基于MoSIFT和CSD特征的暴恐视频检测方法

摘要

本发明提供了一种基于MoSIFT和CSD特征的暴恐视频检测方法，包括步骤1：计算视频的CSD；步骤2：对CSD特征进行最大动态密度点的计算；步骤3：计算CSD的分数；步骤4：计算视频的MoSIFT；步骤5：对MoSIFT特征进行纵向降维；步骤6：对视频进行横向降维；步骤7：对MoSIFT特征进行聚类；步骤8：训练SVM-1；步骤9：计算MoSIFT分数；步骤10：训练SVM-2；步骤11：得到分类结果。本发明较好得利用了视频MoSIFT和CSD两方面的特征，降低了算法的复杂度，并且具有较好的检测效果。

主权项

一种基于MoSIFT和CSD特征的暴恐视频检测方法，其特征在于，包括如下步骤：步骤1：分别提取测试视频、训练视频的MoSIFT特征；步骤2：对提取的测试视频、训练视频的MoSIFT特征进行数量和维度削减；步骤3：对数量和维度削减后的训练视频MoSIFT特征进行聚类，得到聚类中心矩阵；步骤4：根据聚类中心矩阵得到对应的聚类中心，利用所述聚类中心统计训练视频和测试视频的词袋，得到训练样本和测试样本；步骤5：利用所述训练样本训练SVM分类器，得到分类器，记为SVM‑1；步骤6：利用SVM‑1在训练样本、测试样本上分别进行分类计算，计算得到分数，记为MoSIFT分数；步骤7：分别提取训练视频、测试视频的CSD特征；步骤8：利用均值动态密度点Mean Diversity Density，简称MDD方法，计算训练样本的最大动态密度点MP；步骤9：根据训练样本的最大动态密度点MP分别计算训练样本、测试样本的CSD分数；步骤10：利用训练样本的MoSIFT分数和CSD分数训练SVM分类器，得到训练好的分类器记为SVM‑2；步骤11：利用SVM‑2在测试样本的MoSIFT分数和CSD分数上，进行分类，进而完成对测试视频进行分类。