一种改进的视频数据特征映射方法技术

本发明专利技术涉及一种改进的视频数据特征映射方法，在第一次将测试视频数据的第一种特征映射到第二种特征后，从测试的视频数据第一种特征中选出与训练集中第一种特征最相关的特征加入到训练集中，同时从测试视频数据第二种特征中选出与训练集中第二种特征最相关的特征加入到训练集中，然后利用训练集中的特征重新计算映射关系，并利用映射关系重新将测试视频数据的第一种特征重新映射到第二种特征上，得到测试视频数据的第二种特征。本发明专利技术提出的方法，能够利用测试视频数据的特征信息建立两种特征之间更完备的映射关系，将测试视频数据的第一种特征更准确地映射到第二种特征上，与传统的视频数据特征映射方法相比，可以提高测试视频数据第二种特征的分类准确率。

【技术实现步骤摘要】

【技术保护点】
一种改进的视频数据特征映射方法，其特征在于步骤如下：步骤1：将训练集R1中的N个视频数据特征Y1,Y2,...,YN写成矩阵形式：Z=Y1Y2···YN=y1,1,y1,2,···,y1,ny2,1,y2,2,···,y2,n···yN,1,yN,2,···,yN,n;其中，R1表示N个视频数据特征Y1,Y2,...,YN和特征X1,X2,...,XN构成的集合；Y1,Y2,...,YN和X1,X2,...,XN表示N个视频数据的两种特征；y1,1,y1,2,...,y1,n表示Y1中的n个元素；y2,1,y2,2,...,y2,n表示Y2中的n个元素；yN,1,yN,2,...,yN,n表示YN中的n个元素；N表示训练集中视频数据个数，N＞0；步骤2：利用y1,h=WTφ(X1)y2,h=WTφ(X2)···yN,h=WTφ(XN)计算矩阵Z的第h列元素y1,h,y2,h,...,yN,h的映射矩阵W和基函数φ(X1),φ(X2),…,φ(XN)中参数μj和sj；其中，h＝1,2,...,n；y1,y2,...,yN表示矩阵Z中的一列元素；所述W表示利用y1,h=WTφ(X1)y2,h=WTφ(X2)···yN,h=WTφ(XN)计算得到的映射矩阵；上标T表示矩阵转置；φ(X1)＝[φj(x1,j)]，j＝1,2,...,M表示X1中第j个元素的标号，x1,j表示X1中的第j个元素；φ(X2)＝[φj(x2,j)]，j＝1,2,...,M表示X2中第j个元素的标号，x2,j表示X2中的第j个元素；φ(XN)＝[φj(xN,j)]；j＝1,2,...,M表示XN中第j个元素的标号，xN,j表示XN中的第j个元素；M表示X1,X2,…,XN中元素的个数；步骤3：利用yN+1,h=WTφ(XN+1)yN+2,h=WTφ(XN+2)···yN+P,h=WTφ(XN+P)计算P个测试视频数据的特征YN+1,YN+2,...,YN+P的第h列元素yN+1,h,yN+2,h,...,yN+P,h；其中，XN+1,XN+2,...,XN+P为P个测试视频数据的第一种特征；P表示测试视频数据的个数，P＞0；步骤4：利用下式计算X1,X2,...,XN和XN+1,XN+2,...,XN+P中每两个特征的相关性系数r(Xi,Xk)，r(Xi,Xk)=Σt=1M[(xi,t-X‾i)]·[(xk,t-X‾k)]Σt=1M(xi,t-X‾i)2Σt=1M(xk,t-X‾k)2;利用下式计算Y1,Y2,...,YN和YN+1,YN+2,...,YN+P中每两个特征的相关性系数r(Yi,Yk)，r(Yi,Yk)=Σq=1n[(yi,q-Y‾i)]·[(yk,q-Y‾k)]Σq=1n(yi,q-Y‾i)2Σq=1n(yk,q-Y‾k)2若r(Xi,Xk)＞T1且r(Yi,Yk)＞T2，则将Yk、Xk加入R1；其中，r(Xi,Xk)表示视频数据特征Xi和Xk的相关性系数；t＝1,2,...,M；i＝1,2,...,N；k＝N+1,N+2,...,N+P；xi,t表示Xi中第t个元素；表示Xi的均值；xk,t表示Xk中第t个元素；表示Xk的均值；T1,T2∈[?1,1]表示阈值；r(Yi,Yk)表示Yi和Yk的相关性系数；q＝1,2,...,n；yi,q表示Yi中第q个元素；表示Yi的均值；yk,q表示Yk中第q个元素；表示Yk的均值；步骤5：将R1中视频数据的特征Y1,Y2,...,YN,Yk和X1,X2,...,XN,Xk按照步骤1、步骤2和步骤3重新计算得到P个测试视频数据的特征Y...

【技术特征摘要】

【专利技术属性】
技术研发人员：韩军伟，吉祥，郭雷，胡新韬，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：