[发明专利]一种面向隐私保护的压缩感知视觉屏蔽视频行为识别方法

权利要求书

1.一种面向隐私保护的压缩感知视觉屏蔽视频行为识别方法，其特征在于，包括以下步骤：

步骤1：获取视频行为数据集，对数据集里的视频行为通过压缩感知进行多层降维处理，得到CS态的视频流；

步骤2：通过C3D网络模型对于步骤1中的CS态视频流进行特征提取，得到CS态下的特征向量；

步骤3：利用PCA技术对于步骤2中提取的特征向量进行降维，然后利用AdSRC算法精确地识别视频行为特征，所述AdSRC算法融合了SRC算法和AdaBoost架构中多分类SAMME算法的思想，将SAMME算法中的弱分类器由决策树改为了SRC，将残差率最低的样本所对应的SRC作为初始弱分类器，然后不断地更新迭代；所述AdSRC算法在SRC算法中融合了SAMME算法的分类思想，对于每个样本都进行训练得到多个不同的SRC弱分类器，将多个SRC弱分类器按照其对应的权重组合成最终的强分类器。

2.根据权利要求1所述的一种面向隐私保护的压缩感知视觉屏蔽视频行为识别方法，其特征在于，步骤1进一步包括：

步骤1.1：利用压缩感知理论中的观测降维，使用观测矩阵直接对数据集里的视频行为进行采样；

步骤1.2：将采样后的视频帧图片以及观测矩阵按顺序依次分成多个2×2的矩阵块，然后分别求二者对应的矩阵块的内积，达到CS降维；

步骤1.3：重复上述1.1和1.2两个步骤，实现多层CS降维；

步骤1.4：选择观测矩阵以及最终的降维层数。

3.根据权利要求2所述的一种面向隐私保护的压缩感知视觉屏蔽视频行为识别方法，其特征在于，步骤1.4中，所述观测矩阵选自下列任一者：伯努利矩阵、托普利兹矩阵、部分哈达玛矩阵、随机高斯矩阵。

4.根据权利要求1所述的一种面向隐私保护的压缩感知视觉屏蔽视频行为识别方法，其特征在于，步骤2进一步包括：

步骤2.1：将输入的CS态视频分割成互不重叠的视频小片段，作为C3D网络模型的输入；

步骤2.2：微调C3D网络模型，利用微调后的模型对CS态的视频进行特征提取，得到C3D网络模型的卷积层特征作为输出特征向量。

5.根据权利要求4所述的一种面向隐私保护的压缩感知视觉屏蔽视频行为识别方法，其特征在于，步骤3进一步包括：

步骤3.1：对输出的卷积层特征向量进行PCA降维处理；

步骤3.2：采用AdSRC算法对PCA降维处理的视频行为特征进行识别。