[发明专利]一种基于CNN融合时空显著信息的视频识别分类方法

摘要

本发明公开了一种基于CNN融合时空显著信息的视频识别分类方法，其能够提高视频分类的准确率。该方法包括步骤：(1)对待识别分类视频进行采样得到多个视频片段；(2)将每个视频片段处理为三个序列:原始图像序列、边缘图像序列和光流图像序列；(3)利用卷积神经网络模型针对原始图像序列、边缘图像序列和光流图像序列这三类数据提取特征，并基于这三类特征，计算视频片段隶属于不同类别的概率；(4)融合不同的特征计算得到的类别概率，得到视频片段的分类结果；(5)融合步骤(4)的各视频片段的分类结果，得到视频的分类结果。

主权项

1.一种基于CNN融合时空显著信息的视频识别分类方法，其特征在于，该方法包括以下步骤：(1)对待识别分类视频进行采样得到多个视频片段；(2)将每个视频片段处理为三个序列:原始图像序列、边缘图像序列和光流图像序列；(3)利用卷积神经网络模型针对原始图像序列、边缘图像序列和光流图像序列这三类数据提取特征，并基于这三类特征，计算视频片段隶属于不同类别的概率；(4)融合不同的特征计算得到的类别概率，得到视频片段的分类结果；(5)融合步骤(4)的各视频片段的分类结果，得到视频的分类结果；所述步骤(1)中采样时根据公式(1)‑(3)：Sample(video,m,n)＝{Clip1,Clip2,…Clipk}    (1)l＝1+(m+1)*(n‑1)＝m*n+n‑m    (2)k＝s‑l+1＝s‑m*n‑n+m+1    (3)其中video为输入的视频序列，n为采样帧数,m为采样间隔，Clipi(i＝1,2,…,k)为采样得到的视频片段，s为视频总帧数，k为采样得到的视频序列数目，l为一个片段的帧数跨度。