[发明专利]视频检测系统和方法

说明书

相关专利申请的交叉引用

本申请要求2007年4月13日提交的美国临时申请No.60/923,412的权益。该申请的全部教导被在此引入以作参考。

发明领域

本发明涉及一种基于内容的检索系统。具体来说，本发明涉及一种用来监控视频内容的视频特征检测、识别及分类系统。

发明背景

到达终端用户设备的宽带通信信道的可用性已经使得图像、音频和视频内容的媒体覆盖无处不在。在全球范围内传送的多媒体内容的日益增多的数量促进了对于智能内容管理的需求。供应商必须对其内容进行组织，并且必须能够检测未经授权的广播、使用以及改变。类似地，广播商和市场研究人员想要知道特定的片段(footage)在何时何地已经被广播。内容监控、市场趋势分析以及版权保护是数字媒体的新领域中的新兴应用

基于内容的检索(CBR)系统通常被用来访问、组织以及分析以数字数据表示的形式存储的信息。可以对所述数字数据表示进行搜索或者按照其他方式对其进行查询，以便确定与现有的数字数据表示的目标集合的匹配。可以通过所查询的数字数据表示与现有的数字数据表示集合之间的相似度来确定匹配。这些数字数据表示通常可以被如下分类：数字文字、数字图形、数字图像、数字音频、数字视频、数字音频和视频及其组合。

每一种数字数据表示分类通常共享特定于其分类的属性或特征。可以使用特征模型来识别及定义特定于某一分类的特征，并且通过某一分类的特征空间中的特征集合来表示该给定分类中的每一项数字数据表示。因此，可以把一项查询限制到将所查询的数字数据表示的特征集合与现有的数字数据表示集合的特征集合相匹配，其中所查询的和现有的数字数据表示特征都处在相同的特征空间内。

对特征进行匹配通常自动要求首先把特征简化成数字值集合。这可以利用特征数据集合和特征量度来实现，其可以被用于根据一条或更多条被称为特征度量的规则来进行匹配。特征度量通常由在所查询的与目标数字数据表示特征空间的特征中的相应的特征数据集合单元之间所测量的距离来决定。K维特征空间中的这种距离度量通常被称作K维最近邻居查询或K-NN查询。

在1970年代中期引入了诸如树结构之类的分级结构来索引K-NN查询。Guttman在1984年提出了一种R树索引结构，其后，Sellis在1987年提出了一种R⁺树变型，Beckman在1990年提出了一种动态R^*树变型。在每一种上面提到的树结构中，特征被定义在叶结构中，即所述特征空间的分区(partitions)。可以找到与跨越所述各分区的非正则凸子空间的距离。在维度K大于近似20并且具有低距离度量方差的特征空间内，所述非正则凸子空间使得在每一种上面提到的树结构中索引的K-NN查询几乎无法处理。

由Faloutsos于1995年以及由Ng和Sedighain于1996年实现的主分量分析方法利用Karhunen-Loeve变换的快速近似减少了特征空间维度。但是随着特征空间维度的显著减少，结果一致表明K-NN查询的精度会有损失。

特征空间内的关系数据库去除了所述树结构拓扑，从而允许定义量度空间，以便在没有所述树结构拓扑本身的固有信息的情况下跨越所述树结构拓扑。在1 999年，Vleugels实现了一种量度空间以及量度空间到d维优势空间(vantage-space)的变换，从而产生用于K-NN查询的特征度量，但是在从关系数据库到树结构数据库的变换过程中损失了查询精确度。

第二组关系数据库方法由Chiueh在1994年和Ciaccia在1997年实现。Chiueh的优势点树和Ciaccia的M树都把特征空间递归地分区成越来越小的特征子空间，其中每一个特征子空间由正则超球面定义。在K-NN查询中搜索各超球面的矩心，从而降低了复杂度。

利用前面提到的树结构、关系数据库结构以及所述树结构与关系数据库结构的组合的K-NN查询没有利用到许多数字数据表示的特征集合中所固有的特征集合正交性。通过根据所定义的特征集合的固有性质对特征进行迭代聚类，可以把特征空间中的各特征聚类递归地分区成越来越小的分离特征子空间(即巢状分离特征子空间)，其中每一个所述子空间由正则超球面定义。

涉及到包括分离超球面的特征子空间的K-NN查询允许进行部分搜索并且对于减少了的搜索时间提高了搜索精度。

发明概要