[发明专利]一种行为视频无监督时序分割方法

摘要

一种行为视频无监督时序分割方法，包括初始化视频检测的起始时间为n_t和相应的滑动窗口帧长度L_t；建立的视频序列窗口内做行为变化点的检测；若检测到该视频序列窗口内有行为变化点c，则以时间点c为检测起始时间并重新初始化滑动窗口帧长度继续对后续视频进行检测；否则，若在视频序列窗口中未检测到行为变化点，则仍以初始化的n_t为检测起始帧，即n_t+1＝n_t，而滑动窗口的帧长度更新为L_t+1＝L_t+ΔL，其中ΔL为滑动窗长度增量步长；直到所有视频帧序列全部检测完成或到达预先指定的截止时间T₀结束。该方法在行为视频分析中对数据变化点做出决策，无需先验知识在线实时的进行无监督分割，直接应用于行为视频数据在线分析中。

主权项

1.一种行为视频无监督时序分割方法，其特征在于，所述方法中涉及行为视频的滑动窗口模型，包括(1‑1)初始化视频检测的起始时间为nt和相应的滑动窗口帧长度Lt；(1‑2)建立的视频序列窗口内做行为变化点的检测；(1‑3)若检测到该视频序列窗口内有行为变化点c，则以时间点c为检测起始时间并重新初始化滑动窗口帧长度继续对后续视频进行检测；否则，若在视频序列窗口中未检测到行为变化点，则仍以初始化的nt为检测起始帧，即nt+1＝nt，而滑动窗口的帧长度更新为Lt+1＝Lt+ΔL，其中ΔL为滑动窗长度增量步长；(1‑4)整个检测过程直到所有视频帧序列全部检测完成或到达预先指定的截止时间T0结束；所述行为视频无监督时序分割方法，包括，视频子序列的行为变化点检测，步骤如下：(2‑1)在视频上逐帧进行特征提取并进行PCA降维；(2‑2)按时序关系将帧特征向量重构成多维时序数据；(2‑3)在时序数据每一维上利用偏差累积和分别计算数据异常度并将计算得到的异常度信息进行数据聚合；(2‑4)通过假设检验来检测行为的变化，若聚合后的异常度不小于设定的阈值λ，则取异常度中的最大值对应的时间点为行为的变化点，并以此对视频进行分割。