[发明专利]一种视频特征提取和检索方法

权利要求书

1.一种视频特征提取和检索方法，其特征在于，包括如下步骤：

a)获取验证视频，对验证视频的帧图像建立积分图像，建立积分图像后构建图像的尺度空间，之后检测特征点；

b)基于特征点进行特征矢量的计算，得到整个图像的特征矢量集V；

c)将特征矢量集V进行聚类，得到不同的聚类类簇，将每一个聚类类簇的中心信息作为每一个关键帧的信息；

d)对关键帧的信息进行词频量化编码处理，得到处理后的视频的特征值V′；

e)获取目标视频，将目标视频执行步骤a)至步骤d)得到目标视频的特征值V_mod；

f)计算特征值V_mod与特征值V′的欧氏距离，将计算得到的欧氏距离与设定阈值相比较，如果计算得到的欧氏距离大于阈值，则认定为目标视频与验证视频不相同，如果计算得到的欧氏距离小于等于阈值，则认定为目标视频与验证视频相同。

2.根据权利要求1所述的视频特征提取和检索方法，其特征在于，步骤b)包括如下步骤：

b-1)以特征点为中心，构建圆形窗口，将圆形窗口分成4个同心圆环子区域；b-2)对每一个同心圆环所覆盖的范围在其所在的二维坐标系的X方向和Y方向上进行哈尔小波值计算，分别获取X方向的响应值d_x以及Y方向的响应值d_y；b-3)在每个子区域中以特征点为中心，对X方向的响应值d_x以及Y方向的响应值d_y进行高斯加权计算，分别得到∑d_x及∑d_y，统计每个子区域内响应值d_x、响应值d_y的绝对值之和，分别记为∑|d_x|及∑|d_y|；

b-4)将各个子区域的特征点的特征矢量排列，通过公式V＝(∑d_x,∑d_y,∑|d_x|,∑|d_y|)得到整个图像的特征矢量V。

3.根据权利要求1所述的视频特征提取和检索方法，其特征在于：步骤c)中使用K-means算法将特征矢量集V进行聚类。

4.根据权利要求1所述的视频特征提取和检索方法，其特征在于，步骤d)包括如下步骤：

d-1)通过公式计算得到量化系数式中MAX为关键帧中词频的最大值，MIN为关键帧中词频的最小值；

d-2)通过公式计算得到视频关键帧特征统计信息β，式中m为关键帧分类的中心数；

d-3)将视频关键帧特征统计信息β使用2×N位的二进制序列来标识，整个视频的特征值通过2×N×L位的二进制序列来标识，得到处理后的视频的特征值V′，L为视频关键帧的个数，N为聚类类簇的数量。