[发明专利]一种视频场景检测方法

权利要求书

1.一种视频场景检测方法，通过计算机代替人工对视频数据进行检测，识别出视频中的场景；检测方法包括离线训练判别模型过程和视频场景检测过程：

1)离线训练判别模型过程，执行如下操作：

11)准备训练视频样本集；

12)针对训练视频样本集中每个视频抽取特征，特征为向量形式，包括语义特征向量和时空特征向量；

语义特征抽取过程具体包括如下步骤：

121a)对每个视频，通过关键帧提取方法计算每帧图片的得分，选取得分最高的m帧图片作为关键帧，得分计算公式如下：

Sdiff(f_k)＝∑_i,j|I_k(i,j)-I_k-1(i,j)| (式2)

式1～式3中，f_k表示视频序列中第k帧图片；score(f_k)表示第k帧图片的得分；Sdiff(f_k)表示该帧与前一帧的差异量；α、β分别为权重；Max_Sdiff和Min_Sdiff分别为相邻两帧间的最大差值和最小差值；和分别表示第k帧图片中像素i光流的水平方向的变化量和垂直方向的变化量；N_k表示第k帧像素个数；MoValue(f_k)表示第k帧的光流强度；Max_MoValue表示所有帧中最大光流强度；Min_MoValue表示所有帧中最小光流强度；

121b)对选取的m帧图片，针对每帧图片，用达特茅斯classeme特征提取方法提取图片语义特征，得到该帧图片的语义特征向量；

121c)将提取m帧图片得到的m个实数特征向量进行拼接，得到一个m*2659维的向量，作为该视频的语义特征向量；

时空特征抽取过程具体包括如下步骤：

122a)对每个训练视频，通过MoSIFT特征提取方法抽取得到MoSIFT特征；

122b)基于视频集中所有MoSIFT特征，生成视觉词典；

122c)利用上述视觉词典，对每个视频进行费舍尔向量编码，得到一个2*D*K维的费舍尔向量；

122d)对上述费舍尔向量实施主成分分析，得到一个低维向量，该低维向量为视频的时空特征向量；

13)对特征向量进行类别标注，得到了一组样本集，每个样本包含语义特征向量和时空特征向量，并对应一个类别标注；

14)利用多核学习框架对步骤13)所述样本集进行迭代训练，得到一个离线训练模型；

2)视频场景检测过程，执行如下操作：

21)接入要检测的监控视频源；

22)设置采样方式进行视频采样，得到一个短视频；此短视频为检测目标；

23)对步骤22)所述短视频抽取特征，包括语义特征向量和时空特征向量，抽取方法与训练过程中步骤12)相同；

24)利用多核学习框架载入离线训练模型，对特征进行检测判别，判定是否为指定场景，得到检测结果。

2.如权利要求1所述视频场景检测方法，其特征是，步骤11)所述训练视频样本包括两类样本，一类为包含小商小贩经营场景的视频集，另一类为不包含小商小贩经营场景的视频集。

3.如权利要求1所述视频场景检测方法，其特征是，步骤12)针对训练视频样本集中每个视频抽取特征，包括抽取语义特征抽取过程和时空特征抽取过程。

4.如权利要求1所述视频场景检测方法，其特征是，步骤121a)所述m帧图片为三帧图片。

5.如权利要求1所述视频场景检测方法，其特征是，步骤122b)采用混合高斯模型生成视觉词典。