[0041] 步驟109 :取出與％落入同意散列桶中的敏感視頻幀特征向量，并計(jì)算其中的各 敏感視頻幀特征向量和的歐式距離，判斷相互之間的相似的度，并確定匹配的敏感視頻 特征向量。
[0042] 取出哈希表gl的第一個(gè)散列桶中的i； 1和@5并分別計(jì)算與的歐式距離，判斷相 互之間的相似度，并確定Vl為與匹配的（相似的）敏感視頻幀可證向量，直到得到足夠 多的相似的敏感視頻幀特征向量，或與全部敏感視頻幀特征向量比較完畢。
[0043] 其中步驟102中為了保證LSH算法的性能，這里需要考慮倆個(gè)重要參數(shù)--哈希 表g的個(gè)數(shù)L和哈希表中LSH函數(shù)h (.)的個(gè)數(shù)k。L和k的取值會(huì)直接影響到該算法的性 能。考慮一下性能指標(biāo)：索引建立時(shí)間：0(nLkt)，其中t為計(jì)算每個(gè)h(.)所需的時(shí)間，空 間：0(nL) +保存數(shù)據(jù)點(diǎn)所需的空間，查詢(xún)時(shí)間：0(L(kt+dnP/))，應(yīng)保證L和k具有如下的關(guān) 系：
[0045] 其中Pl為如前所述LSH函數(shù)中所給定的概率。
[0046] 本實(shí)施例中也可以采用如多維索引就技術(shù)如：gridfile、k-d-B樹(shù)、四叉樹(shù)、hB樹(shù)、 R樹(shù)及其變種R+樹(shù)和R*樹(shù)等，這些都是基于空間或基于數(shù)據(jù)分布的劃分方法，通過(guò)上述發(fā) 放生成視頻指紋庫(kù)中各敏感視頻幀特征向量的索引，具有不同索引號(hào)（如1-10000)的敏感 視頻幀特征向量，分布在內(nèi)容尋址網(wǎng)絡(luò)中的10個(gè)服務(wù)器中保存，每個(gè)服務(wù)器在內(nèi)容尋址網(wǎng) 絡(luò)中都具有對(duì)應(yīng)的笛卡爾坐標(biāo)。在基于內(nèi)容的視頻檢索時(shí)，其中3#服務(wù)器的獲取模塊獲 取待檢測(cè)視頻幀的特征向量后，3#服務(wù)器的查找模塊根據(jù)待比較敏感視頻幀向量的索引號(hào) 1000,以及預(yù)定義的轉(zhuǎn)換規(guī)則，從10個(gè)服務(wù)器的笛卡爾坐標(biāo)中查找到對(duì)應(yīng)保存的待比較敏 感視頻幀特征向量的服務(wù)器的笛卡爾坐標(biāo)為（〇,〇) ;3#服務(wù)器的發(fā)送模塊根據(jù)查找到笛卡 爾坐標(biāo)（〇,〇)，將待檢測(cè)視頻幀的特征向量發(fā)送給2#服務(wù)器（笛卡爾坐標(biāo)為（0,0))的檢索 模塊；
[0047] 2#服務(wù)器的檢索模塊判斷待檢測(cè)視頻幀的特征向量和待比較敏感視頻幀的特征 向量的相似度。
[0048] 本發(fā)明提供的第二實(shí)施例是一種基于美容的視頻檢索系統(tǒng)，其結(jié)構(gòu)如圖3所示， 包括：
[0049] 視頻指紋庫(kù)201 :用于保存具有索引號(hào)的敏感視頻幀的特征向量，所述視頻指紋 庫(kù)，均勻分布在內(nèi)容尋址網(wǎng)絡(luò)笛卡爾坐標(biāo)空間結(jié)點(diǎn)上的多個(gè)服務(wù)器中；
[0050] 獲取模塊202 :用于獲取待檢測(cè)視頻幀的特征向量；
[0051] 查找模塊203:用于根據(jù)視頻指紋庫(kù)中待比較敏感視頻幀的特征向量的索引號(hào)， 以及預(yù)定義的轉(zhuǎn)換規(guī)則，從各個(gè)服務(wù)器的笛卡爾坐標(biāo)中查找到對(duì)應(yīng)保存有待比較敏感視 頻幀的特征向量的服務(wù)器的笛卡爾坐標(biāo)；
