【技术实现步骤摘要】
海量视频的视频内容分析方法和视频事件信息网络
[0001]本专利技术涉及视频处理领域,特别是涉及一种海量视频的视频内容分析方法和视频事件信息网络
。
技术介绍
[0002]目前对于海量视频的筛选和分析,大多是通过视频指纹比对的方法,视频指纹比对方法包括将图像颜色直方图特征作为视频指纹,以及基于视频图像二维离散余弦变换的视频指纹,根据视频指纹进行海量视频的内容分析和不同视频之间的内容关联分析
。
[0003]但是上述方式的抗噪声能力差,视频检测精度低,影响视频关联性判断结果,例如,当对某视频进行幅形比变换或添加水印等视频的帧图形变换之后,视频的实质内容仍然一样,但是变换后的视频指纹与原有视频指纹相比会发生改变,即现有视频事件的关联性分析判断方法的检测精度不高
。
[0004]另外,现有基于深度学习的视频分析比对方式对样本库的依赖性较高,需要根据大量的样本视频进行模型训练,训练成本高,训练时间长且抗噪能力差,导致视频内容分析的效率不高
。
技术实现思路
[0005]有鉴于此,本申请的目的在于提出一种海量视频的视频内容分析方法和视频事件信息网络,本申请能够针对性的解决现有在海量视频的内容关联分析方面精度和效率不高的问题
。
[0006]基于上述目的,第一方面,本申请提出了一种海量视频的视频内容分析方法,所述方法包括:获取待处理视频,对所述待处理视频进行预处理,得到归一化视频;对所述归一化视频进行粒化处理,得到视频事件序列,所述视频事件序列包括至 ...
【技术保护点】
【技术特征摘要】
1.
一种海量视频的视频内容分析方法,其特征在于,所述方法包括:获取待处理视频,对所述待处理视频进行预处理,得到归一化视频;对所述归一化视频进行粒化处理,得到视频事件序列,所述视频事件序列包括至少一个视频事件,所述视频事件是指一个镜头内所有内容帧的集合,所述内容帧是指表示镜头内容的帧,包括首帧
、
尾帧和
N
个中间帧,
N
为自然数,所述中间帧通过对一个镜头的除首尾两帧之外的所有子帧顺序与其前一个内容帧进行差异率计算,当所述差异率大于预设阈值时得到;对所述视频事件的内容帧进行分析计算,得到所述视频事件的特征数据;根据所述视频事件的特征数据,在视频事件信息空间中构建视频事件信息网络,所述视频事件信息网络是基于视频事件信息空间以多级树集合为基础构造的森林结构,所述视频事件信息空间是指视频事件特征向量所在的多维向量空间,所述视频事件特征向量为在相同坐标系下对内容帧集合提取特征矩阵后计算得到
。2.
根据权利要求1所述的方法,其特征在于,对所述归一化视频进行粒化处理,得到视频事件序列,包括:根据所述归一化视频中帧序列进行镜头检测,得到镜头序列,所述镜头序列包括至少一个镜头;对所述镜头序列中每一镜头的视频帧序列进行内容帧提取,得到每个镜头的内容帧序列;根据所述镜头序列和所述内容帧序列得到所述视频事件序列
。3.
根据权利要求1所述的方法,其特征在于,对所述视频事件的内容帧进行分析计算,得到所述视频事件的特征数据,包括:根据所述视频事件的内容帧集合中内容帧的帧数,得到视频事件的内容帧数量;根据所述视频事件的内容帧集合中每一内容帧的特征矩阵,得到所述视频事件的特征向量
。4.
根据权利要求3所述的方法,其特征在于,所述视频事件为所述视频事件序列中的第一视频事件,根据所述视频事件的特征数据,在视频事件信息空间中构建视频事件信息网络,包括:将所述第一视频事件作为视频事件信息网络的第一根节点,构建所述视频事件信息网络
。5.
根据权利要求4所述的方法,其特征在于,所述视频事件为所述视频事件序列中的第二视频事件,在将所述第一视频事件作为视频事件信息网络的第一根节点,构建所述视频事件信息网络之后,所述方法进一步包括:判断所述第二视频事件是否与所述第一视频事件相似,若是,则确定所述第二视频事件为所述第一根节点的子节点;若否,则确定所述第二视频事件为第二根节点;将第二视频事件作为所述第一根节点的子节点或者所述第二根节点添加至所述视频事件信息网络
。6.
根据权利要求5所述的方法,其特征在于,判断所述第二视频事件是否与所述第一视频事件相似,包括:判断所述第二视频事件的内容帧数量和所述第一视频事件的内容帧数量的差值的绝
对值是否小于等于第一阈值,若否,确定所述第二视频事件和所述第一视频事件不相似;若是,判断所述第二视频事件和所述第一视频事件的特征向量差异率是否小于等于第二阈值,若否,确定所述第二视频事件和所述第一视频事件不相似;若是,判断所述...
【专利技术属性】
技术研发人员:汪昭辰,刘世章,
申请(专利权)人:青岛尘元科技信息有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。