[发明专利]一种基于三维卷积神经网络的视频分类方法

权利要求书

1.一种基于三维卷积神经网络3D CNN的视频分类方法，其特征在于，该方法构建了并行分布式的三维卷积神经网络多分类模型，并对视频库进行扩增处理，该方法包括以下步骤：

(1)读取视频库中的视频，对视频帧进行灰度化处理；

(2)通过等间隔采样，对已有视频库进行扩增处理，使原有视频库的每个视频扩增为多个固定帧数为k的视频段，且任意视频段均无重复的帧；

(3)对经过扩增处理的视频库，按照原有的类别标签信息，对每一类视频，将由该类视频经等间隔采样得到的视频段作为该类正样本，其他类视频的视频段作为负样本，制作其训练测试数据集；

(4)构建C个3D CNN网络，C是数据集中的类别数，每个3D CNN以视频段作为输入，用于实现对某一类视频的二分类识别，只有两个输出节点，利用每一类视频的训练数据集训练属于该类的3D CNN，使C个3D CNN网络分别能够对C类视频进行是否属于该类的二分类识别；

(5)构建并行分布式3D CNN多分类模型，将C个训练好的3D CNN进行并联，在并联末端设置分类机制，通过比较C个3D CNN对输入视频的视频段的分类效果将该输入视频分类；

(6)待分类视频只需随机输入其部分视频段到此多分类网络模型中，即可判断其类别。

2.根据权利要求1所述的基于三维卷积神经网络3D CNN的视频分类方法，其特征在于，步骤(2)中视频段的分段方法为等间隔采样，设视频段的帧数固定为k，分段方法如下：

设视频所有帧为F1,F2,…,Fn，则分成的视频段数为m＝floor(n,k)，其中floor函数为向下取整，分成的视频段为：

视频段1：F1,F1+m,F1+2m,…,F1+(k-1)×m

视频段2：F2,F2+m,F2+2m,…,F2+(k-1)×m

视频段m：Fm,F2m,F3m,…,Fk×m。

3.根据权利要求1所述的基于三维卷积神经网络3D CNN的视频分类方法，其特征在于，步骤(3)中针对每一类视频的训练测试数据集的制作方法为：

设视频库中视频的类别总数为C，则第a类视频的训练正样本为属于第a类视频的视频段，训练负样本为不属于第a类视频的视频段，样本标签为{1,0}，其中1表示属于第a类，0表示不属于第a类；每一类的测试样本是相同的，分为三种：属于该类的视频段、不属于该类而属于其他类的视频段、不属于任意类的视频段。