[发明专利]一种基于深度学习的视频GIS数据检索方法在审
| 申请号： | 201810162847.8 | 申请日： | 2018-02-26 |
| 公开（公告）号： | CN108280233A | 公开（公告）日： | 2018-07-13 |
| 发明（设计）人： | 邹志强;戴海宏;吴家皋;何旭;熊俊杰;索玉聪 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/04;G06N3/08 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 杨晓玲 |
| 地址： | 210023 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的视频GIS数据检索方法，包括：首先在对视频GIS数据进行空间和时间采样下，计算视频GIS帧帧差的欧式距离，并对视频镜头进行关键帧提取；然后建立由卷积层、激活层和池化层交替构成的深度卷积神经网络模型，对输入的视频GIS帧图像进行层层映射，实现视频GIS帧图像的深度特征表示；最后进行分层检索：第一层是用哈希方法和汉明距离进行粗检索；第二层把第一层粗检索的结果进行过滤，实现从候选池中视频GIS帧图像的前m个精检索。本发明采用帧差欧式距离来提取关键帧，使得检索的效率大大地提高，并采用深度卷积神经网络模型进行训练，提取更高层次的特征表示，使得检索时间和存储开销大幅度减少。 | ||
| 搜索关键词： | 视频 检索 帧图像 卷积神经网络 欧式距离 粗检索 第一层 帧差 关键帧提取 存储开销 汉明距离 深度特征 时间采样 视频镜头 特征表示 关键帧 候选池 激活层 池化 分层 哈希 卷积 映射 过滤 学习 | ||
【主权项】：
1.一种基于深度学习的视频GIS数据检索方法，其特征在于，包括以下步骤：a.关键帧提取在对视频GIS数据进行空间和时间采样下，计算视频GIS帧帧差的欧式距离，并对视频镜头进行关键帧提取；b.深度特征提取建立由卷积层、激活层和池化层交替构成的深度卷积神经网络模型，对输入的视频GIS帧图像进行层层映射，得到各层对于视频GIS帧图像不同的表示形式，实现视频GIS帧图像的深度特征表示；c.分层检索所述检索过程包括粗检索和精检索：第一层将深度卷积神经网络模型学习到的高维特征向量转化成二值码，然后使用汉明距离度量二值码之间的相似性，得到候选相似关键帧的候选池；第二层将待检索的视频GIS帧图像与候选池中的视频GIS帧图像用欧式距离度量它们之间的相似性，最终得到前m个相似的检索结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810162847.8/，转载请声明来源钻瓜专利网。
