一种视频特征提取和检索方法与流程

技术特征：

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Vmod；

f)计算特征值Vmod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dx以及Y方向的响应值dy；b-3)在每个子区域中以特征点为中心，对X方向的响应值dx以及Y方向的响应值dy进行高斯加权计算，分别得到∑dx及∑dy，统计每个子区域内响应值dx、响应值dy的绝对值之和，分别记为∑|dx|及∑|dy|；

b-4)将各个子区域的特征点的特征矢量排列，通过公式V＝(∑dx,∑dy,∑|dx|,∑|dy|)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。

技术总结
一种视频特征提取和检索方法，通过对视频中图像帧进行视频特征向量计算，然后基于这些特征信息通过变换得到一个与视频唯一对应的数字序列。内容不相同的视频一般会得到不相同的特征点集合，而内容相似的视频会得到相近的特征点集合，通过这一数字序列进行视频的追踪溯源。这种方法不需要在视频内嵌入任何信息，保持了视频的完整性，且能唯一标识该视频。在保证追溯准确性的同时，还具备一定的实时性，较传统的方式有很大的提高。

技术研发人员：徐杰;刘永辉;谢恩鹏;张宇;胡芳林;杜浩;
受保护的技术使用者：山东浪潮云缦智能科技有限公司;
技术研发日：2021.11.09
技术公布日：2022.02.01