考全局 特征的帖的全局特征的子向量及对应的参考子向量，对所述视频流中各帖的全局特征进行 编码，获取所述视频流的待发送的全局特征比特流。
[0090] 举例来说，在一种实施例中，全局特征比特流可包括头部区域，该头部区域可包 括：是否使用参考全局特征的信息，所述参考全局特征的索引信息、标示组成全局特征的概 率密度函数使用信息、标示累积梯度向量的类别数信息、标示子向量的编码方式的信息。
[0091] 在另一种实施例中，全局特征比特流可包括；头部区域和非头部区域；该头部区 域可包括：是否使用参考全局特征的信息，所述参考全局特征的索引信息、标示组成全局特 征的概率密度函数使用信息、标示累积梯度向量的类别数信息、标示子向量的编码方式的 信息、和/或编码方式对应的量化参数信息；
[0092] 所述非头部区域可包括；编码后的无参考全局特征的帖的全局特征对应的子向 量，和/或，编码后的有参考全局特征的帖的全局特征子向量与参考子向量的残差。
[0093] 可理解的是，在具体应用中，全局特征比特流的头部区域的若干维度可用于标示 是否使用预测编码的信息，若干维度可用于记录参考全局特征的索引信息，若干维度可用 于标示组成全局特征的概率密度函数使用信息，若干维度可用于标示概率密度函数对应的 累积梯度向量的类别数信息，若干维度可用于表示量化参数。
[0094] 其中，全局特征比特流的头部区域中标示组成全局特征的概率密度函数使用信息 的若干维度的长度与概率分布模型中的概率中的概率密度函数的个数和累积梯度向量类 别数的乘积相同，且概率分布模型中的一个概率密度函数对应的每一累积梯度向量对应比 特流头部区域的一维度。应说明的是，前述的若干维度可为头部区域的若干位的01比特。
[0095] 若概率分布模型中的一个概率密度函数对应的累积梯度向量存在对应的子向量， 则与该概率密度函数对应的全局特征比特流的头部区域的相应维度的数值为1，否则，数值 为0。
[0096] 非头部区域可由编码的全局特征子向量和子向量残差组成。如下述的步骤1041 至步骤1044中记载的第一比特流和第二比特流。
[0097] 103a、如果步骤102中所有帖的全局特征均无参考全局特征，则根据所述视频流 中各帖的全局特征的子向量，对所述视频流进行编码，获取所述视频流的待发送的全局特 征比特流。
[009引由此，在实际应用中，将上述视频流的待发送的全局特征比特流发送服务器时，可 较好的解决现有技术中客户端传输数据时无法快速压缩传输的特征数据，降低传输数据 量，提高客户端的视频流的传输效率的问题。
[0099] 也就是说，本实施例的面向视频的视觉特征编码方法通过确定每一帖是否有参考 全局特征，在有参考全局特征时，获取参考子向量，进而获取待发送的全局特征比特流，可 实现客户端传输数据时无法快速压缩传输的特征数据，降低传输数据量，提高客户端的视 频流的传输效率。
[0100] 具体地，在一种具体的例子中，上述步骤104可具体说明如下：
[0101] 1041、对所述视频流中无参考全局特征的帖的全局特征的子向量采用第一预设编 码方式进行编码，获取第一比特流；
[0102] 1042、获取有参考全局特征的帖的全局特征的子向量与所述参考全局特征的参考 子向量的残差；
[0103] 1043、对所述残差采用第二预设编码方式进行编码，获取第二比特流；
[0104] 1044、所述第一比特流和所述第二比特流组成所述视频流的待发送的全局特征比 特流。
[0105] 其中，所述全局特征比特流的头部区域由二值码组成，非头部区域包括；采用第一 预设编码方式编码的子向量，和采用第二预设编码方式编码的残差。
[0106] 在另一具体的例子中，上述步骤104还可具体说明如下：
[0107] 1041'、获取有参考全局特征的帖的全局特征的子向量与所述参考全局特征的参 考子向量的残差；
[0108] 1042'、对所述残差采用第二预设编码方式进行编码，获取第二比特流；
[0109] 1043'、将所述第二比特流组成所述视频流的待发送的全局特征比特流；
[0110] 其中，所述全局特征比特流的头部区域由二值码组成，非头部区域包括；采用第二 预设编码方式编码的残差。
[0111] 或者，在第=种具体的例子中，上述的步骤104还可为：获取所述视频流的全局特 征比特流，所述全局特征比特流包括由二值码组成的头部区域。
[0112] 由此，客户端可将所述视频流的待发送的全局特征比特流发送服务器，W使服务 器基于所述全局特征比特流和所述服务器中存储的与所述客户端中相同的全局特征生成 规则，获取所述视频流中各帖的全局特征。
[0113] 图2示出了本发明一实施例提供的面向视频的视觉特征编码方法的流程示意图， 如图2所示，本实施例的面向视频的视觉特征编码方法如下所述。
[0114] 201、获取视频流中每一帖的局部特征，根据所述局部特征获取用于表达图像视觉 特征的全局特征。
[0115] 举例来说，获取视频流中每一帖的至少一个局部特征，所述至少一个局部特征形 成一集合。获取视频帖即图像的至少一个局部特征的方式为现有的方式，局部特征可为尺 度不变描述子（ScaleInvariantFea1:ureTransform,简称；SIFT),或者，上述的局部特征 可为快速鲁椿的尺度不变特征描述子（Speeded化RobustFea化res,简称；SURF)。应了 解的是，SIFT或SURF的提取方式可为现有的提取方式，本实施例不再详述。
[0116] 针对每一视频帖，对该视频帖的局部特征进行降维处理，例如可采用主成分分析 方法（PrincipalComponentAnalysis)进行降维处理。
[0117] 进而，根据Fisher向量（FisherVector)生成规则，将降维后的局部特征转换为 累积梯度向量，Fisher向量生成规则有M个概率密度函数；
[0118] 对M个累积梯度向量进行量化压缩W及Fisher向量稀疏性判别规得到全局特征。
[0119] 最终得到的全局特征形式化定义为：
[01 20]G= {化1，Ui)，化2, 口2)，...，化M，％)}
[0121] 其中bi为0或者1，表示选择第i个概率密度函数并生成了二值化的梯度向量U1。
[0122] 202、判断每一帖是否有参考全局特征。
[0123] 具体地，可计算每一帖的全局特征与相邻视频帖的全局特征的相似度，如果所有 相似度中大于给定的预设阔值，则确定该当前帖有参考全局特征，将相似度最大的帖的全 局特征作为该当前帖的参考全局特征。
[0124] 相似度度量可W使用汉明距离度量，具体形式化定义和公式如下：
[01巧]令当前帖的全局特征为X，参考帖的全局特征为Y;
[0126] 汉明距离度量公式：
[0127]
【主权项】
1. 一种面向视频的视觉特征编码方法，其特征在于，包括： 获取视频流中当前帧的全局特征； 根据所述视频流中当前帧相邻帧的全局特征，确定当前帧的全局特征是否有参考全局 特征； 如果有，则根据当前帧的参考全局特征的子向量，获取所述当前帧的全局特征对应的 参考子向量； 根据所述视频流中无参考全局特征的帧的全局特征的子向量，和有参考全局特征的帧 的全局特征的子向量及对应的参考子向量，对所述视频流中各帧的全局特征进行编码，获 取所述视频流的待发送的全局特征比特流。
2. 根据权利要求1所述的方法，其特征在于，所述根据所述视频流中当前帧相邻帧的 全局特征，确定当前帧的