基于自顶向下运动注意机制的视频事件识别方法

摘要

本发明是一种基于自顶向下运动注意机制的视频事件识别方法，包括步骤S1：利用高斯差分检测子，在计算机上检测视频集中每一个视频每一帧的兴趣点，所述视频集包括：训练视频集和测试视频集；步骤S2：对检测得到每一帧的兴趣点提取尺度不变特征描述子特征和光流特征；步骤S3：建立表观词汇表和运动词汇表；步骤S4：在训练视频集上学每一个运动单词关于每一类事件的概率并由此建立基于运动信息的注意直方图；步骤S5：采用推土机距离计算视频集中的视频之间的相似度，并生成核函数矩阵；步骤S6：利用得到的核函数矩阵对支持向量机分类器进行训练，得到分类器参数并对测试视频集分类，输出分类结果。

主权项

一种基于自顶向下运动注意机制的视频事件识别方法，包括步骤：步骤S1：利用高斯差分检测子，在计算机上检测视频集中每一个视频每一帧的兴趣点，所述视频集包括：训练视频集和测试视频集；步骤S2：对检测得到每一帧的兴趣点提取表观特征和运动特征，所述表观特征为尺度不变特征描述子特征，所述运动特征为光流特征；步骤S3：对训练视频集中得到的尺度不变特征描述子特征和光流特征进行聚类，并分别建立表观词汇表和运动词汇表；步骤S4：在训练视频集上计算由步骤S3得到的运动词汇表中的每一个运动单词关于每一类事件的概率，并在训练视频集和测试视频集上建立基于视觉单词的运动强度直方图、基于视觉单词的运动方向直方图与基于视觉单词的运动注意直方图；步骤S5：利用步骤S4计算得到的训练视频集和测试视频集的基于视觉单词的运动强度直方图、基于视觉单词的运动方向直方图与基于视觉单词的运动注意直方图特征，采用推土机距离计算训练视频集与训练视频集中的视频之间的相似度、及训练视频集与测试视频集中的视频之间的相似度，并生成核函数矩阵；步骤S6：利用得到的核函数矩阵对支持向量机分类器进行训练，得到分类器参数，利用训练好的支持向量机分类器对测试视频集分类，输出测试视频集的分类结果。