一种基于社会信息的网络视频在线地理定位系统

本发明公开了一种基于社会信息的网络视频在线地理定位方法，其特征在于，包括：步骤100，将全球地区划分成网格，使网格的每一个区块对应一个地区；步骤200，输入待定位的视频，获取视频的网格；步骤300，建立所述视频的相似度矩阵W；步骤400，利用步骤300的视频相似度矩阵，通过标签传播算法将已标记视频数据的标签根据相似度，联系传播给未标记的视频数据；步骤500，标签传播算法收敛后，得到了待定位的视频V在每个地理区块的分布情况，其中具有最大分布值的地理区块为待定位的视频V的地理区块，同时显示预测的地理区块。

1.一种基于社会信息的网络视频在线地理定位方法，其特征在于，包括：步骤100，将全球地区划分成网格，使网格的每一个区块对应一个地区；步骤200，输入待定位的视频，获取视频的网格；步骤300，建立所述视频的相似度矩阵W；步骤400，利用步骤300的视频相似度矩阵，通过标签传播算法将已标记视频数据的标签根据相似度，联系传播给未标记的视频数据；步骤500，标签传播算法收敛后，得到了待定位的视频V在每个地理区块的分布情况，其中具有最大分布值的地理区块为待定位的视频V的地理区块，同时显示预测的地理区块。
2.如权利要求1所述的网络视频在线地理定位方法，其特征在于，所述步骤100中网格将全球进行相等面积的划分。
3.如权利要求1所述的网络视频在线地理定位方法，其特征在于，所述步骤200还包括：步骤210，待定位的视频V，通过应用程序获取个带GPS标注的相关视频和相同作者的视频L，其中V代表为标记的视频数据，L代表已标记的视频数据，步骤220，将L中的所有视频数据根据其GPS标注获取相应网格号，L个视频数据位于C个不同的网格中，C表示L个视频分属于不同网络的网络数量。
4.如权利要求3所述的网络视频在线地理定位方法，其特征在于，所述步骤300还包括：步骤310，得到的待定位的视频V与带GPS标注的相关视频与相同作者视频L，融合视觉与文本信息计算其相似度，建立视频(l+1)×(l+1)相似度矩阵W。
5.如权利要求4所述的网络视频在线地理定位方法，其特征在于，所述步骤301还包括：步骤311，将视频的标签利用波特词根还原法词根化以后，为每个视频建立其文本特征向量；步骤312，执行步骤311中所述的特征向量利用余弦距离计算出视频的文本相似度TIJ；步骤313，将视频抽取关键帧后，抽取每帧的尺度特征不变转换描述子并利用视觉关键词技术形成视觉特征向量来表示该帧的视觉信息；步骤314，将步骤313中所述的特征向量利用余弦距离计算出视频帧间的视觉相似度，两个视频的最大帧间相似度被认定为是视频间的视觉相似度VIJ；步骤315，将步骤312与步骤314中所述的视频的文本相似度与视觉相似度进行后融合，得到了视频的相似度度量WIJ＝0.6TIJ+0.4VIJ将文本相似度与视觉相似度加权融合；步骤316，将视频数据V与视频数据L中的所有视频按照步骤311到步骤315中的方法计算相似度以后，形成了(l+1)×(l+1)视频相似度矩阵W。
6.如权利要求3所述的网络视频在线地理定位方法，其特征在于，所述步骤400还包括：步骤410，根据步骤300中得到的视频相似度矩阵W，建立视频转移概率矩阵P，其中 P ij = P ( i → j ) = w ij Σ k = 0 l w ik ; ]]>步骤420，对于个带GPS标注的相关视频与相同作者视频L，建立l×C的标签分布矩阵M_L，矩阵M_L的每一行表示一个已标注视频的区域分布情况，如果一个视频分布在区域i，那么这一行在第i项为1，其余为0；步骤430，针对个已标注视频和一个未标注视频建立(l+1)×C的标签分布矩阵F，F的初始化根据已标注数据和未标注数据的不同而不同，对于未标注数据F_U的分布来说，它是平均分布的C个区块的，每个区块的概率为1/C，而对于已标记的数据来说，F_L的初始化跟M_L一致；步骤440，根据步骤410中的视频转移概率矩阵P来传播标签：F←PF；步骤450，为了避免已标记数据的标签流失，将F_L与M_L保持一致；步骤460，迭代运行步骤440与步骤450，直至F_U收敛；步骤470，将视频数据V定位到F_U最大分布值所在的区块中。
