一种基于人类运动显著轨迹的视频分类方法

摘要

本发明涉及一种基于人类运动显著轨迹的视频分类方法，包括以下步骤：将视频集M划分成训练集M_t和测试集M_v，使用SIFT和稠密光流技术在多尺度空间上跟踪每一个视频中人类运动信息，获得每一个视频的运动显著轨迹；分别提取每个轨迹的特征描述向量；使用PCA方法消除特征描述向量中的冗余信息，对每一类特征描述向量进行降维；利用高斯混合模型对训练集M_t中的特征描述向量进行聚类，再使用Fisher Vector方法生成视频集M中每一个视频的Fisher向量；在训练集M_t上，构建线性SVM分类模型；在测试集M_v上，使用该线性SVM分类模型对测试集中的视频进行分类。与现有技术相比，本发明具有鲁棒性好、计算效率高等优点。

主权项

一种基于人类运动显著轨迹的视频分类方法，其特征在于，包括以下步骤：步骤1：将视频集M划分成训练集M_t和测试集M_v，使用SIFT和稠密光流技术在多尺度空间上跟踪每一个视频中人类运动信息，获得每一个视频的运动显著轨迹；步骤2：分别提取每个轨迹的特征描述向量，所述的特征描述向量包括梯度直方图向量、光流直方图向量、x分量运动边界直方图向量和y分量运动边界直方图向量；步骤3：使用PCA方法消除特征描述向量中的冗余信息，对每一类特征描述向量进行降维；步骤4：利用高斯混合模型对训练集M_t中的特征描述向量进行聚类，再使用Fisher Vector生成视频集M中每一个视频的Fisher向量；步骤5：在训练集M_t上，使用其中所有视频的Fisher向量做为线性SVM的输入，构建线性SVM分类模型，输出训练好的线性SVM分类模型；步骤6：在测试集M_v上，使用步骤5获得的线性SVM分类模型对测试集中的视频进行分类。