[發明專利]基于抽取視頻關鍵邏輯信息檢索視頻的方法及系統

在審

• 申請號: 201710116356.5
• 申請日: 2017-03-01
• 公開（公告）號: CN107025267A
• 公開（公告）日: 2017-08-08
• 發明（設計）人: 袁聰;李首峰;陳放
• 申請（專利權）人: 國政通科技股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N3/04;G06N3/08
• 代理公司: 北京辰權知識產權代理有限公司11619
• 代理人: 董李欣

技術領域

本發明涉及視頻檢索領域，特別涉及一種基于抽取視頻關鍵邏輯信息檢索視頻的方法及系統。

背景技術

計算機技術和多媒體技術的發展極大地改變了人們的生活和工作方式，以文字、圖像、聲音和影像等形式表現的多媒體數據日益豐富，逐漸成為人們獲取信息，進行交流的重要方式，視頻、音頻、圖像等媒體形式對人們的生活產生了越來越大的影響。其中視頻直觀生動、內容豐富，是人們獲取信息的最重要的方式之一。據統計顯示，人們得到的信息80％都是通過視覺獲取的。

隨著近年來視頻監控系統的大力建設，各個行業的攝像機越建越多。僅僅在平安城市的建設中，至2010年，根據北京市公安局的統計數據，公安建設的各類監控有270多萬個，共享社會資源300多萬個。在傳統的視頻監控模式下，通過有限的電視墻人工監控來監看實時事件；通過人工根據時間段和大致地點來查找已發生的事件。如此多的攝像頭，極少量的電視墻，人工實時監視根本無法顧及。統計信息顯示，人工不能有效監控多個電視屏幕，操作人員盯著屏幕電視監控超過10分鐘后將漏掉90％的視頻信息，來自其他事件將會干擾監控的效果(例如電話、聊天等)。在發生事件后，通過人工來檢索事件變得比較困難而低效，大部分事件稍一疏忽就會遺漏過去。

通過攝像機拍攝的網絡視頻資源的特點是種類繁多、視頻質量參差不齊、更新變化快、易于獲取、能及時反映出主流互聯網用戶的偏好，而為了滿足用戶對視頻內容多樣化的需求，亟需一種穩定的、增量式的且具有持續性的視頻查找方法。

視頻影像具有時序性與豐富的信息內涵，常用于交待事物的發展過程。視頻數據由連續的靜止圖像幀組成，具有蘊含信息量大、直觀和表達能力強等優點,漸漸地受到人們的青睞,已經成為日常生活中最重要的信息載體。然而,視頻數據是無序的、非結構化的；那么如何對這種非結構化數據進行有效的組織、管理、索引與查詢是一個關鍵問題。

發明內容

本發明的目的是通過以下技術方案實現的。

本發明提出了一種基于抽取視頻關鍵邏輯信息檢索視頻的系統，所述系統包括：

第一獲取模塊，用于獲取待分析的視頻資源；

第二獲取模塊，用于獲取并分析視頻內容資源庫的需求信息，根據獲取到的需求信息與視頻資源，創建視頻資源基礎搜索引擎；

查重去重模塊，用于建立基于需求信息的視頻資源基礎數據庫，分析所建立的視頻資源基礎數據庫，對其執行查重和去重操作，對重復的視頻信號進行標記并記錄；

第一分析模塊，用于根據每條視頻記錄的分析結果創建已有視頻資源的增量搜索引擎，令其定時觸發，并根據預設規則重新執行查重和去重操作。

根據本發明的一個方面，所述查重去重模塊，還配置用于，對于非關鍵元數據缺失的有效視頻記錄先進行元數據補全，再提取出每條視頻記錄中該視頻是否完結的相應元數據字段，判斷該視頻記錄是否有后續的關聯視頻，若有則對該條視頻記錄添加未完結標志位，并提取出后續視頻的下載或播放地址的映射鏈接，得到每條視頻記錄的分析結果。

根據本發明的一個方面，在視頻資源基礎搜索引擎中，使用經卷積神經網絡訓練的濾波器系數和參數，對視頻中的關鍵信息進行識別、抽取、檢測和區分。

根據本發明的一個方面，在使用卷積神經網絡時，將視頻資源中的圖像與一組訓練獲取的濾波器系數進行卷積；

所述卷積處理操作包括：將輸入的圖像與一組可訓練的濾波器系數fx進行卷積,加入偏置bx,得到卷積層Cx；

對經過卷積處理操作的圖像進行下采樣處理操作；

所述下采樣包括：對圖像進行下采樣，特征圖中的每個單元與卷積層Cx中相對應的2*2領域相連接，下采樣層中的每個單元的四個像素輸入相加變為一個像素，然后乘以可訓練參數Wx+1，再加上可訓練偏置bx+1，結果通過sigmoid函數計算；

Sigmoid函數的定義為：Sigmoid函數把實數域光滑的映射到[0,1]空間。

根據本發明的一個方面，采用所述系統進行人臉識別。

本發明還提出了一種基于抽取視頻關鍵邏輯信息檢索視頻的方法，所述方法包括如下步驟：

步驟一、獲取待分析的視頻資源；

步驟二、獲取并分析視頻內容資源庫的需求信息，根據獲取到的需求信息與視頻資源，創建視頻資源基礎搜索引擎；

步驟三、建立基于需求信息的視頻資源基礎數據庫，分析所建立的視頻資源基礎數據庫，對其執行查重和去重操作，對重復的視頻信號進行標記并記錄；