A method based on feature selection and extraction method that smooth video dynamic target clustering, which comprises the following steps: (1) the video data preprocessing, encoding a video sequence matrix Y; (2) to the video sequence as input matrix Y, establish FSSR clustering model; (3) using the extended Lagrange function and alternating direction the clustering model to optimize the multiplier method, the optimal coefficient matrix Z
【技术实现步骤摘要】
一种基于特征选择与光滑表示聚类的视频动态目标提取方法
本专利技术涉及一种基于特征选择与光滑表示聚类的视频动态目标提取方法,可用于目标跟踪和目标检测。
技术介绍
计算机视觉中对视频序列场景的分析和理解是其中一项重要的研究内容,其应用包括:视频编码、治安监控、智能交通、自动导航、机器视觉、医学图像、气象图像等等。视频序列场景的分析和理解包括运动目标的跟踪、检测、分割、估计和识别,其中对动态目标的提取是视频序列场景分析和理解的前提。视频动态目标提取的关键问题是根据场景中提取的视觉特征,对视频序列中不同的运动物体进行聚类划分。常用的视频动态目标提取算法分为三个大类:基于透视几何约束的算法,例如对极几何和Planar-Parallax分解;基于仿射相机模型的算法,例如子空间聚类;基于轨迹相似性的聚类算法,例如光流法。近几年国内外很多学者采用仿射相机模型,利用高维数据中存在的低维子结构,将视频动态目标提取问题转化为子空间划分问题,借助相关的子空间聚类算法很好的解决了视频动态目标提取中鲁棒性、相机运动、大规模高维数据等问题。基于子空间聚类的视频动态目标提取方法构造衡量数据点两两之间相似程度的关联矩阵,利用相关的谱聚类方法划分关联矩阵,最终完成视频动态目标提取。相关的子空间聚类算法众多,当中最为典型的是低秩子空间聚类和稀疏子空间聚类。稀疏子空间聚类利用数据本身作为字典,寻找每个数据点关于其他数据点的最优稀疏表示;低秩子空间聚类利用整个数据作为字典,寻找每个数据点关于其他数据点的最优低秩表示。低秩表示带有全局约束,稀疏表示对表示系数不带有显式的全局约束,抗噪声干扰方面表现较 ...
【技术保护点】
一种基于特征选择与光滑表示聚类的视频动态目标提取方法,包括如下步骤:步骤1,视频序列数据预处理;假设视频序列为f=[1,2,…,F],共F帧,选取N个像素点,对每一帧的N个像素点
【技术特征摘要】
1.一种基于特征选择与光滑表示聚类的视频动态目标提取方法,包括如下步骤:步骤1,视频序列数据预处理;假设视频序列为f=[1,2,…,F],共F帧,选取N个像素点,对每一帧的N个像素点进行提取和跟踪;这样就得到N条链,又称为像素轨迹,每条链表示为一个长度为2F的向量N条像素轨迹组合成一个2F×N的矩阵Y=[y1,y2,…,yN]∈R2F×N;步骤2,以视频序列矩阵Y为输入,建立FSSR聚类模型s.t.pT1=1pi≥0其中Z是表示系数矩阵,p是特征选择向量,L是拉普拉斯矩阵,L=D–W,D是对角度矩阵,W=(wij)为相似图,wij=||yi-yj||2代表两个数据点之间的距离相似度,采用0-1权重来构造k近邻图W,λ为正则项系数,tr(·)是矩阵的迹;步骤3,使用增广拉格朗日函数和交替方向乘子法对函数模型优化;引入虚变量J=Z,根据增广拉格朗日函数可以使目标模型转化为如下形式s.t.pT1=1pi≥0最优表示系数矩...
【专利技术属性】
技术研发人员:郑建炜,路程,杨平,秦梦洁,杨弘,陈婉君,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。