基于新型语义空间的视频检索方法

摘要

本发明提出了一个基于新型语义空间的视频检索方法。该方法首先会将所有的概念构建一个概念空间，并且对每个概念构建一个检测器，用于将视频中的低级特征映射到概念空间中。针对构建好的概念空间，对其进行谱分解，得到多个“关键概念”张成的语义空间。再根据该语义空间，构建一个全局的本体语义空间，该空间用来衡量不同概念之间的相似度。该发明解决了检索过程中，对于不同概念之间无法直接进行统一和全局的比较的问题，从而提高了检索视频的精度。

主权项

1.基于新型语义空间的视频检索方法，其特征在于：构建传统概念语义空间：给定一组基础的概念语义，构成传统概念语义空间C=[C₁,C₂,.......C_N]，其中每个C_i为一个概念的语义，每个概念C_i对应一个检测器d_i，用以将视频的低级特征映射到概念空间中；构建新的语义空间B，其步骤包括以下步骤：步骤A1：对传统概念语义空间进行转换，得到新的完备和紧致的语义空间P，步骤A2：将C空间中的语义映射到P空间中，然后的进行层次聚类，该聚类的结果构建一个树形结构，用来表达概念之间的从属和推广能力；步骤A3：选择表达P空间中本体的概念之间相似度度量的策略，使用WUP来表达具有从属和推广能力的相似度，其中D(p_ij)表示概念Ci和概念Cj的最低的公共父亲节点的深度，L(C_i，C_j)表示Ci和Cj之间的路径的长度；步骤A4：采用步骤A3计算P空间中的每个概念与其他概念的相似度，构造一个关系矩阵R，R为对称矩阵，对R进行谱分解，公式如下：$R=\mathrm{V\Lambda }{V}^T={\left(V{\Lambda }^{\frac{1}{2}}{V}^T\right)}^T\left(V{\Lambda }^{\frac{1}{2}}{V}^T\right)$V为R的特征向量矩阵，Λ为特征值对角矩阵；抽取其中的基向量构造新的语义空间B，公式如下：检索过程，具体包括以下步骤：步骤B1：对于一个属于传统语义概念空间C的未知语义将其映射到P空间中，形成将映射到新的B空间中，映射公式为：计算B空间中向量间的相似度，这里采用余弦相似度来计算，计算公式为：公式中B_i、B_j新的语义空间B中的向量；步骤B2：对每个视频的关键帧，使用每个传统语义概念Ci所对应的概念检测器d_i，响应超过一定阈值，则将其对应的C_i加入到集合S中，并对S中的每个语义概念进行步骤B1中的映射，形成新的语义集合N，计算与N中的余弦相似度，进行排序，选取前K个视频作为返回视频。