[发明专利]基于微视频特征数据库的微视频检索方法及装置

权利要求书

1.一种微视频特征数据库的建立方法，其特征在于：

提取微视频中的图像帧，并将所述图像帧与所述微视频相关联；

归一化所述图像帧以得到归一化的图像数据；

令所述图像数据作为输入进行自编码网络预训练，以得到所述自编码网络中每层网络的权值参数和偏置参数并予以展开连接成一个完成的自编码网络；

采用BP神经网络对所述完成的自编码网络进行微调，其中，BP神经网络对所述完成的自编码网络进行微调的方法包括：

利用前向计算网络对所述完成的自编码网络进行前馈，以得到所述完成的自编码网络的中间层输出的数据；

并利用反馈修正网络对所述中间层输出的数据进行反馈，以修正所述中间层输出的数据；

将进行前馈和反馈后的所述完成的自编码网络的中间层输出的数据转换为二进制码；并将所述二进制码予以存储。

2.根据权利要求1所述的微视频特征数据库的建立方法，其特征在于，所述图像帧包括以一预设间隔频率提取所述微视频一帧的多个图像集合，且所述多个图像集合与所述微视频以多对一的映射方式相关联。

3.根据权利要求1所述的微视频特征数据库的建立方法，其特征在于，归一化所述图像帧的方法为：

令所述图像帧进行图片平滑处理，得到去噪图像；

计算所述去噪图像的平均值；

计算所述去噪图像的标准方差；

令所述去噪图像减去所述去噪图像的所述平均值并再除以所述去噪图像的标准方差，得到归一化的图像数据。

4.根据权利要求1所述的微视频特征数据库的建立方法，其特征在于，令所述图像数据进行自编码网络预训练的方法为：

令自编码网络第一层的输入为3027个可视节点单元，并令隐藏层为8192个隐藏节点单元；

令所有剩余的连接于所述自编码网络各层的受限玻尔兹曼机的隐藏层隐藏节点单元为N个，并令可见层可视节点单元为2N个；

初始化每一层的所述受限玻尔兹曼机权重为一随机实数，偏置为零；

令所述图像数据在各层所述受限玻尔兹曼机中进行学习，且每层玻尔兹曼机的学习效率为0.001。

5.一种基于权利要求1至4任一项所述的微视频特征数据库的建立方法的微视频快速检索方法，其特征在于，所述检索方法包括：

提取待检微视频的视频帧，并归一化所述视频帧以得到归一化的图像数据；

令所述图像数据作为输入以进行所述自编码网络的深度学习，以提取出所述视频帧的二进制码；

令所述视频帧的二进制码与微视频特征数据库中的二进制码进行汉明距离计算，并根据计算后的距离值对所述微视频特征数据库中的视频进行由小到大的排序并予以输出。

6.根据权利要求5所述的微视频快速检索方法，其特征在于，进行汉明距离计算所采用的方法为K-近邻算法。

7.一种微视频快速检索装置，其特征在于，包括：

视频帧提取模块，用于提取待检微视频的视频帧，并将所述视频帧与所述待检微视频相关联；

视频帧预处理模块，用于归一化所述视频帧以得到归一化的图像数据；

特征提取模块，用于令所述图像数据作为输入以进行自编码网络的深度学习，以提取出所述视频帧的二进制码；

检索模块，用于计算所述视频帧的二进制码与微视频特征数据库中的二进制码的汉明距离，并根据计算后的距离值对所述微视频特征数据库中的视频进行由小到大的排序并予以输出；

所述微视频特征数据库是采用如权利要求1-4任一项所述的微视频特征数据库的建立方法建立的。