[发明专利]基于三维主成分分析网络的视频序列分类方法在审

专利信息
申请号: 201710470703.4 申请日: 2017-06-20
公开(公告)号: CN107194375A 公开(公告)日: 2017-09-22
发明(设计)人: 韩冰;严月;贾中华;高新波;连慧芳;褚福跃;王平 申请(专利权)人: 西安电子科技大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 陕西电子工业专利中心61205 代理人: 韦全生,王品华
地址: 710071 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明提出了一种基于三维主成分分析网络的视频序列分类方法,用于解决现有技术中存在的视频序列动态特征提取不充分的技术问题。实现步骤为(1)利用三维主成分分析法提取待分类视频序列的三维主成分特征;(2)提取待分类视频序列的三维主成分特征的一阶网络全局特征;(3)提取待分类视频序列的三维主成分特征的二阶网络全局特征;(4)获取待分类视频序列的三维主成分分析网络特征;(5)对支持向量机SVM分类器进行训练;(6)对视频序列进行分类。本发明利用三维主成分分析网络实现了对视频序列的分类,有效提高了视频序列分类的准确率,可用于视频序列特征提取和视频序列分类。
搜索关键词: 基于 三维 成分 分析 网络 视频 序列 分类 方法
【主权项】:
一种基于三维主成分分析网络的视频序列分类方法,包括如下步骤:(1)利用三维主成分分析法,提取待分类视频序列的三维主成分特征S;(2)提取待分类视频序列的三维主成分特征S的一阶网络全局特征U:2a)获取待分类视频序列的三维主成分特征S的J个一阶分段Sj,并提取Sj的L1个一阶特征向量其中,j表示S的分段序号,且j=1,2,…,J,J表示一阶分段Sj的总段数,d表示一阶特征向量的序号,且d=1,2,…,L1,L1表示一阶特征向量的总个数;2b)对应每个一阶特征向量生成一个一阶滤波器矩阵2c)将一阶分段Sj的第i帧三维映射与第d个一阶滤波器矩阵进行卷积,生成一阶单独特征映射其中,i表示Sj的三维映射的帧序号,且i=1,2,…,a,a表示Sj中所含的三维映射的总帧数;2d)依次将一阶分段Sj中除第i帧三维映射以外的三维映射与第d个一阶滤波器矩阵进行卷积,生成一阶局部特征2e)对除第d个一阶滤波器矩阵以外的一阶滤波器矩阵与一阶分段Sj中除第i帧三维映射以外的三维映射均进行步骤2c)和步骤2d)的操作,生成一阶特征2f)对待分类视频序列的三维主成分特征S的所有分段Sj均进行步骤2a)~步骤2e)的操作,生成一阶网络全局特征(3)提取待分类视频序列的三维主成分特征S的二阶网络全局特征R:3a)从待分类视频序列的三维主成分特征S的一阶网络全局特征U中选取第j个一阶特征并以的第d个一阶局部特征为目标,提取的L2个二阶特征向量其中,k表示二阶特征向量序号,且k=1,2,…,L2,L2表示二阶特征向量总个数;3b)对应每个二阶特征向量生成一个二阶滤波器矩阵3c)将一阶单独特征与第k个二阶滤波器矩阵进行卷积,生成二阶单独特征3d)依次将一阶局部特征中除第i个一阶单独特征以外的一阶单独特征与第k个二阶滤波器矩阵进行卷积,生成二阶局部特征3e)将一阶特征中除第d个一阶局部特征以外的一阶局部特征与除第k个二阶滤波器矩阵以外的二阶滤波器矩阵均进行步骤3c)和步骤3d)的操作,生成二阶特征3f)对一阶特征中除第d个一阶局部特征以外的一阶局部特征进行步骤3a)~步骤3e)的操作,生成二阶整合特征3g)对除第j个一阶特征以外的一阶特征均进行步骤3a)~步骤3f)的操作,生成二阶网络全局特征(4)获取待分类视频序列的三维主成分分析网络特征f:从待分类视频序列的三维主成分特征S的二阶网络全局特征R中提取视频序列的三维主成分分析网络特征f,得到视频序列的三维主成分分析网络特征f;(5)对支持向量机SVM分类器进行训练:选取视频序列数据库中的部分视频序列作为带标签数据,对各带标签的视频序列分别执行步骤(1)~步骤(4),得到多个三维主成分分析网络特征,并利用所有三维主成分分析网络特征,对支持向量机SVM分类器进行训练,得到训练后的支持向量机SVM分类器;(6)对视频序列进行分类:将待分类视频序列的三维主成分分析网络特征f输入到训练后的支持向量机SVM分类器中,得到不同类别视频序列的分类标签。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201710470703.4/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top