7.一种基于社会信息的网络视频在线地理定位系统，其特征在于，包括：生成网格模块，用于将全球地区划分成网格，使网格的每一个区块对应一个地区；获取视频模块，用于输入待定位的视频，获取视频的网格；建立矩阵模块，用于建立所述视频的相似度矩阵W；相似度模块，用于将建立矩阵模块的视频相似度矩阵，通过标签传播算法将已标记视频数据的标签根据相似度，联系传播给未标记的视频数据；定位模块，用于标签传播算法收敛后，得到了待定位的视频V在每个地理区块的分布情况，其中具有最大分布值的地理区块为待定位的视频V的地理区块，同时显示预测的地理区块。
8.如权利要求7所述的网络视频在线地理定位系统，其特征在于，所述获取视频模块还包括：视频输入模块，用于待定位的视频V，通过应用程序获取个带GPS标注的相关视频和相同作者的视频L，其中V代表为标记的视频数据，L代表已标记的视频数据，生成网格号模块，用于将L中的所有视频数据根据其GPS标注获取相应网格号，L个视频数据位于C个不同的网格中，C表示L个视频分属于不同网格的网格数量。
9.如权利要求8所述的网络视频在线地理定位系统，其特征在于，所述建立矩阵模块还包括：矩阵模块，用于得到的待定位的视频V与带GPS标注的相关视频与相同作者视频L，融合视觉与文本信息计算其相似度，建立视频(l+1)×(l+1)相似度矩阵W。
10.如权利要求9所述的网络视频在线地理定位系统，其特征在于，所述矩阵模块还包括：特征向量模块，用于将视频的标签利用波特词根还原法词根化以后，为每个视频建立其文本特征向量；执行特征向量模块中所述的特征向量利用余弦距离计算出视频的文本相似度TIJ；将视频抽取关键帧后，抽取每帧的尺度特征不变转换描述子并利用视觉关键词技术形成视觉特征向量来表示该帧的视觉信息；所述的特征向量利用余弦距离计算出视频帧间的视觉相似度，两个视频的最大帧间相似度被认定为是视频间的视觉相似度VIJ；所述的视频的文本相似度与视觉相似度进行后融合，得到了视频的相似度度量WIJ＝0.6TIJ+0.4VIJ将文本相似度与视觉相似度加权融合；将视频数据V与视频数据L中的所有视频计算相似度以后，形成了(l+1)×(l+1)视频相似度矩阵W。
11.如权利要求8所述的网络视频在线地理定位方法，其特征在于，所述定位模块还包括：定位建立模块，根据建立矩阵模块中得到的视频相似度矩阵W，建立视频转移概率矩阵P，其中对于l个带GPS标注的相关视频与相同作者视频L，建立l×C的标签分布矩阵M_L，矩阵M_L的每一行表示一个已标注视频的区域分布情况，如果一个视频分布在区域i，那么这一行在第i项为1，其余为0；针对l个已标注视频和一个未标注视频建立(l+1)×C的标签分布矩阵F，F的初始化根据已标注数据和未标注数据的不同而不同，对于未标注数据F_U的分布来说，它是平均分布的C个区块的，每个区块的概率为1/C，而对于已标记的数据来说，F_L的初始化跟M_L一致；根据所述视频转移概率矩阵P来传播标签：F←PF；为了避免已标记数据的标签流失，将F_L与M_L保持一致；迭代运行上述算法，直至F_U收敛；将视频数据V定位到F_U最大分布值所在的区块中。