[0052] 發(fā)送模塊204 :用于根據(jù)查找到的笛卡爾坐標(biāo)，將待檢測(cè)視頻幀的特征向量發(fā)送 給對(duì)應(yīng)服務(wù)器的檢索模塊；
[0053] 檢索模塊205 :用于判斷待檢索視頻幀的特征向量和待比較敏感視頻幀的特征向 量的相似度，并確定匹配的敏感視頻幀的特征向量。
[0054] 進(jìn)一步，各服務(wù)器的視頻指紋庫(kù)201包括哈希表2011 :用于保存敏感視頻
[0055] 幀的特征向量，所述哈希表的編號(hào)作為敏感視頻幀特征向量的索引號(hào)；
[0056] 所述系統(tǒng)還包括：
[0057] 二次散列模塊206 :用于使用LSH算法對(duì)保存在各服務(wù)器哈希表中的各敏感視頻 幀特征向量進(jìn)行散列，在對(duì)所得結(jié)果進(jìn)行二次散列，得到多個(gè)散列桶；
[0058] 哈希表2011包括多個(gè)散列桶20111 :用于哈希表中的敏感視頻幀特征向量進(jìn)行兩 次散列后，保存進(jìn)行兩次散列后的敏感視頻幀特征向量；
[0059] 檢索子模塊2051 :用于將待檢測(cè)視頻幀的特征向量進(jìn)行兩次散列，得到待檢測(cè)視 頻幀的特征向量映射到的對(duì)應(yīng)的散列桶；
[0060] 判斷待檢測(cè)視頻幀的特征向量和對(duì)應(yīng)散列桶中待比較敏感視頻幀特征向量的相 似度。
[0061] 進(jìn)一步，二次散列模塊206 :還用于L個(gè)哈希函數(shù)g(.)將各敏感視頻幀特征向量 映射V映射到保存在各服務(wù)器上的L歌哈希表gj后，通過(guò)k個(gè)LSH函數(shù)hi (.)對(duì)哈希表gj 中的各敏感視頻幀特征向量F進(jìn)行散列，即gj = [hi (j), . . .，hk(j)] (j = 1，2, . . .，L)， hi(.) ￡!1(卜1，2，...，1〇，!1為1^!1函數(shù)族。
[0062] 進(jìn)一步，檢索模塊205 :還用于通過(guò)計(jì)算待檢測(cè)視頻幀的特征向量和待比較敏感 視頻幀特征向量的歐氏距離來(lái)判斷相互之間相似度。
[0063] 顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變形而不脫離本發(fā)明的精 神和范圍。這樣，倘若本發(fā)明的這些修改和變型是與本發(fā)明權(quán)利要求及其等統(tǒng)計(jì)數(shù)范圍之 內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于內(nèi)容的視頻檢索數(shù)學(xué)模型建立方法，其特征在于，在內(nèi)容尋址網(wǎng)絡(luò)笛卡爾 坐標(biāo)空間中的結(jié)點(diǎn)上設(shè)有多個(gè)服務(wù)器，該方法包括： 獲取模塊獲取待檢測(cè)視頻幀的特征向量； 查找模塊根據(jù)視頻指紋庫(kù)中待比較敏感視頻幀特征向量的索引號(hào)，以及預(yù)定義的轉(zhuǎn)換 規(guī)則，從內(nèi)容尋址網(wǎng)絡(luò)中各服務(wù)器的笛卡爾坐標(biāo)中查找到對(duì)應(yīng)保存有待比較敏感視頻幀特 征向量的服務(wù)器的笛卡爾坐標(biāo)； 發(fā)送模塊根據(jù)查找的笛卡爾坐標(biāo)，將待檢測(cè)視頻幀的特征向量發(fā)送給對(duì)應(yīng)服務(wù)器的檢 索模塊； 檢索模塊判斷待檢測(cè)視頻幀的特征向量和待比較敏感視頻幀特征向量的相似度，并確 定匹配的敏感視頻特征向量。