【技术实现步骤摘要】
一种联合场景和运动多特征的视频行为聚类方法
本专利技术涉及视频分析、计算机视觉领域，尤其涉及一种联合场景和运动多特征的视频行为聚类方法。
技术介绍
随着大量视频网站及各种视频应用的兴起，视频量已呈现爆炸式增长，丰富的视频数据在满足用户需求的同时为组织、归类和检索工作带来了严峻挑战。虽然人工对视频数据进行分类的方法实现简单，但是人工分类的结果具有较强的主观性，且需要耗费大量时间。针对视频行为内容的无监督聚类方法可以很大程度上缓解这一问题，但是由于背景环境变化较大、个体行为表现差异性、运动目标部分遮挡等问题，视频聚类分析具有很大挑战。因此，如何有效识别视频内的行为特性、合理聚类不同视频行为具有重要研究意义。聚类技术是一种不依赖训练样本集和过多人工参与的无监督机器学习技术，其目标是将样本数据划分为多个子集，并且保证同一子集内的数据具有相似性。对于高维度的视频数据，直接计算样本间的相似度实现视频行为聚类易受到噪声影响，难以保证聚类鲁棒性。1)基于自表达的子空间聚类方法假设不同类别的数据来自多个不同的低维子空间，其将数据本身作为字典来重构各样本数据。2)基于重建系数构建相似...
【技术保护点】
1.一种联合场景和运动多特征的视频行为聚类方法，其特征在于，所述方法包括以下步骤：1)基于特征表达矩阵构建由子空间表达的目标函数、场景及运动上下文内单视角特征平滑性约束、多视角特征多样性约束组成的场景及运动上下文内多视角特征子空间表达求解总目标函数；2)对总目标函数进行最优化处理，分别获取场景上下文相似度矩阵WS和运动上下文相似度矩阵WM；3)基于谱聚类方法，将融合后的相似度矩阵作为谱聚类输入，得到视频行为聚类结果。
【技术特征摘要】
1.一种联合场景和运动多特征的视频行为聚类方法，其特征在于，所述方法包括以下步骤：1)基于特征表达矩阵构建由子空间表达的目标函数、场景及运动上下文内单视角特征平滑性约束、多视角特征多样性约束组成的场景及运动上下文内多视角特征子空间表达求解总目标函数；2)对总目标函数进行最优化处理，分别获取场景上下文相似度矩阵WS和运动上下文相似度矩阵WM；3)基于谱聚类方法，将融合后的相似度矩阵作为谱聚类输入，得到视频行为聚类结果。2.根据权利要求1所述的一种联合场景和运动多特征的视频行为聚类方法，其特征在于，在步骤1)之前，所述方法还包括：基于视频帧和运动轨迹分别提取场景、及运动上下文的多视角特征，进而获取场景及运动上下文c内视角i的特征表达矩阵。3.根据权利要求1所述的一种联合场景和运动多特征的视频行为聚类方法，其特征在于，所述对总目标函数进行最优化处理，分别获取场景上下文相似度矩阵WS和运动上下文相似度矩阵WM的步骤具体为：分别求解场景及运动上下文内多视角特征子空间表达；根据场景上下文S内视角i的子空间表达求解相应的场景上下文相似度矩阵WS；根据运动上下文M内视角i的子空间表达求解相应的运动上下文相似度矩阵WM。4.根...
【专利技术属性】
技术研发人员：雷建军，彭勃，郑泽勋，贾亚龙，丛润民，张静，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12
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。