[发明专利]基于混沌不变量的动态纹理识别方法

权利要求书

1.一种基于混沌不变量的动态纹理识别方法，其特征在于，该方法包括如下步骤：

1）计算特征向量矩阵：将视频每个位置随时间变化的像素看作混沌时间序列，计算每个混沌时间序列的嵌入维数，嵌入时间延迟，盒维数，信息维数，关联维数，平均值和方差，并组成一个特征向量，视频的每个像素点位置就由这个特征向量来表示，得到特征向量矩阵；

2）对步骤1）中得到的特征向量矩阵进行EDM识别或者BOW识别。

2.根据权利要求1所述的基于混沌不变量的动态纹理识别方法，其特征在于，所述的EDM识别具体步骤如下：

首先，将步骤1）中得到的特征向量矩阵，利用meanshift算法对这个特征向量矩阵聚类；

然后，分别计算每个特征向量矩阵与其它特征向量矩阵的EMD距离，得到一个EMD比较结果矩阵，该EMD比较结果矩阵中相应的横向坐标代表视频、纵向坐标代表视频之间的距离；

将EMD比较结果矩阵中的每个值作为高斯函数的核，得到一个新的训练矩阵，

最后，对动态纹理视频进行分类。

3.根据权利要求1所述的基于混沌不变量的动态纹理识别方法，其特征在于，所述的BOW识别具体步骤如下：

首先，将步骤1）中得到的每个视频的特征向量矩阵串联合并成一个特征矩阵，利用kmeans算法聚类，得到各个聚类中心；

然后，将每个特征向量矩阵按照聚类中心聚类，得到描述聚类中心的直方图；

最后，对动态纹理视频进行分类。

4.根据权利要求2或3所述的基于混沌不变量的动态纹理识别方法，其特征在于，所述的对动态纹理视频进行分类的具体分类方法是每次选出一个视频作为待分类的视频，其余视频全部用来训练，且已经知道用来训练的视频属于哪一类，然后将待分类的视频的直方图和训练视频的直方图比较欧式距离，待分类视频和距离最近的训练视频分为同一类，依次将每个视频作为待分类视频，即完成了对待分类视频的分类。

5.根据权利要求2或3所述的基于混沌不变量的动态纹理识别方法，其特征在于，所述的对动态纹理视频进行分类的方法是每次拿出某个类型的一半数目的视频来做分类的视频，然后将待分类的视频的直方图和训练视频的直方图比较欧式距离，待分类视频和距离最近的训练视频分为同一类，依次将每个视频作为待分类视频，即完成了对待分类视频的分类。