2. 如權(quán)利要求1所述的方法，其特征在于，查找到對(duì)應(yīng)笛卡爾坐標(biāo)步驟前還包括： 使用局部敏感哈希表LSH算法對(duì)保存在各服務(wù)器哈希表中的各敏感視頻幀特征向量 進(jìn)行散列，得到多個(gè)散列桶，將各敏感視頻幀特征向量映射到各散列桶中，同時(shí)將各哈希表 的編號(hào)作為敏感視頻幀特征向量的索引號(hào)； 發(fā)送待檢測(cè)視頻幀的特征向量給對(duì)應(yīng)服務(wù)器的檢索模塊步驟后海包括： 將待檢測(cè)視頻幀的特征向量進(jìn)行兩次散列，得到待檢測(cè)視頻幀的特征向量映射到的對(duì) 應(yīng)的散列桶； 判斷特征向量相似度的步驟具體為： 判斷待檢測(cè)視頻幀的特征向量和對(duì)應(yīng)散列桶中待比較敏感視頻幀特征向量的相似度。3. 如權(quán)利要求2所述的方法，其特征在于，使用LSH算法對(duì)保存在各服務(wù)器哈希表中的 各敏感視頻幀特征向量進(jìn)行散列具體為： 用L個(gè)哈希函數(shù)g(.)將各敏感視頻幀特征向量?映射到保存在各服務(wù)器上的L個(gè)哈希 表gj中；通過(guò)Κ個(gè)LSH函數(shù)hi(.)對(duì)哈希表gj中的各敏感視頻特征向量!；進(jìn)行散列，即gj =[hi(j)，· ·，hk(j) ](j= 1，2, · · ·，L)，hi(·)eH(i= 1，2, · ·k)，Η為L(zhǎng)SH函數(shù)族。4. 如權(quán)利要求3所述的方法，氣特征在于，使用LSH算法對(duì)保存在各服務(wù)器哈希表中 的各敏感視頻幀特征向量進(jìn)行散列，哈希表的個(gè)數(shù)L和個(gè)哈希表中LSH函數(shù)hi(.)的個(gè)數(shù)K具有如下關(guān)系：Ζ=?或Z= 在LSH算法的LSH函數(shù)組H= {hl，...，hm}中，其中 的2個(gè)敏感視頻幀特征向量vlv2之間的預(yù)定義的距離，P1為預(yù)定義的概率值。5. 如權(quán)利要求3所述的方法，氣特征在于，LSH函數(shù)為 滿(mǎn)足正態(tài)分布（高斯分布），w為任意實(shí)數(shù)，b為[0,w]之間的任意實(shí)數(shù)。6. 如權(quán)利要求2所述的方法，其特征在于比較特征向量相似度的步驟具體為： 通過(guò)計(jì)算待檢測(cè)視頻幀的特征向量和對(duì)應(yīng)散列桶中待比較敏感視頻幀特征向量的歐 式距離來(lái)判斷相互之間的相似度。7.-種基于內(nèi)容的視頻檢索系統(tǒng)，其特征在于，包括： 視頻指紋庫(kù)：用于保存具有索引號(hào)的敏感視頻幀特征向量，所述視頻指紋庫(kù)，均勻分布 在內(nèi)容尋址網(wǎng)絡(luò)笛卡爾坐標(biāo)空間結(jié)點(diǎn)上的多個(gè)服務(wù)器中； 獲取模塊：用于獲取待檢測(cè)視頻幀的特征向量； 查找模塊：用于根據(jù)視頻指紋庫(kù)中待比較敏感視頻幀特征向量的索引號(hào)，以及預(yù)定義 的轉(zhuǎn)換規(guī)則，從各服務(wù)器的笛卡爾坐標(biāo)中查找到對(duì)應(yīng)保存有待比較敏感視頻幀特征向量的 服務(wù)器的笛卡爾坐標(biāo)； 發(fā)送模塊：用于根據(jù)查找到的笛卡爾坐標(biāo)，將待檢測(cè)視頻幀的特征向量發(fā)送給對(duì)應(yīng)服 務(wù)器的檢索模塊； 檢索模塊：用于判斷待檢測(cè)視頻幀的特征向量的相似度，并確定匹配的敏感視頻特征 向量。