一种视频数据智能检索方法
【技术领域】
[0001] 本发明涉及视频图像检索，特别涉及一种视频数据智能检索方法。
【背景技术】
[0002] 基于内容的视频检索通过提取视频图像特征进行特征匹配来达到检索的目的。现 有技术大多为基于底层特征的检索。由于底层特征难以表现人对视频中目标的主观概念， 而人能识别视频含义这个过程需要大量的生活经验和推理，故目前视频的底层特征和高层 语义特征还存在着较大的断层带，在提高视频检索准确率及检索速度方面还不足以推广应 用。例如，不同的视频具有不同的特性，故如果只针对视频的某一种特性进行特征提取，则 检索结果精确度会受到影响。
[0003] 因此，针对相关技术中所存在的上述问题，目前尚未提出有效的解决方案。
【发明内容】
[0004] 为解决上述现有技术所存在的问题，本发明提出了一种视频数据智能检索方法， 包括：
[0005] 采用自适应边缘检测算法提取视频图像的边缘，得到边缘二值图像；
[0006] 对视频区域进行分块，即将边缘二值图像分成4X4小块；
[0007] 完成分块后，将每一个小块中颜色为白色的像素的数量除以当前小块的总像素数 量，得到当前分块的白色像素所占比重；
[0008] 将不大于预设阈值的白色像素所占比重小块确定为黑块，计算分块后的黑块数 量；
[0009] 若视频中的黑块数量大于预设阈值，则通过基于边缘特征的视频分割方法提取视 频目标进行检索；
[0010] 计算待检索视频图像和目标视频图像间的欧氏距离。
[0011] 优选地，若视频中的黑块数量大于预设阈值，则：
[0012] 计算视频的颜色空间向量直方图；若该颜色空间向量直方图的方差σ 2大于预设 最小方差，则使用基于颜色特征的视频分割方法，否则不对其进行视频分割，直接进行全局 处理；
[0013] 其中所述基于颜色特征的视频分割方法进一步包括：
[0014] 对HSV空间进行非等间隔量化，首先，把色调H空间分为8份，饱和度S和亮度V 空间分别分为3份，即H =
[0015] 1，h e [316。，359° ] U [0。，20。]
[0016] 2, h e [21。，40。]
[0017] 3, h e [4Γ，75。]
[0018] 4, h e [76°，155° ]
[0019] 5, h e [156°，190。]
[0020] 6, h e [191。，270。]
[0021] 7, h e [27Γ，295° ]
[0022] 8, h e [296°，315。]
[0023] S =
[0024] Lse [0,0. 2)
[0025] 2, s e [0· 2,0· 7)
[0026] 3, s e [0. 1,1]
[0027] V =
[0028] Lve [0,0. 2)
[0029] 2, V e [0· 2,0· 7)
[0030] 3, V e [0. 1,1]
[0031] 然后，按照上述量化级，将3个颜色分量合成特征向量，如下式所示：
[0032] L = 9H+3S+V，L 的取值范围为[13,14，...，84];
[0033] 将此量化结果形成直方图形式，得到颜色空间向量直方图；
[0034] 确定颜色空间向量直方图的全局阈值，将颜色空间向量直方图分为两个区域A区 域和B区域，计算A和B两区域的类间方差σ 2:σ 2= Pa(COa-COci)Wpb(COb-CO q)2
[0035] 其中，p# ρ d A，B颜色出现的概率；ω 4和ω j别为A区域和B区域的颜色值 均值；Qtl为图像的总颜色值均值，迭代求出使σ 2最大时的阈值T即为所求的最佳全局阈 值；
[0036] 将原视频中的背景设置为黑色，根据视频颜色分布，采用以下两类方案之一：
[0037] ①保留颜色空间向量直方图中拥有最多像素的颜色值所在的半区，如果拥有最多 像素的颜色值小于Τ，则保留颜色值小于等于T的像素的颜色，而将颜色值大于T的像素的 颜色均设置为黑色；或
[0038] ②去除颜色空间向量直方图中拥有最多像素的颜色值所在的半区，将此半区颜色 值对应的像素设置为黑色；
[0039] 完成视频图像中目标与背景的分割。
【附图说明】
[0040] 图1是根据本发明实施例的视频数据智能检索方法的流程图。
【具体实施方式】
[0041] 下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描 述。结合这样的实施例描述本发明，但是本发明不限于任何实施例。本发明的范围仅由权 利要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节 以便提供对本发明的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中 的一些或者所有细节也可以根据权利要求书实现本发明。
[0042] 本发明的一方面提供了一种视频数据智能检索方法。图1是根据本发明实施例的 视频数据智能检索方法流程图。基于此，本发明将视频图像的颜色特征以及边缘特征相结 合，将视频分为三种类型，并结合视频的颜色直方图以及梯度直方图，使用不同的方法来分 割具有不同特性的视频。然后，将视频图像分成多个块，计算欧氏距离时，根据其不同特征， 自适应地给出每块图像的特征权重。
[0043] -般情况下获取的图像都是在RGB空间中进行描述，但RGB空间结构并不符合人 类对颜色的主观判断。而HSV颜色空间由色调、饱和度和亮度3个分量组成，与人眼的视觉 特性比较接近。因此，为了更符合人眼的视觉特性，经常需要做颜色空间转换，将RGB图像 转换成HSV图像。
[0044]目前，大多数图像均以真彩色的格式存储。事实上，一幅图像中实际包含的颜色数 目只是全部颜色数的一个很小子集。为了节约存储空间以及减少计算复杂度，可以对HSV 空间进行非等间隔量化。本发明采用如下量化方法：
[0045] 首先，把色调H空间分为8份，饱和度S和亮度V空间分别分为3份，即H =
[0046] 1，h e [316。，359° ] U [0。，20。]
[0047] 2, h e [21° ,40° ]
[0048] 3, h e [4Γ，75。]
[0049] 4, h e [76。，155。]
[0050] 5, h e [156°，190° ]
[0051] 6, h e [191。，270。]
[0052] 7, h e [27Γ，295。]
[0053] 8, h e [296°，315° ]
[0054] S =
[0055] 1， s e [0,0· 2)
[0056] 2, s e [0· 2,0· 7)
[0057] 3, s e [0· 7,1]
[0058] V =
[0059] Lve [0,0. 2)
[0060] 2, V e [0· 2,0· 7)
[0061] 3, V e [0. 1,1]
[0062] 然后，按照上述量化级，将3个颜色分量合成特征向量，如下式所示：
[0063] L = 9H+