[发明专利]一种基于支持向量机和粒子群优化算法的镜头边界检测方法

权利要求书

1.一种基于支持向量机和粒子群优化算法的镜头边界检测算法，原始数据是待镜头边界检测的视频数据，其特征在于，包括以下步骤：

(1)，提取视频数据的底层特征，本方法主要提取像素域上的颜色一阶矩和颜色二阶矩、颜色直方图、角点、DC系数特征；

(2)，使用粒子群算法对选取支持向量机的惩罚因子和核函数参数进行优化；

(3)，利用得到的近似最优参数训练得到最优分类模型，并以此为基础对视频序列帧进行分类，最终完成镜头分割。

2.根据权利要求1所述的基于支持向量机和粒子群优化算法的镜头边界检测算法，其特征在于，所述的步骤(2)包括以下步骤：

(2.A)，种群初始化和参数初始设置，种群规模设定为由20个粒子组成，这些粒子的位置和速度是随机生成的，惩罚因子c和核函数参数γ的变化范围分别是

[0，100]和[0，1000]，加速常数c1和c2分别取1.4和1.8；

(2.B)，适应度值计算，种群规模设定为20，适应度值的计算按照下式进行：

f(c，γ)＝accuracy，我们选用支持向量机中的交叉验证策略来计算训练集的适应度值，综合考虑到验证效率和准确率，我们将训练集划分为三个部分来进行交叉验证；

(2.C)，更新粒子的位置和速度，进行循环迭代：本代种群的全局最优解和局部最优解得到以后，需要进行粒子信息的更新。位置和速度的更新根据下面两式进行：V_i+1＝W×V_i+C₁×rand×(pbest-X_i)+C₂×rand×(gbest-X_i)，X_i+1＝＝X_i+V_i+1；

(2.D)，比较更新全局最优解和局部最优解，如果当前的适应度值优于局部的最好适应度值，将当前值作为最好的适应度值，同时更新局部最优的粒子信息；如果当前的适应度值优于全局的最好适应度值，替换全局最优为当前的适应度值，并更新全局最优粒子信息。

3.根据权利要求1所述的基于支持向量机和粒子群优化算法的镜头边界检测算法，其特征在于，所述的步骤(1)中所述的颜色一阶矩的提取如下式所示：

其中pi，j是图像帧在(i，j)点的像素亮度值。

4.根据权利要求1所述的基于支持向量机和粒子群优化算法的镜头边界检测算法，其特征在于，所述的步骤(1)中所述的颜色二阶矩提取如下：二阶矩的提取如下式所示：

其中pi，j是图像在(i，j)点的像素亮度值，为图像单个通道内所有像素点的平均值。

5.根据权利要求1所述的基于支持向量机和粒子群优化算法的镜头边界检测算法，其特征在于，所述的步骤(1)中所述的颜色直方图提取如下：

颜色直方图定义式为：

M和N为图像帧垂直和水平方向上的像素数目；k＝0，1，……，K，其中K为颜色空间的颜色种类数；对于h_i，j值，若在颜色空间量化后等于k值，则取为1，否则取0；颜色直方图的帧间差(帧号为i)为：

Fi,i+1=Σk=1K|Hk,i-Hk,i+1|.]]>