[发明专利]一种用于检测视频类别的方法

说明书

本发明提供了一种用于检测视频类别的方法，属于视频智能分析处理领域，包括以下步骤：提取训练视频的光流图；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；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；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。本发明提供的一种用于检测视频类别的方法，可以精确地监测和定位监控视频中的特殊事件，在监测和定位的精准度上都有明显的提升。

技术领域

本发明属于视频智能分析处理领域，更具体地说，是涉及一种用于检测视频类别的方法。

背景技术

随着我国平安城市的建设，为了保障社会公共安全，安防领域得到了全面的发展。视频监控作为安防的一个重要手段，得到了广泛的部署和应用。监控技术的持续发展和广泛应用虽然促进了平安城市的发展，但同时也带来了巨大的挑战。

目前我国对于视频数据的智能化处理的需求越发强烈，如何自动分析检测视频，建立智能监控系统，成为监控技术发展的突破点。特殊事件为行人的追逐、聚集或打斗等不同于监控场景中正常状态的事件。

现有的特殊事件检测主要是使用手工设计的特征或使用自编码器进行特征重构等手段实现对特殊事件的实时检测，在这些检测手段中事件是被看作独立的个体，和周围场景并没有建立关联，但是在实际场景中，事件并不是彼此独立的，而是和空间上下文信息存在关联的，现有的检测手段中对特殊事件监测的精准度较低。

发明内容

本发明的目的在于提供一种用于检测视频类别的方法，旨在解决现有的检测手段中事件被看作独立的个体，和周围场景并没有建立关联，但是在实际场景中，事件并不是彼此独立的，而是和空间上下文信息存在关联的，现有的检测手段中对特殊事件监测的精准度较低的技术问题。

为实现上述目的，本发明采用的技术方案是：提供一种用于检测视频类别的方法，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。

具体的是，步骤2包括以下步骤：

步骤2.1、将所述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。

具体的是，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。