技術(shù)特征：

1.一種基于隨機(jī)多視角哈希的大規(guī)模近重復(fù)視頻檢索方法，其特征是按如下步驟進(jìn)行：

步驟一、訓(xùn)練階段：

步驟1、對(duì)數(shù)據(jù)集中的V段視頻采用時(shí)間間隔采樣的方法提取關(guān)鍵幀，從而獲得n幀關(guān)鍵幀；

步驟2、提取n幀關(guān)鍵幀的HSV顏色直方圖特征矩陣和LBP局部二值模式特征矩陣表示所述HSV顏色直方圖特征矩陣X⁽¹⁾中第i行第j列元素；表示所述LBP局部二值模式特征矩陣X⁽²⁾中第i行第j列元素；所述HSV顏色直方圖特征矩陣X⁽¹⁾的大小為n×d₁，其中，d₁為所述HSV顏色直方圖特征的量化級(jí)數(shù)；所述LBP局部二值模式特征矩陣X⁽²⁾的大小為n×d₂，其中，d₂為所述LBP局部二值模式特征的維度；所述HSV顏色直方圖特征矩陣X⁽¹⁾中第i行行向量表示第i幀關(guān)鍵幀所對(duì)應(yīng)的特征向量；所述LBP局部二值模式特征矩陣X⁽²⁾中第i行行向量表示第i幀關(guān)鍵幀所對(duì)應(yīng)的特征向量；令X^(g)表示任一特征矩陣，其中，g＝1表示HSV顏色直方圖特征矩陣；g＝2表示LBP局部二值模式特征矩陣；

步驟3、生成所述n幀關(guān)鍵幀中任一關(guān)鍵幀所對(duì)應(yīng)的s位哈希碼；

步驟3.1、利用式(1)對(duì)第i幀關(guān)鍵幀所對(duì)應(yīng)的特征向量進(jìn)行線性映射，得到第i行特征向量的第l個(gè)線性映射值

${\tilde{z}}_{il}=\underset{g=1}{\overset{2}{\Σ}}\underset{j=1}{\overset{d_g}{\Σ}}{x}_{ij}^{\left(g\right)}{w}_{jl}^{\left(g\right)}+b_l---\left(1\right)$

式(1)中，為線性映射的第j行第l列結(jié)合系數(shù)，b_l為第l個(gè)偏置參數(shù)；

步驟3.2、利用sigmoid函數(shù)對(duì)所述第i行特征向量的第l個(gè)線性映射值進(jìn)行處理，得到sigmoid函數(shù)映射值z(mì)_il；從而將線性映射值所在的實(shí)數(shù)空間映射為sigmoid函數(shù)映射值所在的準(zhǔn)哈?？臻g；

步驟3.3、對(duì)所述sigmoid函數(shù)映射值z(mì)_il進(jìn)行閾值化處理，判斷z_il＞0.5是否成立，若成立，則令h_il為1，否則令h_il為0；從而獲得第i幀關(guān)鍵幀的哈希碼序列h_i＝[h_i1,h_i2,…,h_il,…,h_is]；h_il表示第i幀關(guān)鍵幀的第l位哈希碼；

步驟4、在所述HSV顏色直方圖特征矩陣和所述LBP局部二值模式特征矩陣中，利用高斯模型分別計(jì)算在給定第i幀關(guān)鍵幀時(shí)，第j幀關(guān)鍵幀與所述第i幀關(guān)鍵幀的相似程度的條件概率且令從而獲得n幀關(guān)鍵幀之間的條件概率矩陣為

步驟5、判斷第i幀關(guān)鍵幀與第j幀關(guān)鍵幀是否屬于同一視頻，若屬于，則令第i幀關(guān)鍵幀與第j幀關(guān)鍵幀的所屬關(guān)系否則令從而獲得n幀關(guān)鍵幀之間的所屬關(guān)系矩陣

判斷第i幀關(guān)鍵幀與第j幀關(guān)鍵幀在數(shù)據(jù)集真值表中是否為近重復(fù)視頻，若是，則令第i幀關(guān)鍵幀與第j幀關(guān)鍵幀的監(jiān)督關(guān)系否則，令從而獲得n幀關(guān)鍵幀之間的監(jiān)督關(guān)系矩陣

步驟6、利用式(2)計(jì)算得到n幀關(guān)鍵幀之間相似程度的概率矩陣P，并進(jìn)行歸一化處理，得到歸一化后的概率矩陣

$P=\underset{g=1}{\overset{2}{\mathrm{\Σ}}}{\mathrm{\α}}_g{P}^{\left(g\right)}+{\mathrm{\βP}}^{\left(V\right)}+{\mathrm{\γP}}^{\left(S\right)}---\left(2\right)$

式(2)中，表示條件概率矩陣系數(shù)；β表示所屬關(guān)系矩陣系數(shù)；γ表示監(jiān)督關(guān)系矩陣系數(shù)；且系數(shù)β、γ均大于0且小于1，系數(shù)β、γ之和為1；

步驟7、在所述準(zhǔn)哈?？臻g中，利用方差為1的高斯模型計(jì)算n幀關(guān)鍵幀之間的條件概率矩陣Q；

步驟8、利用復(fù)合的Kullback-Leibler(KL)散度計(jì)算概率矩陣和條件概率矩陣Q之間的差異S_KL；

步驟9、利用式(3)優(yōu)化目標(biāo)方程O：

$\underset{w_{jl}^{\left(g\right)},b_l}{\min }O=S_{KL}+\frac{\mathrm{\μ}}{2}\underset{g=1}{\overset{2}{\Σ}}\underset{l=1}{\overset{s}{\Σ}}\underset{j=1}{\overset{d_g}{\Σ}}{\left(w_{jl}^{\left(g\right)}\right)}^2---\left(3\right)$

式(3)中、μ為所設(shè)定的正則項(xiàng)系數(shù)；

步驟10、采用標(biāo)準(zhǔn)的梯度下降算法優(yōu)化第j行第l列結(jié)合系數(shù)以及第l個(gè)偏置參數(shù)b_l；

步驟11、利用優(yōu)化后的第j行第l列結(jié)合系數(shù)以及第l個(gè)偏置參數(shù)b_l，并按照步驟1至步驟3對(duì)所述數(shù)據(jù)集中的所有視頻進(jìn)行處理，得到所有視頻的關(guān)鍵幀的s位哈希碼序列；

步驟12、利用式(4)計(jì)算獲得所有視頻中任一視頻的s位哈希碼序列中第e位哈希碼

${\tilde{h}}_e=T\left(\frac{1}{\left|Ind\right|}\underset{y\∈Ind}{\Σ}{h}_{ye}\right)---\left(4\right)$

式(4)中，Ind表示任一視頻的關(guān)鍵幀集合，|Ind|表示任一視頻的關(guān)鍵幀集合Ind的勢(shì)；h_ye表示任一視頻中第y幀關(guān)鍵幀的第e位哈希碼；

步驟二、檢索階段：

步驟13、在所有視頻中選定一個(gè)待檢索視頻，并利用漢明距離來衡量所述待檢索視頻與所有其他視頻的s位哈希碼序列之間的差異，從而根據(jù)待檢索視頻與其他視頻之間的差異大小來判斷是否為近重復(fù)視頻。