[发明专利]基于MoSIFT和CSD特征的暴恐视频检测方法

权利要求书

1.一种基于MoSIFT和CSD特征的暴恐视频检测方法，其特征在于，包括如下步骤：

步骤1：分别提取测试视频、训练视频的时空特征MoSIFT；

步骤2：对提取的测试视频、训练视频的时空特征MoSIFT进行数量和维度削减；

步骤3：对数量和维度削减后的训练视频时空特征MoSIFT进行聚类，得到聚类中心矩阵；

步骤4：根据聚类中心矩阵得到对应的聚类中心，利用所述聚类中心统计训练视频和测试视频的词袋，得到训练样本和测试样本；

步骤5：利用所述训练样本训练SVM分类器，得到分类器，记为SVM-1；

步骤6：利用SVM-1在训练样本、测试样本上分别进行分类计算，计算得到分数，记为MoSIFT分数；

步骤7：分别提取训练视频、测试视频的颜色结构描述子CSD；

步骤8：利用均值动态密度点Mean Diversity Density，简称MDD方法，计算训练样本的最大动态密度点MP；

步骤9：根据训练样本的最大动态密度点MP分别计算训练样本、测试样本的CSD分数；

步骤10：利用训练样本的MoSIFT分数和CSD分数训练SVM分类器，得到训练好的分类器记为SVM-2；

步骤11：利用SVM-2在测试样本的MoSIFT分数和CSD分数上，进行分类，进而完成对测试视频进行分类。

2.根据权利要求1所述的基于MoSIFT和CSD特征的暴恐视频检测方法，其特征在于，所述步骤1包括：

步骤1.1：将测试视频和训练视频拆分成帧；

步骤1.2：处理前后相邻两帧，计算时空特征MoSIFT；

具体地，利用基于Opencv实现的MoSIFT算法，调用Opencv中的MoSIFT类的构造函数，得到前后连续两帧所具有的时空特征MoSIFT，并将所述时空特征MoSIFT保存为Opencv的Mat类型数据；

步骤1.3：将一个训练视频的某帧和该帧的时空特征MoSIFT纵向拼接，得到相应的第一特征矩阵，所述第一特征矩阵记为M₁；将一个测试视频的某帧和该帧的时空特征MoSIFT纵向拼接，得到相应的第四特征矩阵，所述第四特征矩阵记为M₄，处理完成所有视频，得到每个视频的第一特征矩阵M₁。

3.根据权利要求2所述的基于MoSIFT和CSD特征的暴恐视频检测方法，其特征在于，所述步骤2包括：

步骤2.1：对第一特征矩阵M₁中的第一行至最后一行依次执行如下处理：

在第一特征矩阵M₁某一行以下的所有行内找到距离该行最近的一行，并将距离该行最近的一行与该行的下一行进行交换；

步骤2.2：将经过步骤2.1处理后的第一特征矩阵M₁等行数均分为k₄份，每一份沿纵向取平均值，即计算列平均值，将每一份的结果纵向拼接得到k₄×w₁的矩阵即第二特征矩阵，所述第二特征矩阵记为M₂，其中w₁表示M₁的横向维度；

步骤2.3：统计第二特征矩阵M₂中每一纵向维度中非0元素的个数，提取第二特征矩阵M₂中非0元素的个数排在前k₁位的维度的列向量，得到第三特征矩阵M₃；记住提取的维度的列号，按照所述列号，提取第四特征矩阵M₄得到第六特征矩阵M₆。