[发明专利]基于Bag of Words的视频匹配方法

权利要求书

1.一种基于Bag of Words的视频匹配方法，其特征是具体步骤如下：

（a）提取图像的局部特征；

（b）量化图像的局部特征，构建视觉关键词辞典；

（c）将图像表示为由若干视觉关键词组成的集合。

2.根据权利要求1所述的基于Bag of Words的视频匹配方法，其特征是：（a）中提取图像的局部特征的具体步骤如下：步骤1：将一个镜头内部的内容分解为复数个子镜头；

步骤2：对每个子镜头内每一帧图像进行特征抽取：（1）图像的统计特征；（2）局部区域的兴趣点描述子；

步骤3：选择64维亮度直方图作为图像的统计特征；选择计算8*8=64维SIFT描述子作为兴趣点描述子；将每帧图像分为4×4=16个区域；

步骤4：利用在线滑动窗口的方法提取子镜头，其具体算法步骤如下：

（1）利用子镜头依次进行输入视频V，提取当前帧图像T_m，提取帧特征F_m，当前活动子镜头的特征S_n；

（2）计算S_n和F_m之间的距离， 。

3.根据权利要求1所述的基于Bag of Words的视频匹配方法，其特征是：（b）量化图像的局部特征，构建视觉关键词辞典的具体步骤如下：（1）输入视频；

（2）对输入视频利用子镜头分割特征提取；

（3）将提取到的特征输入视觉关键词辞典；

（4）视觉关键词辞典构建后进行子镜头特征量化；

（5）量化后的子镜头特征作为索引的基本单位，用于构建出子镜头编码索引表和子镜头倒排索引表。

4.根据权利要求1所述的基于Bag of Words的视频匹配方法，其特征是：（c）将图像表示为由若干视觉关键词组成的集合的具体步骤如下：（1）提取局部特征，视频数据库中子镜头的所有子区域特征被k-means聚类方法量化为k个离散的特征向量，k个均值特征向量为局部特征对应的视觉关键词；

（2）子镜头的每个子区域特征被映射到这k个视觉关键词中，并用该视觉关键词对应的标号(1…k)表示；

（3）子镜头则相应地表示为16个整数，当中的每个整数与子区域映射的视觉关键词的标号对应。