发明名称 | 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<sub>t</sub>和测试集M<sub>v</sub>,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<sub>t</sub>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<sub>t</sub>上,构建线性SVM分类模型;在测试集M<sub>v</sub>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。 | ||
申请公布号 | CN104036287A | 申请公布日期 | 2014.09.10 |
申请号 | CN201410208197.8 | 申请日期 | 2014.05.16 |
申请人 | 同济大学 | 发明人 | 王瀚漓;易云 |
分类号 | G06K9/62(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
代理机构 | 上海科盛知识产权代理有限公司 31225 | 代理人 | 赵继明 |
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<sub>t</sub>和测试集M<sub>v</sub>,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<sub>t</sub>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<sub>t</sub>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<sub>v</sub>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。 | ||
地址 | 200092 上海市杨浦区四平路1239号 |