[發明專利]一種基于支持向量機和粒子群優化算法的鏡頭邊界檢測方法

無效

• 申請號: 201110413529.2
• 申請日: 2011-12-09
• 公開（公告）號: CN103164707A
• 公開（公告）日: 2013-06-19
• 發明（設計）人: 孫學梅;趙龍;孫寶山
• 申請（專利權）人: 天津工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京思創畢升專利事務所 11218
• 代理人: 劉明華

1.一種基于支持向量機和粒子群優化算法的鏡頭邊界檢測算法，原始數據是待鏡頭邊界檢測的視頻數據，其特征在于，包括以下步驟：

(1)，提取視頻數據的底層特征，本方法主要提取像素域上的顏色一階矩和顏色二階矩、顏色直方圖、角點、DC系數特征；

(2)，使用粒子群算法對選取支持向量機的懲罰因子和核函數參數進行優化；

(3)，利用得到的近似最優參數訓練得到最優分類模型，并以此為基礎對視頻序列幀進行分類，最終完成鏡頭分割。

2.根據權利要求1所述的基于支持向量機和粒子群優化算法的鏡頭邊界檢測算法，其特征在于，所述的步驟(2)包括以下步驟：

(2.A)，種群初始化和參數初始設置，種群規模設定為由20個粒子組成，這些粒子的位置和速度是隨機生成的，懲罰因子c和核函數參數γ的變化范圍分別是

[0，100]和[0，1000]，加速常數c1和c2分別取1.4和1.8；

(2.B)，適應度值計算，種群規模設定為20，適應度值的計算按照下式進行：

f(c，γ)＝accuracy，我們選用支持向量機中的交叉驗證策略來計算訓練集的適應度值，綜合考慮到驗證效率和準確率，我們將訓練集劃分為三個部分來進行交叉驗證；

(2.C)，更新粒子的位置和速度，進行循環迭代：本代種群的全局最優解和局部最優解得到以后，需要進行粒子信息的更新。位置和速度的更新根據下面兩式進行：V_i+1＝W×V_i+C₁×rand×(pbest-X_i)+C₂×rand×(gbest-X_i)，X_i+1＝＝X_i+V_i+1；

(2.D)，比較更新全局最優解和局部最優解，如果當前的適應度值優于局部的最好適應度值，將當前值作為最好的適應度值，同時更新局部最優的粒子信息；如果當前的適應度值優于全局的最好適應度值，替換全局最優為當前的適應度值，并更新全局最優粒子信息。

3.根據權利要求1所述的基于支持向量機和粒子群優化算法的鏡頭邊界檢測算法，其特征在于，所述的步驟(1)中所述的顏色一階矩的提取如下式所示：

其中pi，j是圖像幀在(i，j)點的像素亮度值。

4.根據權利要求1所述的基于支持向量機和粒子群優化算法的鏡頭邊界檢測算法，其特征在于，所述的步驟(1)中所述的顏色二階矩提取如下：二階矩的提取如下式所示：

其中pi，j是圖像在(i，j)點的像素亮度值，為圖像單個通道內所有像素點的平均值。

5.根據權利要求1所述的基于支持向量機和粒子群優化算法的鏡頭邊界檢測算法，其特征在于，所述的步驟(1)中所述的顏色直方圖提取如下：

顏色直方圖定義式為：

M和N為圖像幀垂直和水平方向上的像素數目；k＝0，1，……，K，其中K為顏色空間的顏色種類數；對于h_i，j值，若在顏色空間量化后等于k值，則取為1，否則取0；顏色直方圖的幀間差(幀號為i)為：

Fi,i+1=Σk=1K|Hk,i-Hk,i+1|.]]>