一种基于弹性网络子空间的视频聚类方法及系统技术方案

本发明专利技术公开了一种基于弹性网络子空间的视频聚类方法及系统，该方法包括：对视频数据进行采样和增强处理，得到预处理视频；对预处理视频进行特征提取，得到视频时空特征；基于滑动窗口对视频时空特征进行过滤，得到过滤后特征；基于弹性网络子空间模型，根据过滤后特征获取亲和矩阵；基于谱聚类方法，根据亲和矩阵得到视频数据的聚类结果。该系统包括：预处理模块、提取模块、过滤模块、获取模块和聚类模块。通过使用本发明专利技术，能够实现视频数据无监督聚类。本发明专利技术作为一种基于弹性网络子空间的视频聚类方法及系统，可广泛应用于视频数据处理领域。领域。领域。

【技术实现步骤摘要】
一种基于弹性网络子空间的视频聚类方法及系统


[0001]本专利技术涉及视频数据处理领域，尤其涉及一种基于弹性网络子空间的视频聚类方法及系统。

技术介绍

[0002]目前通过社交媒体和内容共享应用程序的交流方式，使视频数据信息呈指数级增长。面对海量的视频数据，往往需要通过分类将数据信息进行统一划分，便于进一步挖掘信息内在的价值。为了实现对视频数据的精准分类，研究者往往利用开源、已标注的数据集训练有监督分类模型，再将训练好的模型用于未知视频数据的分类。然而，受限于开源数据集本身所涵盖的种类，训练得到的模型有时无法精准确定未知数据的真实分类，且又由于未知数据量的庞大，通过人工标注标签并微调模型的代价昂贵，因此利用无监督的方法实现视频数据分类逐渐成为当前热点方向之一。
[0003]现有技术在视频分类问题中，往往采用基于Backbone或有监督模型训练的方式实现，面对新种类的视频分类和视频无监督聚类的应用场景，往往无法摆脱对数据自身质量的要求和对数据标签的依赖。同时，由于视频数据相较于图像包含时间维度的信息，将图像无监督聚类算法迁移到视频的聚类问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于弹性网络子空间的视频聚类方法，其特征在于，包括以下步骤：对视频数据进行采样和增强处理，得到预处理视频；对预处理视频进行特征提取，得到视频时空特征；基于滑动窗口对视频时空特征进行过滤，得到过滤后特征；基于弹性网络子空间模型，根据过滤后特征获取亲和矩阵；基于谱聚类方法，根据亲和矩阵得到视频数据的聚类结果。2.根据权利要求1所述一种基于弹性网络子空间的视频聚类方法，其特征在于，所述对视频数据进行采样和增强处理，得到预处理视频这一步骤，其具体包括：基于均分随机采样方式，对视频数据进行采样处理，得到关键帧数据；对关键帧数据进行图像增强处理，得到预处理视频。3.根据权利要求2所述一种基于弹性网络子空间的视频聚类方法，其特征在于，所述对预处理视频进行特征提取，得到视频时空特征这一步骤，其具体包括：基于三维残差自动编码机对预处理视频进行视频特征降维，得到降维特征；引入压缩激发注意力网络，对降维特征进行特征增强，得到视频时空特征。4.根据权利要求3所述一种基于弹性网络子空间的视频聚类方法，其特征在于，所述基于滑动窗口对视频时空特征进行过滤，得到过滤后特征这一步骤，其具体包括：设定滑动步长并计算滑动窗口内视频时空特征的特征距离；结合预设阈值，对视频时空特征进行筛选并拼接，得到拼接后的特征；对拼接后的特征进行归一化处理，得到过滤后特征。5.根据权利要求4所述一种基于弹性网络子空间的视...

【专利技术属性】
技术研发人员：衡益，景皓，杨青青，
申请(专利权)人：中山大学，
类型：发明
国别省市：