[发明专利]一种基于特征融合的视频数据检索方法

摘要

本发明涉及一种基于特征融合的视频数据检索方法，计算不同种类视频数据特征的拉普拉斯矩阵，对拉普拉斯矩阵进行融合得到联合拉普拉斯矩阵，提取联合拉普拉斯矩阵的特征值和特征向量，找出前M个最大特征值所对应的特征向量，计算这些特征向量的相似性矩阵，最后，对每个要查找的目标视频数据，利用相似性矩阵得到每个视频数据的分数，将视频数据按照分数从高到低排序，在前若干个排好序的视频数据中，统计其中与目标视频数据属于同一类别的视频数据数量，计算检索准确率。利用本发明方法，可以实现多种视频数据特征的融合检索，融合后的检索准确率比融合前有了大幅提高。

主权项

1.一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；其中，D₁表示对角线矩阵，其元素di,j1=Σt=1Nwi,t1i=j0i≠j;]]>t＝1,2,...,N；表示矩阵W₁的第i行第t列的元素；D₂表示对角线矩阵，其元素di,j2=Σt=1Nwi,t2i=j0i≠j;]]>t＝1,2,...,N；表示矩阵W₂的第i行第t列的元素；步骤3利用公式计算联合拉普拉斯矩阵L；其中，p＝1,2；α＞0表示常数；I表示单位矩阵；步骤4计算联合拉普拉斯矩阵L的特征值和特征向量，选取前M个最大特征值所对应的特征向量U₁,U₂,...,U_M；其中，M≥1表示常数；U₁,U₂,...,U_M表示大小为N×1的特征向量；步骤5构造矩阵V＝[U₁ U₂...U_M]；计算[V₁ V₂...V_N]^T的相似性矩阵S，S的元素计算公式为：si,j=exp(Vi-Vj)T×(Vi-Vj)σ2;]]>其中，V₁,V₂,...,V_N表示矩阵V的第1,2,...,N行元素；步骤6利用公式r＝β(I-λS)^-1F计算N个视频数据的分数r，并将视频数据按照分数大小从高到低排列，得到排序后的N个视频数据；其中，r＝(r₁,r₂,...,r_N)表示N个视频数据的得分向量，r₁,r₂,...,r_N表示第1,2,...,N个视频数据的得分；β＝1-λ表示常数；λ＝0.99；F＝[f₁,...,f_N]^T表示检索时的查询向量，f_i＝1表示第i个视频数据为所要查找的目标视频数据，否则f_i＝0。