[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的第一個散列桶中的i； 1和@5并分別計算與的歐式距離，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，這里需要考慮倆個重要參數(shù)--哈希 表g的個數(shù)L和哈希表中LSH函數(shù)h (.)的個數(shù)k。L和k的取值會直接影響到該算法的性 能?？紤]一下性能指標：索引建立時間：0(nLkt)，其中t為計算每個h(.)所需的時間，空 間：0(nL) +保存數(shù)據(jù)點所需的空間，查詢時間：0(L(kt+dnP/))，應保證L和k具有如下的關 系：
[0045] 其中Pl為如前所述LSH函數(shù)中所給定的概率。
[0046] 本實施例中也可以采用如多維索引就技術如：gridfile、k-d-B樹、四叉樹、hB樹、 R樹及其變種R+樹和R*樹等，這些都是基于空間或基于數(shù)據(jù)分布的劃分方法，通過上述發(fā) 放生成視頻指紋庫中各敏感視頻幀特征向量的索引，具有不同索引號（如1-10000)的敏感 視頻幀特征向量，分布在內(nèi)容尋址網(wǎng)絡中的10個服務器中保存，每個服務器在內(nèi)容尋址網(wǎng) 絡中都具有對應的笛卡爾坐標。在基于內(nèi)容的視頻檢索時，其中3#服務器的獲取模塊獲 取待檢測視頻幀的特征向量后，3#服務器的查找模塊根據(jù)待比較敏感視頻幀向量的索引號 1000,以及預定義的轉換規(guī)則，從10個服務器的笛卡爾坐標中查找到對應保存的待比較敏 感視頻幀特征向量的服務器的笛卡爾坐標為（〇,〇) ;3#服務器的發(fā)送模塊根據(jù)查找到笛卡 爾坐標（〇,〇)，將待檢測視頻幀的特征向量發(fā)送給2#服務器（笛卡爾坐標為（0,0))的檢索 模塊；
[0047] 2#服務器的檢索模塊判斷待檢測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)明提供的第二實施例是一種基于美容的視頻檢索系統(tǒng)，其結構如圖3所示， 包括：
[0049] 視頻指紋庫201 :用于保存具有索引號的敏感視頻幀的特征向量，所述視頻指紋 庫，均勻分布在內(nèi)容尋址網(wǎng)絡笛卡爾坐標空間結點上的多個服務器中；
[0050] 獲取模塊202 :用于獲取待檢測視頻幀的特征向量；
[0051] 查找模塊203:用于根據(jù)視頻指紋庫中待比較敏感視頻幀的特征向量的索引號， 以及預定義的轉換規(guī)則，從各個服務器的笛卡爾坐標中查找到對應保存有待比較敏感視 頻幀的特征向量的服務器的笛卡爾坐標；
[0052] 發(fā)送模塊204 :用于根據(jù)查找到的笛卡爾坐標，將待檢測視頻幀的特征向量發(fā)送 給對應服務器的檢索模塊；
[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] 進一步，各服務器的視頻指紋庫201包括哈希表2011 :用于保存敏感視頻
[0055] 幀的特征向量，所述哈希表的編號作為敏感視頻幀特征向量的索引號；
[0056] 所述系統(tǒng)還包括：
[0057] 二次散列模塊206 :用于使用LSH算法對保存在各服務器哈希表中的各敏感視頻 幀特征向量進行散列，在對所得結果進行二次散列，得到多個散列桶；
[0058] 哈希表2011包括多個散列桶20111 :用于哈希表中的敏感視頻幀特征向量進行兩 次散列后，保存進行兩次散列后的敏感視頻幀特征向量；
[0059] 檢索子模塊2051 :用于將待檢測視頻幀的特征向量進行兩次散列，得到待檢測視 頻幀的特征向量映射到的對應的散列桶；
[0060] 判斷待檢測視頻幀的特征向量和對應散列桶中待比較敏感視頻幀特征向量的相 似度。
[0061] 進一步，二次散列模塊206 :還用于L個哈希函數(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器上的L歌哈希表gj后，通過k個LSH函數(shù)hi (.)對哈希表gj 中的各敏感視頻幀特征向量F進行散列，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] 進一步，檢索模塊205 :還用于通過計算待檢測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判斷相互之間相似度。
[0063] 顯然，本領域的技術人員可以對本發(fā)明進行各種改動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)明權利要求及其等統(tǒng)計數(shù)范圍之 內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。
【主權項】
