[发明专利]基于半监督近邻传播学习和多视觉词典模型的智能视频分析方法

说明书

本发明涉及一种基于半监督近邻传播学习和多视觉词典模型的智能视频分析方法，包括：基于抽样保持策略的关键视频帧提取；将关键帧转换成灰度图像，平均分割灰度图像为若干图像块，以各图像块的平均亮度排序生成OM特征向量；基于AP聚类划分视频样本，形成互斥的视频子簇；针对AP聚类划分的视频子簇，确定每个子簇对应的类别标签，构建多视觉词典；根据最小距离判决准则，在线判断待检视频的类别标签；使用闭环反馈的自适应重构学习重构出适应新环境的多视觉词典重新判断待检视频的类别标签。本发明解决关键帧提取不能兼顾效率和精度的问题，增强视频特征对近似全局线性变化具有很强的鲁棒性强，实现能够自适应于视频模式变化的精确智能检测。

技术领域

本发明涉及计算机图形图像处理技术领域，特别涉及一种基于半监督近邻传播学习和多视觉词典模型的智能视频分析方法。

背景技术

随着智能手机、数码相机等终端设备和互联网的普及，视频的制作、存储和传输更加便捷，越来越多的人通过网络观看视频，并将自己的生活见闻制作成视频上传至网络分享，视频业务已不再局限于传统的广播电视、娱乐电影等生活服务行业，而广泛应用于政治、军事、科教、医疗、交通、安全等众多领域。面对视频数量的“爆炸式”增长，如何快速准确地检索、匹配、分类视频信息面临巨大挑战，同时也是学术界研究的热点问题。

现有智能分析关键技术主要包括三种：关键帧提取、特征检测和机器学习，关键帧提取：关键帧是反映视频片段主要内容的一组图像，基于镜头分割的关键帧提取方法准确性高，但计算量太大、耗时严重，基于固定速率的关键帧提取具有很高的时效性，但是提取的关键帧序列可能无法准确描述视频片段的主要内容，缺乏代表性；特征检测：一类利用简洁的全局特征快速检测视频，例如颜色直方图等，这类技术具有较高的检测效率，但是仅能检测一些没有添加全局线性变化的视频；另一类采用高维局部特征增强算法的鲁棒性，例如尺度不变特征变换、快速鲁棒性特征等，这类技术对一些非线性变化的视频依然具有良好的检测效果，如视角变化、几何变化、画面裁剪，甚至是包括一些背景变化，但是每帧视频中都会提取成百上千个局部特征，导致特征匹配的计算量巨大，检测效率无法保证；机器学习：视频分析一般采用机器学习的方法，但机器学习算法的准确性有待进一步改善，机器学习分类算法往往会受到以下因素的影响：大部分机器学习算法对近似椭球形分布的训练样本集有较好的分类效果，但对凹形的复杂分布结构却得不到很好的分类性能；在实际应用中难免会包含一些孤立点、未知数据或者错误数据等噪声，这些都会影响分类算法的质量；不能自适应于视频环境的变化，实时识别新出现的视频类型。

发明内容

针对现有技术中的不足，本发明提供一种基于半监督近邻传播学习和多视觉词典模型的智能视频分析方法，解决现有技术中关键视频帧不能兼顾效率和精度的问题，增强视频特征对近似全局线性变化的鲁棒性，实现能够自适应于视频模式变化的精确智能检测。

按照本发明所提供的设计方案，一种基于半监督近邻传播学习和多视觉词典模型的智能视频分析方法，包含如下步骤：

步骤1.针对视频样本，使用抽样保持策略提取关键视频帧；

步骤2.针对关键视频帧，计算基于顺序度量的OM特征向量；

步骤3.利用基于半监督近邻传播学习对所有OM特征向量进行智能聚类，形成各个视频子簇；

步骤4.确定每个视频子簇对应的类别标签，构建多视觉词典，类别标签包含未知类型视频标签；

步骤5.将待检视频依次执行步骤1中的使用抽样保持策略提取关键视频帧和步骤2中的计算基于顺序度量的OM特征向量，并根据步骤4中的多视觉词典，依据最小距离法则判断待检视频的类别标签；

步骤6.若出现未知类型视频标签的视频个数大于设定阈值时，使用闭环反馈的自适应重构学习方法，返回步骤3，重构出能够适应新环境的多视觉词典，进一步判断待检视频的类别标签，否则，结束。