[发明专利]视频聚类方法及检测方法

权利要求书

1.一种生成最优关系簇网路的视频聚类方法，其特征在于，包括：

a.获取待聚类视频的集合，并进一步获取与每个所述待聚类视频相适应的文本信息；

b.对每个所述待聚类视频，抽取视频特征，所述文本特征以及所述视觉特征组成所述待聚类视频的视频特征，其中，

所述抽取视频特征包括：

对所述待聚类视频的文本信息进行数据处理并抽取相应的文本特征；

对所述待聚类视频的视频数据进行分割并抽取所述待聚类视频的视觉特征；

c.根据所述待聚类视频的集合及其视频特征构造一N分图；

d.对所述待聚类视频的集合进行初始化聚类以获得初始的视频聚类以及初始的视频特征聚类，将初始化聚类获得的聚类中心添加到所述N分图中，作为隐藏结点，计算所述视频聚类与所述视频特征聚类之间的权重矩阵并形成初始的关系簇网络；

e.迭代更新所述文本特征、所述视频聚类、所述视频特征聚类以及所述关系簇网络，当此次迭代更新的关系簇网络与所述N分图的距离小于第一阈值时，则停止迭代以获得最优关系簇网络；以及

f.根据获得的最优关系簇网络进行聚类跟踪或视频检测，其中，

所述聚类跟踪包括：输入一视频特征，并与所述最优关系簇网络的视频特征聚类进行匹配，以获取属于与所述视频特征相适应的视频特征聚类的视频的集合；

所述视频检测包括：输入一视频，根据所述视频的文本特征与视觉特征与所述最优关系簇网络进行匹配和聚类以获得所述视频所属的视频特征聚类。

2.根据权利要求1所述的聚类方法，其特征在于，所述抽取所述文本信息的文本特征包括：

对所述文本信息进行分词；

利用词频-逆向文件频率加权法计算所述文本信息分词后每个词的文本权重；以及

将文本权重不小于第二阈值的词作为所述文本信息的关键词，其中，所述文本信息的文本特征包括所述关键词以及相应的文本权重。

3.根据权利要求2所述的聚类方法，其特征在于，所述文本权重根据如下公式计算并更新：

TFIDF_t=TF_t*log(N/DF_t)，

其中，TFIDF_t为词t的文本权重，N表示全部视频聚类的个数，DF_t表示包含词t的视频聚类的个数，TF_t是词t在与所述文本信息相适应的待聚类视频所属的视频聚类中出现的频数，

其中，利用K-means聚类方法对所述待聚类视频进行初始聚类以初始化所述文本权重。

4.根据权利要求1所述的聚类方法，其特征在于，所述抽取所述待聚类视频的视觉特征包括：

分割所述待聚类视频的镜头，获取所述镜头变换的视频帧；

通过K-means聚类方法对所述视频帧根据颜色灰度值进行迭代聚类以获取第一个数个关键帧，所述视觉特征包括所述关键帧以及相适应的16维灰度值表示，其中，所述第一个数根据贝叶斯信息准则确定。