一种基于QPSO黎曼流形学习的视频相似度度量方法技术

本发明专利技术提出一种基于QPSO黎曼流形学习的视频相似度度量方法。该算法将视频相似度视为图像集相似度度量问题，图像对齐后提取纹理特征并进行融合处理，再利用带有QPSO优化的黎曼流形大幅度简约维度以获得视频数据的内在表示，相似度的度量则采用仿射包距离标定方法，最后利用libSVM获得最佳分类识别结果。通过在相关视频数据库上进行的对比实验，验证了所提算法的有效性，所提算法识别精度较高，误差较低，并且具有较强的鲁棒性。

【技术实现步骤摘要】
一种基于QPSO黎曼流形学习的视频相似度度量方法
本专利技术涉及计算机视觉领域，特别涉及一种视频相似度度量方法。
技术介绍
视频相似度度量近年来成为计算机视觉领域的研究热点和难点问题，对于解决视频人脸识别、视频目标检测、视频人体行为识别等问题具有重要意义和研究价值。相对于静态图像，动态视频中可选用的特征信息更加丰富多样，例如，视频的时间动态信息有助于识别率的提升；从视频序列中可以选取分辨率相对较高的图像以能够提高识别性能；还可以通过视频学习重构目标三维模型，利用这些模型可以高效的实现视频相似度度量。总之，时间和运动信息在基于视频相似度度量中起到了至关重要的作用。因此，需要一种方法解决上述问题。
技术实现思路
本专利技术所要解决的技术问题是为如何有效度量视频相似度问题，提出一种基于QPSO优化黎曼流形的视频相似度度量方法。所述方法在解决视频人脸确认和视频属性判断等方面具有重要价值。为了解决上述技术问题，本专利技术所采用的技术方案是：一种基于QPSO黎曼流形学习的视频相似度度量方法，包括如下步骤：步骤A，将每个视频由图像集合进行表示，对图像集合中的帧图像进行图像校准，提取图像集的LBP、CS本文档来自技高网...

【技术保护点】
1.一种基于QPSO黎曼流形学习的视频相似度度量方法，包括如下步骤：步骤A，将每个视频由图像集合进行表示，对图像集合中的帧图像进行图像校准，提取图像集的LBP、CSLBP、FPLBP三种特征，并将获得的这三种特征进行融合以得到图像集合的高维特征表示；步骤B，利用其对所有图像集的高维特征进行黎曼流形降维处理得到所有图像集各自的低维特征，同一图像集内所有图片的低维特征向量组成此图像集的特征表示；步骤C，将获得的图像集特征向量表示以仿射包的形式进行描述，得到图像集合的子空间分布，通过两个子空间之间的距离来度量这两个图像集之间的相似度；步骤D，在视频数据库中选取一部分作为训练集，其余部分作为测试集合，...

【技术特征摘要】
1.一种基于QPSO黎曼流形学习的视频相似度度量方法，包括如下步骤：步骤A，将每个视频由图像集合进行表示，对图像集合中的帧图像进行图像校准，提取图像集的LBP、CSLBP、FPLBP三种特征，并将获得的这三种特征进行融合以得到图像集合的高维特征表示；步骤B，利用其对所有图像集的高维特征进行黎曼流形降维处理得到所有图像集各自的低维特征，同一图像集内所有图片的低维特征向量组成此图像集的特征表示；步骤C，将获得的图像集特征向量表示以仿射包的形式进行描述，得到图像集合的子空间分布，通过两个子空间之间的距离来度量这两个图像集之间的相似度；步骤D，在视频数据库中选取一部分作为训练集，其余部分作为测试集合，对训练集合中的每个视频对...

【专利技术属性】
技术研发人员：王玉，吕颖达，黄永平，申铉京，马舒阳，沈哲，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22