。所以，基于这些发现，我们提出了一种视频检索方法，该方法能将两种特征的优势进行融合，并用于视频检索中，结果表明，与单独使用一种特征进行检索相比，检索准确率有了很大的提高。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于特征融合的视频数据检索方法，将传统的视频特征和脑功能特征进行融合，提高视频数据检索技术的准确性。

技术方案

一种基于特征融合的视频数据检索方法，其特征在于步骤如下：

步骤1利用计算N个视频数据的特征X₁,X₂,...,X_N的相似性矩阵W₁，利用计算N个视频数据的特征Y₁,Y₂,...,Y_N的相似性矩阵W₂；

其中，X₁,X₂,...,X_N表示第1、2和N个视频数据的第一种特征；Y₁,Y₂,...,Y_N表示第1、2和N个视频数据的第二种特征；表示矩阵W₁第i行和第j列的元素；i＝1,2,...,N，j＝1,2,...,N,N＞0；σ＞0为常数；X_i,X_j表示第i个和第j个视频数据的第一种特征；上标T表示向量转置；表示矩阵W₂第i行和第j列的元素；Y_i,Y_j表示第i个和第j个视频数据的第二种特征；

步骤2利用公式计算W₁的拉普拉斯矩阵L₁，利用计算W₂的拉普拉斯矩阵L₂；