[发明专利]物体图像挖掘方法、装置、设备以及存储介质在审

专利信息
申请号: 202010479953.6 申请日: 2020-05-29
公开(公告)号: CN111639599A 公开(公告)日: 2020-09-08
发明(设计)人: 徐志敏;孟骧龙 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/34;G06K9/46;G06K9/62;G06F16/783;G06F16/9535
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 物体 图像 挖掘 方法 装置 设备 以及 存储 介质
【权利要求书】:

1.一种物体图像挖掘方法,包括:

获取视频与视频标题,其中,所述视频标题中存在实体;

基于所述实体搜索对应的实体图像集合;

从所述视频中分割出候选物体图像;

分别对所述候选物体图像和所述实体图像集合进行特征提取,生成候选物体图像特征和所述实体图像特征集合;

计算所述候选物体图像特征与所述实体图像特征集合的相似度;

基于所述相似度对所述候选物体图像进行过滤,得到所述实体对应的物体图像。

2.根据权利要求1所述的方法,其中,所述从所述视频中分割出候选物体图像,包括:

利用视频镜头分割算法对所述视频进行分割,得到多个镜头视频片段;

利用视频图像分割算法对所述多个镜头视频片段进行分割,得到候选物体分割结果;

基于所述候选物体分割结果,确定候选物体区域;

在所述视频中分割所述候选物体区域,得到所述候选物体图像。

3.根据权利要求2所述的方法,其中,在所述利用视频镜头分割算法对所述视频进行分割,得到多个镜头视频片段之后,还包括:

去除所述多个镜头视频片段的片头和片尾。

4.根据权利要求2所述的方法,其中,所述利用视频图像分割算法对所述多个镜头视频片段进行分割,得到候选物体分割结果,包括:

对所述多个镜头视频片段中的视频帧进行视频物体分割,得到初始物体分割结果;

利用密集条件随机场模型对所述初始物体分割结果进行精细化处理,得到精细化物体分割结果;

对所述精细化物体分割结果进行图像形态学运算,得到所述候选物体分割结果。

5.根据权利要求2所述的方法,其中,所述基于所述候选物体分割结果,确定候选物体区域,包括:

将所述候选物体分割结果二值化,得到二值化物体分割结果;

从四周向中心点扫描所述二值化物体分割结果,得到所述候选物体区域。

6.根据权利要求1-5之一所述的方法,其中,所述分别对所述候选物体图像和所述实体图像集合进行特征提取,包括:

利用预先训练的通用特征提取模型,分别对所述候选物体图像和所述实体图像集合进行特征提取。

7.根据权利要求1-5之一所述的方法,其中,所述计算所述候选物体图像特征与所述实体图像特征集合的相似度,包括:

计算所述候选物体图像特征与所述实体图像特征集合中的实体图像特征的余弦距离,得到余弦距离集合;

从所述余弦距离集合中选取最大的前预设数目个余弦距离,以及将所选取的余弦距离的平均值作为所述候选物体图像特征与所述实体图像特征集合的相似度。

8.一种物体图像挖掘装置,包括:

获取模块,被配置成获取视频与视频标题,其中,所述视频标题中存在实体;

搜索模块,被配置成基于所述实体搜索对应的实体图像集合;

分割模块,被配置成从所述视频中分割出候选物体图像;

提取模块,被配置成分别对所述候选物体图像和所述实体图像集合进行特征提取,生成候选物体图像特征和所述实体图像特征集合;

计算模块,被配置成计算所述候选物体图像特征与所述实体图像特征集合的相似度;

过滤模块,被配置成基于所述相似度对所述候选物体图像进行过滤,得到所述实体对应的物体图像。

9.根据权利要求8所述的装置,其中,所述分割模块包括:

第一分割子模块,被配置成利用视频镜头分割算法对所述视频进行分割,得到多个镜头视频片段;

第二分割子模块,被配置成利用视频图像分割算法对所述多个镜头视频片段进行分割,得到候选物体分割结果;

确定子模块,被配置成基于所述候选物体分割结果,确定候选物体区域;

第三分割子模块,被配置成在所述视频中分割所述候选物体区域,得到所述候选物体图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010479953.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top