[发明专利]一种基于视频尺度信息的视频分类方法

说明书

本发明涉及一种基于视频尺度信息的视频分类方法，包括步骤：1)将视频数据集划分为训练数据和测试数据，提取每个视频的特征点以及特征点的轨迹，并得到视频的空间尺度以及时间尺度；2)使用基于轨迹使用描述算法，通过计算特征点邻域的梯度直方图向量、光流直方图向量、x分量运动边界直方图向量和y分量运动边界直方图向量，得到特征描述向量；3)使用PCA方法将每个视频中的每个特征描述向量降维至原维度的一半；4)生成视频数据集中每一个视频的费舍尔向量；5)训练得到线性支持向量机分类模型；6)使用线性支持向量机分类模型对测试数据中的视频进行分类。与现有技术相比，本发明具有鲁棒性好，准确度更高等优点。

技术领域

本发明涉及视频处理领域，尤其是涉及一种基于视频尺度信息的视频分类方法。

背景技术

随着科技的发展，越来越多的带有摄像功能的电子设备进入大众的家庭中，人们常常使用手机或者数码摄像机将身边有趣的人或事及时记录下来，上传到在网络中的视频分享网站或者直接发送给亲朋好友互相分享。视频分享网站每天都有数以万计的视频上传，因此自动化的管理就显得较为重要，其中基于视频特征向量的特征编码算法是其中较为重要的技术。

基于视频特征向量的特征编码算法将特征向量与聚类中心的信息量如权重、均值、方差等，有效地编码进视频描述向量中，从而在主流的人体动作检测数据集中表现出了不错的结果。目前，该技术还存在以下问题：

第一，只考虑了与特征向量与聚类中心的关系，而没有考虑特征向量在视频中所处的位置信息以及尺度信息。

第二，虽然现有算法识别率较高，但是由于缺少位置信息及尺度信息，未能在有限的维度中发挥系统的识别能力。

基于尺度信息的特征编码算法是将空间尺度信息和时间尺度信息编码进高斯混合模型中，从而得到具有尺度信息的费舍尔向量。这种算法能够更好的在有限维度中提升系统的识别准确率。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种新的，鲁棒性好，准确度更高的基于视频尺度信息的视频分类方法。

本发明的目的可以通过以下技术方案来实现：

一种基于视频尺度信息的特征编码方法，包括步骤：

1)将视频数据集划分为训练数据和测试数据，提取每个视频的特征点以及特征点的轨迹，并得到视频的空间尺度以及时间尺度；

2)使用基于轨迹使用描述算法，通过计算特征点邻域的梯度直方图向量、光流直方图向量、x分量运动边界直方图向量和y分量运动边界直方图向量，得到特征描述向量；

3)使用PCA方法将每个视频中的每个特征描述向量降维至原维度的一半；

4)利用基于尺度空间的高斯混合模型对训练数据中的特征描述向量进行聚类，再生成视频数据集中每一个视频的费舍尔向量；

5)使用训练数据中得到的费舍尔向量，训练得到线性支持向量机分类模型；

6)使用线性支持向量机分类模型对测试数据中的视频进行分类。

所述步骤1)中特征点以及特征点的轨迹的提取过程具体包括步骤：

11)提取视频中的每一帧，以为缩放因子构建空间金字塔作为尺度空间，设任一尺度空间上当前帧为I_current，前一帧I_current-1，其中，所述空间金字塔的层数即为尺度空间的个数；

12)提取出每一帧中的特征点；

13)对于任一尺度空间，计算光流矩阵；

14)在对应尺度空间上，计算从前一帧计算得到的特征点在当前帧中的位移之后的位置：