[發明專利]視頻聚類方法及檢測方法在審
| 申請號： | 201310202454.2 | 申請日： | 2013-05-27 |
| 公開（公告）號： | CN104182421A | 公開（公告）日： | 2014-12-03 |
| 發明（設計）人： | 呂釗;楊東強 | 申請（專利權）人： | 華東師范大學 |
| 主分類號： | G06F17/30 | 分類號： | G06F17/30 |
| 代理公司： | 隆天國際知識產權代理有限公司 72003 | 代理人： | 黃嵩泉;呂俊清 |
| 地址： | 200241 *** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 視頻 方法 檢測 | ||
1.一種生成最優關系簇網路的視頻聚類方法，其特征在于，包括：
a.獲取待聚類視頻的集合，并進一步獲取與每個所述待聚類視頻相適應的文本信息；
b.對每個所述待聚類視頻，抽取視頻特征，所述文本特征以及所述視覺特征組成所述待聚類視頻的視頻特征，其中，
所述抽取視頻特征包括：
對所述待聚類視頻的文本信息進行數據處理并抽取相應的文本特征；
對所述待聚類視頻的視頻數據進行分割并抽取所述待聚類視頻的視覺特征；
c.根據所述待聚類視頻的集合及其視頻特征構造一N分圖；
d.對所述待聚類視頻的集合進行初始化聚類以獲得初始的視頻聚類以及初始的視頻特征聚類，將初始化聚類獲得的聚類中心添加到所述N分圖中，作為隱藏結點，計算所述視頻聚類與所述視頻特征聚類之間的權重矩陣并形成初始的關系簇網絡；
e.迭代更新所述文本特征、所述視頻聚類、所述視頻特征聚類以及所述關系簇網絡，當此次迭代更新的關系簇網絡與所述N分圖的距離小于第一閾值時，則停止迭代以獲得最優關系簇網絡；以及
f.根據獲得的最優關系簇網絡進行聚類跟蹤或視頻檢測，其中，
所述聚類跟蹤包括：輸入一視頻特征，并與所述最優關系簇網絡的視頻特征聚類進行匹配，以獲取屬于與所述視頻特征相適應的視頻特征聚類的視頻的集合；
所述視頻檢測包括：輸入一視頻，根據所述視頻的文本特征與視覺特征與所述最優關系簇網絡進行匹配和聚類以獲得所述視頻所屬的視頻特征聚類。
2.根據權利要求1所述的聚類方法，其特征在于，所述抽取所述文本信息的文本特征包括：
對所述文本信息進行分詞；
利用詞頻-逆向文件頻率加權法計算所述文本信息分詞后每個詞的文本權重；以及
將文本權重不小于第二閾值的詞作為所述文本信息的關鍵詞，其中，所述文本信息的文本特征包括所述關鍵詞以及相應的文本權重。
3.根據權利要求2所述的聚類方法，其特征在于，所述文本權重根據如下公式計算并更新：
TFIDFt=TFt*log(N/DFt)，
其中，TFIDFt為詞t的文本權重，N表示全部視頻聚類的個數，DFt表示包含詞t的視頻聚類的個數，TFt是詞t在與所述文本信息相適應的待聚類視頻所屬的視頻聚類中出現的頻數，
其中，利用K-means聚類方法對所述待聚類視頻進行初始聚類以初始化所述文本權重。
4.根據權利要求1所述的聚類方法，其特征在于，所述抽取所述待聚類視頻的視覺特征包括：
分割所述待聚類視頻的鏡頭，獲取所述鏡頭變換的視頻幀；
通過K-means聚類方法對所述視頻幀根據顏色灰度值進行迭代聚類以獲取第一個數個關鍵幀，所述視覺特征包括所述關鍵幀以及相適應的16維灰度值表示，其中，所述第一個數根據貝葉斯信息準則確定。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華東師范大學;，未經華東師范大學;許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201310202454.2/1.html，轉載請聲明來源鉆瓜專利網。
