[发明专利]一种用于检测视频类别的方法

权利要求书

1.一种用于检测视频类别的方法，其特征在于，包括以下步骤：

步骤1、提取训练视频的光流图；

步骤2、通过光流图以无监督的方式训练主成分分析网络模型，并提取出正常事件的高层特征；

步骤3、通过聚类方法对提出的高层特征进行聚类，得到正常事件的聚类中心；

步骤4、输入待测样本，计算待测样本与聚类中心的距离，并判定待测样本的类别。

2.如权利要求1所述的一种用于检测视频类别的方法，其特征在于，步骤2包括以下步骤：

步骤2.1、将光流图平均分割成若干非重叠的光流子图；

步骤2.2、在时序上使用同一空间位置的光流子图训练对应的主成分分析网络模型；

步骤2.3、根据得到的主成分分析网络模型提取正常事件的高层特征。

3.如权利要求2所述的一种用于检测视频类别的方法，其特征在于，步骤2.2包括以下步骤：

步骤2.2.1、通过用于训练的光流子图计算出第一级的主成分分析网络滤波核

其中，L₁表示第一级主成分分析网络滤波核的数量，表示矩阵的第l个特征值对用的特征向量，用于将特征向量重塑为矩阵

步骤2.2.2、借助第一级的主成分分析网络滤波核计算第二级的主成分分析网络滤波核

其中，L₂表示第二级主成分分析网络滤波核的数量，q_l(YY^T)表示矩阵YY^T的第l个特征值对用的特征向量，用于将特征向量重塑为矩阵

步骤2.2.3、根据第二级的主成分分析网络滤波核得出直方图统计，并得到训练好的主成分分析网络模型PCANets，PCANets＝{PCANet_i，j}，i＝1～k，j＝1～l，k、l数值取决于光流图或/和光流子图的尺寸。

4.如权利要求3所述的一种用于检测视频类别的方法，其特征在于，通过二值化哈希实现主成分分析网络的非线性激活。

5.如权利要求3所述的一种用于检测视频类别的方法，其特征在于，步骤2.2.1包括以下步骤：

步骤2.2.1.1、确定同一空间位置用于训练的光流子图的数量，并以第一训练集X的形式表示；X＝(X₁，X₂，..，X_N」∈R^hω*N，其中N表示用于训练光流子图的张数；

步骤2.2.1.2、对于某个光流子图，在每一个空间处取出特定尺寸的图块，所有重叠的图块以集合的形式表示；

步骤2.2.1.3、对于每一个图块，减去该图块所在集合的均值，得到矩阵；并以相同的操作得到所有光流子图对应的矩阵；

步骤2.2.1.4、将得到的所有的矩阵以第二训练集的形式表示；其中，q＝(h-k₁+1)×(ω-k₂+1)；

步骤2.2.1.5、借助第二训练集中的数据计算第一级的主成分分析网络滤波核

其中，L₁表示第一级主成分分析网络滤波核的数量，表示矩阵的第l个特征值对用的特征向量，用于将特征向量重塑为矩阵

6.如权利要求3所述的一种用于检测视频类别的方法，其特征在于，步骤4包括：

步骤4.1、使用训练好的主成分分析网络模型提取待测样本的局部特征；

步骤4.2、通过单类分类器计算出异常分值g(x)，g(x)＝min(x-c_i)^T(x-c_i)，其中，聚类中心C＝{c₁，c₂，…，c_k}，k表示将每个子图的特征通过聚类算法聚成的类数；

步骤4.3、将异常分值按照对应的空间位置组合，得到异常分值图；

步骤4.4、根据异常分值图，判定待测样本的类别。

7.如权利要求6所述的一种用于检测视频类别的方法，其特征在于，步骤4.3还包括：使用均值滤波对异常分值图做平滑处理。

8.如权利要求1所述的一种用于检测视频类别的方法，其特征在于，步骤1包括以下步骤：

步骤1.1、计算视频帧的光流；

步骤1.2、在视频帧的每个像素点计算光流图。