[发明专利]业务流程抽取领域过程性视频的过程模型抽取方法

权利要求书

1.一种业务流程抽取领域过程性视频的过程模型抽取方法，其特征在于，包括：

第一步，数据筛选及扩充。从已有的公开视频数据集中，筛选出包含复杂过程的视频数据，并且采用数据增强技术，扩展数据集的数量，解决样本数据不平衡的问题并且完成数据标注工作。

第二步，图像灰度化处理。将原视频中的RGB彩色视频帧进行灰度化处理，得到灰度图像，降低了数据维数，保留了梯度信息，避免了条带失真。

第三步，运动目标提取。根据上述第二步得到的灰度图像，采用KNN算法，结合静态背景图像估计和像素级贝叶斯分割，仅使用少量图像便可以进行背景建模，去除背景等无用信息，精确提取运动目标，得到运动目标图像。

第四步，图像噪声处理。根据上述第三步得到运动目标图像，采用中值滤波技术对图像进行非线性滤波，有效消除椒盐噪声，保护边缘信息。

第五步，开运算处理。根据上述第四步得到噪声处理过的图像，进行开运算处理，去除图像中孤立点、毛刺和小桥，平滑形状边界并且不改变其面积。

第六步，动作分割。原视频数据经过以上处理，得到一系列图像序列。从中以固定帧数N进行动作分割，每个被分割出来的N帧序列对应一个具体的动作标签。

第七步，动作识别。以Two-Stream Inflated 3D ConvNet神经网络作为动作识别的基本模型，在训练过程中，将N帧动作序列及其动作标签作为数据的基本单元，输入到模型进行训练并保存训练后的模型；在预测过程中，加载训练好的模型，输入N帧动作序列，即可得到动作识别的结果。

第八步，BPMN模型生成。将上述第七步得到的动作识别结果转化为日志文件，采用BPMNMiner算法，挖掘流程模型。

2.如权利要求1所述业务流程抽取领域过程性视频的过程模型抽取方法，其特征在于，所述第一步包括：从互联网资源中获取一系列公开的视频数据集，并从中筛选出包含动作流程信息的视频数据。采用图像旋转、平移、对比度、亮度修改等图像增强技术扩展视频数据数量，平衡样本分布。并基于Python设计简易的视频标注工具，在视频中标注出动作的类别、起始位置、终止位置。

3.如权利要求1所述业务流程抽取领域过程性视频的过程模型抽取方法，其特征在于，所述第二步包括：采用图像灰度化中的加权平均法，将彩色图像的R、G、B三个分量以不同的权值进行加权平均，计算方法如公式1所示

Gray(i,j)＝0.299*R(i,j)+0.587*G(i,j)+0.114*B(i,j) (1)

其中i∈[1,2,...,H],j∈[1,2,...,W]，H、W分别表示原图像的高和宽。

4.如权利要求1所述业务流程抽取领域过程性视频的过程模型抽取方法，其特征在于，所述第三步包括：使用概论前景估计算法(使用贝叶斯估计鉴定前景)，这是一种自适应的估计，新观察到的对象比旧的对象具有更高的权重，从而对光照变化产生适应，更准确地提取出运动目标，此处所述方法借助于OpenCV工具库实现于Python语言中。

5.如权利要求1所述业务流程抽取领域过程性视频的过程模型抽取方法，其特征在于，所述第四步包括：用像素点邻域灰度值的中值来代替该像素点的灰度值，让周围的像素值接近真实的值从而消除孤立的噪声点，计算方法如公式2所示：

g(x,y)＝Med{f(x-k,y-l),(k,l∈M)} (2)

其中，f(x,y)、g(x,y)分别为原始图像和中值滤波处理后图像，M是大小为N*N二维模板，N的取值为正奇数，Med表示将区域中样本值排序并取中值。