[发明专利]视频检索方法、装置、设备和介质

权利要求书

1.一种视频检索方法，其特征在于，包括：

基于文本语义空间和视频语义空间之间的转换关系，根据查询文本和候选视频，确定所述查询文本的统一空间特征和所述候选视频的统一空间特征；根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度；

根据所述相似度从所述候选视频中选择目标视频，并将所述目标视频作为查询结果。

2.根据权利要求1所述的方法，其特征在于，所述基于文本语义空间和视频语义空间之间的转换关系，根据查询文本和候选视频，确定所述查询文本的统一空间特征和所述候选视频的统一空间特征，包括：

基于所述文本语义空间，确定所述查询文本的文本空间特征；

基于所述视频语义空间，确定所述候选视频的视频空间特征；

基于所述文本语义空间和所述视频语义空间之间的转换关系，对所述文本空间特征和所述视频空间特征进行空间统一，以得到统一空间特征。

3.根据权利要求2所述的方法，其特征在于，所述基于视频语义空间，确定所述候选视频的视频空间特征，包括：

确定候选视频帧中目标实体的目标特征；

根据所述目标实体的出现信息，以及所述目标特征，确定所述候选视频的稠密特征；

将所述目标实体在所述候选视频帧中的位置信息、所述目标实体的面积和所述候选视频帧的发生顺序中的至少一种，与所述稠密特征进行组合，以得到所述候选视频的视频空间特征。

4.根据权利要求3所述的方法，其特征在于，所述确定候选视频帧中目标实体的目标特征，包括：

确定所述候选视频帧中目标实体的候选特征；

对确定的候选特征进行聚类，以将确定的候选特征与所述目标实体关联；

基于所述候选特征的置信度，从与所述目标实体关联的候选特征中，确定所述目标实体的目标特征。

5.根据权利要求2所述的方法，其特征在于，所述基于所述文本语义空间和所述视频语义空间之间的转换关系，对所述文本空间特征和所述视频空间特征进行空间统一，以得到统一空间特征，包括：

基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述文本空间特征投射到所述视频语义空间；和/或

基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述视频空间特征投射到所述文本语义空间。

6.根据权利要求5所述的方法，其特征在于，所述基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述文本空间特征投射到所述视频语义空间，包括：

基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布。

7.根据权利要求6所述的方法，其特征在于，所述基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布，包括：

将所述文本空间特征作为输入特征，将所述视频空间特征作为输出特征，将所述输入特征和所述输出特征输入预先训练的转换器模型中，输出所述查询文本中查询词在所述视频语义空间下的语义分布。

8.根据权利要求1所述的方法，其特征在于，所述根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度，包括：

基于统一空间特征，计算所查询文本中查询词与所述候选视频的词语相似度；

根据查询词在所述检索输入文本中的重要度，确定所述词语的权重；

根据确定的权重，对所述词语相似度进行加权求和，得到所述查询文本与所述候选视频的相似度。