[发明专利]一种基于机器学习的GIF格式图片搜索方法

权利要求书

1.一种基于机器学习的GIF格式图片检索方法，其特征在于，包括如下步骤，

步骤S1、获取网络中的GIF图片，并对GIF图片进行预处理；

步骤S2、切割预处理后的GIF图片，提取出其中的关键帧，计算出关键帧的哈希值，并将生成的哈希值信息与GIF图片存放至基础数据库；

步骤S3、构建卷积神经网络模型，利用基础数据库中的数据训练卷积神经网络模型，获取用于预测的核函数；

步骤S4、将待搜索的目标GIF图片拆分，并提取关键帧，再将提取到的关键帧代入核函数进行计算，获取最佳匹配种类；

步骤S5、计算出待搜索的目标GIF图片的关键帧的哈希值，并利用哈希值信息在已预测的种类里查找相似的图片，若没有。则在当前类别中创建新的分类。

2.根据权利要求1所述的一种基于机器学习的GIF格式图片检索方法，其特征在于，所述步骤S1中，使用爬虫程序从互联网中爬取GIF图片资源，并对每一张图片进行裁剪，裁剪大小为256×256，并将裁剪好的图片储存在数据库中。

3.根据权利要求1所述的一种基于机器学习的GIF格式图片检索方法，其特征在于，所述步骤S2中，从切割预处理后的GIF图片中提取出一系列静态帧，静态帧中存在大量的重复和相似，首先排除GIF图片中的动态细节，再留下静态帧中所包含的主题和内容，提取出其中清晰度最高、最能描述镜头内容的帧作为关键帧。

4.根据权利要求1或3所述的一种基于机器学习的GIF格式图片检索方法，其特征在于，从所述关键帧中提取颜色、纹理和形状特征信息作为视频摘要和基础数据库索引的数据源。

5.根据权利要求1所述的一种基于机器学习的GIF格式图片检索方法，其特征在于，所述关键帧的提取方法为具体为：

在Python 3.x的环境中，使用PIL库中的image类逐帧读取GIF图片，判断当前读取的帧是否为读取的上一帧的一部分，若不是，则保存当前帧并将其压缩成256×256大小；

对比压缩后的当前帧与上一保存的帧的像素，并将当前帧和上一保存帧的像素做差，再取绝对值求和；保存差值，并对差值做平滑处理，最后根据阈值从差值中选取具有代表性的关键帧。

6.根据权利要求5所述的一种基于机器学习的GIF格式图片检索方法，其特征在于，所述平滑处理所使用的平滑离散函数为汉宁窗函数，其公式为：

其中，汉宁窗作为3个sinc(t)函数之和，而括号中的两项相对于第一个谱窗向左右各移动了π/t，从而旁瓣相互抵消，消去了高频干扰和漏能。

7.根据权利要求1所述的一种基于机器学习的GIF格式图片检索方法，其特征在于，所述步骤S3中，所述卷积神经网络按结构分为六层；

第一层为输入层，预处理时将图片压缩为256×256大小，若输入的是黑白照片，则输入的是256×256的二维神经元；若输入的是RBG彩色图片，则输入的是256×256的三维神经元；

第二层为卷积层，对图像和滤波矩阵做内积；

第三层为激励层，激励层对卷积层的输出进行一个非线性映射，一般使用Rule函数：f(x)＝max(x，o)；

第四层为池化层，对图像通过卷积层获得的特征图进行降维操作，输出深度不变；

第五层为全连接层，对特征图的特征进行重新拟合，减少特征信息的丢失；

第六层为输出层，输出用于计算图像特征值的核函数。

8.根据权利要求1所述的一种基于机器学习的GIF格式图片检索方法，其特征在于，所述步骤S2中，将拆分出的关键帧经卷积后得到的图像特征值存储至基础数据库中。