一种视频数据多维非负隐特征的提取装置和方法制造方法及图纸

本发明专利技术涉及一种视频数据多维非负隐特征的提取装置和方法，属于图像识别领域。该装置包含接收模块，距离目标函数模块，储存模块，特征提取模块；接收模块用于接收视频数据采集设备的图像并指示存储模块对采集的视频数据进行存储；距离目标函数模块选择不同的距离目标函数计算不同维的非负隐特征；储存模块包含隐特征储存单元和视频数据储存单元，视频数据存储单元用于储存接收模块传来的视频数据，隐特征储存单元用于储存提取的不同维的非负隐特征；特征提取模块用于结合不同的距离目标函数计算视频数据的多维非负隐特征提取过程，并将提取的多维非负隐特征存入隐特征储存单元。本发明专利技术实现了现代大型视频监控系统中的视频数据的高效高准确度的隐特征提取。

An extraction device and method for multidimensional non negative hidden features of video data

The invention relates to a multi-dimensional non negative implicit feature extraction device and method for video data, which belongs to the field of image recognition. The device comprises a receiving module, distance function module, storage module, feature extraction module; the receiving module is used for video data collected to receive video data acquisition device and image storage module for storing instructions; distance function module selection from different objective function calculation of non negative implicit feature dimensions; storage module contains hidden features the storage unit and the video data storage unit, the video data storage unit for storing video data receiving module from the hidden characteristics of the storage unit is used for storing non negative implicit different dimensions extracted feature; feature extraction module for non negative implicit feature extraction process of computation of multidimensional video data with different distance function, and the extraction the multidimensional non negative implicit characteristics into implicit feature storage unit. The invention realizes the hidden feature extraction of high efficiency and high accuracy of video data in modern large video surveillance system.

【技术实现步骤摘要】
一种视频数据多维非负隐特征的提取装置和方法
本专利技术属于图像识别领域，尤其涉及一种视频数据多维非负隐特征的提取装置和方法。
技术介绍
图像识别是涉及计算机工程应用、多媒体信息处理、机器学习和模式识别的重要应用和研究热点，是计算机科学与人工智能的主要问题之一。图像识别又包含若干研究，其中主流的一类问题就是视频图像数据的特征提取问题。由于视频数据可以转化为非负的高维稀疏数据矩阵，可以利用非负矩阵分解技术对视频数据进行分析，从数据中提取有效的特征信息，以揭示视频数据中蕴含的潜在规律和意义，从而达到识别的目的。所以非负矩阵分解是实现非负数据特征提取的一类主要技术。在视频数据中，视频数据都可以看做多帧图像数据的集合，所以可以通过像素域来对其进行分析。目前的矩阵分解技术，已经能够并且从视频数据中有效的提取出隐特征。但是目前的非负矩阵分解技术基本都是利用欧氏距离作为目标函数，即只能提取一维的非负隐特征。但实际上距离函数有不同的表达形式，也会对特征提取结果造成不同的影响。欧式距离仅仅是一种特殊情况。同时这种特殊目标函数对应的不一定就是最优的隐特征提取结果。因此我们可以根据不同视频数据的特点提取多维本文档来自技高网...

【技术保护点】
一种视频数据多维非负隐特征的提取装置，其特征在于：该装置包含接收模块，距离目标函数模块，储存模块，特征提取模块；所述接收模块用于接收视频数据采集设备的图像并指示所述存储模块对采集的视频数据进行存储；所述距离目标函数模块用于根据不同的视频数据，选择不同的距离目标函数计算不同维的非负隐特征；所述储存模块包含隐特征储存单元和视频数据储存单元，所述视频数据存储单元用于储存所述接收模块传来的视频数据，所述隐特征储存单元用于储存在不同距离目标函数下提取的不同维的非负隐特征；所述特征提取模块用于结合不同的距离目标函数计算视频数据的多维非负隐特征提取过程，并将提取的多维非负隐特征存入所述隐特征储存单元。

【技术特征摘要】
1.一种视频数据多维非负隐特征的提取装置，其特征在于：该装置包含接收模块，距离目标函数模块，储存模块，特征提取模块；所述接收模块用于接收视频数据采集设备的图像并指示所述存储模块对采集的视频数据进行存储；所述距离目标函数模块用于根据不同的视频数据，选择不同的距离目标函数计算不同维的非负隐特征；所述储存模块包含隐特征储存单元和视频数据储存单元，所述视频数据存储单元用于储存所述接收模块传来的视频数据，所述隐特征储存单元用于储存在不同距离目标函数下提取的不同维的非负隐特征；所述特征提取模块用于结合不同的距离目标函数计算视频数据的多维非负隐特征提取过程，并将提取的多维非负隐特征存入所述隐特征储存单元。2.根据权利要求1所述的一种视频数据多维非负隐特征的提取装置，其特征在于：所述特征提取模块包含参数初始化单元、迭代单元和迭代结果输出单元，所述参数初始化单元用于初始化视频数据隐特征提取过程中涉及的提取参数；所述迭代单元用于将所述视频数据储存单元储存的视频数据和不同的距离目标函数以及所述提取参数结合并提取出不同距离目标函数下的视频数据隐特征；所述迭代结果输出单元用于提取最高隐特征分解结果并储存至所述隐特征储存单元。3.一种视频数据多维非负隐特征的提取方法，其特征在于：包含如下步骤：S1：接收模块接收视频采集设备采集的视频数据，并存入存储模块的视频数据储存单元；S2：特征提取模块接收服务器发送的提取视频非负隐特征指令；S3：特征提取模块的参数初始化单元对视频数据隐特征提取过程中涉及的提取参数进行初始化；S4：距离目标函数模块针对视频数据，选择不同的距离目标函数计算不同维的非负隐特征；S5：特征提取模块结合不同的距离目标函数计算视频数据的多维非负隐特征，提取视频数据的非负隐特征，并将提取的非负隐特征存入存储模块的隐特征存储单元。4.根据权利要求3所述的一种视频数据多维非负隐特征的提取方法，其特征在于：所述视频数据隐特征提取过程中涉及的提取参数包含：行隐特征矩阵S、列隐特征矩阵T、矩阵空间维数f、迭代控制变量L、矩阵分解迭代次数上限K、迭代步长δ、正则化惩罚项因子λS和λT、迭代收敛终止门限τ。5.根据权利要求3所述的一种视频数据多维非负隐特征的提取方法，其特征在于：所述步骤S5中提取的视频数据的非负隐特征包括行隐特征矩阵S和列隐特征矩阵T。6.根据权利要求4所述的一种视频数据多维非负隐特征的提取方法，其特征在于：所述步骤S4具体为：S41：距离目标函数模块针接收计算距离目标函数指令；S42：距离目标函数模块从接收模块中读取视频数据目标矩阵R的已知数据合集RK计算距离目标函数；所述距离目标函数模块中的距离目标函数为：其中RK为已知数据集合，β≥0，ru,i代表视频数据目标矩阵R中第u行，第i列的数据，表示ru,i的估计值。7.根据权利要求6所述的一种视频数据多维非负隐特征的提取方法，其特征在于：所述步骤S5具体为：S51：特征提取模块根据视频数据的目标矩阵R的已知数据集合RK，并结合距离目标函数，构造目标损失函数ε如下：(1)β＝0时目标函数为：

【专利技术属性】
技术研发人员：袁野，罗辛，尚明生，吴迪，
申请(专利权)人：中国科学院重庆绿色智能技术研究院，
类型：发明
国别省市：重庆,50