1. 一種基于內(nèi)容的視頻檢索數(shù)學模型建立方法，其特征在于，在內(nèi)容尋址網(wǎng)絡笛卡爾 坐標空間中的結點上設有多個服務器，該方法包括： 獲取模塊獲取待檢測視頻幀的特征向量； 查找模塊根據(jù)視頻指紋庫中待比較敏感視頻幀特征向量的索引號，以及預定義的轉換 規(guī)則，從內(nèi)容尋址網(wǎng)絡中各服務器的笛卡爾坐標中查找到對應保存有待比較敏感視頻幀特 征向量的服務器的笛卡爾坐標； 發(fā)送模塊根據(jù)查找的笛卡爾坐標，將待檢測視頻幀的特征向量發(fā)送給對應服務器的檢 索模塊； 檢索模塊判斷待檢測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. 如權利要求1所述的方法，其特征在于，查找到對應笛卡爾坐標步驟前還包括： 使用局部敏感哈希表LSH算法對保存在各服務器哈希表中的各敏感視頻幀特征向量 進行散列，得到多個散列桶，將各敏感視頻幀特征向量映射到各散列桶中，同時將各哈希表 的編號作為敏感視頻幀特征向量的索引號； 發(fā)送待檢測視頻幀的特征向量給對應服務器的檢索模塊步驟后海包括： 將待檢測視頻幀的特征向量進行兩次散列，得到待檢測視頻幀的特征向量映射到的對 應的散列桶； 判斷特征向量相似度的步驟具體為： 判斷待檢測視頻幀的特征向量和對應散列桶中待比較敏感視頻幀特征向量的相似度。3. 如權利要求2所述的方法，其特征在于，使用LSH算法對保存在各服務器哈希表中的 各敏感視頻幀特征向量進行散列具體為： 用L個哈希函數(shù)g(.)將各敏感視頻幀特征向量?映射到保存在各服務器上的L個哈希 表gj中；通過Κ個LSH函數(shù)hi(.)對哈希表gj中的各敏感視頻特征向量!；進行散列，即gj =[hi(j)，· ·，hk(j) ](j= 1，2, · · ·，L)，hi(·)eH(i= 1，2, · ·k)，Η為LSH函數(shù)族。4. 如權利要求3所述的方法，氣特征在于，使用LSH算法對保存在各服務器哈希表中 的各敏感視頻幀特征向量進行散列，哈希表的個數(shù)L和個哈希表中LSH函數(shù)hi(.)的個數(shù)K具有如下關系：Ζ=?或Z= 在LSH算法的LSH函數(shù)組H= {hl，...，hm}中，其中 的2個敏感視頻幀特征向量vlv2之間的預定義的距離，P1為預定義的概率值。5. 如權利要求3所述的方法，氣特征在于，LSH函數(shù)為 滿足正態(tài)分布（高斯分布），w為任意實數(shù)，b為[0,w]之間的任意實數(shù)。6. 如權利要求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： 通過計算待檢測視頻幀的特征向量和對應散列桶中待比較敏感視頻幀特征向量的歐 式距離來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：用于保存具有索引號的敏感視頻幀特征向量，所述視頻指紋庫，均勻分布 在內(nèi)容尋址網(wǎng)絡笛卡爾坐標空間結點上的多個服務器中； 獲取模塊：用于獲取待檢測視頻幀的特征向量； 查找模塊：用于根據(jù)視頻指紋庫中待比較敏感視頻幀特征向量的索引號，以及預定義 的轉換規(guī)則，從各服務器的笛卡爾坐標中查找到對應保存有待比較敏感視頻幀特征向量的 服務器的笛卡爾坐標； 發(fā)送模塊：用于根據(jù)查找到的笛卡爾坐標，將待檢測視頻幀的特征向量發(fā)送給對應服 務器的檢索模塊； 檢索模塊：用于判斷待檢測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. 如權利要求7所述的系統(tǒng)，其特征在于。 各服務器的視頻指紋庫包括哈希表：用于保存敏感視頻幀特征向量，所述哈希表的編 號作為敏感視頻幀特征向量的索引號； 所述系統(tǒng)還包括； 二次散列模塊：用于使用LSH算法對保存在各服務器哈希表中的各敏感視頻幀特征向 量進行散列，再對所得結果進行二次散列，得到多個散列桶； 哈希表包括多個數(shù)列桶：用于哈希表中的各敏感視頻幀特征向量進行兩次散列后保存 進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：用于將待檢測視頻幀的特征向量進行兩次散列，得到待檢測視頻幀的特 征向量映射到的對應散列桶； 判斷待檢測視頻幀的特征向量和對應散列桶中待比較敏感視頻幀特征向量的相似度。9. 如權利要求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 服務器上的L個哈希表gj后，通過K個LSH函數(shù)hi(.)對哈希表gj中的各敏感視頻幀特 征向量?進行散列，即gj=[hi(j)，· · ·，hk(j)](j= 1,2. · ·，L)，hi(·)eH(i= 1，2, · · k)，H為LSH函數(shù)族。10. 如權利要求7所述的系統(tǒng)，其特征在于： 檢索模塊：還用于通過計算待檢測視頻幀的特征向量和待比較敏感視頻幀特征向量的 歐式距離來判斷相互之間相似度。
【專利摘要】本發(fā)明公開了一種基于內(nèi)容的視頻檢索數(shù)學模型建立方法，為了解決基于內(nèi)容的視頻檢索的效率較低的問題，本發(fā)明公開的方法包括：獲取待檢測視頻幀的特征向量；根據(jù)視頻指紋庫中待比較敏感視頻幀特征向量的索引號，以及預定義的轉換規(guī)則，查找到對應的笛卡爾坐標；根據(jù)查找到的笛卡爾坐標，將待檢測視頻幀的特征向量發(fā)送給對應服務器的檢索模塊；檢索模塊判斷待檢測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，由于應用內(nèi)容尋址網(wǎng)絡對視頻指紋庫進行合理組織，建立索引，獲取待檢測視頻實例后，采用某種檢索算法從指紋庫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】G06F17/30
【公開號】CN105302833
【申請?zhí)枴緾N201410359465
【發(fā)明人】武建文
【申請人】上海極譽實業(yè)有限公司
【公開日】2016年2月3日
【申請日】2014年7月24日