[发明专利]基于半监督近邻传播学习和多视觉词典模型的智能视频分析方法

摘要

本发明涉及一种基于半监督近邻传播学习和多视觉词典模型的智能视频分析方法，包括：基于抽样保持策略的关键视频帧提取；将关键帧转换成灰度图像，平均分割灰度图像为若干图像块，以各图像块的平均亮度排序生成OM特征向量；基于AP聚类划分视频样本，形成互斥的视频子簇；针对AP聚类划分的视频子簇，确定每个子簇对应的类别标签，构建多视觉词典；根据最小距离判决准则，在线判断待检视频的类别标签；使用闭环反馈的自适应重构学习重构出适应新环境的多视觉词典重新判断待检视频的类别标签。本发明解决关键帧提取不能兼顾效率和精度的问题，增强视频特征对近似全局线性变化具有很强的鲁棒性强，实现能够自适应于视频模式变化的精确智能检测。

主权项

1.一种基于半监督近邻传播学习和多视觉词典模型的智能视频分析方法，其特征在于：包含如下步骤：步骤1.针对视频样本，使用抽样保持策略提取关键视频帧；针对任意到达的视频帧，提取视频帧的摘要信息；将摘要信息与关键特征库进行匹配，若匹配成功，则将该视频帧判定为关键视频帧，否则，依概率p进行随机抽样，若抽中，则判定为关键视频帧，否则，丢弃该视频帧；步骤2.针对关键视频帧，计算基于顺序度量的OM特征向量；步骤3.利用基于半监督近邻传播学习对所有OM特征向量进行智能聚类，形成各个视频子簇；步骤4.确定每个视频子簇对应的类别标签，构建多视觉词典，类别标签包含未知类型视频标签；步骤5.将待检视频依次执行使用抽样保持策略提取关键视频帧和计算基于顺序度量的OM特征向量，并根据步骤4中的多视觉词典，依据最小距离法则判断待检视频的类别标签；步骤6.若出现未知类型视频标签的视频个数大于设定阈值时，使用闭环反馈的自适应重构学习方法，返回步骤3，重构出能够适应新环境的多视觉词典，进一步判断待检视频的类别标签，否则，结束。