[发明专利]一种视频标注方法

说明书

技术领域

本发明属于视频处理技术领域，涉及一种视频标注方法。

背景技术

就目前来说，视频自动标记相对于图像标记来说是比较新的领域。视频的自动标记的目的就是给一个未标记的视频分配一些能够反映视频内容的关键字。利用这些关键字，以后我们可以进行快速的视频检索。

视频自动标记是一项非常困难的任务，这是有很多原因造成的。首先，使用低级别的特征向量来提取能够很好表达视频内容的关键字非常困难。其次，确定关键字和它在视频中所指代的区域是一件很难的事情。现有的一些识别视频内容的技术如3D SIFT【1】、户外视频中真实动作识别(Recognizing Realistic Actions from Videos“in theWild”)【2】等仅仅对场景比较简单的视频具有很好的效果。这些视频中的背景一股是不变的，而且是比较简单的，因此从视频中很容易提取出前景。3D SIFT是对2D SIFT【4】的推广，它很好的继承了2D SIFT在图像领域的优点，对视频中的动作描述具有很好的效果。由于很大一部分人没有摄影技巧，因此在现实中所得到的视频的由于相机抖动等原因造成视频质量不好，这时一些动作识别方法如3D SIFT就无法取得好的效果。【2】提供了一个比较好的方法来解决这个问题，他不仅提取视频中的动态信息，而且还提取了视频中的一些静态信息，通过动态和静态信息的互补来对视频中的动作进行识别，达到比较好的效果。但是上述的两个方法对复杂视频的效果不是很好。

参考文献

【1】Paul Scovanner，Saad Ali和Mubarak Shah，《3D SIFT特征描述符及其在动作识别上的应用》，ACM多媒体大会，2007

【2】JinGen Liu，Jiebo Luo和Mubarak Shah，《户外视频中真实动作识别》，计算机视觉与模式识别会议，2009

【3】David G.Lowe，《从尺度不变关键点提取的图像特征》，国际计算机视觉，2004

发明内容

本发明的目的是克服现有技术的不足，提供一种新的视频标注方法，它能够提取视频中的动态和静态信息。另外，它不仅对简单视频具有效果，还对一些复杂的视频同样具有一定的效果。本发明的技术方案是：

一种视频标注方法，包括下列步骤：

步骤1：对用于训练的每个视频，抽取视频中均匀分布的n帧用于计算Lab特征向量的帧，并提取每个视频所对应的标签，建立训练集；

步骤2：将每一个颜色通道分成n等份，建立n*n*n维的Lab特征向量，按照下列方法，对于训练集里的每个视频，分别计算Lab特征向量：首先将该帧的特征向量清零，然后根据被抽取的各个帧的像素值分别计算出它们在视频Lab特征向量中所对应的位置后，将相应的位置上的值增一，从而得到该视频的Lab特征向量；

步骤3：读取用于查询的视频，按照步骤2的方法，建立用于查询的视频的Lab特征向量；

步骤4：将用于查询的视频与训练集里的各个视频的Lab特征向量对应的元素分别相减，各得到一个n*n*n维的向量，计算得到的n*n*n维向量的元素的绝对值之和，从而得到用于查询的视频与训练集中的各个视频的Lab特征向量的距离；

步骤5：按照如下方法进行标签传递：

(1)在训练集中取出与用于查询的视频距离最近的k个视频；

(2)取出与用于查询的视频距离最近的训练集视频所对应的标签，根据各个标签在整个训练集中出现的次数对这些标签进行从大到小排序，取出排在前面的n个标签标记用于查询的视频，如果与用于查询的视频距离最近的训练集视频的标签个数不足n个，则记已经传递的标签个数为m(m＜n)，转到下一步；

(3)对其余的(k-1)个训练集视频的没有标记给用于查询的视频的标签，分别按照这些标签在训练集和这(k-1)个视频中出现的次数构造两个向量v1和v2，对v1和v2赋予权值x和y，得到v＝x*v1+y*v2，按照v值对这些标签排序，从中选择前(n-m)个标签标注用于查询的视频。