8. 如權(quán)利要求7所述的系統(tǒng)，其特征在于。 各服務(wù)器的視頻指紋庫(kù)包括哈希表：用于保存敏感視頻幀特征向量，所述哈希表的編 號(hào)作為敏感視頻幀特征向量的索引號(hào)； 所述系統(tǒng)還包括； 二次散列模塊：用于使用LSH算法對(duì)保存在各服務(wù)器哈希表中的各敏感視頻幀特征向 量進(jìn)行散列，再對(duì)所得結(jié)果進(jìn)行二次散列，得到多個(gè)散列桶； 哈希表包括多個(gè)數(shù)列桶：用于哈希表中的各敏感視頻幀特征向量進(jìn)行兩次散列后保存 進(jìn)行兩次散列后的敏感視頻幀特征向量； 所述檢索模塊還包括： 檢索子模塊：用于將待檢測(cè)視頻幀的特征向量進(jìn)行兩次散列，得到待檢測(cè)視頻幀的特 征向量映射到的對(duì)應(yīng)散列桶； 判斷待檢測(cè)視頻幀的特征向量和對(duì)應(yīng)散列桶中待比較敏感視頻幀特征向量的相似度。9. 如權(quán)利要求8所述的系統(tǒng)，其特征在于 二次散列模塊：還用于用L個(gè)哈希函數(shù)g(.)將各敏感視頻幀特征向量映射到保存在各 服務(wù)器上的L個(gè)哈希表gj后，通過(guò)K個(gè)LSH函數(shù)hi(.)對(duì)哈希表gj中的各敏感視頻幀特 征向量?進(jìn)行散列，即gj=[hi(j)，· · ·，hk(j)](j= 1,2. · ·，L)，hi(·)eH(i= 1，2, · · k)，H為L(zhǎng)SH函數(shù)族。10. 如權(quán)利要求7所述的系統(tǒng)，其特征在于： 檢索模塊：還用于通過(guò)計(jì)算待檢測(cè)視頻幀的特征向量和待比較敏感視頻幀特征向量的 歐式距離來(lái)判斷相互之間相似度。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于內(nèi)容的視頻檢索數(shù)學(xué)模型建立方法，為了解決基于內(nèi)容的視頻檢索的效率較低的問(wèn)題，本發(fā)明公開(kāi)的方法包括：獲取待檢測(cè)視頻幀的特征向量；根據(jù)視頻指紋庫(kù)中待比較敏感視頻幀特征向量的索引號(hào)，以及預(yù)定義的轉(zhuǎn)換規(guī)則，查找到對(duì)應(yīng)的笛卡爾坐標(biāo)；根據(jù)查找到的笛卡爾坐標(biāo)，將待檢測(cè)視頻幀的特征向量發(fā)送給對(duì)應(yīng)服務(wù)器的檢索模塊；檢索模塊判斷待檢測(cè)視頻幀的特征向量和待比較敏感視頻幀特征向量的相似度，由于應(yīng)用內(nèi)容尋址網(wǎng)絡(luò)對(duì)視頻指紋庫(kù)進(jìn)行合理組織，建立索引，獲取待檢測(cè)視頻實(shí)例后，采用某種檢索算法從指紋庫(kù)中查找最匹配的敏感視頻特征向量，使得視頻檢索的效率得到提高。
【IPC分類(lèi)】G06F17/30
【公開(kāi)號(hào)】CN105302833
【申請(qǐng)?zhí)枴緾N201410359465
【發(fā)明人】武建文
【申請(qǐng)人】上海極譽(yù)實(shí)業(yè)有限公司
【公開(kāi)日】2016年2月3日
【申請(qǐng)日】2014年7月24日