买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江西添鹏科技发展有限公司

摘要：本发明公开了基于语义深度模型的视频查询检索方法及系统，属于信息检索技术领域。为解决对于视频进行检索的检索结果准确度和相关性较差的问题，通过深度学习技术能够从视频中提取丰富且全面的特征信息，更精确地描述视频内容，通过构建深度神经网络模型，将提取的视频特征映射到语义空间中，生成语义向量表示，有效地实现了从图像特征到语义理解的转化，显著提高了视频检索的准确性和效率，根据用户输入的查询条件，通过计算两个语义向量之间的相似度，在视频库中快速检索出语义上最相似的视频，并根据相似度排序，为用户提供了更加友好和实用的查询体验，可以灵活地应用于各种类型的视频库和不同的查询条件，具有良好的可扩展性和适应性。

主权项：1.基于语义深度模型的视频查询检索方法，其特征在于，包括以下步骤：步骤一：利用深度学习技术，从视频中提取出丰富的特征信息，所述特征信息包括颜色、纹理、形状、运动；步骤二：构建一个深度神经网络模型，将提取出的视频特征映射到语义空间中，生成语义向量；步骤三：通过计算两个语义向量之间的相似度，衡量两个视频在语义层面的相似程度；步骤四：根据用户输入的查询条件，在视频库中检索出语义上最相似的视频，首先对用户输入的查询条件进行语义向量表示，随后在视频库中寻找与该语义向量最相似的视频；步骤五：根据相似度计算结果，对检索出的视频进行排序，将最符合用户需求的视频排在前面；其中，在步骤四中，对用户输入的查询条件的语义向量与视频库中每个视频的语义向量的相似度进行计算，并根据相似度阈值对视频库中每个视频相似度进行比对，得到与用户输入查询条件的语义向量最相似的视频；基于语义深度模型的视频查询检索系统，应用在上述的基于语义深度模型的视频查询检索方法中，包括：特征提取模块，用于：利用深度学习技术对输入的视频进行深度分析，从输入的视频中提取颜色、纹理、形状、运动特征信息；语义建模模块，用于：构建深度神经网络模型，将视频特征映射到语义空间中，捕捉视频内容的时序信息和上下文关系，生成语义向量表示；相似度计算模块，用于：通过计算两个语义向量之间的相似度，衡量两个视频在语义层面的相似程度；视频检索模块，用于：根据用户输入的查询条件在视频库中检索出语义上最相似的视频，对用户输入的查询条件进行语义向量表示，随后在视频库中寻找与该语义向量最相似的视频；结果排序模块，用于：根据相似度计算结果，对检索出的视频进行排序，调整最符合用户需求的视频排序至最前方；其中，所述相似度计算模块包括：语义向量输入单元，用于：接收来自语义建模模块的语义向量，对输入的语义向量进行格式化和预处理；相似度度量单元，用于：根据具体需求选择适合的相似度度量方法，对输入的两个语义向量进行相似度计算，得到一个数值作为相似度的度量；阈值设定单元，用于：设定相似度阈值，根据实际检索效果和用户反馈，动态调整相似度阈值；其中，阈值设定单元，包括：阈值初始值提取模块，用于提取相似度阈值初始值；周期时长设置模块，用于设置相似度阈值的观测周期时长；其中，所述相似度阈值的观测周期时长包括30-90个单位时长，并且，所述单位时长为24h；比较结果提取模块，用于针对每个观测周期提取观测周期内所有的两个语义向量对应的相似度数值与相似度初始阈值之间的比较结果；真实相似度数值提取模块，用于当所述两个语义向量对应的相似度数值与相似度初始阈值之间的比较结果表明两个语义向量的相似度数值低于对应的相似度阈值时，调取实际检索效果和用户反馈中所包含的所述两个语义向量的真实相似度数值；阈值调整判断模块，用于利用所述真实相似度数值和两个语义向量对应的相似度数值之间的差异判断是否需要对所述相似度初始阈值进行调整；调整执行模块，用于当确定需要对所述相似度初始阈值进行调整时，利用阈值调整模型对所述相似度初始阈值进行调整；其中，所述阈值调整模型结构如下： 其中，Syt表示相似度初始阈值进行调整后对应的相似度阈值；Swy表示预设的判定阈值；Sq表示相似度判定值；k表示观测周期的总个数；Swj表示第j个观测周期的相似度判断稳定性参数；S01j和S02j分别表示第j个观测周期的第一相似度稳定性参量和第二相似度稳定性参量；Sy表示相似度阈值；λ表示比例参数。

全文数据：

权利要求：

百度查询： 江西添鹏科技发展有限公司 基于语义深度模型的视频查询检索方法及系统